//shamil.ai
КейсыМенторКак проходитПлатформаПрограммаЦеныВопросы
Диагностика
  • Кейсы
  • Ментор
  • Как проходит
  • Платформа
  • Программа
  • Цены
  • Вопросы
Бесплатная диагностика

30 минут — карта пробелов и план до оффера

Classic ML
Deep Learning
NLP
LLM
RecSys
Авторское менторство по ML

Доводим до офферав ML — под ключ

Находим белые пятна в твоей подготовке, закрываем их и выводим на оффер от 300 000 ₽ за 4–6 месяцев.

Classic MLDeep LearningNLPLLMRecSys
Бесплатная диагностика30 минут — план до оффера
Ученик НикитаУченик АртёмУченик ИванУченик Дмитрий

50+ учеников в программе — медиана оффера 335к на руки

5-й
год в бигтехах
поиск · рекомендации · production ML
80+
собеседований
пройдено и проведено
335k
медианный оффер
есть офферы 400k+
70+
в комьюнити
ИТМО · MADE · Math & CS

Ученики ужеберут

по 300к+

Откуда пришли, какой оффер получили и что написали сами

0 К ₽
медианный
оффер на руки
4–6 мессильные — за 2–2.5 мес
в среднем
до оффера
Компании:
ЯндексТ-БанкСберВТБWildberriesУдалёнка за рубежом ($)
НИКИТА

НИКИТА

AI-инженер · перекат из IT

31 день
искал оффер
весь путь — 250 дней
400к
оффер на руки
4 оффера · лучший 460к gross
Отзыв ученика
“

30+ собесов — и Шамиль был рядом до конца.

НИКИТА
AI-инженер · перекат из IT
31 день искал оффер250 дней весь путь460 000 ₽ grossСмена стэка / специальности
Результат

400к на руки · 4 оффера · лучший 460к gross

Я прошёл более 30 собеседований, пока не нашёл подходящий оффер. И Шамиль остался со мной до конца.

Заинтересовала сфера ML — надоело писать бэкенд на Java, и хотелось получить вызов и буст к зарплате.

Выбирал среди разных менторов, в итоге выбрал Шамиля за хорошие условия и отзывы. Обучение проходило достаточно несложно, однако он всегда ставил высокую планку и не давал расслабляться. Материалы хорошо структурированы на учебной платформе и объяснены человеческим языком, а не как в учебнике.

Регулярно проводились мок-собесы по теоретическим блокам, после которых давался подробный разбор по каждому вопросу.

По итогам обучения я получил резюме и подробную легенду к нему, с которыми уже пошёл покорять собеседования. По легенде проводятся общие прогоны с учениками, на которых Шамиль задаёт вопросы, а ученики тоже накидывают их друг другу. Это помогает понять легенду и научиться отвечать на вопросы.

Я прошёл более 30 собеседований, пока не нашёл подходящий оффер. И Шамиль остался со мной до конца, продолжая помогать с собеседованиями. В итоге я получил два оффера: на 430 тысяч и 460 тысяч gross.

Сообщество Шамиля — мы с ребятами общались на отстранённые темы, всегда поддерживали друг друга, помогали в развитии и учёбе. Шамиль всегда на одной волне с учениками, может поддержать любой разговор и ответить в общем чате.

Мой вердикт — Шамиль огромный специалист, никогда не бросает в беде, хорошо объясняет и вообще гигачад.

Java-бэкенд → NLP/LLM30+ собесов2 оффераПрогон легенды
Текст опубликован так, как его написал ученикХочу так же
АРТЁМ

АРТЁМ

RecSys ML-инженер · с нуля

51 день
искал оффер
весь путь — 249 дней
382к
оффер на руки
440к gross
@elis1233
“

Через месяц захотел всё бросить — Шамиль вытащил.

АРТЁМ
RecSys ML-инженер · с нуля
51 день искал оффер249 дней весь путь440 000 ₽ grossСмена стэка / специальности
Результат

382к на руки · 440к gross

Через месяц захотел всё бросить, но Шамиль поддержал. Стал конспектировать темы от руки — и начал реально разбираться.

Мне надоело пилить бэкенд за 100к джуном. Я чувствовал, что это легко, что я могу выполнять большие и сложные задачи. Если по ответственности ещё можно было вырасти в компании, то по зарплате точно нет.

Бэкграунд — около года опыта в финтехе на бэкенде плюс обучение на программной инженерии и участие в разных хакатонах и форумах. Цель — получить крутой оффер и проект, где нужно будет пахать и прокачиваться.

Про Шамиля я узнал от своих знакомых, которые были его друзьями. Пришёл к нему с похожим запросом за советом, и оказалось, что он ментор. Помимо Шамиля я созванивался ещё с несколькими популярными менторами, но выбрал именно его: были хорошие отзывы от знакомых и более выгодные условия.

Обучение я начал вяло. Думал, что смогу просто прочитать документ, всё понять и запомнить. Это оказалось не так. Через месяц захотел всё бросить, но Шамиль поддержал. Я стал конспектировать все темы от руки и стал намного лучше разбираться в материале. Через несколько мок-собесов оказался в беседе с ребятами, которые ходят на собеседования.

