Как устроено собеседование на Data Science в Т-Банк в 2026 году

Введение: почему стоит идти в Т-Банк в 2026 году

К 2026 году Т-Банк трансформировался в полноценную экосистему, где Data Science пронизывает каждый продукт: от классического банкинга и инвестиций до лайфстайл-сервисов и собственного мобильного оператора. Особенность работы здесь — огромные объемы данных и высокая скорость вывода моделей в продакшн. Если в других корпорациях цикл разработки модели может занимать полгода, здесь нормальной практикой считается запуск MVP за 4–6 недель.

Эта статья написана для тех, кто целится на позиции Middle и Senior Data Scientist. Мы разберем технический стек, который актуален сегодня: это не только стандартный Python и SQL, но и работа с распределенными вычислениями, оптимизация инференса больших языковых моделей и построение Feature Stores. Вы узнаете, какие вопросы задают на секциях по теории ML, как проходят лайв-кодинг сессии и что ожидают услышать на этапе System Design.

Для кого этот гайд

Материал будет полезен специалистам, которые уже имеют опыт работы с данными и хотят систематизировать знания перед интервью. Мы не будем останавливаться на основах вроде «что такое линейная регрессия», а сосредоточимся на нюансах, которые проверяют интервьюеры Т-Банка: калибровка вероятностей, борьба с утечками в динамических данных и специфика работы с тяжелыми эмбеддингами.

Секция 1: Алгоритмы и Python для Data Science

Первый технический барьер — это проверка навыков программирования. В Т-Банке не требуют решать олимпиадные задачи уровня Hard на LeetCode, но ожидают уверенного владения базовыми структурами данных и понимания сложности алгоритмов. Важно уметь писать чистый и эффективный код, так как DS-специалисты здесь часто сами доводят свои модели до продакшна или тесно взаимодействуют с MLE.

Типовые задачи на лайв-кодинге

Обычно предлагают две задачи: одну на чистый Python (работа со словарями, списками, строками) и одну на манипуляцию данными с использованием NumPy или базовых алгоритмов. Например, реализация скользящего окна для временного ряда или поиск пересечений в больших массивах идентификаторов пользователей. Интервьюер смотрит не только на то, работает ли код, но и на обработку краевых случаев: пустые входные данные, невалидные типы, огромные объемы памяти.

Оптимизация и векторизация

Критически важный навык — умение заменять циклы for на векторизованные операции. В 2026 году, когда объемы данных в финтехе исчисляются петабайтами, неэффективный код просто не пройдет ревью. Вас могут попросить переписать функцию на чистом Python, используя Broadcasting в NumPy, или объяснить, как работает механизм GIL и почему для тяжелых вычислений лучше использовать мультипроцессинг, а не многопоточность.

import numpy as np

def calculate_moving_average(data, window_size):
    """
    Пример векторизованного вычисления скользящего среднего.
    Вместо цикла используем кумулятивную сумму.
    """
    if len(data) < window_size:
        return np.array([])
    
    cumsum = np.cumsum(np.insert(data, 0, 0))
    return (cumsum[window_size:] - cumsum[:-window_size]) / window_size

# Пример использования
prices = np.array([100, 102, 105, 110, 108, 115])
print(calculate_moving_average(prices, 3))

Секция 2: Теория машинного обучения и математика

Эта секция считается самой сложной. Здесь проверяют глубину понимания того, что происходит «под капотом» алгоритмов. В Т-Банке любят задавать вопросы на стыке статистики и ML. Ожидайте глубокого погружения в функции потерь, методы регуляризации и ансамблирование. Особое внимание уделяется градиентному бустингу (CatBoost, LightGBM), так как он остается основным рабочим инструментом для табличных данных в банке.

Математический фундамент

Подготовьтесь отвечать на вопросы по линейной алгебре и теории вероятностей. Вас могут попросить вывести формулу для обновления весов в градиентном спуске или объяснить геометрический смысл SVD-разложения. Часто встречаются вопросы про доверительные интервалы и проверку гипотез в контексте А/Б-тестирования. Например, как изменится размер выборки, если мы хотим уменьшить минимальный детектируемый эффект (MDE) в два раза?

