Сбер пытается оправдать вливание денег в ИИ

Сбер повысили kpi почти всем it подразделениям на 50%, аргументируя это внедрением ИИ
План KPI будут контролировать внедрив кучу метрик по использованию сотрудниками ИИ, а также метрики контроля, чтобы сотрудники не разделяли 2 большие задачи на более мелкие, тем самым показывая что они начали делать больше задач.

Менеджмент Сбера хочет показать что сократив персонал, они остались продуктивны и эффективны, внедрив новые практики использования ИИ.

По результатам эксперимента, можно лишь догадываться сколько людей они сократят в будущем.

Вакансия: DS Engineer / ML Engineer, Middle+/Senior
Компания: Avito
Предполагаемая вилка: 350-400
Период собеседования: Июнь 2026
Формат работы: гибрид, удалённая работа или офис — зависит от команды и договорённостей
Этапы собеседований: ML теория, Python-интервью, ML System Design, финал

HR-скрининг:
Несмотря на то что изначально процесс позиционировался как достаточно быстрый и нерастянутый, по факту всё заняло примерно месяц. Собеседования переносились три раза: то из-за болезней, то из-за пересечения встреч, то просто не находилось подходящего слота. В итоге весь процесс из трёх секций заметно растянулся, хотя две секции я проходил в один день. В этом есть лёгкая ирония: процесс вроде бы стараются не затягивать, но реальность, как обычно, решила провести свой отдельный system design.

Краткая справка о процессе интервью:

Процесс в Авито выглядит как нормальный такой технический марафон для людей, которые почему-то решили, что просто «знаю Python и немного ML» будет достаточно. Авито считается одной из топовых компаний на российском рынке data/ML/tech: у них большой масштаб продукта, сильные команды и задачи не уровня «обучим catboost на табличке и разойдёмся». Поэтому интервью тоже соответствующее — проверяют не только теорию, но и умение писать код, рассуждать про продакшн, метрики, архитектуру и реальные ограничения системы.

1. ML теория — 1 час


Отдельно были вопросы по ML и NLP-направлению. Спрашивали, как работают трансформеры, в чём отличие encoder и decoder, как устроена transformer architecture в целом. То есть нужно было не просто сказать «attention is all you need», а объяснить базовую механику архитектуры: attention, encoder-decoder подход, роль self-attention и общую идею обработки последовательностей.

По классическим моделям спрашивали линейную и логистическую регрессию: как они работают, чем отличаются, какая у них функция потерь, как выглядит обучение. Также затрагивали аналитическое решение для линейной регрессии. Отдельно спрашивали про ансамбли: как работает bagging, как работает boosting, в чём между ними отличие, почему они по-разному уменьшают ошибки модели и как это связано со смещением и разбросом.

Были вопросы по метрикам: какие метрики бывают, что они означают, когда какую использовать и как интерпретировать результат. В целом это была такая «супербазовая база» по ML: без ощущения, что пытаются завалить редкими деталями, но при этом нужно уверенно понимать фундаментальные вещи и уметь объяснять их словами.

2. Python интервью — 1 час

На Python-секции было практическое задание. Насколько я понял, у них есть два типовых варианта: реализовать логистическую регрессию или линейную регрессию. После реализации могли попросить предложить улучшения, обсудить, как можно доработать решение, на что обратить внимание и какие есть ограничения.

Также спрашивали базовые вещи по Python и разработке: что такое GIL, как работает асинхронность, немного по ООП и, вероятно, какие-то вопросы, связанные с production-разработкой. В целом секция была не про экзотические трюки языка, а про понимание базовых механизмов Python, умение писать код и рассуждать о его качестве.


Полезные материалы для подготовки:

Для ML-теории можно повторить курс по ML от ВШЭ. Для Python — курс от Яндекса и задачи на Deep-ML. Для NLP — открытый курс ШАД. Для ML System Design — курс ODS и записи открытых интервью/разборов от Авито. Отдельно полезно посмотреть материалы AvitoTech, потому что по ним можно понять, какие задачи и масштаб у компании, а это помогает не отвечать на system design в вакууме.

Первое интервью / первые технические этапы

Несмотря на то что изначально процесс позиционировался как достаточно быстрый и нерастянутый, по факту всё заняло примерно месяц. Собеседования переносились три раза: то из-за болезней, то из-за пересечения встреч, то просто не находилось подходящего слота. В итоге весь процесс из трёх секций заметно растянулся, хотя две секции я проходил в один день. В этом есть лёгкая ирония: процесс вроде бы стараются не затягивать, но реальность, как обычно, решила провести свой отдельный system design.