Шамиль создал мне легенду. Я в ней разбирался, что-то изменял, удалял, добавлял. Через неделю пошёл на прогон легенды с учениками Шамиля, на котором неплохо рассказал о своих проектах. Далее — поиск вакансий: пробовал разные способы, экспериментировал. Каждый собес анонсирую в беседе, ребята приходят и помогают, пишут в чат ответы.

От Шамиля получил всё, что нужно было: комьюнити, топовые курсы от разных компаний, ответы на вопросы, помощь на собеседовании, помощь на работе и понимание того, что нужно для быстрого результата, а что может подождать.

Раньше я за пару часов писал бэкенд и остальное время стагнировал: не хотелось работать больше за мало денег. Сейчас я всё время изучаю проект, какие там подходы, что можно улучшить. Пользуюсь агентами, но решаю гораздо более сложные задачи, беру ответственность и принимаю решения. Чувствую, что развиваюсь каждый день, а это особенно приятно, когда тебе за это ещё и платят.

Если бы я вернулся в момент выбора ментора, то также выбрал бы Шамиля, но начал бы усердно учиться с первого дня, а не спустя месяц. И, наверное, сразу уволился бы с работы, чтобы ещё быстрее получить новый оффер.

Финтех-бэкендОффер за 51 деньПрогон легендыКомьюнити
Текст опубликован так, как его написал ученикХочу так же
ИВАН

ИВАН

NLP / LLM-инженер · с нуля

50 дней
искал оффер
весь путь — 312 дней
350к
оффер на руки
400к gross · + 20% годовых ≈ 420к
@taylerdrdn
“

На hh почти не откликался — HR писали сами.

ИВАН
NLP / LLM-инженер · с нуля
50 дней искал оффер312 дней весь путь400 000 ₽ grossС коммерческим опытом
Результат

350к на руки · 400к gross · + 20% годовых ≈ 420к

Сам я на hh почти не откликался: HR писали в телеграм сами. Часто отмечали, что резюме круто составлено.

Что хотел получить от обучения: оффер в крупную ИТ-компанию РФ, рост зарплаты в 2 раза, структурированные материалы и план развития от опытного специалиста, навык составлять резюме под требования рынка и сообщество учеников, нацеленных на результат.

Вводные: фултайм-работа плюс обучение в вузе, профильное ИТ-образование, опыт 2,5 года ML-инженером, но с большим уклоном в backend, чем в ML. Перенимать опыт в ML было не у кого, знакомых в этой сфере не было.

Решил обратиться к Шамилю, так как понимал, что засиделся на одном месте, зарплата не устраивала, а знания нерелевантны рынку и тому, чем хотел заниматься — NLP. Ментор привлёк опытом работы в топовых бигтех-командах РФ, успешным опытом прохождения собеседований и офферами на сумму, которую сам бы хотел получить. Понравилось и наличие крутого академического опыта.

Созвонились, обсудили исходные данные, цели обучения и реальные сроки с учётом времени, которое я мог выделять. Спустя некоторое время Шамиль прислал роадмап и дал доступ к материалам, по которым я двигался всё обучение.

Обучение построено так: проходишь крупный блок → мок-собес на понимание темы плюс вопросы, которые могут задать по ней на собеседовании → детальный фидбек и дальнейшие планы. После закрытия основных блоков — Classic ML, DL, NLP, LLM, Python — начали делать резюме и легенду. Отдельно было мок-собеседование в формате «прожарки» опыта, где Шамиль задаёт каверзные вопросы и как HR, и как техлид.

Процесс прохождения собеседований крайне структурирован: ученики отписываются после каждого собеса, присылают вопросы и записи, что очень полезно новым ученикам. Шамиль даёт фидбек и по софтам, и по хардам, скидывает дополнительный материал в зависимости от компании, вакансии и этапа. Частые вопросы собираются, и на них даются эталонные ответы.

Получил оффер примерно за 1,5–2 месяца. Ещё почти получил оффер в крупную компанию, но на последнем этапе из четырёх сообщили, что нет бюджета на позицию. Сам я на hh почти не откликался: HR писали в телеграм сами и предлагали вакансии — этого потока хватало, чтобы успевать готовиться и закрывать пробелы. Часто отмечали, что резюме круто составлено, и это снимало часть вопросов.

Результат: работа в крупной ИТ-компании РФ, рост по зарплате в 2,2 раза плюс годовая премия, закрытые пробелы в знаниях и навык составлять резюме в соответствии с текущим наймом. Плюс много крутых знакомств и наставник, который всегда поможет. Результатами полностью доволен, поэтому однозначно рекомендую Шамиля.

Рост ×2,2Прожарка опытаHR пишут самиNLP
Текст опубликован так, как его написал ученикХочу так же
ДМИТРИЙ

ДМИТРИЙ

AI-инженер · с нуля

66 дней
искал оффер
весь путь — 210 дней
330к
оффер на руки
386к gross · премии в целевой команде
@egor_vv_as
“

Контекст индустрии, которого нет в хендбуках Яндекса.

ДМИТРИЙ
AI-инженер · с нуля
66 дней искал оффер210 дней весь путь386 000 ₽ grossБез коммерческого опыта
Результат

330к на руки · 386к gross · премии в целевой команде

Шамиль даёт очень много полезного контекста про индустрию и реальные кейсы — то, что не найдёшь в хендбуках Яндекса.

