Февраль — это не просто начало семестра и повод страдать над диссером. Это старт летнего набора стажёров в Яндексе, и у тебя буквально сейчас открыто окно, пока конкурс ещё не взлетел до небес.
Я магистрант ИТМО, направление AI & Data Science. Видел, как одногруппники с пустым резюме получали офферы в топовые компании — и видел, как люди с реально крутым стеком сливались на первом этапе из-за глупых ошибок. Вот что я узнал изнутри.
---
Три компании — три разных испытания
Все три хотят одно: понять, умеешь ли ты думать. Но проверяют по-разному.
Яндекс сразу бросает тебя на контест: 6 задач по алгоритмам, ML и математике за 6 часов. Звучит страшно, но достаточно решить 3 из 6 — это уже проход дальше. После контеста идут 2–3 технических интервью: спросят про оптимизацию, переобучение, кросс-валидацию, метрики качества. Конкретный трек определяет глубину — свёрточные сети, трансформеры или бустинг.
Сбер устроен иначе: 4 последовательных этапа. Сначала анкета, потом звонок с рекрутером, затем тест на hard skills, и только потом финал с тимлидом. Хорошая новость — рекрутеры Сбера сами говорят открытым текстом: они понимают, что у студентов нет коммерческого опыта, и смотрят на курсовые, хакатоны и pet-проекты.
Т-Банк (программа Т-Старт) проверяет классику: алгоритмы ML, базовый SQL, матстатистика. И конкретно советует заранее порешать задачи в их тестирующей системе — это не просто рекомендация, это подсказка со стрелочкой.
---
Портфолио из ничего — это реально
Ни одна из трёх компаний не требует коммерческого опыта. Это не мотивационная речь — это официальная позиция рекрутеров Яндекса и Сбера.
Базовый минимум для подачи прямо сейчас: Python с pandas и sklearn на уровне уверенного использования, понимание линейных моделей, деревьев, бустинга и хотя бы базовых нейросетей. SQL с оконными функциями — обязательно. Плюс основы статистики и проверки гипотез, иначе на интервью будет неловко.
Портфолио без коммерческого опыта строится из трёх вещей. Первое — учебные pet-проекты на GitHub: доделанные, с ридми, со ссылкой в резюме. Второе — хакатоны: победа не нужна, сам факт участия уже говорит о тебе. Третье — онлайн-курсы с конкретными темами, не просто «прошёл курс по ML», а «реализовал проект по детекции аномалий временных рядов».
Вот цифра, которая должна тебя мотивировать: кандидаты с персонализированным сопроводительным письмом имеют на 67% больше шансов пройти первичный отбор. А 77% студентов этим не занимаются — пишут одно письмо на всех и удивляются тишине в ответ.
---
План на 6–8 недель до контеста
Звучит как много. Но если начать сейчас — в феврале — к апрелю ты будешь готов лучше, чем 80% соискателей.
Для Яндекса: тренировки по алгоритмам 1.0–4.0 на Яндекс Контесте — это официальная рекомендация самой компании, не мой совет. Параллельно задачи с LeetCode уровня medium и Codeforces div2. Отдельно — тренировочные задачи по ML от Яндекса.
Для Сбера и Т-Банка: формула Байеса и базовая статистика (да, это будет на тесте), метрики качества моделей — precision, recall, ROC-AUC, разбери их до состояния «объясню на пальцах». Плюс SQL-задачи на оконные функции — без них никуда.
Самое важное на техническом интервью — комментировать ход мышления вслух. Рекрутеры смотрят не только на ответ, но и на то, как ты строишь ML-решение по шагам. Финальное интервью с командой — это вообще не экзамен, это взаимный выбор. Задавай вопросы про их задачи и стек — это сразу выделяет тебя из толпы молчунов.
---
Деньги, формат и что потом
Давай честно про деньги. Стажёр ML в Сбере получает до 71 800 ₽ в месяц — это больше, чем первая зарплата многих джунов на обычной работе. Средняя стипендия по IT-стажировкам в России — около 45 000 ₽. Все три компании разрешают работать от 20 часов в неделю и совмещать с учёбой.
Яндекс дополнительно оплачивает переезд и проживание для иногородних. Если ты не москвич — барьер входа практически исчезает.
Главный бонус — что будет после. 40% стажёров Яндекса остаются в компании насовсем. Даже если места нет прямо сейчас, Яндекс выдаёт «отложенный оффер» — сертификат на возврат по упрощённой схеме в течение 3 лет. И ещё одна цифра для перспективы: каждый шестой старший разработчик Яндекса начинал именно со стажировки.
---
Чеклист перед подачей: не облажайся на ровном месте
Ошибка номер один — откладывать. Летний поток Яндекса принимает заявки с февраля по июль, и чем раньше подаёшь, тем меньше конкурентов в очереди на ревью резюме.
Ошибка номер два — универсальное резюме. Анкету для Яндекса и анкету для Сбера нужно адаптировать отдельно. Звучит как много работы, но это буквально час разницы — зато плюс 67% к шансам пройти первичный отбор.
Ошибка номер три — игнорировать тренировочные контесты. Три попытки, два провала и одна смена трека — именно такова реальная история одного из нынешних ML-разработчиков Яндекса. У тебя чистый старт, без предвзятости — это уже преимущество.
Конкретный чеклист, который я составил себе и теперь отдаю тебе:
- Профиль GitHub с хотя бы одним завершённым ML-проектом и нормальным ридми
- Резюме с блоком «Проекты», ссылками на GitHub и конкретными результатами
- Персональное сопроводительное письмо под каждую компанию отдельно
- 20–30 задач на LeetCode medium — прогнать до автоматизма
- Регистрация на Яндекс Контест и прохождение тренировочного контеста
- Подача заявок: yandex.ru/yaintern, sberstudent.ru, education.tbank.ru/start/ml_engineer
---
Яндекс открыл набор прямо сейчас. Не через месяц — сейчас, пока ты читаешь это. Подай заявку сегодня, сохрани статью и скинь одногруппнику, который тоже думает об ML-карьере, но всё никак не решится. Иногда нужен просто один человек, который скажет: да, берут, и без опыта тоже.