Классический ML и градиентный бустинг

Интервьюеры часто копают в детали реализации CatBoost: как работает обработка категориальных признаков, что такое Ordered Boosting и как бороться с переобучением на шумных данных. Важно понимать разницу между Bagging и Boosting не на уровне определений, а на уровне смещения (bias) и дисперсии (variance). Могут предложить кейс: «Ваша модель показывает отличный ROC-AUC на кросс-валидации, но в продакшне метрики упали. Ваши действия?».

• Разбор Bias-Variance Tradeoff на конкретных примерах.
• Методы отбора признаков (Feature Selection): от простых корреляций до Permutation Importance и SHAP-значений.
• Калибровка моделей: зачем нужен Plat Scaling или Isotonic Regression, если мы хотим использовать предсказания как вероятности дефолта.
• Работа с пропусками и несбалансированными выборками: почему SMOTE — не всегда хорошее решение.

Секция 3: Deep Learning и современные архитектуры

В 2026 году знание нейронных сетей обязательно даже для тех, кто работает с классическим скорингом. Т-Банк активно внедряет LLM для поддержки клиентов, анализа звонков и генерации кода. На этой секции будут спрашивать про архитектуру Transformer, механизмы Attention и нюансы обучения больших моделей. Если вы претендуете на роль в NLP или CV подразделении, вопросы будут еще специфичнее.

Трансформеры и Attention

Вы должны четко понимать, как работает Self-Attention: зачем нужны матрицы Query, Key, Value и почему используется масштабирование (scaling) скалярного произведения. Могут попросить объяснить разницу между Encoder-only (BERT), Decoder-only (GPT) и Encoder-Decoder (T5) архитектурами. Важный аспект — эффективный инференс: квантование (int8, fp8), дистилляция моделей и использование техник вроде Flash Attention для работы с длинными контекстами.

Графовые нейронные сети (GNN)

Т-Банк обладает огромным графом транзакций и связей между клиентами. Поэтому знание GNN — большой плюс. Могут спросить про Message Passing, агрегацию признаков соседей и способы борьбы с переобучением в глубоких графовых сетях (Over-smoothing). Понимание того, как графы помогают ловить мошеннические схемы или предсказывать отток клиентов, выделит вас среди других кандидатов.

Чек-лист для подготовки к DL-секции:

• Понимание работы Adam и других оптимизаторов.
• Методы регуляризации: Dropout, Batch Normalization, Layer Normalization.
• Fine-tuning стратегии: LoRA, QLoRA, Prefix Tuning.
• Оценка галлюцинаций в LLM и методы RAG (Retrieval Augmented Generation).

Секция 4: ML System Design

На уровне Senior это ключевая секция. Вам предложат открытую бизнес-задачу, например: «Спроектируйте систему рекомендаций для лайфстайл-сервиса в приложении». Здесь нет единственно верного ответа, важно показать ход мыслей, умение декомпозировать задачу и учитывать инженерные ограничения. Нужно пройти путь от сбора данных и выбора метрик до деплоя и мониторинга.

Проектирование пайплайна

Начните с уточнения требований: какой объем данных, какой допустимый latency (задержка), сколько пользователей. Обсудите выбор архитектуры: будет ли это двухстадийная модель (кандидатная генерация + ранжирование) или что-то иное. Важно упомянуть Feature Store — где и как будут храниться признаки, как обеспечить консистентность данных между обучением и инференсом (проблема online-offline skew).

Масштабируемость и мониторинг

Обсудите, как система будет вести себя под нагрузкой. Нужно ли использовать кэширование популярных запросов? Как обновлять модель: в реальном времени или батчами? Особое внимание уделите мониторингу: слежение за дрифтом данных (Data Drift) и дрифтом концепта (Concept Drift). Как вы поймете, что модель начала деградировать до того, как это отразится на бизнес-метриках?