Будучи студентом третьего курса, пытался самостоятельно залететь в айти через стажировку. Понял, что не хватает знаний в ширину и понимания продакшена, поэтому стал искать ментора. С нуля за 7 месяцев — при этом я параллельно учился и подрабатывал.

В результате общения решил работать с Шамилем. Основным аргументом для меня было впечатление от реального общения во время первого созвона-знакомства.

В начале совместной работы провели несколько созвонов, на которых мне подсветили мои слабые места. Уже с прицелом на мой бэкграунд был составлен роадмап, по которому я и двигался всё обучение.

Помимо структурированных материалов лично мне больше всего понравилось общение во время моков и в чате. Шамиль даёт очень много полезного контекста про индустрию и реальные кейсы — то, что не найдёшь в хендбуках Яндекса.

После того как я прошёл моки по всем секциям — ML, DL, NLP, LLM, — начали заниматься легендой. Понравилось, что легенду и резюме делали с прицелом на мои карьерные интересы в NLP.

Выйдя на рынок после обучения, не чувствовал никаких трудностей: была отработанная схема — чаты по тематикам, банк вопросов, записи интервью, в общем всё, что может помочь. Более того, Шамиль сам давал свой фидбек по тем собесам, где я был.

Прошёлся по этапам отбора в большинство крупных компаний и в итоге получил оффер с достойной зарплатой, крутыми плюшками и премиями в интересной мне команде.

С нуляУчился и подрабатывалЛегенда под NLP7 месяцев
Текст опубликован так, как его написал ученикХочу так же
Ещё 6 историй целиком
  • 360к · 235 дн
  • 350к · 210 дн
  • 345к · 343 дн
  • 380к · 147 дн
  • 375к · 266 дн
  • 356к · 198 дн
Хочу такой же результат

Есть офферы 400к+ · с премиями — до 500к на руки

Твой путь

Выбери точку входа

System Design, LLM, RecSys и подготовка к Senior-собесам. Платформа Shamil.ai, банк 300+ вопросов и mock-интервью с детальным разбором.

4–6 мес до оффераSystem Design / RecSys / LLMМок-интервью
shamil.ai — zshMIDDLE → SENIOR
Твой путь
Middle → Senior
Срок: 2-4 месОффер: 350k-500kПрогресс: 30%
Python & AlgorithmsПройдено
База есть
Детали
Deep Learning & NLPСейчас
4-6 недель
Детали
Highload System DesignДалее
2-3 недели
Детали
Mock InterviewsЗакрыто
2 недели
Детали
Оффер BigTechЗакрыто
Результат
Детали
Зарплата
Сейчас200-300k
После0-0k
Прирост+150-200k/мес
Прогресс плана30% завершено
Смотреть программу обучения
Мини-диагностика

5 вопросовс реальных собесов

Так начинается мок-собес: не «расскажи про random forest», а ситуация с решением. Пять вопросов — и увидишь свои пробелы.

Classical MLDeep LearningNLPLLM и RAGML System Design
Здесь — 5 вопросов
по одному из каждого блока программы
На менторстве — 5 моков
каждый в формате реального собеса, с разбором
После теста
видно, какой блок проседает сильнее остальных
Classical ML1 / 5

Модель классификации даёт ROC-AUC 0.92, но бизнес жалуется, что предсказания бесполезны. Куда смотришь первым?

Про ментора

Шамиль

Нуркаев · ML Engineer · твой ментор до оффера

  • ML Engineer в бигтехе — поиск, модели на десятки миллионов запросов в день
  • Работал над рекомендациями в Сбере — production RecSys, ранжирование и персонализация.
  • Пришёл в ML из Java-бэкенда — сам прошёл перекат, знаю этот путь изнутри
  • 80+ собеседований прошёл лично — знаю вопросы и ловушки изнутри
  • Почти 5 лет в бигтехах · ИТМО · MADE
Кейс из продакшенаМетаканалы ДзенаТематические статьи, видео и внутренний видеорекомПосмотреть кейс

Увеличил покрытие статей и видео темами с 20% до 82%. Для проблемных тем довёл Precision до 90%. Внутри каждого метаканала запустил отдельные видеорекомендации.

тем
200+
покрытие
20% -> 82%
Precision
90%
DAU-подписок
×3
Живой пример: «Игры»
Записаться на диагностику30 минут — план до оффера. Бесплатно.
Шамиль Нуркаев
ML Engineer · BigTech
5-й
год в бигтехах
80+
собесов
70+
в комьюнити
Пайплайн

Как проходит менторство

Семь этапов: от бесплатной диагностики до испытательного срока

01

Диагностика

Бесплатно
30 минут
0 ₽
первый созвон

Созвон, карта белых пятен и честный ответ, сколько времени займёт путь

  • Карта белых пятен: что учить, а что можно пропустить
  • План до оффера с целевой датой, а не «учись, пока не возьмут»
  • Если помочь не смогу — скажу сразу, таких учеников не беру

Итог: План до оффера и понимание сроков — ещё до любой оплаты

Начинается всё с одного созвона

30 минут, бесплатно: карта белых пятен и план до оффера

Записаться на диагностику
Система белых пятен

От пробелов —
к офферу

После каждого мок-собеса обновляется карта пробелов – что слабо, что уже закрыто, куда копать дальше. Платформа Shamil.ai, комьюнити и хак собесов заточены под одну задачу: каждый спринт закрывает конкретные темы и двигает к офферу. 

