Расскажите о своем опыте и обязанностях на текущем месте работы
Что проверяют
Умеете ли вы за пару минут рассказать, какую пользу приносите, а не зачитать должностную инструкцию. Интервьюер сверяет рассказ с вакансией и выбирает, во что копнуть. Следом почти всегда просят разобрать один проект подробно: данные, метрику, вашу личную роль.
Как отвечать
Каркас на полторы-две минуты, наполнять его нужно своими фактами:
- контекст: компания и продукт одной фразой, размер команды, ваша роль (DS в продуктовой команде, ML-инженер в платформе, аналитик);
- зона ответственности: что на вас целиком. Например, модель скоринга от сбора признаков до мониторинга в проде или витрины в ClickHouse с пайплайнами в Airflow;
- стек через задачи: не «знаю pandas, CatBoost, MLflow», а «признаки собираю на Spark, обучаю CatBoost, эксперименты веду в MLflow, модель отдаю через FastAPI в Docker»;
- один проект подробно: бизнес-задача, данные, бейзлайн, офлайн-метрика (ROC-AUC, MAE, recall@k), результат A/B-теста и что сделали лично вы;
- мостик к вакансии: какой опыт переносится на их задачи.
Цифры берите свои и с точкой отсчёта. «Подняли PR-AUC с 0,41 до 0,48 против логистической регрессии» звучит убедительно, а «точность выросла на 15%» без бейзлайна и названия метрики вызывает только вопросы. Если цифры под NDA, говорите относительными величинами или порядками и прямо называйте причину.
Если прод-опыта нет, так и скажите: модели жили в ноутбуках и до внедрения не дошли, объясните почему. Затем покажите, что вы довели до конца сами: стажировка, соревнование, пет-проект с честной валидацией.
Где спотыкаются
Перечисляют обязанности без результатов. Список «анализ данных, моделирование, визуализация» подходит любому дата-сайентисту и ничего не говорит о вас.
Путают «мы» и «я». На вопросе «а что конкретно делали вы» выясняется, что модель строил коллега, а кандидат готовил выгрузку.
Хвалятся офлайн-метрикой, не зная, что было в проде. Вопрос «как модель повлияла на деньги или удержание» для DS почти обязательный, и честное «эффект не измеряли» лучше придуманного процента.