13 мая 2026 г.·3 мин чтения

Собеседование на ML Engineer в Газпром Нефти

Готовься к собесу аналитика как в Duolingo
10 минут в день — SQL, Python, A/B, метрики. 1700+ вопросов в Telegram
Открыть Карьерник в Telegram

Содержание:

Почему ГПН — особенный работодатель для MLE

Газпром Нефть — одна из крупнейших энергокомпаний РФ. MLE в ГПН работает над production ML: predictive maintenance оборудования, IoT-аналитика, forecasting цен, retail АЗС-аналитика, geological ML.

Domain специфичен: industrial systems, IoT, physical world. Engineering culture сильная в ЦИТ ГПН.

Стек: Python + PyTorch + Catboost + K8s + Airflow.

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

Информация основана на публичных источниках и опыте кандидатов. Команды ГПН используют разные процессы — уточняйте у рекрутера.

Этапы собеседования

1. HR-скрининг (30-45 минут)

  • Опыт production ML, особенно IoT / industrial
  • Стек: PyTorch / K8s

Питч 90 секунд.

2. ML теория (60-90 минут)

  • Бустинги
  • Time-series forecasting
  • Anomaly detection (для predictive maintenance)

Подготовка: ML-теория.

3. Python live coding (60 минут)

Алгоритмы, ML pipeline.

Подготовка: Python для DS.

4. ML System Design (90 минут)

Кейсы:

  • IoT pipeline + ML
  • Predictive maintenance модели
  • Reservoir modeling
  • Retail AZS recommendation

Подготовка: MLOps, Model serving, Feature stores.

5. Production / infra (60 минут)

K8s, GPU, monitoring, edge deployment.

Подготовка: Monitoring drift, Deployment strategies.

6. Поведенческое (45 минут)

STAR: cross-team с инженерами, ownership.

Особенности по командам

Upstream / Добыча: reservoir ML, оптимизация добычи.

Downstream / Переработка: process optimization.

Retail АЗС: recommendation, dynamic pricing.

Risk / ESG ML: regulatory ML.

Innovation Hub: новые направления, CV, NLP.

Что ГПН ценит в MLE

  • Production ML.
  • Industrial / IoT domain.
  • K8s.
  • Cross-disciplinary. Работа с инженерами.
  • Engineering culture.
Готовься к собесу аналитика как в Duolingo
10 минут в день — SQL, Python, A/B, метрики. 1700+ вопросов в Telegram
Открыть Карьерник в Telegram

Как готовиться: план

За 6-8 недель:

  1. Неделя 1-2 — Python + ML + time-series.
  2. Неделя 3 — K8s + Docker.
  3. Неделя 4 — MLOps. MLOps.
  4. Неделя 5 — System design + IoT.
  5. Неделя 6 — Monitoring + deployment.
  6. Неделя 7-8 — Mocks + behavioral.

Частые ошибки

  • Без industrial domain.
  • Без time-series.
  • Без K8s.
  • Только notebook.
  • Без cross-disciplinary.

Связанные темы

FAQ

Удалёнка в ГПН для MLE?

Гибрид часто.

Зарплатные вилки 2026?

Middle MLE: 290-440k. Senior: 440-660k.

Английский нужен?

Не обязателен.

Сколько этапов?

5-6 этапов, 3-4 недели.

Это официальная информация?

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

Ещё по теме