1

Закрывай пробелы на платформе Shamil.ai

Карта пробелов показывает, что учить прямо сейчас. 23+ курса с конспектами, тестами и вопросами, которые реально задают в Яндексе, Т-Банке, Сбере – с моим разбором, как рассуждать. Учишь только то, что слабо, а не всё подряд ради галочки. Доступ навсегда.

Shamil.ai | Machine Learning23+ курсов
Python & АлгоClassic MLDL & NLPLLM & RAGRecSysSys Design
Classic ML · Урок 2
ROC-AUC, PR-AUC, Log-loss
AUC = P(score⁺ > score⁻)
Распределения скоров для позитивных и негативных классов
Простое правило
Score — фича для ранкера — ROC-AUC
Score — бинарное решение — F1 / Precision
Score = вероятность напрямую — Log-loss
🧩Вопросы после урока
ЯндексКогда ROC-AUC обманывает?
Т-БанкPR-AUC vs ROC-AUC при дисбалансе
СберLog-loss: когда выбирать?
2

Расти вместе с комьюнити

Закрытое сообщество из 70+ участников – люди, которые прямо сейчас готовятся к тем же собесам. Свежие вопросы в реальном времени, групповые созвоны с разборами реальных рабочих проектов, прогоны легенды и mock-интервью между учениками. Видишь, что реально спрашивают, и закрываешь эти темы до того, как попадёшь на собес.

ML Mentorship
Менторство | Machine Learning
66 участников · закрытая группа
🏆Офферы🧩Вопросы и задачи с собеседований🖨️Отчёты🧠NLP боталка📚RecSys боталка🧿Разбор mock-собесов🔴Записи💜Сходка Мск
О
Офферы10:16

Принял оффер на 350-400к на руки. Поздравляем! Крупная РФ компания, вышел на работу

#Офферы
А
Анонсы19:00

Групповой созвон: дообучаем эмбеддер Qwen3 — реальный рабочий проект из прода

#Анонсы
З
Записи18:44

2GIS — ML System Design: разбор собеса в двух частях

#Записи
3

Хакни собесы вместе с командой

Оставшиеся пробелы закрываешь уже на реальных интервью. Чат Хак собесов: 30+ участников активно ходят на собесы и скидывают вопросы. Банк 300+ вопросов на платформе Shamil.ai, отсортированных по твоим слабым темам. Записи реальных собесов, прогоны легенды и стратегия торга. Никакого рандома – знаешь, что спросят.

Хак собесов
Хак собесов | Machine Learning
33 участников · активные собесы
Собесы этой недели
WB — ML System Designdone
Яндекс — HRскоро
OZON — HRскоро
ВТБ — HRидёт
HH — HRскоро
Записи собеседований
видео реальных интервью
Вакансии + Паровоз
паровозик собеседований
Прогоны легенды
прожарка перед реальным собесом
Анонсы
расписание ближайших собесов
Участники ходят на собесы каждую неделю и скидывают вопросы в реальном времени
Платформа

И всё это — на платформе Shamil.ai

ПлатформаКурсыКонспектыПрактика
https://ml-mentorship/catalog
Shamil.ai — платформа для подготовки ML-инженеров
https://ml-mentorship/courses
https://ml-mentorship/lesson/roc-auc
https://ml-mentorship/course/classic-ml

23 курса и вебинары

Всё обучение в одном месте — от Python до LLM

Разделы под каждый блок

Classic ML, DL, NLP, LLM, RecSys, System Design

Авторские конспекты

Объясняю визуализациями, а не формулами из учебника

ДЗ, тесты и вопросы с собесов

В конце урока — то, что реально спрашивают на интервью

Что внутри
Программа

Что именнопроходим

Блоки идут по порядку, к следующему переходим только когда закрыт текущий. После каждого — мок-собес со мной.

5
учебных блоков
16
недель на обучение
Блок 01
2 нед

Python и алгоритмы

Код, структуры данных и задачи с LeetCode к каждой лекции

Python на рабочем уровне
  • Структуры данных и то, где они реально нужны
  • ООП и организация кода проекта
  • Окружение, зависимости, работа с ноутбуками
Алгоритмы под кодинг-интервью
  • Отдельный сборник лекций — писал сам
  • К каждой лекции задачи на LeetCode по теме
  • Разбор решений: сложность и как рассуждать вслух

Задачи с LeetCode по темам лекций, разбор решений на созвоне

Блок 02
2 нед

Data Analysis и математика

Pandas, статистика и математика, объяснённая по-человечески

Работа с данными
  • Pandas: агрегации, джойны, чистка данных
  • Разведочный анализ и проверка гипотез
  • Метрики, которые понимает бизнес
Математика — 5 авторских курсов
  • Линейная алгебра
  • Теория вероятностей и статистика
  • Оптимизация и градиентный спуск
  • Через визуализации и пошаговые выводы, а не как в учебнике Тихонова

