На что потратить 3 000 000 рублей?

Именно столько всего заработают победители Data Fusion Contest 2026 — ежегодного соревнования по машинному обучению!

Организаторы соревнования — ИТ-холдинг Т1 и ВТБ.

⚡ Формат — онлайн: участвовать можно из любой точки мира.

В этом году участникам предстоит выполнить три задачи:

☑️ «Страж» — про вычисление подозрительных операций в банке;
☑️ «Киберполка» — про подбор нужных финансовых продуктов из 41 варианта. 
☑️ «Герои» — про создание идеальных маршрутов с учетом времени.

📣 Даты проведения соревнования: с 9 февраля по 30 марта 2026 года. Финалисты смогут презентовать свои решения на конференции Data Fusion 2026 в Москве 8-9 апреля. Там же состоится торжественная церемония награждения победителей. 

Data Fusion Contest 2026:

🔵 прокачай себя и стань частью комьюнити DS в России;
🔵 попробуй силы в уникальных кейсах, которые выходят за рамки ежедневной рутины;
🔵 получи внушительное денежное вознаграждение.

Ну что, хватит читать — пора действовать ➡ жми на ссылку!

Информация о рекламодателе

По данным аналитиков в Санкт-Петербурге зарплаты специалистов в области ИИ доходят до 520 тысяч рублей в месяц 😮

Если в среднем в северной столице работники в сфере ИИ получают 220 тысяч, то у некоторых заработная плата доходит и до полумиллиона и это на минуточку без учета бонусов, льгот или компенсаций.

За год прирост зп по региону составил +10%. Самые высокооплачиваемые должности доступны специалистам с опытом разработки и внедрения ML от 5 лет, знанием RAG и MLOps.

Опыт прохождения собеседований в Data Science

Наткнулись на статью о том, как один свитчер решил поменять свой беграунд на ML. Герой истории прошел курсы по Data Science и принялся искать работу в новой для себя сфере.

Примерно за месяц он направил более 200 откликов, а первое приглашение на собес получил только спустя несколько недель. На удивление, интервью было успешным и ему даже выслали оффер (и такое бывает), но он отказался и дальше ходил по собеседованиям.

1️⃣ компания. Когда интервьюер подавался на должность DataOps-инженера на собеседовании присутствовали целых 5 человек: спрашивали про Linux на уровне системного админа и про сетевые протоколы. Через время уже спрашивали про Data Science. Но тут не срослось. Во-первых, кандидат подходил не по всем требованиям, а во-вторых, на интервью решили, что сотрудник быстро выгорит.

2️⃣ компания. Самое объемное тестовое задание было на позицию Data Engineer. НУжно было пройти большую анкету на платформе. Там ждали задания на логику, внимание, память и скорость реакции (например, запомнить расположение цветных точек). Еще были поведенческие вопросы: типичные ситуации и несколько вариантов ответа. Через некоторое время пришел отказ, тк посчитали, что у кандидата нерелевантный опыт. По мнению самого кандидата, ему отказали из-за возраста (50 лет). Обычно, в этом возрасте ожидают уровень сеньера/тимлида с глубокой экспертизой.

3️⃣ компания. Неожиданно для интервьюера, но на предварительном собесе на должность Data Science его начали распрашивать по хард-скилам. Тк компания работала с видео, то вопросы были про архитектуры (YOLO), различий между one-shot и few-shot подходами, а также метрики IoU для сегментации.

4️⃣ компания. В эту компанию в итоге приняли на позицию "ведущий инженер программист", но сам автор истории говорит, что по факту это ML-инженер. В этой компании выдали тестовое на сутки, которое включало задачи по статистике, python, sql и excel 😬

Data Scientist в Авито
Удаленно / Гибрид / Офис в Москве

Предстоит: с нуля проектировать и развивать рекомендательные алгоритмы для рынка подработки (мэтчинг, управление ликвидностью); повышать качество рекомендательной системы (отбор кандидатов, ранжирование) и измерять успех на AB-тестах; развивать и адаптировать core-модели, которые используются как основа для других моделей в экосистеме… Узнать подробнее 🔵

Стажер ML Engineer в МТС
Удаленно / Гибрид / Офис в Нижнем Новгороде

Предстоит: изучать и помогать в написании ПО, связанным с машинным обучением… Узнать подробнее 🔵

Подборка открытых вакансий 🔵

Middle/Senior NLP Data Scientist в Сбер
Гибрид / Офис в Москве

Data Analyst в Авиасейлс
Удаленно

Старший аналитик AI/ML в Beeline
Удаленно

Data Scientist в 2GIS
Удаленно / Гибрид / Офис в Москве, Санкт-Петербурге, Новосибирске

Data Analyst в Wildberries
Удаленно / Гибрид / Офис в Москве

Data Scientist в Яндекс
Гибрид / Офис в Москве, Санкт-Петербурге

Middle+/Senior ML Engineer в GRI
Удаленно / Гибрид / Офис в Москве

Предстоит: Разрабатывать и внедрять в production модели машинного обучения для рекомендательных систем, включая модели user-to-item и item-to-item; Участвовать во всех этапах жизненного цикла ML-продукта: от исследования и прототипирования до внедрения, мониторинга и поддержки; Планировать A/B-тесты для оценки эффективности новых моделей… Узнать подробнее 🔵

История прохождения собеседования в Anthropic

Сразу скажем, герой истории не очень доволен процессом найма в стартапе. По его мнению, процесс был непрозрачным, а пару менеджеров вели себя непрофессионально.

В целом, собеседования были довольно стандартными. После многократных отправок резюме HR назначили первое интервью через две недели. На нём немного рассказали о роли и процессе найма. После назначили собес по кодированию.

Этап с кодированием был интересным. Дали реальное задание, которое можно быстро решить. Дальше было обсуждение решения и деталей выбранного ЯП. На всё про всё ушел примерно час.

Дальше настало время интервью с пятью этапами, каждый из которых занял также около часа.

➖Обсуждение техпроекта. На этом этапе необходимо было приготовить презентацию о предыдущем рабочем проекте. Кандидат был доволен этапом, т.к. самим интервьюерам было интересно, и чувствовалось вовлечение в обсуждение проекта.

➖Следующий этап был про опыт и цели. Собеседование проводил опытный менеджер, который задавал вопросы о подходе к работе и о том, как действовать в какой-либо ситуации.

➖Еще одно интервью на программирование в стиле LeetCode. На этом этапе уже новый менеджер не только опоздал на созвон, но и «отсутствовал» во время процесса. Формально он был на встрече, но вообще не смотрел на экран и не слушал, что говорит ему кандидат. Еще одним большим минусом было то, что кандидату не дали никакой обратной связи: решение, хоть и работало, но на некоторых входных данных ломалось, а интервьюер не смог сказать, в чём именно ошибка, или указать на то, с чего всё пошло не так.

➖Интервью по проектированию систем вышло вполне стандартным. Обсуждали возможные компромиссы и решения проблем. Но вот кое-что смущало: интервью было слишком открытым, без каких-либо ограничений. Было сложно, т.к. не на чем было сосредоточиться.

➖Самый последний этап был нацелен на то, чтобы понять, близок ли кандидат к культуре компании. Как итог всего процесса найма – кандидата не взяли из-за недостаточной технической экспертизы.

Самый нерушимый союз 🤡