Собеседование на Data Scientist в Pikabu

Почему Pikabu — особенный работодатель для DS

Pikabu — одна из крупнейших UGC-платформ Рунета: контент создают сами пользователи, а лента и рейтинги формируются их голосами. Для Data Scientist это означает, что почти любая задача упирается в две вещи — рекомендации (что показать в ленте) и работу с текстом (о чём этот пост, не спам ли это, к какой рубрике относится). DS здесь занимается рекомендательной системой ленты, NLP-обработкой контента (классификация рубрик, тональность, дубликаты), моделями для модерации и прогнозом вовлечённости постов.

Главная особенность — связка «UGC + рекомендации». Данные шумные, авторы разного качества, а холодный старт (новый пост или новый автор без истории) — не редкий случай, а ежедневная норма. Поэтому на собесе ценят не столько знание модных архитектур, сколько понимание, как рекомендовать контент, о котором система почти ничего не знает. Актуальные вакансии и формат процесса стоит смотреть на странице карьеры Pikabu.

Этапы собеседования

Процесс для DS в продуктовых компаниях такого размера обычно состоит из 4–5 этапов. Порядок и число раундов зависят от команды и грейда, но набор блоков стандартный.

1. Скрининг с HR (30 минут)

Знакомство и синхронизация ожиданий: с какими задачами работал, почему интересен UGC и рекомендации, грейд и вилка. Полезно заранее подготовить питч на 90 секунд — какой продукт делал, на каких объёмах данных, какой вклад в метрику внёс.

2. Live-coding: Python и SQL (60 минут)

Задача уровня LeetCode Easy-Medium на Python плюс, как правило, запрос на SQL: посчитать метрику вовлечённости по постам, собрать воронку, найти топ авторов за период. Здесь проверяют не олимпиадные алгоритмы, а способность быстро и чисто написать рабочий код и достать данные из таблиц.

3. ML-теория (60–90 минут)

Базовый набор: логистическая регрессия, градиентный бустинг, деревья, метрики классификации и ранжирования, кросс-валидация, регуляризация, борьба с переобучением. Для Pikabu отдельный акцент на рекомендациях и NLP: коллаборативная фильтрация против контентной, эмбеддинги текста, как измерять качество ленты офлайн.

4. ML System Design / доменный кейс (60–90 минут)

Проектирование системы под задачу платформы: «спроектируй ленту Pikabu», «как модерировать поток постов», «как рекомендовать пост нового автора». Ждут, что вы обозначите данные, признаки, модель, метрики, онлайн-инференс и то, как решение раскатывается в продакшн, а не только назовёте алгоритм.

5. A/B-тесты и поведенческое интервью (45–60 минут)

Как спланировать эксперимент над лентой, какие метрики брать (вовлечённость, retention, время в сессии), как не поймать ложный эффект. Плюс STAR-истории: конфликт с продактом по поводу метрики, спорное решение в неопределённости, самый заметный по влиянию проект.

Что Pikabu ценит в DS

• Опыт в рекомендательных системах. Умение объяснить, чем контентные рекомендации отличаются от коллаборативных, как строить ранжирование ленты и как балансировать релевантность и разнообразие — база для этой роли.
• NLP на практике. Классификация рубрик и тональности, поиск дубликатов и эмбеддинги текста нужны каждый день: контент на Pikabu — это в первую очередь текст.
• Модели для модерации. Классификация токсичного и запрещённого контента с пониманием цены ошибок: ложное срабатывание бьёт по авторам, пропуск — по платформе.
• A/B-мышление. Любую гипотезу про ленту нужно уметь проверить экспериментом, а не «на глаз», и объяснить, почему выбранная метрика отражает пользу для продукта.
• Уверенный SQL. Без самостоятельного доступа к данным DS не автономен: посчитать метрику, собрать выборку, проверить гипотезу — всё это на SQL.

Типичные задачи и кейсы

• Рекомендации ленты. Как ранжировать посты для конкретного пользователя, как учитывать свежесть и разнообразие, чтобы лента не скатывалась в один тип контента.
• NLP-классификация контента. Автоматически определить рубрику поста или его тональность, чтобы правильно распределять и рекомендовать материал.
• Модерация UGC через классификацию. Отделить нарушающий контент от нормального при огромном потоке публикаций и заранее договориться о балансе точности и полноты.
• Прогноз вовлечённости. Предсказать, наберёт ли пост отклик, чтобы решить, стоит ли поднимать его в ленте на раннем этапе.
• Холодный старт новых авторов. Что рекомендовать и как оценивать пост автора без истории, у которого ещё нет ни голосов, ни статистики.

Как готовиться: план

1. Рекомендательные системы. Разберитесь в контентных и коллаборативных подходах, ранжировании ленты, метриках качества рекомендаций.
2. NLP. Классификация текста, тональность, работа с русскоязычными данными и их шумом.
3. Эмбеддинги. Как получать векторные представления текста и использовать их для поиска похожего и рекомендаций.
4. A/B-тесты. Планирование эксперимента над лентой, выбор метрик, оценка значимости.
5. SQL. Уверенный уровень middle: агрегации, оконные функции, воронки и метрики вовлечённости.

Частые ошибки

• Рекомендации без холодного старта. Если решение разваливается на новом посте или новом авторе — для UGC-платформы это провал: холодный старт здесь постоянный, а не краевой случай.
• Оценивать рекомендации по одной AUC. Качество ленты не сводится к метрике классификации: нужны ранжирующие метрики и понимание разнообразия, а не только «точность модели».
• Слабый SQL. Даже сильного по ML кандидата заворачивают, если он не может самостоятельно достать и посчитать данные.

Связанные темы

• Собеседование на DS в VK
• Собеседование на DS в Avito
• Embeddings на собесе DS
• Ranking метрики (NDCG)
• Собеседование на PM в Pikabu

FAQ

Сколько этапов на собесе DS в Pikabu?

Обычно 4–5: скрининг с HR, live-coding, ML-теория, доменный кейс или system design и блок про A/B с поведенческим интервью. Точное число зависит от команды и грейда.

Нужен ли опыт с UGC-платформами?

Желателен, но не обязателен. Если у вас сильная база по рекомендациям и NLP, доменную специфику UGC вполне реально освоить за пару недель до собеса.

Насколько важны рекомендательные системы?

Это ядро роли. Лента — главный продукт Pikabu, поэтому глубже всего копают именно рекомендации: ранжирование, холодный старт, баланс релевантности и разнообразия.

Какой уровень SQL ожидают?

Middle: агрегации, JOIN, оконные функции, умение собрать метрику вовлечённости и воронку без подсказок. SQL проверяют почти на каждом продуктовом DS-собесе.

Это официальная информация?

Нет. Этапы основаны на публичных источниках и опыте кандидатов. Точный процесс уточняйте у рекрутера.