Разбор датасета: гипотезы, метрики, выводы

Блок 03
6 нед

Classical ML

Самый длинный блок: классика целиком и два мока из пяти

ML Basic
  • Линейные модели и регуляризация
  • Метрики и честная валидация
  • Работа с признаками, утечки данных
Деревянные модели
  • Решающие деревья и случайный лес
  • Бустинги: CatBoost, LightGBM, XGBoost
  • Подбор гиперпараметров без магии
То, за что режут на техничке
  • Дисбаланс классов и подбор порога
  • Почему ROC-AUC врёт, а PR-AUC — нет
  • Как объяснять выбор модели бизнесу

ДЗ на Google Colab по всему блоку + тест по теории

Мок 1Мок 2
Блок 04
2 нед

Deep Learning

Нейросети и PyTorch: обучение, диагностика, эмбеддинги

PyTorch на практике
  • Цикл обучения и что делать, когда лосс расходится
  • Регуляризация, аугментации, ранняя остановка
  • Диагностика: переобучение против недообучения
Архитектуры
  • Эмбеддинги и свёртки
  • Трансформеры как фундамент следующего блока

ДЗ на Colab + тест по теории

Мок 3
Блок 05
4 нед

NLP

От классического NLP до файнтюна, в конце — выбор направления

Классический NLP
  • Предобработка и векторные представления текста
  • Классические модели и где они всё ещё выигрывают
Трансформеры на практике
  • Классификация, извлечение сущностей, поиск
  • Файнтюн под задачу и оценка качества
  • Attention-маски и внутреннее устройство — спрашивают почти всегда
Развилка
  • В конце блока выбираем направление: LLM или RecSys

ДЗ на Colab + тест по теории

Мок 4
Выход
делаю я

Резюме и легенда

Рубеж: собираю резюме на метриках и легенду на 40+ страниц

Легенда на 40+ страниц
  • У каждого своя — под бэкграунд и целевое направление
  • Проекты с метриками, эксперименты и альтернативы
  • Факапы и доведение до прода: деплой, инференс, латенси
Резюме и прогон
  • Резюме на цифрах, а не на списке обязанностей
  • Прогон легенды передо мной и перед другими учениками

Резюме и легенда, с которыми выходишь на рынок

Выход
4 нед

LLM и агенты · RecSys

Целевой блок доучиваешь параллельно с собеседованиями

LLM-трек
  • RAG: индекс, top-k, реранк
  • Агенты и промптинг под задачу
  • Файнтюн и оценка качества генерации
Прод-мышление
  • Латенси и стоимость инференса
  • Что profiling показывает раньше, чем интуиция
RecSys-трек
  • Кандидатогенерация и ранжирование
  • Метрики рекомендаций и офлайн-прокси

ДЗ на Colab + тест по теории

Мок 5
Выход
собеседования

Хак собесов

Выход на рынок: разбор каждого собеса и торг за оффер

Схема выхода на рынок
  • Чаты под вакансии и анонсы собеседований
  • Разбор каждого пройденного собеса со мной
  • Если отклики идут плохо — разбираем и добиваем
Материалы под собесы
  • Банк 300+ вопросов из 25 компаний
  • Записи реальных интервью других учеников
Оффер
  • Переговоры и торг за условия
  • Сравнение нескольких предложений

Медиана поиска у учеников — 3–4 недели

Формат каждого блока
  • Лекции и авторские конспекты
  • Тест по теории после блока
  • ДЗ на Google Colab
  • Вопросы с реальных собесов в конце урока

Всё живёт на платформе Shamil.ai — 23+ курса, доступ остаётся навсегда вместе с будущими обновлениями.

Идёт параллельно блокам
MLOps и Big Data
Docker и деплой, Spark и Airflow — на уровне рабочих задач
ML System Design
Групповые созвоны с разбором актуальных кейсов с собеседований
Доп-материалы
Computer Vision, временные ряды, RecSys, A/B-тесты
Банк вопросов и записи
300+ вопросов из 25 компаний и записи реальных интервью
Предмоки с учениками
Ученики гоняют друг друга перед моком со мной
Еженедельные отчёты
Видно, что закрыто, что провисает и куда двигаемся дальше
Таймлайн

Пример таймлайнана 12–14 недель

Слева учишься, справа выходишь на рынок. На границе я делаю резюме и легенду.

Дедлайны двигаются по согласованию — это не универ
УчишьсяВыходишь на рынок
Рубеж: резюме и легенда
1-й месяц2-й месяц3-й месяц4-й месяц
Python
Data Analysis
Classical ML
Deep Learning
NLP
Резюме
LLM или RecSys
Хак собесов
Предмоки с учениками
Мок-собесы со мной
2 нед
2 нед
6 нед
2 нед
4 нед
делаю я
4 нед
собеседования
ученики гоняют друг друга перед моком со мной
Тех-скрининг
Мок 1
Мок 2
Мок 3
Мок 4
Мок 5
Python2 нед

