Собеседование на ML Engineer в Pixonic

Почему Pixonic — особенный работодатель для MLE

Pixonic — мобильная игровая студия, разработчик хита War Robots (PvP-mech battles) и других mobile F2P-игр. Часть холдинга Astrum Entertainment (бывшая My.Games) / экосистемы VK Play. War Robots — один из самых успешных mid-core mobile PvP-проектов в мире: десятки миллионов скачиваний, активная база игроков, серьёзный matchmaking-pipeline и monetization-инфраструктура. Для ML-инженера это работа с production-ML на mobile-масштабе с фокусом на PvP-задачи.

ML-системы: matchmaking (баланс матчей в War Robots с учётом mech-loadouts), churn prediction (D7/D14/D30 retention), monetization ML (recommendation premium-mechs, battle pass-предложения, dynamic pricing IAP), антифрод (детекция aim-bot, накруток), recommendation в магазине (которые mech-юниты и upgrade показать игроку).

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

Актуальные вакансии — на hh.ru и сайте Pixonic.

Этапы собеседования

Цикл занимает 3-4 недели и включает 5-6 этапов. Pixonic — крупная mobile-студия. Упор на production ML и mobile F2P-специфику.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет фон: production-опыт ML, mobile gaming / F2P background — плюс. Готовь питч 90 секунд. Если работал в mobile games, F2P-монетизации, recsys в e-commerce — упомяни сразу.

2. ML-теория (60-90 минут)

Базовая секция. Темы: градиентный бустинг (CatBoost), recommendation, matchmaking (TrueSkill, Elo + ML), churn prediction (survival analysis), monetization ML (uplift modeling, propensity).

Подготовка: ML-теория.

3. Python live coding (60 минут)

Live-кодинг: алгоритмы (LeetCode Medium), ML pipeline. Готовиться по LeetCode минимум 3-4 недели.

Подготовка: Python для DS.

4. ML System Design (90 минут)

Кейсы: «matchmaking pipeline для War Robots», «churn prediction для retention», «антифрод для детекции читов». Уточнить бизнес-метрику, описать архитектуру, выбрать модели.

Подготовка: MLOps, Model serving, Feature stores.

5. Production / scale (60 минут)

K8s deployment, мониторинг, обработка миллионов событий в секунду в PvP-матчах. Кейсы про откат, drift.

Подготовка: Monitoring drift, Deployment strategies.

6. Поведенческое (45 минут)

С тимлидом. STAR-формат. Pixonic ценит ownership и интерес к mobile gaming.

Особенности по командам

Matchmaking. Ядро War Robots: подбор сбалансированных команд для PvP. TrueSkill / Elo + ML с учётом mech-loadouts и стилей игры. Подойдёт MLE с recsys/matchmaking опытом.

Monetization ML. Premium-mechs, battle pass, dynamic pricing IAP. Uplift modeling, propensity, recsys. Тесная работа с продактами.

Churn / Retention ML. D7/D14/D30 retention, propensity re-engagement. Подойдёт кандидатам с retention-опытом в mobile.

Антифрод. Детекция aim-bot, читов, накруток. Behavior-анализ, CV для детекции read-only screens.

Live ops. ML для live ops событий: какие игроков затрагивает event, оптимизация награды и сложности. R&D-направление.

Что Pixonic ценит в MLE

Production ML. Базовое требование.

Mobile gaming context. Понимание особенностей mobile F2P: short sessions, IAP behavior, ad revenue.

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, matchmaking, recsys, uplift. 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 mobile gaming понимания. На System Design заметно.

Без matchmaking / churn. Если не работал ни с одной задачей — сложно.

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

Только notebook. Кандидаты с Jupyter-only валятся.

Без production опыта. «У нас была модель» — не история.

Связанные темы

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

FAQ

Удалёнка в Pixonic для MLE?

Гибрид и удалёнка распространены.

Зарплатные вилки 2026?

Middle MLE: 270-410k. Senior: 410-620k.

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.