Формат при этом был приятный. На каждом этапе был один интервьюер, общение проходило спокойно и без ощущения стресс-интервью. По длительности каждая секция занимала около часа. Собеседующие были адекватные и приятные, давали возможность подумать, уточнить формулировку и нормально объяснить ход рассуждений.

Общее впечатление от первых этапов — интервью достаточно человеческое и спокойное. Вопросы в основном проверяют базовую техническую зрелость: насколько кандидат понимает ML-модели, Python, NLP-базу и может связно рассуждать, а не просто вспоминать определения из конспекта за ночь до интервью.

Посмотрел фильм "Plata за риск"

Первые минуты можно увидеть как Тиньков грубо общается с сотрудниками. После показывают как кабаначи собрались и смело уехали из России в Испанию, чтобы стартануть Плату. После кабанычи показывают какой крутой продукт у них и как толпы кандидатов готовы работать на них работать за любые деньги, ведь это ПЛАТА РЕВОЛЮЦИОННЫЙ СТАРТАП. Показывают как круто жить в Мексике и показывают любовные истории. После Тиньков встречается с ребятами на улице и спрашивает их где лучше? Ребята говорят естественно в России, там семья, там наша жизнь, а тут они работают на Плату, потому что это просто неплохая возможность, но после этой работы понятное дело они хотят вернуться! Потом упоминается что на плату могут работать можно откуда угодно, кроме РФ. Очень жаль что такой революционный стартап не смог справится с такой мелочью, как разрешить работать оттуда где людям удобно находиться.

Потом показывали какой у них крутой офис на КИПРЕ, как круто там живется и что туда хотят попасть многие разработчики. Показывают разработчиков, которые стремятся развиваться и строить что-то новое. Упоминают что PLata это не про Relax, это про гонку и увеличение доходов менеджмента, а не про увеличение собственного дохода. Показывают что в Plata вы должны ебашить пока не умрете, иначе зачем?
Такое же я слышал от бывших сотрудников тинькофф (включая руководящие позиции), которые выгорели от такого отношения к ним.

После показывают тусовки, показывая что Плата это веселое место, где все веселятся.
Но все офферы, которые получали мои подписчики были не выше 5000-6000 евро тотал gross. Разве это стоит того?
Более подробной информации конечно не могу предоставить потому что в моем опросе по зарплате только 2 анкеты по зарплате в Plata. Опрос

Зарубежные зарплаты
Из опроса

Совпадение? Или попал в аудиторию.

Я предпочту работать не в крутом стартапе за x+20-40% к зарплате, где уважают сотрудников

ML/DS секция в Авито:

MLSD был заявлен на полтора часа, но по факту занял около часа.
Для системного дизайна это довольно бодро: за час нужно успеть обсудить бизнес, метрики, данные, модель, оценку качества, архитектуру, ресурсы, SLA, риски, мониторинг, fallback и rollout. Видимо, предполагалось, что все это кандидат должен раскрыть в формате блиц-опроса, а потом еще получить комментарий, что глубины не хватило.

Отдельно удивило, что бизнес-часть достаточно быстро свернули и предложили перейти к технической. Для MLSD это странный подход, потому что без бизнес-цели и метрик архитектура превращается в красивую схему ради схемы. Но, видимо, бизнес в системном дизайне иногда считается лишней лирикой.

После интервью пришел отказ с фидбеком. Положительная часть была короткой: есть бизнес-понимание и желание двигаться вперед. Негативная часть была заметно подробнее, но часть формулировок выглядела спорно. Крайне забавно выглядел абзац про предложение сервинга GPT-5, хотя на собеседовании обсуждались Гигачат, Квен и Дипсик, к которым есть открытый доступ не сотрудникам OpenAI. При этом фидбек не был привязан к матрице компетенций: непонятно, какой навык проверялся, какой грейд ожидался, где именно не дотянул и по каким критериям это решили.

Понравился честный ответ интервьювера в секции вопросов к нему на базовый вопрос по типу "Почему решили менять работу?". На вопрос про работу в компании прозвучало что-то уровня "ну, нормально". Как employer branding работает, конечно, смело. После технического интервью хочется услышать хоть немного живого интереса к команде и продукту, а не вайб "ну работаем и работаем".