Код, структуры данных и задачи с LeetCode к каждой лекции

Data Analysis2 нед

Pandas, статистика и математика, объяснённая по-человечески

Classical ML6 нед

Самый длинный блок: классика целиком и два мока из пяти

Deep Learning2 нед

Нейросети и PyTorch: обучение, диагностика, эмбеддинги

NLP4 нед

От классического NLP до файнтюна, в конце — выбор направления

Резюмеделаю я

Рубеж: собираю резюме на метриках и легенду на 40+ страниц

LLM или RecSys4 нед

Целевой блок доучиваешь параллельно с собеседованиями

Хак собесовсобеседования

Выход на рынок: разбор каждого собеса и торг за оффер

Учишься

Блоки идут внахлёст, в конце каждого — мок-собес со мной

Python

2 нед

Код, структуры данных и задачи с LeetCode к каждой лекции

Data Analysis

2 нед

Pandas, статистика и математика, объяснённая по-человечески

Classical ML

6 нед

Самый длинный блок: классика целиком и два мока из пяти

Мок 1

Deep Learning

2 нед

Нейросети и PyTorch: обучение, диагностика, эмбеддинги

Мок 3

NLP

4 нед

От классического NLP до файнтюна, в конце — выбор направления

Мок 4
Рубеж

Между NLP и последним блоком я собираю резюме и легенду

Дальше — прогон легенды передо мной и другими учениками, и ты выходишь на рынок, доучивая целевое направление параллельно.

Выходишь на рынок

Собеседования идут параллельно последнему блоку

Резюме

делаю я

Рубеж: собираю резюме на метриках и легенду на 40+ страниц

LLM или RecSys

4 нед

Целевой блок доучиваешь параллельно с собеседованиями

Мок 5

Хак собесов

собеседования

Выход на рынок: разбор каждого собеса и торг за оффер

Предмоки с учениками

Ученики созваниваются друг с другом и гоняют моки сами — репетиция перед моком со мной. Плюс прогоны легенды в комьюнити.

Идёт параллельно всему таймлайну
MLOps и Big Data
Docker и деплой, Spark и Airflow — на уровне рабочих задач
ML System Design
Групповые созвоны с разбором актуальных кейсов с собеседований
Доп-материалы
Computer Vision, временные ряды, RecSys, A/B-тесты
Банк вопросов и записи
300+ вопросов из 25 компаний и записи реальных интервью
Предмоки с учениками
Ученики гоняют друг друга перед моком со мной
Еженедельные отчёты
Видно, что закрыто, что провисает и куда двигаемся дальше
Резюме и легенда

Почему тебязовут на собесы

Две частые боли: слабая конверсия из отклика в собес и страх получить анкету как у всех.

  • 01

    Легенда у каждого своя

    Не шаблонная анкета «как у всех». Легенду пишем под твой бэкграунд и то направление, куда ты целишься — NLP, LLM или RecSys.

  • 02

    40+ страниц, а не абзац о себе

    Модели, потоки данных, эксперименты и альтернативы, факапы и доведение до прода: деплой, инференс, latency. На техничке это слышно с первой минуты.

  • 03

    Резюме на метриках, а не на обязанностях

    Каждый проект — задача, решение и цифра: NDCG, CTR, GMV, время ответа. Такое резюме HR несколько раз хвалили отдельно.

  • 04

    Прогон легенды перед людьми

    Рассказываешь легенду мне и другим ученикам до реальных собесов. Сразу видно, какие вопросы ещё не разобраны — и это добираем.

Про конверсию честно: не бывает так, что один ученик собеседуется, а пятеро ждут. Если у кого-то отклики идут плохо — вместе разбираем, что не так, и добиваем до нормального потока приглашений.

ML Engineer — RecSys, Search, NLP
опыт · навыки · цифры на каждой строке
пример
PyTorchCatBoostRuBERTQdrantSparkAirflow
  • Sequential-рекомендации на главной
    NDCG@10 +27%CTR +18%
  • RAG-поиск по базе знаний операторов
    2 мин → 15 секFCR +11 п.п.
  • Классификация интентов звонков
    Accuracy 74% → 90%AHT −18%

Собирается под твою цель. Метрики — из твоих проектов: учебных, рабочих или тех, что делаем в менторстве.

Результат

Что ты получишь на выходе

Не «прослушал лекции», а закрытые пробелы и реальная готовность к работе в BigTech 

Технические навыки

Hard Skills

LLM, RecSys, PyTorch и MLOps на уровне, который спрашивают в BigTech. Не теория из учебника, а навыки, отработанные на задачах из реальных собесов.

LLMRecSysPyTorchMLOps
Архитектура систем

System Design

Умение проектировать ML-системы на миллионы пользователей. От архитектуры и пайплайнов до A/B-тестов и бизнес-метрик.

Highloadk8sMonitoring
Коммуникация

Soft Skills

Уверенное прохождение поведенческих секций. Правильная самопрезентация, переговоры об оффере и навык работы в команде.

BehavioralNegotiation
Трудоустройство

Оффер

Оффер в продуктовую компанию или BigTech на позицию от 300k. Плюс 90 дней поддержки после выхода — онбординг, приоритизация задач, карьерный трек до Senior и работа с AI-инструментами.

BigTech300k+90 дней поддержки
И после оффера

Переговоры по офферу — вместе. Дальше 90 дней поддержки: онбординг, приоритизация задач, как показать высокий перформанс на испытательном сроке и быстро расти в компании.

