Полный цикл собесов в Яндекс (МЛ 2026)

Сейчас студенты наших курсов под чутким сопровождением проходят отборы в Яндекс, поэтому продолжаю радовать вас инсайдами и актуальными вопросами. Далее представлен слегка отредактированный текст нашего студента.

Я, как и все мои сокурсники по МИРЭА, пробовал пройти на стажировку в Яндекс. Получилось с третьей попытки, расскажу обо всём по порядку.

Вступительный контест
Задания взял отсюда, просто прорешал заранее и сдал, но зашли только 3 задачи. Кстати разбор стажировки Яндекс и Яндекс Intern Week Offer по МЛ уже выложен на наших курсах МЛ ПРО, ИИ агенты ПРО.
➡️ Записаться

Секция ML & Programming
Так теперь называется МЛ секция. У Яндекса есть видео, как она проходит, у меня было очень похоже. Сначала задача на код: найти в массиве два числа с заданной суммой. Я быстро написал решение через словарь и думал, что на этом всё, но потом ещё минут пятнадцать разбирали частные случаи: пустой массив, одинаковые числа, можно ли взять один элемент дважды. Потом попросили самому придумать тесты. Дальше теория: как обучается градиентный бустинг, чем он отличается от случайного леса, что будет, если деревьев сделать намного больше. И метрики: что показывает ROC-AUC и на что смотреть, когда положительных примеров один на тысячу. На PR-AUC я запутался, но с подсказкой ответил.

Алгоритмическая секция
Две задачи в онлайн-редакторе. Код не запускается, проверяешь его глазами, и обязательно спрашивают сложность. Первая задача: в массиве положительных чисел найти самый короткий подотрезок, сумма которого не меньше заданной. Сначала написал перебор за квадрат, потом с подсказкой переделал на два указателя. Вторая про бинарное дерево: вывести вершины, которые видно, если смотреть на дерево справа. Обе известные, средний уровень с LeetCode. В конце немного поспрашивали про Питон и базы данных, с которыми я работал.

Дальше были собеседования с командами, у меня три.

Собес 1 (Яндекс Лавка)
Самый спокойный из трёх. Спрашивали про опыт и пет-проекты. Я рассказал про кредитный скоринг и рекомендации фильмов, которые взял готовыми и переделал под себя. Ребята рассказали, что часть работы со спросом и остатками у них уже делают агенты на LLM, а стажёру предстоит собирать примеры, где агент ошибся, и проверять, что после правок он не стал хуже. Спросили, как бы я оценивал такого агента. Я предложил, чтобы ответы проверяла другая модель. Спросили про минусы, и я не знал, что такая модель обычно завышает оценки длинным ответам.

Собес 2 (Яндекс Маркет)
Тут было сложнее. Дали кейс: человек первый раз открыл Маркет, истории покупок нет, что ему показывать. Обсудили холодный старт и многоруких бандитов, про это хорошо написано здесь. Потом говорили, как понять, что подборка хорошая, и почему одних кликов мало. Попросили своими словами объяснить NDCG. Дальше были A/B тесты: ошибки первого и второго рода, мощность, сколько дней держать тест. В конце простой SQL запрос: по таблице заказов вывести пользователей, у которых больше трёх заказов за месяц.

Собес 3 (Алиса)
Почти всё время говорили про языковые модели. Как понять, что новая версия модели отвечает лучше старой, если размечать ответы некому. Что будет, если в документ, который читает модель, кто-то спрятал инструкцию для неё (это называется prompt injection). Как посчитать, сколько стоит один ответ модели.

В итоге позвали две команды из трёх, я выбрал Маркет.

Подписаться: @zadachi_ds