Собеседование на ML Engineer в Lesta Games

Почему Lesta Games — особенный работодатель для MLE

Lesta Games — крупная российская игровая студия с массивными проектами PvP-направления: «Мир танков» (бывший World of Tanks для RU/CIS), «Мир кораблей» (бывший World of Warships для RU/CIS). После регуляторного разделения от Wargaming в 2022 году Lesta продолжает развивать эти проекты для российского и СНГ-рынков. Огромная активная база игроков, миллионы DAU, серьёзная PvP-механика с балансом матчей. Для ML-инженера это работа с tank/naval-симуляторами на серьёзном масштабе.

ML-системы: matchmaking (подбор сбалансированных команд для PvP), churn prediction (предсказание оттока активных игроков), monetization ML (premium tank-предложения, премиум подписка, dynamic pricing), антифрод (детекция читов, ботов, накруток), recommendation в магазине (какой танк/корабль предложить какому игроку), game balance (использование ML на телеметрии для балансировки юнитов).

Стек: Python + Catboost для табличных задач + PyTorch для нейросетей + K8s для deployment + ClickHouse как аналитический движок + Spark для тяжёлых ETL на миллиардах событий + MLflow для трекинга экспериментов.

Актуальные вакансии — на hh.ru и сайте Lesta Games.

Этапы собеседования

Цикл занимает 3-4 недели и включает 5-6 этапов. Lesta — большая геймдев-студия, процесс структурированный. Упор на production ML и понимание PvP-gaming.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет фон: production-опыт ML, game industry background — плюс. Готовь питч 90 секунд: проекты, бизнес-эффект, стек. Если работал в gaming, особенно с PvP / matchmaking — упомяни сразу.

2. ML-теория (60-90 минут)

Базовая секция. Темы: градиентный бустинг (CatBoost), recommendation, matchmaking (TrueSkill, Elo, ML-расширения), churn prediction, monetization ML (uplift modeling, propensity). Будь готов про gaming-специфику: telemetry events, session-level, vehicle balance.

Подготовка: ML-теория.

3. Python live coding (60 минут)

Live-кодинг: 1-2 задачи на алгоритмы (LeetCode Medium), плюс задача на ML-pipeline. Готовиться по LeetCode минимум 3-4 недели.

Подготовка: Python для DS.

4. ML System Design (90 минут)

Кейсовая секция. Кейсы: «matchmaking pipeline для танкового PvP», «churn prediction для retention», «антифрод для детекции aimbot». Нужно: уточнить бизнес-метрику, описать архитектуру, выбрать модели, продумать data leakage.

Подготовка: MLOps, Model serving, Feature stores.

5. Production / scale (60 минут)

Секция про инфраструктуру: K8s deployment, мониторинг, обработка миллионов событий PvP-матчей в секунду. Кейсы про откат, drift, инциденты.

Подготовка: Monitoring drift, Deployment strategies.

6. Поведенческое (45 минут)

С тимлидом. STAR-формат: конфликт с продактом, факап с моделью, спор по архитектуре. Lesta ценит ownership и понимание gaming.

Особенности по командам

Matchmaking. Ядро PvP-игр Lesta: подбор сбалансированных команд для танковых/корабельных боёв. Команда работает с TrueSkill / Elo + ML-расширения для учёта различных типов техники, стилей игры. Главные челленджи: баланс времени ожидания vs качества, party-balancing, обработка edge-кейсов.

Monetization ML. Premium-предложения, новые tanks/ships, premium-подписка. Команда работает с uplift modeling, propensity, recsys. Тесная работа с продактами.

Churn / Retention ML. Прогноз оттока активных игроков, propensity для re-engagement. ML-driven CRM. Подойдёт кандидатам с retention-опытом.

Антифрод. Детекция читов (aimbot, wallhack), ботов, накруток. ML на behavior, телеметрии. Подойдёт тем, у кого опыт в anti-fraud или security.

Game balance. ML на телеметрии для балансировки юнитов: какие танки/корабли overpowered/underpowered, какой баланс между классами. R&D-направление, тесная работа с геймдизайнерами.

Что Lesta Games ценит в MLE

Production ML. Базовое требование. Слабый — «делал на Kaggle»; сильный — «matchmaking-модель на 500k DAU, +6% match satisfaction, deploy через K8s».

Game industry context. Понимание особенностей gaming: telemetry events, PvP-метрики, retention в F2P. Если в games не работал — изучи блоги Riot, Supercell.

Matchmaking / churn. Опыт хотя бы в одной — обязателен.

K8s. Без K8s сложно.

Catboost / PyTorch / Python. Стандарт.

Как готовиться: план

За 6-8 недель до собеседования:

1. Неделя 1-2 — Python + ML. LeetCode Medium 30+ задач, recsys, matchmaking, бустинги. Параллельно прорешай вопросы по Python, ML и SQL в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. Python для DS, ML-теория.
2. Неделя 3 — K8s + Docker. Подними хотя бы 1 модель в K8s.
3. Неделя 4 — MLOps + feature stores. MLOps, Feature stores.
4. Неделя 5 — System design + game ML. Кейсы matchmaking, churn, antifraud. Model serving.
5. Неделя 6 — Monitoring + deployment. Monitoring drift.
6. Неделя 7-8 — Mocks + behavioral. Mock-интервью, 5-7 STAR-историй.

Частые ошибки

Без game industry понимания. Кандидат говорит «возьмём бустинг» — без gaming-specific фич — слабо. Сильный — «учту session-level, vehicle-type, party-size, win-rate dynamics».

Без matchmaking / churn. Если не работал ни с одной из gaming-задач — сложно. Сильный — заранее изучил TrueSkill, survival analysis.

Без K8s. «Деплоил через docker-compose» — слабо. Сильный — «деплоил через K8s».

Только notebook. Кандидаты с Jupyter-only валятся. Сильный — «свои проекты переписал в виде пакетов».

Без production опыта. «У нас была модель» — не история. Сильный — «matchmaking на 500k DAU, +6% match satisfaction, deploy через K8s, мониторил drift».

Связанные темы

• Собеседование на ML Engineer
• MLOps
• Feature stores
• Model serving
• Monitoring и drift
• Deployment strategies

FAQ

Удалёнка в Lesta Games для MLE?

Гибрид и удалёнка распространены.

Зарплатные вилки 2026?

Middle MLE: 280-420k. Senior: 420-640k.

Английский нужен?

Базовый — желательно.

Сколько этапов?

5-6 этапов, 3-4 недели.

Это официальная информация?

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