Сгенерированные рисунки в docs/assets/, построенные из того же проверенного содержания, что и страницы: радар вакансий (перерисован), свидетельства, на которых держится атлас, вопросы и написанные ответы по темам, план развития проекта и титульный баннер. Каждый записывается дважды — для светлой и для тёмной поверхности, — а страницы оборачивают пару в элемент <picture>, поэтому читатель с тёмной темой получает оттенки, подобранные под тёмный фон, а не вывернутый светлый график. Проверка приватности репозитория не допускает элемент style внутри SVG, поэтому в рисунке нет CSS вообще; благодаря этому и растеризатор PDF, который не применяет стили, получает корректный светлый рисунок. В README остаётся прежняя заглавная картинка, а под ней появляется сгенерированная карточка, цифры которой меняются вместе с содержанием, а не перерисовываются вручную. Сама заглавная картинка — по-прежнему PNG из релиза v0.1.1, поэтому этот релиз нельзя удалять.
scripts/build.py --export dist/atlas.json выгружает банк вопросов как данные для тренажёров; выгрузка проверяется по новой схеме src/content/schema/export.schema.json и прикладывается к каждому релизу. У каждого вопроса сохраняется метка, которую видит читатель на странице, поэтому потребитель данных не может выдать подборку за рассказ из первых рук. Это закрывает пункт плана, который лежал в разделе «позже, если будет спрос».
src/content/roadmap.yaml: этапы и пункты плана развития как данные, у каждого пункта статус, — чтобы рисунок на странице плана и текст рядом с ним брались из одного места.
Семь вопросов, каждый из которых закрывает незанятую область банка, с чек-листами, чтением и написанными ответами на двух языках: бюджет контекста в долгой работе агента; разделение арендаторов, вывод модели из эксплуатации, отнесение расходов и уровень сервиса на общей AI-платформе; состязательное тестирование перед запуском ассистента с инструментами; и как руководителю убедительно измерить, помогли ли AI-инструменты разработки. Все семь — учебные вопросы редакции с меткой 🧪: ни один источник не показывает, что их задавали. Четыре из них переводят самую тонкую тему, AI-платформу и операционную модель, с шести вопросов на десять.
Проверка устаревших сгенерированных файлов теперь охватывает docs/assets, а не только папки с Markdown. Рисунок, исходное содержание которого удалено, удаляется при следующей сборке, а --check сообщает о нём.
Приоритетный набор вырос со 158 до 165 вопросов: 86 Engineering и 80 Leadership. Прежние приоритеты и идентификаторы вопросов не изменились.
Не выпущено — 05.10.2026: расширение содержания и Leadership по источникам¶
18 пар ответов EN/RU: приоритетный набор вырос до 82 вопросов Engineering и 76 Leadership. Двенадцать ответов углубляют существующий Engineering; шесть поддерживают Leadership, включая пять новых сгенерированных вопросов о портфеле, выходе от поставщика, управлении менеджерами, остановке инвестиций и инциденте без отката.
Чтение для всех 60 вопросов, где его не было, и первичные материалы для пяти добавлений. В банке теперь 299 вопросов по 17 темам, у всех есть чек-листы EN/RU и чтение; у 158 — написанные ответы. Реестр источников вырос с 207 до 247, с датами и пределами применимости.
Аудиты покрытия EN/RU, карта обучения, специализированные руководства и план расширения содержания. Базовые восьминедельные таблицы сохранены; специальные маршруты сосредоточены на вопросах, объяснениях, чек-листах и чтении. Пакет Python-упражнений, лабораторные работы и автоматический оценщик не добавлены.
Официальные общие этапы TPM на странице Amazon, отдельно от вторичного пути AI-PM. Исследование общего процесса Director описано с ограничениями; новая компания не выводится только из материалов одного издателя.
Три вопроса Google EM сохраняют различие гипотетической ситуации и реального опыта из источника; стратегический найм Stripe теперь требует реального прошлого найма. ID и виды свидетельств сохранены; проверяемые навыки, чек-листы и ответы EN/RU исправлены вместе.
Существующий сгенерированный вопрос об изменении найма получил приоритет L76 и ответ о правилах AI для каждого этапа, сопоставимых условиях и пределах калибровки. Порядок прежних приоритетов сохранён.
