Интервью в Avito: Middle+/Senior ML/DS Engineer. 350–400 тыс. Июнь 2026

Интервью в Avito: Middle+/Senior ML/DS Engineer. 350–400 тыс. Июнь 2026 Наш выпускник проходил собеседование на позицию ML Engineer в Avito. Уровень заявлялся как Middle+/Senior с предполагаемым доходом 350–400 тыс. Формат занятости гибкий: от гибридного до полной удаленки, зависит от договоренностей с командой. Авито славится своими высоко организованными процессами, высоким уровнем спецов и высокими зарплатами, большим количеством интервью. Также славятся тем, что пытаются срезать грейд. И кстати Авито начинает заходить в страны СНГ, поэтому компания может быть интересна еще и будущим релокантам. Короче, в посте обсудим ключевые этапы отбора. Первичное знакомство и организационные моменты Скрининг и логистика оставили смешанные чувства. Изначально нас предупреждали, что процесс компактный, но на деле он растянулся почти на месяц. Трижды переносили встречи то из-за болезней интервьюеров, то из-за пересечения таймслотов, то просто не было подходящих окон. Ирония в том, что две секции в итоге все-таки провели в один день. Компания старается быть быстрой, но реальность, как обычно, вносит свои коррективы. Однако сами собеседования проходили в спокойном ключе: по одному интервьюеру на этап, приятная и адекватная атмосфера, возможность подумать и уточнить вопросы. 1. ML-теория Час плотного, но не запредельного диалога. Опросили по трансформерам: принципы работы, разница между энкодером и декодером, внутреннее устройство механизма внимания (self-attention) и общая логика обработки последовательностей. По классике затронули линейную и логистическую регрессию: от принципов работы и функций потерь до аналитического решения. Про ансамбли: глубоко копали bagging и boosting, их отличия и влияние на смещение и дисперсию. Затронули метрики качества: интерпретацию и сценарии применения. По сути, это был хороший тест на фундаментальную базу без попыток завалить редкими деталями, но требовал четкого понимания. 2. Python-интервью Час практической работы. Как я понял, у них есть типовой шаблон: написать реализацию логистической или линейной регрессии с нуля. Дальше обсуждаются возможные улучшения, ограничения и пути оптимизации. Также проверили базовое понимание архитектуры языка: GIL, асинхронность, ООП. Вопросы были именно в разрезе продакшен-разработки, а не проверки на знание экзотических функций. 3. Секция ML System Design Этот этап ожидаемо оказался самым интенсивным. Заявлено было полтора часа, но по факту уложились в час. Для проектирования это невероятно сжатые сроки. За это время пришлось затронуть и бизнес-контекст, и метрики, и данные, архитектуру, SLA, мониторинг, риски и стратегию раскатки. По сути, это был блиц-опрос на скорость мышления. Момент, который вызвал внутреннее удивление: обсуждение бизнес-составляющей свернули очень быстро и практически сразу ушли в технические рельсы. В классическом MLSD бизнес-метрики - это фундамент, на котором строится всё решение. Здесь же интервьюер сфокусировался на железе, архитектуре и способах реализации, оставив продуктовую логику за скобками. На тот момент мне показалось, что это странный подход, но в итоге это оказалось частью их стресс-теста. Фидбек и долгожданный оффер Несмотря на непривычный формат, через пару дней после секции я получил приглашение на заключительный созвон с HR, а уже через неделю: подтверждение о прохождении и оффер. Коммуникация В отличие от затянутого старта (где собеседования переносили), финальный этап прошел максимально быстро и прозрачно. На созвоне с командой (тимлид и ведущий инженер) у нас состоялся откровенный разговор. Удалось обсудить не только будущие задачи, но и их внутренние процессы, стек, а также то, как команда справляется с текущими вызовами. Отвечал про жизнь в компании без прикрас, рассказывали и о плюсах, и о сложностях. Это подкупает, потому что показывает зрелость компании: они не рисуют "золотые горы", а нанимают людей, готовых работать с продуктом здесь и сейчас. Если же хотите выйти на такой уровень, то советую, то советую наши курсы стар