Собеседование на Data Scientist в Циан

Почему Циан — особенный работодатель для DS

Циан — крупнейший российский сервис недвижимости. DS работает в специфическом домене PropTech: оценка стоимости квартир / домов (AVM), recommender объявлений, классификация мошеннических объявлений, NLP-парсинг текстов объявлений, гео-кластеризация.

Особенность: недвижимость — это редкие и высокоценные транзакции. Каждое объявление — уникальный объект с геолокацией, характеристиками, фотографиями. ML должен работать с разнородными данными: tabular + text + image + geo. Подробнее — на странице карьеры Циан.

Этапы собеседования

1. Скрининг с рекрутером (30 минут)

Опыт, мотивация. Специфика:

• Был ли опыт с tabular / text / image ML
• Знание классического ML + базовый deep learning
• Понимание PropTech / маркетплейса

2. SQL и Python (60 минут)

SQL — middle. Python — pandas, sklearn, базовые pytorch/tensorflow.

3. ML-теория (60-90 минут)

• Classical ML: gradient boosting
• Метрики regression: MAE, MAPE, RMSE
• Recsys: коллаборативная + content-based
• NLP базовый: классификация объявлений, эмбеддинги
• Geo-кластеризация: DBSCAN, geohash

4. ML system design (60 минут)

«Спроектируй AVM (automated valuation model)», «recommender квартир для покупателя», «детекция мошеннических объявлений».

5. Поведенческое + финал

STAR + стратегический разговор.

Что Циан ценит в DS

• PropTech-domain. Понимание недвижимости (квартиры, кв.м, локация).
• Multi-modal ML. Tabular + text + geo одновременно.
• Recsys. Recommender в разреженных данных.
• NLP базовый. Классификация и парсинг объявлений.
• Pragmatism. Простая интерпретируемая AVM > сложный black-box.

Типичные задачи и кейсы

• «Спроектируй AVM для квартир: фичи, модель, метрика»
• «Recommender квартир для покупателя с историей просмотров»
• «Fraud / спам в объявлениях: классификация»
• «NLP-извлечение характеристик из текста объявления»
• «Гео-кластеризация районов: алгоритм и валидация»

Как готовиться: план

1. Classical ML. Gradient boosting для regression.
2. Recsys. Коллаборативная, content-based.
3. NLP базовый. TF-IDF, эмбеддинги, классификация.
4. Geo. Geohash, DBSCAN, distance.
5. Метрики regression. MAE, MAPE, RMSE — когда что.

Частые ошибки

• Игнорировать локацию. В недвижимости location важнее всего.
• Recsys на холодных пользователях. Юзер заходит раз в год — нужны content-based методы.
• AVM без интерпретируемости. Цена квартиры — чувствительная тема, модель должна объяснять.
• NLP без domain. Объявления специфичны: «евроремонт», «ст/м», «свободная планировка».

Связанные темы

• Собеседование на DS в Avito
• Собеседование на DS в Я.Маркет
• Embeddings на собесе DS
• Как посчитать MAPE в SQL
• Anomaly detection на собесе DS

FAQ

Сколько этапов в собеседовании на DS в Циан?

Обычно 5: рекрутер → SQL/Python → ML-теория → ML system design → поведенческое + финал. Срок 4-5 недель.

Нужен ли опыт в PropTech?

Желателен. Релевантным считается маркетплейс с уникальными объектами (auto, e-com с big-ticket товарами).

Какой уровень SQL?

Уверенный middle.

Спрашивают ли computer vision?

В отдельных командах (классификация фото объявлений) — да.

Это официальная информация?

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