Почему у нас доходят

С нами ты дойдёшьдо оффера

01

Команда, а не одиночка

Ментор, бадди и ассистент рядом на каждом спринте — сойти с дистанции просто не получится

02

Спринты без воды

Каждые две недели виден прогресс: карта пробелов показывает, что уже закрыто и что дальше

03

Ментальное сопровождение

Разбираем неудачные собесы без самобичевания и держим темп до результата

04

Поддержка до конца

От первого созвона до конца испытательного срока на новой работе

Дойти до оффера

30 минут — бесплатная диагностика и план

Кому подходит

Беру с любойточки старта

Уровень оцениваю на тех-скрининге: от него зависит, что пропускаем, а где сидим дольше. Рекордсмены доходили за 2–2.5 месяца.

С нуля

4–6 месяцев

Не работал в IT или работал вне разработки: завод, наука, универ, смежная профессия

  • Полный трек: Python и алгоритмы, математика, классический ML
  • Больше времени на базу — дальше идём тем же маршрутом, что и все
  • Проект в портфолио, из которого потом собирается легенда
50 000 ₽ + 150% от оффератариф «Без коммерческого опыта»

Из смежного IT

3–5 месяцев

Бэкенд, фронтенд, аналитика, тестирование: код есть, продакшн видел, ML — нет

  • Python-блок сжимаем или пропускаем — проверяем на тех-скрининге
  • Упор на ML, DL и целевое направление: NLP, LLM или RecSys
  • Легенда переупаковывает твой опыт под ML-роль, а не обнуляет его
70 000 ₽ + 150% от оффератариф «Смена стэка / специальности»

Уже в ML

2–4 месяца

Работаешь ML-инженером, но упёрся в грейд и зарплату

  • Диагностика показывает, что именно режет тебя на техничках
  • System Design, highload и глубина по направлению
  • Легенда и переговоры по офферу — за счёт них обычно и растёт вилка
50 000 ₽ + 120% от оффератариф «С коммерческим опытом»

Смена специализации

2–4 месяца

3+ года в одном стэке и хочешь перейти: например, из NLP в RecSys или из CV в LLM

  • Добираем целевой стэк вглубь, база не переучивается заново
  • Моки — сразу в формате нового направления
  • Легенда пересобирается так, чтобы прошлый опыт работал на новую роль
50 000 ₽ + 120% от оффератариф «С коммерческим опытом»

Не берусь за тех, кому не смогу помочь: если на скрининге видно, что путь займёт год, я скажу об этом прямо, а не продам программу.

Узнать свою точку старта
Постоплата привязана к результату

Цены наменторство

Предоплата от 50 000 ₽ — на входе, можно в рассрочку. Остальное — только после получения оффера

Без коммерческого опыта

50 000 ₽
+ 150% от оффера
Постоплата · после выхода на работу
  • Полное сопровождение с нуля до оффера
  • Python и математика — с самых основ
  • Рассрочка + скидки за опыт
Начать с диагностики
Популярный

С коммерческим опытом

50 000 ₽
+ 120% от оффера
Постоплата · после выхода на работу
  • Для тех, кто уже в ML — рейз зарплаты и грейда
  • Минимальный процент постоплаты
  • Рассрочка + скидка за опыт
Начать с диагностики

Смена стэка / специальности

70 000 ₽
+ 150% от оффера
Постоплата · после выхода на работу
  • Полное сопровождение и персональный крутой бадди
  • Быстрый вход в ML из смежной области
  • Рассрочка + скидки за опыт
Начать с диагностики

Индивидуально

200 000 ₽
без постоплаты
Фикс на входе · можно в рассрочку
  • Полностью персональная работа и стратегия
  • Максимальный приоритет ментора
  • Никаких платежей после оффера
Оставить заявку

Гарантия результата

  • Оффер задерживается — продолжаем работать без доплат
  • Рассрочка на постоплату — до 3 месяцев, из новой зарплаты
  • Всё фиксируется договором-офертой, без мелкого шрифта
  • Не берём учеников, которым не сможем помочь

Медиана офферов учеников — 335к на руки: менторство окупается за ~2 месяца новой зарплаты

Страхи и Сомнения

А что если...

«У меня фуллтайм работа»

Так у большинства моих ребят тоже фуллтайм. Реально нужно 8-10 часов в неделю: по полтора часа в будни плюс выходные. Мы двигаемся спринтами, и я подстраиваю расписание под твою загрузку. Если горит дедлайн на работе — спокойно сдвигаем.

«Не хватит математики»

Я сам когда-то боялся матана, поэтому написал 5 курсов по математике так, чтобы было понятно без учебника Тихонова. Линейная алгебра, теорвер, оптимизация — всё через визуализации и пошаговые выводы. Как на пальцах объясняю, а не как профессор на лекции в 8 утра. Если что-то непонятно, разберём на созвоне.

«Боюсь завалить собес»

Для этого мы и тренируемся. В программе 5 мок-собеседований со мной, каждое с детальным разбором, банк из 300+ реальных вопросов от 25 компаний и закрытый чат «Хак собесов», где 30+ человек делятся свежими вопросами в реальном времени. К моменту настоящего собеса у тебя уже будет ощущение дежавю: всё это ты уже проходил.