Секция 5: Продуктовые кейсы и бизнес-метрики

Data Science в Т-Банке — это не наука ради науки, а инструмент извлечения прибыли или экономии ресурсов. На этой секции проверяют ваше умение связывать технические метрики (RMSE, LogLoss, F1) с деньгами. Вас могут спросить: «Мы внедрили новую модель рекомендации кредитных лимитов. Её Gini вырос на 2 пункта, но прибыль упала. Почему так произошло?».

Выбор целевой метрики

Важно уметь выбирать правильный таргет. Если мы оптимизируем клики (CTR), это может привести к кликбейту, но не к покупкам. Если оптимизируем долгосрочную прибыль (LTV), данные будут слишком разреженными и шумными. Хороший кандидат предложит иерархию метрик: прокси-метрики для быстрого фидбека и долгосрочные бизнес-метрики для оценки финального эффекта.

А/Б-тестирование в сложных условиях

В финтехе часто нельзя просто поделить пользователей 50/50 из-за сетевых эффектов или юридических ограничений. Обсудите методы оценки, когда классический А/Б тест невозможен: причинно-следственный вывод (Causal Inference), синтетический контроль или использование инструментальных переменных. Понимание того, как бороться с проблемой подглядывания (peeking problem) и как интерпретировать результаты с учетом множественной проверки гипотез, критично для работы в продуктовых командах.

Секция 6: Работа с данными и SQL

Несмотря на развитие инструментов, SQL остается базовым языком для DS. В Т-Банке используются Greenplum, ClickHouse и Hadoop. Ожидайте вопросов на написание сложных запросов с использованием оконных функций, рекурсий и оптимизации джойнов. Важно понимать разницу между строковым и колоночным хранением данных и уметь выбирать инструмент под задачу.

Сложные запросы и аналитические функции

Типовая задача: рассчитать Retention пользователей по когортам или найти средний чек клиента за последние 3 месяца, используя скользящее окно. Интервьюер может усложнить задачу, попросив оптимизировать запрос, который «вешает» базу из-за слишком большого количества соединений. Знание планов выполнения запроса (EXPLAIN) будет существенным преимуществом.

Data Engineering для DS

Data Scientist в Т-Банке часто сам пишет ETL-процессы в Airflow. Поэтому понимание принципов построения надежных пайплайнов необходимо. Обсудите идемпотентность задач, обработку ошибок и стратегии догрузки данных (incremental load). Как обеспечить качество данных (Data Quality) на входе в модель? Какие проверки (чеки) стоит внедрить в пайплайн, чтобы не обучиться на мусоре?

-- Пример SQL: расчет LTV по месяцам с использованием оконных функций
SELECT 
    user_id,
    order_month,
    SUM(revenue) OVER (PARTITION BY user_id ORDER BY order_month) as cumulative_revenue
FROM (
    SELECT 
        user_id, 
        DATE_TRUNC('month', payment_date) as order_month,
        SUM(amount) as revenue
    FROM transactions
    GROUP BY 1, 2
) t
ORDER BY user_id, order_month;

Заключение: стратегия подготовки

Собеседование в Т-Банк в 2026 году — это марафон, требующий как теоретической подготовки, так и практического опыта проектирования систем. Процесс прозрачен, но конкуренция высока. Главный совет: не зазубривайте ответы, а старайтесь понять физический и математический смысл каждого метода. В банке ценят инженеров, которые могут объяснить сложное простыми словами и не боятся брать на себя ответственность за бизнес-результат.

Чек-лист перед интервью

• Повторите теорию вероятностей: Байес, распределения, центральная предельная теорема.
• Решите 50-70 задач на LeetCode (Medium) и SQL (Hard на StrataScratch или аналогах).
• Разберите подробно 2-3 своих прошлых проекта по схеме: Задача -> Данные -> Решение -> Метрики -> Бизнес-эффект.
• Изучите открытые материалы и статьи сотрудников Т-Банка на Хабре и в технических блогах — это даст понимание их текущего стека и проблем.
• Попрактикуйтесь в ML System Design: рисуйте схемы архитектур на доске или в онлайн-редакторах.

Удачи на собеседовании! Помните, что даже отказ — это ценный фидбек, который подсветит ваши слабые зоны для следующей попытки.