Собеседование на Data Scientist в Самокате

Почему Самокат — особенный работодатель для DS

Самокат — лидер q-commerce в РФ. DS-команда работает над demand forecasting (по микрорайонам), оптимизацией ассортимента в dark stores, dynamic pricing, recommendation, ETA prediction для курьеров. Hyperlocal domain — особая специфика.

Стек: Python + scikit-learn + LightGBM + Spark + ClickHouse + MLflow. Команда DS активно растёт, ownership высокий.

Актуальные вакансии — на career.samokat.ru.

Этапы собеседования

1. HR-скрининг (30-45 минут)

Знакомство:

• Опыт ML, особенно retail / delivery / quick commerce
• Стек: sklearn / LightGBM / Spark
• Motivation

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

2. ML теория (60-90 минут)

• Классика: bias-variance, регуляризация
• Бустинги (XGBoost, CatBoost, LightGBM)
• Time-series forecasting
• Geo-features и hyperlocal modelling

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:

• Demand forecasting по dark stores
• ETA prediction для курьеров
• Dynamic pricing
• Ассортимент по микрорайонам

Подготовка: ML system design, feature engineering.

5. Поведенческое (45-60 минут)

STAR: cross-team, fast iteration, ownership.

Особенности по командам

Demand Forecast: прогноз заказов по микрорайонам.

Pricing / Promo: dynamic pricing для категорий.

Recommendation: персонализация ассортимента.

Logistics / ETA: ML для маршрутизации курьеров.

Антифрод: real-time детект.

Что Самокат ценит в DS

• ML фундамент. Бустинги, time-series.
• Geo / hyperlocal. Понимание spatial features.
• SQL уверенно.
• Pragmatism. LightGBM + features часто beats deep.
• Production mindset.

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. Quick commerce. ML system design.
4. Неделя 5 — A/B + production. A/B для DS.
5. Неделя 6 — Mocks + behavioral.

Частые ошибки

• Без time-series понимания. Demand forecast — must.
• «Только deep learning». Pragmatism: LightGBM + features.
• Слабый SQL.
• Без quick commerce / delivery domain.
• Без production deployment.

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 Самокате для DS?

Гибрид часто.

Зарплатные вилки 2026?

Middle DS: 240-360k. Senior: 360-520k.

Английский нужен?

Базовый — желательно.

Сколько этапов?

3-4 этапа, 1-2 недели.

Это официальная информация?

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