Аудиты отделяют исходные 294 вопроса от текущих добавлений. Семантический разбор 155 вопросов Leadership и 20 проверок источников не означают полную фактическую проверку текущего банка. Недоступный отчёт Meta EM не подтверждён новой попыткой чтения.
Новое и пересмотренное публичное содержание написал фактический GPT-6 Astra. Независимое ревью — отдельный этап для точных версий; исторические утверждения ниже относятся к материалу указанных дат. Локальные свидетельства PDF по-прежнему относятся к сборкам 2 октября и не подтверждают публикацию расширения.
Не выпущено — 02.10.2026: чек-листы для всех вопросов, третий пакет ответов и углублённые ответы¶
Теперь у каждого вопроса есть чек-лист из трёх пунктов о том, что покрывает сильный ответ, на английском и русском. Раньше он был только у приоритетных вопросов и ещё десяти; 174 новых чек-листа охватывают все 17 тем, а поведенческие учат выбирать и завершать собственный пример, а не подсказывают историю.
30 написанных ответов на английском и русском для третьего пакета приоритетных вопросов: приоритетный набор вырос с 55 до 70 на трек. В инженерном треке это метрики задержки, FlashAttention, text-to-SQL над большим хранилищем, жалоба на регрессию после смены модели, обратимые действия агента, память при обучении и распределённое обучение, GRPO, reward hacking, Constitutional AI, HyDE, ответственность за код, написанный с AI, и три упражнения по reasoning-моделям. В лидерском треке, выбранном по спросу из радара, — ретроспектива инициативы, задержка из-за ошибочной оценки, сорванная зависимость, масштаб команды, спор, разрешённый без отказа от позиции ни одной из сторон, мандат общей AI-инфраструктуры, защищённые медицинские данные, рефакторинг, запись агента в ERP, слишком дорогой MVP, исследование в enterprise, модерация, компромисс с интерпретируемостью, доступ к общим данным и разбор жалобы клиента на галлюцинации.
45 первоисточников: статьи, на которые опираются новые чек-листы и ответы, например GPTQ, SmoothQuant, ALiBi, YaRN, RMSNorm, SwiGLU, CLIP, prefix и prompt tuning, DistServe и Sarathi-Serve, а также стандарты и руководства — NIST SP 800-226, спецификация Standard Webhooks и уровни изоляции транзакций PostgreSQL.
52 существующих ответа проверены на глубину и точность, затем углублены или исправлены. Среди исправлений: grouped-query attention окупается при большом батче и длинном контексте, потому что при малом батче декодирование упирается в чтение весов; чисто каузальная маска никогда не маскирует строку целиком; модель в десять раз дороже выигрывает только там, где доминируют стоимость проверки и цена ошибки; общий префиксный кеш — это канал утечки по времени, а не прямая утечка содержимого.
Ответ теперь может занимать до 180 слов: так углублённый ответ всё ещё можно произнести примерно за минуту.
Каждый ответ, написанный или изменённый после 28.09.2026, включая второй пакет, прошёл независимое ревью в отдельной сессии.
Русские чек-листы везде написаны в инфинитиве, а слово «кеш» пишется единообразно.
Исправлен английский текст двух вопросов: промпт для периода дат теперь перечисляет все три формулировки из источника, а вопрос о качестве речи больше не читается так, будто синтезированная речь — метрика распознавания.
Дорожная карта, учебный план и методология отражают новые числа; учебный план распределяет приоритеты 41–70 по неделям.
Не выпущено — 30.09.2026: согласование числительных на русских страницах¶
Русские главные страницы теперь склоняют существительное после числа, а не всегда печатают родительный падеж множественного числа: «294 вопроса» и «162 источника» вместо «294 вопросов» и «162 источников». Форма выбирается по числительному, включая исключение 11–14, и закреплена тестом: числа меняются при каждой сборке, поэтому неверная форма вернулась бы снова.
Не выпущено — 30.09.2026: проверенные ML-процессы в Spotify и GigaChat¶
У Spotify появился ML-путь — из рассказа кандидата о собственном цикле, закончившемся офером: часовой ML-скрининг, затем день оценки с секциями по данным, ценностям, system design и глубине. Вопросов тот автор сознательно не публикует, поэтому на странице компании их по-прежнему нет.
У SberDevices появилась секция по генеративному AI из процесса для senior NLP в GigaChat — по собственной странице подготовки Сбера: архитектура трансформера, SFT, pretrain, RAG и RLHF. Страница перечисляет темы, а не вопросы, и не датирована, о чём сказано в примечании к источнику.
Описание Spotify больше не утверждает, что источники не устанавливают отдельного процесса: ML-путь теперь подтверждён источником.
Четыре рассказа кандидатов на сайте подготовки, которые повысили бы четыре продуктовых вопроса до first-hand, проверены и не добавлены: эти страницы собирают содержимое в браузере, поэтому приписанные им вопросы прочитать и подтвердить не удалось.
30 написанных ответов на английском и русском — для следующих 15 приоритетных вопросов на каждом треке. На инженерном треке это разреженная маршрутизация по экспертам и латентное внимание, префиксный и страничный KV-кеш, распределение бюджета reasoning при ограничении по времени, переранжирование и ссылки на уровне утверждений, MCP, память агента и выбор между одним агентом и несколькими, измерение неподтверждённых утверждений и достоверности трассы рассуждений, API доступа к моделям, бюджет задержки голосового агента и минимальный агентный runner. На треке лидерства — выбор модели, сценарии для агентов, цена корпоративного продукта, сервисы ответов против поиска, оценка ассистента без доступа к данным клиента, ревью кода, написанного AI, найм и стандарты качества, граница между исследованиями и продакшеном, контрольные точки исследовательской программы, спор о готовности к запуску, проект голосового контакт-центра, исключения из правил безопасности, конфликт приоритетов участников и трудная обратная связь. У этих вопросов появились чек-лист из трёх пунктов и первичное чтение, поэтому число приоритетных вопросов на трек выросло с 40 до 55.
Политика собеседований Canva как страница компании — по двум датированным публикациям её инженерного блога — и два вопроса: как сохранить ответственность за код, написанный моделью, и как перестроить процесс, чтобы помощь AI не лишала найм сигнала. Второй помечен как сгенерированный: нет источника, подтверждающего, что его задают.
Каждый источник атласа теперь на что-то ссылается из контента. 18 источников, которые были описаны, но нигде не использовались, вписаны в чтение подходящих вопросов: среди них AI Act, надзорное письмо об управлении модельным риском, спецификация Model Context Protocol, разборы prompt injection и «смертельной триады», а также статьи о RoPE, Switch Transformer и DeepSeek-V2.
Не выпущено — 29.09.2026: страницы профессий с данными о собеседованиях¶
Путеводитель по профессиям в AI теперь собирается из src/content/roles.yaml. У каждого из шести направлений своя страница: чем занимается роль, как проходит собеседование и какие вопросы к нему готовить. Этапы и вопросы считаются полученными для роли, только если источник её называет; остальное показано как практика.
Новые роли в таксономии: forward deployed engineer, архитектор AI-решений, deployment strategist, инженер оценки качества AI, ML-инженер или data scientist. Роль прикладного AI-инженера больше не обозначает заодно FDE.
32 вопроса из заново проверенных источников. Среди них раунды сборки и ревью с AI, введённые Sierra в 2026 году, раунды Cursor в собственном репозитории, прежнее домашнее задание Anthropic для инженеров производительности и обсуждение исследовательских идей на отборе Research Fellowship. Также раунды Palantir на декомпозицию, обучаемость и SQL, собеседования forward deployed engineers в OpenAI, Anthropic и Cognition и российские собеседования ML-инженеров и prompt-инженеров в Яндексе, Т-Банке и Точке. На страницах компаний отдельно описаны этапы собеседований и рекомендации по подготовке от Авито, SberDevices и МегаФона.
Страницы компаний Sierra, Cursor, Ramp, Cognition, LangChain, МегаФон, SberDevices и Точка. Palantir, Anthropic, OpenAI, Яндекс, Т-Банк и Авито получили этапы для отдельных ролей. Добавлено 33 источника.
Вакансии выделены в отдельный вид источника, posting: они описывают роль и больше не могут служить доказательством вопроса или этапа собеседования.
README называет самую крупную подборку, но ведёт на её атрибуцию на странице источников, а не во внешний репозиторий.
Методика описывает рассказы нанимающей стороны, архивные официальные страницы и сгенерированные сайты «гайдов по собеседованиям». Исправлен русский перевод гайда по reasoning-моделям.
Не выпущено — 29.09.2026: reasoning-модели, роли и прозрачность источников¶
Двуязычные гайды по reasoning-моделям и шести семействам AI-ролей с приоритетами подготовки и ссылками на разделы атласа.
Пять учебных вопросов о reasoning-моделях с явной меткой генерации, без утверждения, что их задавали на интервью.
Первоисточники для чтения и двуязычные планы ответов к девяти существующим вопросам о дообучении, поиске, attention и многоагентных системах. Метки вторичных свидетельств об интервью сохранены.
На главных страницах раскрыты зависимость от вторичных гайдов и концентрация вопросов в одной подборке. Технические материалы отделены от свидетельств, что работодатель задавал вопрос.
Правила участия и валидация отклоняют повторные URL источников и одинаковые тексты вопросов; существующие ID сохраняются, свидетельства объединяются в одной записи.
Опубликованные PDF-книги описаны как снимки на дату выпуска; в этом обновлении они не пересобираются.
Не выпущено — 29.09.2026: навигация, сайт и репозиторий¶
У каждого вопроса есть постоянный якорь на странице его темы. Стартовые страницы, ответы, страницы компаний и раздел «Спрашивают в нескольких компаниях» ведут от вопроса к этой записи, а от приоритетного вопроса — ещё и к написанному ответу.
Сгенерированная карта атласа (docs/README.md, docs/ru/README.md): треки, темы, компании по сегментам и справочные страницы в одном месте. README начинается с однострочного меню.
Страницы ответов открываются содержанием по темам; каждый ответ ссылается обратно на свой чек-лист и на содержание. На страницах тем и компаний есть «хлебные крошки» до своего раздела карты и ссылки на предыдущую и следующую страницу; на страницах компаний и на страницах тем с несколькими разделами по трекам есть строка «На этой странице».
Сайт с поиском на MkDocs Material из тех же страниц: английское меню и вкладка на русском. Меню строится из контента, а строгая сборка падает, если страница в него не попала. Публикация на GitHub Pages выключена, пока её не включит сопровождающий.
Формы для issue: предложить вопрос, сообщить об ошибке, сообщить об устаревшем источнике; у каждого вопроса на странице темы есть ссылка на форму правки с уже заполненным id. Шаблон pull request, владельцы кода, политика безопасности и кодекс поведения.
Еженедельная проверка свежести источников: она проверяет, открываются ли ссылки на источники (сайты, блокирующие автоматические проверки, пропускаются), и ведёт один issue со списком неработающих. Workflow релиза собирает PDF-книги в черновик релиза, который сопровождающий проверяет и публикует.
CI запускается на pull request и на push в main, а не на каждый push, поэтому ветку pull request больше не проверяют дважды; устаревшие запуски отменяются, а каждый action закреплён за коммитом. Dependabot раз в месяц предлагает обновления actions и Python-зависимостей.
Страница компании больше не ссылается сама на себя в «Где спрашивали».
На баннер README добавлены название проекта и поясняющий текст; обновлены альтернативный текст и атрибуция изображения.
Добавлен двуязычный учебный план с приоритетами по ролям, восьминедельной практикой, входной проверкой и критериями освоения по результатам; дорожная карта проекта остаётся отдельной.
Добавлена двуязычная дорожная карта репозитория, отдельно от личного плана подготовки, с явными ограничениями свидетельств о компаниях и свежести источников.
Завершены 80 английских ответов в дополнение к 80 русским; исправлены технические неточности и перевод. Все 160 текстов прошли независимое ревью содержания; все четыре локальные PDF-книги прошли проверку текста и вёрстки. Локальные файлы не означают новый релиз или одобрение сопровождающего.
Добавлен первичный источник Faiss для сравнения точного поиска, HNSW и IVF-PQ; в каталоге теперь 108 источников.
Автоматические проверки дополняют проверку фактов; проверки приватности рабочего дерева, индекса и истории имеют разные области действия.
