Т-Банк

English · Русский · AI Interview Atlas › Компании

Бигтех России · Россия · Этапы проверены 2026-09-26

Интервьюеры описывают скрининг, live coding и фит-интервью с командой. У кандидата уровня senior в 2025 году были ещё секция по менеджменту и system design, а грейд он получил до встреч с командами.

На этой странице: Этапы интервью · Вопросы (2)

Роли

• AI-инженерия: Разработчик ПО (общий процесс интервью), ML-инженер / data scientist
• AI-лидерство: Руководитель разработки (EM)

Этапы интервью

Этап	Что происходит	Основание
Знакомство с HR и скрининг	Знакомство с HR, затем технический скрининг по теории.	✅ подтверждено компанией «Важно не только занять должность, но и работать на ней»: советы перед ИТ-собеседованиями, Т—Ж (издание Т-Банка), интервьюеры Т-Банка, опубликовано 2023-06-07, проверено 2026-09-26
Live coding	Программирование в реальном времени, по описанию одного из интервьюеров — около полутора часов; оценивают ход мысли, а не только ответ.	✅ подтверждено компанией «Важно не только занять должность, но и работать на ней»: советы перед ИТ-собеседованиями, Т—Ж (издание Т-Банка), интервьюеры Т-Банка, опубликовано 2023-06-07, проверено 2026-09-26
Фит-интервью с командой	Финальное интервью, чтобы проверить совпадение с командой и её задачами.	✅ подтверждено компанией «Важно не только занять должность, но и работать на ней»: советы перед ИТ-собеседованиями, Т—Ж (издание Т-Банка), интервьюеры Т-Банка, опубликовано 2023-06-07, проверено 2026-09-26
Трек senior и тимлида (2025)	Разговорная секция по менеджменту, двухчасовая языковая секция и system design (отслеживание курьеров), затем фит-интервью с несколькими командами после присвоения грейда.	🗣 отчёт кандидата Как я собеседовался в Ozon, Т-Банк, Mindbox и другие крупные компании, Хабр, пост кандидата, опубликовано 2025-07-09, проверено 2026-09-26
Секция по дизайну ML-систем ML-инженер / data scientist	Спроектировать и декомпозировать сложную ML-систему: формализовать задачу и требования, разбить на подзадачи, собрать данные, выбрать ML-архитектуры, затем выкатить и протестировать. Опубликовано в 2022 году в репозитории, который в 2023 году переведён в архив.	✅ подтверждено компанией Секция по дизайну ML систем, Т-Банк (Tinkoff), репозиторий career на GitHub, опубликовано 2022-08-01, проверено 2026-09-29
Секция по ML ML-инженер / data scientist	Вопросы по анализу данных на теоретических и практических кейсах: постановка задачи, выбор и обоснование метрик качества, сбор и валидация данных, ML-алгоритмы. Из того же архива 2022 года.	✅ подтверждено компанией Секция по ML, Т-Банк (Tinkoff), репозиторий career на GitHub, опубликовано 2022-08-01, проверено 2026-09-29

Кодинг: обязателен («Важно не только занять должность, но и работать на ней»: советы перед ИТ-собеседованиями, Т—Ж (издание Т-Банка), интервьюеры Т-Банка, опубликовано 2023-06-07, проверено 2026-09-26)

Вопросы, о которых сообщали для Т-Банк

Оценка качества и наблюдаемость

• Сформулируйте бизнес-задачу как задачу машинного обучения: выберите и обоснуйте метрику качества и объясните, как соберёте и проверите данные.
  • Знания · Где спрашивали: Т-Банк ✅
  • Что проверяет: Следуют ли метрика и данные из бизнес-цели, а не из привычки.
  • Сильный ответ покрывает:
    • Перевести бизнес-решение в целевую переменную, действие, которое она запускает, и цену каждой ошибки.
    • Выбрать офлайн-метрику исходя из цены ошибок и назвать онлайн-метрику бизнеса, которую она должна сдвинуть.
    • Проверить данные: задержку и утечку меток, разбиение по времени и расхождение между обучением и продакшеном.
  • Читать: Rules of Machine Learning (Google for Developers)

Дизайн AI-систем

• Спроектируйте ML-систему для продуктовой функции целиком: сформулируйте задачу и требования, разбейте её на подзадачи, спланируйте сбор данных, выберите архитектуры моделей, затем выкатите и протестируйте.
  • System design · Где спрашивали: Т-Банк ✅
  • Что проверяет: Умение выстроить ML-систему от постановки задачи до выкатки, не перескакивая сразу к модели.
  • Сильный ответ покрывает:
    • Сформулировать продуктовое решение, офлайн- и онлайн-метрики, ограничения по задержке и стоимости до выбора модели.
    • Разбить на подзадачи, спланировать источник разметки и обыграть эвристический baseline до усложнения моделей.
    • Спланировать выкатку через теневой режим или A/B-тест с мониторингом дрейфа и откатом.
  • Читать: Rules of Machine Learning (Google for Developers)

← МегаФон · Яндекс →