Кем работали
Что проверяют
Как складывается ваш путь и логичен ли он: откуда вы пришли в данные, почему меняли места и куда движетесь. Следом обычно спрашивают про причину последнего перехода или просят подробнее рассказать про самый сильный проект.
Как отвечать
Рассказывайте в обратном порядке, от последнего места к первому, и тратьте время пропорционально релевантности:
- последние два-три года подробно: должность, продукт, стек и один проект с результатом. Для data/ML это, например, «перевёл ежедневные расчёты с pandas на Spark, и пайплайн стал идти сорок минут вместо шести часов» или «вывел модель оттока в прод через MLflow и Airflow»;
- ранние места одной-двумя фразами: что там появилось полезного для текущей роли. SQL из работы аналитиком, статистика из науки, Python из бэкенда;
- связка между переходами: каждый переход объясняйте ростом, а не бегством. «Из аналитика ушёл в DS, потому что упёрся в отчёты и хотел строить модели» понятнее, чем «там было скучно»;
- мост к вакансии: закончите тем, почему ваш опыт подходит именно под эту роль, будь то data engineer или ML engineer.
Держите рассказ в пределах двух-трёх минут. Детали интервьюер вытянет сам, если заинтересуется.
Цифры и примеры нужны ваши. Если результат не измеряли, скажите, как оценивали пользу: сэкономленные часы аналитиков, число потребителей витрины, меньше ручных проверок. Если в data/ML вы переходите из другой области, не прячьте это: назовите, что уже умеете (SQL, Python, A/B-тесты), и что сделали сами, чтобы закрыть пробелы.
Где спотыкаются
Пересказывают резюме строка за строкой, начиная с первой работы десятилетней давности. На самое интересное времени уже не остаётся.
Не могут объяснить частые переходы. Три места за два года без внятных причин настораживают, поэтому заранее сформулируйте, что вы искали и почему не нашли.
Приписывают себе результаты всей команды или называют метрики, которые не могут расшифровать. Вопрос «как вы это посчитали» быстро показывает разницу между вкладом и присутствием.