Собеседование на Data Scientist в Газпром Нефти

Почему ГПН — особенный работодатель для DS

Газпром Нефть — одна из крупнейших энергокомпаний РФ. DS-команды работают над predictive maintenance оборудования (буровые, заводы), forecasting цен на нефть и нефтепродукты, оптимизацией добычи (reservoir modeling), CV для геологии, retail-аналитикой АЗС.

Стек: Python + scikit-learn + LightGBM + PyTorch + Spark + Hadoop + Greenplum + MLflow. Domain специфичен: нефтегаз, инженерные системы, IoT.

Актуальные вакансии — на career.gazprom-neft.ru.

Этапы собеседования

1. HR-скрининг (30-45 минут)

Знакомство:

• Опыт ML, особенно в промышленности / IoT
• Стек: sklearn / LightGBM / PyTorch / Spark
• Motivation: нефтегаз

Питч 90 секунд: задача, данные, модель, метрика, impact.

2. ML теория (60-90 минут)

• Классика: bias-variance, регуляризация
• Бустинги
• Time-series forecasting
• Anomaly detection (для predictive maintenance)

Подготовка: ML-теория, time-series.

3. Python + SQL (60-90 минут)

Live coding.

• Pandas / NumPy
• SQL window functions
• Алгоритмы medium

Подготовка: Python для DS.

4. ML System Design (60-90 минут)

Кейсы:

• Predictive maintenance оборудования
• Forecasting цен на нефть
• Anomaly detection в IoT-датчиках
• Retail АЗС: customer segmentation

Подготовка: ML system design, feature engineering.

5. Поведенческое (45-60 минут)

STAR: cross-team с инженерами, regulatory, missed deadlines.

Особенности по командам

Upstream: reservoir modeling, добыча.

Downstream: оптимизация заводов.

Retail / АЗС: customer ML, лояльность.

Risk / ESG: ML для регуляторики.

Innovation Hub: новые направления, CV, NLP.

Что ГПН ценит в DS

• ML фундамент. Бустинги, time-series.
• Domain expertise. Нефтегаз / промышленность — плюс.
• SQL уверенно.
• Production mindset.
• Cross-disciplinary. Работа с инженерами.

Как готовиться: план

За 4-6 недель:

1. Неделя 1-2 — ML теория + time-series. ML-теория, time-series.
2. Неделя 3 — Python + SQL. Python для DS.
3. Неделя 4 — System design. Industrial ML. ML system design.
4. Неделя 5 — A/B + production. A/B для DS.
5. Неделя 6 — Mocks + behavioral.

Частые ошибки

• Без time-series. Predictive maintenance требует.
• «Только deep learning».
• Слабый SQL.
• Без industrial domain.
• Без production.

Связанные темы

• Собеседование на Data Scientist
• ML-теория на собесе DS
• Time-series на собесе
• ML system design
• Feature engineering
• A/B-тесты для DS

FAQ

Удалёнка в ГПН для DS?

Гибрид часто.

Зарплатные вилки 2026?

Middle DS: 250-380k. Senior: 380-580k.

Английский нужен?

Не обязателен.

Сколько этапов?

4-5 этапов, 2-3 недели.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера.