Какие задачи вызывают интерес и чем хочешь заниматься?
Что проверяют
Совпадает ли ваше направление с тем, что есть в команде: аналитика, классический ML на табличных данных, NLP и LLM, компьютерное зрение или MLOps. Интервьюер также оценивает, реалистично ли вы представляете работу и не уйдёте ли, как только появится проект помоднее. Уточнение обычно такое: «Что вы уже сделали в этом направлении?»
Как отвечать
Назовите одно-два направления и подкрепите каждое опытом, а не намерением. Примеры того, как это может звучать:
- табличные модели для бизнеса: скоринг, отток, прогноз спроса на CatBoost или LightGBM, где важны признаки, валидация по времени и понятная заказчику метрика;
- рекомендательные системы: генерация кандидатов, ранжирование, офлайн-метрики вроде NDCG и проверка эффекта A/B-тестом;
- приложения на LLM: RAG с векторным поиском, дообучение через LoRA, оценка качества ответов на своём наборе примеров;
- MLOps: пайплайны в Airflow, трекинг экспериментов в MLflow, мониторинг дрейфа и переобучение;
- продуктовая аналитика и эксперименты: дизайн A/B-тестов, расчёт мощности, разбор, почему сдвинулась метрика.
Схема ответа: что интересно, почему (какая задача зацепила), что уже сделано (проект, соревнование, статья, код), чем хотите заниматься через год и как это пересекается с вакансией. Перед собеседованием прочитайте описание вакансии и публичные рассказы команды, чтобы связь была настоящей. Если направление для вас новое, скажите честно: «опыта в проде нет, но вот два проекта и что я в них понял».
Где спотыкаются
Отвечают модным словом без опоры: «хочу заниматься LLM». Следующий вопрос о том, чем RAG отличается от дообучения, ставит в тупик.
Говорят «интересно всё, что связано с данными». Такой ответ не помогает интервьюеру понять, подходите ли вы именно этой команде.
Называют направление, которого в компании нет, например исследования в компьютерном зрении на вакансию аналитика. Это читается как план уйти при первой возможности, даже если вы этого не имели в виду.