Собеседование на Data Scientist в HeadHunter

Почему HeadHunter — особенный работодатель для DS

HeadHunter (hh.ru) — крупнейший российский сервис поиска работы. DS работает с двусторонним рынком (соискатели + работодатели), recsys вакансий и резюме, NLP-извлечением навыков и опыта, ранжированием результатов поиска, классификацией откликов.

Особенность: matching — основная задача. С одной стороны миллионы резюме, с другой сотни тысяч вакансий. Каждый день нужно показать каждому соискателю релевантные вакансии и каждому работодателю качественных кандидатов. NLP + recsys + ranking — главные инструменты. Подробнее — на странице карьеры HeadHunter.

Этапы собеседования

1. Скрининг с рекрутером (30 минут)

Опыт, мотивация. Специфика:

• Был ли опыт с recsys / NLP / matching
• Знание классического ML + базовый deep learning
• Понимание двустороннего рынка

2. SQL и Python (60 минут)

SQL — middle. Python — pandas, sklearn, базовый pytorch.

3. ML-теория (60-90 минут)

• Recsys: collaborative filtering, content-based, hybrid, learning-to-rank
• NLP: эмбеддинги (Word2Vec, BERT), классификация, NER
• Метрики ranking: NDCG, MRR, recall@k
• Cold start, evaluation offline vs online
• Two-tower models, embeddings retrieval

4. ML system design (60 минут)

«Спроектируй recommender вакансий», «классификация откликов на «подходит/не подходит»», «извлечение skills из резюме».

5. Поведенческое + финал

STAR + стратегический разговор.

Что HeadHunter ценит в DS

• Recsys. Recommender в двустороннем рынке.
• NLP. Эмбеддинги, NER, классификация.
• Ranking. Learning-to-rank, NDCG.
• Двусторонний матчинг. Понимание обоих сторон.
• A/B-mindset. Эксперименты на миллионах сессий.

Типичные задачи и кейсы

• «Спроектируй recommender вакансий для соискателя»
• «Recommender кандидатов для работодателя»
• «Классификация откликов на «подходит/не подходит»»
• «Извлечение навыков из резюме: NER + классификация»
• «Cold start для нового соискателя: какие вакансии показать»

Как готовиться: план

1. Recsys. Collaborative, content-based, hybrid, learning-to-rank.
2. NLP. Эмбеддинги (Word2Vec, BERT), NER, классификация.
3. Ranking. Метрики (NDCG, MRR, recall@k), learning-to-rank.
4. Two-tower modeling. Retrieval + ranking pipeline.
5. A/B на recsys. Offline vs online metrics, propensity scoring.

Частые ошибки

• Recsys без cold start. Новые соискатели / вакансии — постоянно.
• Игнорировать ranking метрики. AUC ≠ recsys. Учите NDCG.
• Слабая NLP. В hh резюме = тексты. Без NLP — нерелевантный кандидат.
• A/B на recsys без guardrail. Высокий CTR может убить долгосрочные метрики.

Связанные темы

• Собеседование на Data Scientist
• Embeddings на собесе DS
• Ranking метрики (NDCG)
• Holdout vs A/B на практике
• Собеседование на PM в HH

FAQ

Сколько этапов в собеседовании на DS в HeadHunter?

Обычно 5-6: рекрутер → SQL/Python → ML-теория → ML system design → поведенческое → финал. Срок 4-6 недель.

Нужен ли опыт в recsys / NLP?

Желателен. Релевантным считается опыт e-com, медиа с матчингом.

Какой уровень SQL?

Уверенный middle.

Спрашивают ли deep learning?

Для recsys команд — обязательно базовое (two-tower, embeddings retrieval).

Это официальная информация?

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