README стал посадочной страницей: что это, кому нужно, что внутри, чем отличается от обычных списков вопросов и как начать за три шага. 103 строки вместо 322.
Приоритетные вопросы каждого трека переехали в docs/{язык}/start/{трек}.md, а вопросы, которые спрашивают в двух и более компаниях, — в docs/{язык}/common.md. На обе страницы есть ссылки из README, а со страницы трека — ссылка на его ответы.
Обе PDF-книги начинаются тем же кратким описанием, что и README.
2026-09-28 — Написанные ответы, сначала по-русски¶
Написанные ответы для 80 приоритетных вопросов, по 40 на трек: один абзац на 100–150 слов, который кандидат может произнести вслух, — суть, механизм и его цена, что сделать или измерить и где ответ перестаёт работать. Каждый ответ подан как один из хороших, а не как эталонный.
Для вопросов behavioral и self_presentation ответ объясняет, как построить собственный рассказ и что на самом деле слушает интервьюер; выдуманных историй, компаний и чисел нет.
Ответы хранятся в поле answer тех же файлов контента, а выводятся на отдельные страницы (docs/ru/answers/) и в отдельное PDF-издание: страницы вопросов и основная книга не меняются, чтобы сначала можно было ответить самому. Число страниц зависит от сборки; локальное издание не обязательно опубликовано.
Языки появляются по очереди: страницы и книга ответов создаются только для языка, на котором ответы уже есть. Английские ответы — следующей волной.
scripts/build_pdf.py собирает из того же материала PDF-книгу на каждом языке с помощью рендерера документов Career Copilot: страницы A4, основной текст 12 pt, содержание, номера страниц в котором сверяются с закладками готового PDF, и кликабельные ссылки на источники. Разделы: вопросы «С чего начать» для каждого трека, все темы, этапы интервью в компаниях, радар требований с графиком, методика, атрибуция и источники.
Чек-листы ответов печатаются один раз — в разделе «С чего начать»; в разделах тем на них ссылаются по номеру. Эмодзи-метки заменены символами шрифта (● подтверждено компанией, ○ отчёт кандидата, † вторичный источник, ‡ сгенерировано, ? предположение), а сборка останавливается, если в шрифте нет какого-то символа. Книги, их Markdown-исходники и манифесты с хешами сохраняются в игнорируемый каталог dist/pdf/.
255 вопросов на английском и русском в 17 темах: 191 в AI Engineering и 146 в AI Leadership; часть вопросов входит в оба трека. Для каждого трека выбраны 40 стартовых вопросов с планом ответа и материалами для чтения.
20 страниц компаний с источниками утверждений об этапах интервью, требованиях к кодингу и явно обозначенной базой для общих ролей там, где нет сведений о специализированном AI-интервью.
107 записей источников: 21 официальный источник, 9 рассказов участников, 17 руководств по подготовке, 1 вторичная подборка и 59 справочных материалов. 245 вопросов ссылаются на интервью-источники; ещё 10 явно помечены как тренировочные, созданные по опубликованным темам радара. Справочные материалы помогают подготовить ответ, но не доказывают, что вопрос задавался.
Агрегированный радар требований по 79 объявлениям, собранным в сентябре 2026 года: 62 в leadership и 17 в engineering. Опубликованы только значения тем leadership: engineering не достигает минимального размера трека в 20 объявлений, а ячейки менее пяти объявлений скрыты.
Схема контента для треков, ролей, тем, источников, компаний, вопросов и радара требований с проверкой правил происхождения при сборке.
Генератор двуязычных README, страниц тем, компаний, радара и источников, а также статического SVG радара; --check выявляет устаревшие страницы, битые локальные ссылки и отсутствие русских страниц.
Методология, атрибуция и правила участия на английском и русском; privacy hooks и CI с проверкой Career Copilot и Gitleaks.
Руководства по подготовке и теги подборки остаются вторичными свидетельствами, а не подтверждением участника интервью. Общие руководства для software- и product-ролей не доказывают AI-специфичный процесс; дата проверки источника не гарантирует актуальность процесса для каждой команды.
Радар основан на небольшой нерепрезентативной выборке с преобладанием международного финтеха и бизнес-ПО. Он описывает требования сохранённых объявлений, а не текущий найм или весь рынок. Публикуются только обезличенные агрегаты.