После отказа был запрошен созвон, фидбек по предыдущим этапам, протокол MLSD и возможность пересмотреть результат. Сначала созвон согласовали, но на следующий день заменили письменным ответом. В ответе сообщили, что новой информации нет, перепройти секцию нельзя, лог интервью внутренний, никаких внутренние регламенты не раскрываются.

В итоге коммуникация после отказа выглядела довольно закрытой. Текст был аккуратный, но скорее в стиле корпоративного нейрофидбека: все гладко, вежливо, с буквами ё и длинными тире, но без фактуры. На ключевые вопросы по спорным пунктам и логике оценки предметного разбора не получилось.

Главная проблема процесса - это непрозрачность. На секции один интервьюер, записи для кандидата нет, протокола нет, независимой калибровки тоже нет. При этом результат полностью строится на интерпретации этого одного человека. Если в фидбеке появляется спорная формулировка, проверить ее уже невозможно. Очень удобная схема: кандидат неправ, потому что так написано в фидбеке, а фидбек проверить нельзя, потому что он внутренний.

В целом впечатление такое: сама компания сильная, процесс отбора выглядит серьезно, но финальная секция и коммуникация после нее оставили вопросы. Для MLSD хотелось бы больше прозрачности: либо запись, либо нормальный протокол, либо два интервьюера, либо хотя бы фидбек по матрице компетенций. Иначе это больше похоже не на объективную калибровку уровня, а на "мы доверяем интервьюеру, а вы просто поверьте нам на слово".

Презентация и решение в треде

Я устал за эту неделю, а вы?

Как сейчас чувствует рынок труда?

ХиХи/ХаХА статистика:
Откликов >100, просто захожу иногда кликаю так по фану

Написало 3 человека и один раз позвонили:
Телега - ???
Синимекс - 400k Senior
И одна контора BI/DE разраб - с оплатой в $ 4000-5500

Одним написал и не отвечают, хотя на HH сами просили связаться.

Сам написал:
на четыре вакансии, с некоторыми были собесы, некоторые молчат


Linkedin Search:
Написало 12 человек
Пару компаний из Англии - 8000 EURO
Пара испанских компаний - 4500 EURO, 7000 EURO
Из Казахстана - 5500$
Международная компания (с РФ корнями) - 8000 EURO
и еще пара из других локаций 6000 EURO в среднем

По ощущениям, всплеск вакансий был в марте-мае, а сейчас рынок немного замер.
Хотя может связано с тем что активно не ищу.
Так же по ощущению работу за рубежом найти гораздо проще, но нужно открывать зарубежное ИП и прочее.

Заметил еще отличительную особенность что довольно часто спрашивают про AI: какими пользуетесь, для каких задач, corner кейсы.
По зарубежному стэку:
Требуют Snowflake, AWS ( AWS SDK), Terraform, Data Vault, dbt, Airflow.
По ощущениям за GCP платят больше чем за Snowflake.

Переписка двух Яндексойдов мигрировших в Сербию

Как не потерять офферы

Часто я наблюдаю картину, как кандидаты при получении офферов очень долго думают/сомневаются в принятии оффера и после часто эти офферы отзывают. Для себя я принял одно правило, если я сразу не говорю что я согласен, значит это не мой оффер, который я бы хотел принять.

Для большинства компаний если человек не принял оффер в течении 3 дней, то они понимают что скорее он его не примет и отзывают его. Компании не нацелены ждать вас неделю, пока другая компания выдвинет вам другой оффер и чтобы вы решили куда вам пойти.

Они его отзовут и вы останетесь не с чем. Чем больше вы опасайтесь и думаете, то пойду, то нет, тем больше вы убеждаете компанию, что их выбор в вас был ошибочным. Решайте заранее какая компания для вас приоритетная и в случае если вам выдвинули оффер компания, которая на втором месте принимайте его и у вас есть еще 2 недели чтобы допройти собеседования в другие компании и принять более интересный для вас оффер.

Обсуждать деньги можно сразу после получения оффера, не дожидаясь решения по другим собеседованиям. Если вы сначала сказали 300к, а после подумали что хотите 400к, вы можете попытаться повысить оффер сразу, необязательно ждать бумажки с оффером, все равно каждое действие потом придется согласовывать заново.