Собеседование на ML Engineer в Сбере

Почему Сбер — особенный работодатель для MLE

Сбер — крупнейший банк РФ + экосистема: СберAI (GigaChat), СберCloud, СберМаркет, Окко, Кинопоиск. ML-направления везде: банковский скоринг, антифрод, LLM, рекомендации.

MLE в Сбере: больше про серьёзный production scale + compliance. Banking ML требует explainability, audit trails. СберAI работает с LLM на самых крупных моделях в РФ.

Актуальные вакансии — на sberbank-talents.ru.

Этапы собеседования

1. HR-скрининг (30-45 минут)

Знакомство:

• Опыт production ML
• Compliance background (для банка)
• Стек: PyTorch / K8s

Питч 90 секунд: проект, scale, регуляторика, impact.

2. ML теория (60-90 минут)

• Бустинги (Catboost — часто)
• Метрики, especially banking-specific (GINI, KS)
• Бустинги
• A/B-тесты

Подготовка: ML-теория.

3. Python + algorithms (60 минут)

• Алгоритмы medium
• ML pipeline coding

Подготовка: Python для DS.

4. ML System Design (90 минут)

Кейсы:

• Скоринг pipeline (model registry, retraining)
• Антифрод real-time
• GigaChat fine-tuning / serving
• Recommendation для СберМаркет / Окко

Подготовка: MLOps, Model serving, Deployment strategies.

5. Compliance / production (60 минут)

Banking: explainability, audit, retraining triggers, model risk management.

Подготовка: Monitoring drift, безопасность.

6. Поведенческое (45 минут)

STAR: compliance, cross-team, production.

Особенности по командам

Банк / Розница: скоринг кредитов, антифрод.

СберAI: GigaChat training, fine-tuning, serving.

СберМаркет: recommendation, ranking.

СберCloud: managed ML services.

Окко / Кинопоиск: media recommendation.

Что Сбер ценит в MLE

• Production ML. Не notebook.
• Banking compliance. Audit, explainability.
• K8s / Docker. Стандарт.
• Scale. Миллионы users.
• Soft skills. Большая компания, координация.

Как готовиться: план

За 6-8 недель:

1. Неделя 1-2 — Python + ML теория. Bias-variance, бустинги, banking metrics.
2. Неделя 3 — Kubernetes + Docker + serving. Model serving.
3. Неделя 4 — MLOps. MLOps.
4. Неделя 5 — System design + compliance.
5. Неделя 6 — Monitoring. Monitoring drift.
6. Неделя 7-8 — Mocks + behavioral.

Частые ошибки

• Без banking domain.
• Без compliance mindset.
• Без production scale awareness.
• Только notebook experiments.
• Без K8s.

Связанные темы

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

FAQ

Удалёнка в Сбере для MLE?

Гибрид. Полная — реже из-за compliance.

Зарплатные вилки 2026?

Middle MLE: 320-470k. Senior: 470-720k. СберAI — выше из-за специфики LLM.

Английский нужен?

Базовый — желательно. Литература на английском.

СберAI отдельный собес?

Часто да. Более глубокий ML focus, особенно по LLM / transformers.

Это официальная информация?

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