«Мне 30+, не поздно ли?»

Среди моих учеников есть люди от 25 до 40 лет. Честно? В ML вообще нет возрастного потолка. Компаниям важно, умеешь ли ты решать задачи, а не сколько тебе лет. А опыт из другой области, будь то финансы, медицина или инженерия — это вообще суперсила. Ты видишь задачи под углом, который не видят вчерашние студенты.

«Вдруг это очередные бесполезные курсы»

Понимаю скепсис, рынок курсов реально перегрет. Но тут другая модель: это не курс, а менторство. У тебя будет целая команда — ментор, бадди, ассистент. И главное: постоплата привязана к результату. Нет оффера — нет постоплаты. Если бы это не работало, я бы давно разорился на такой модели.

«Постоплата — это слишком дорого»

Давай посчитаем. Медиана офферов учеников — 335к на руки, есть офферы на 400к+. За год это 4M+. Стоимость менторства с постоплатой — 450-570к в зависимости от трека. Это ~12% годового дохода. Платишь только после выхода на работу — из новой зарплаты. Рассрочка на постоплату до 3 месяцев. По сути, менторство окупается за 2 месяца работы.

FAQ

Частые вопросы

Работает просто. Предоплата 50 000 ₽ на входе (при смене стэка или специальности — 70 000 ₽). После получения оффера — постоплата: оффер на руки × множитель (×1.2 с коммерческим опытом в ML, ×1.5 без него или при смене стэка). Пример: оффер 300к × 1.5 = 450к постоплата. Рассрочка до 3 месяцев — платишь уже из новой зарплаты. Всё фиксируется в договоре-оферте, без мелкого шрифта и устных договорённостей.
Продолжаем работать без доплат. Медиана до оффера — 4-6 месяцев, но бывает дольше: рынок, сезонность, личные обстоятельства. Если оффер задерживается — я остаюсь с тобой до результата. Дополнительных платежей нет. Постоплата считается только от реального оффера, а не от плана. Всё прописано в договоре.
Да — формат «Индивидуально»: 200 000 ₽ фиксом на входе, можно в рассрочку, и никаких платежей после оффера. Кому-то спокойнее закрыть вопрос с оплатой сразу и не думать о постоплате.
Нет. Легенду я пишу каждому свою — под твой бэкграунд и то направление, куда ты целишься: NLP, LLM или RecSys. Это документ на 40+ страниц: проекты с метриками, эксперименты и альтернативы, факапы и выводы, доведение до прода — деплой, инференс, латенси. Резюме собирается на цифрах, а не на списке обязанностей. Перед выходом на рынок ты прогоняешь легенду вслух передо мной и другими учениками — сразу видно, какие вопросы ещё не разобраны.
Слабая конверсия из отклика в собес — самая частая боль, с которой ко мне приходят. В ML не бывает такого, что один ученик собеседуется, а пятеро ждут: у всех конверсия нормальная. Если у кого-то отклики идут плохо — вместе разбираем, что не так с резюме, позиционированием или списком вакансий, и добиваем до нормального потока приглашений.
Провожу я сам — всего пять моков: два по классическому ML, по одному после Deep Learning, NLP и целевого направления (LLM или RecSys). Каждый мок с записью и подробным разбором: где поплыл, что доучить, как переформулировать ответ. Плюс ученики проводят предмоки между собой — репетиция перед моком со мной, это уже сложившаяся практика в комьюнити.
Переговоры по офферу проходим вместе: как торговаться и что сравнивать, если офферов несколько. Дальше 90 дней поддержки после выхода на работу — онбординг, приоритизация задач, как показать высокий перформанс на испытательном сроке и как расти дальше. Я остаюсь на связи до конца испытательного срока.
От 4 до 6 месяцев до оффера — зависит от того, откуда стартуешь. Сильные ученики доходят за 2-2.5 месяца. Твой уровень оценим на тех-скрининге — это первый технический синк при старте. Но тут без гонки, каждый идёт в своём темпе.
И то, и другое. Теорию ты изучаешь на платформе Shamil.ai с конспектами и тестами — в своём темпе, хоть в 2 часа ночи. А практика — это живые еженедельные созвоны со мной, code review от бадди и mock-собеседования. Формат индивидуальный, 1-на-1. Ты не часть потока из 200 человек, где никто не знает, как тебя зовут.
Это платформа Shamil.ai, которую я строил специально под эту программу. 23+ курсов: авторские конспекты, визуализации, тесты для проверки теории и вопросы из реальных собеседований в конце каждого урока. Доступ остаётся у тебя навсегда, включая все будущие обновления. Я постоянно добавляю новый материал, и ты будешь его получать.
Яндекс, Т-Банк, Сбер, ВТБ, Wildberries и удалёнка за рубежом ($) — это самые заметные направления. Конкретные истории и цифры расскажу на консультации.
Если коротко — тремя вещами. Первое: ты работаешь со мной 1-на-1, а не сидишь в потоке из 200 человек. Второе: оплата привязана к результату, нет оффера — нет постоплаты. Третье: все материалы написал я сам, действующий ML-инженер с почти пятилетним опытом в поиске, рекомендациях и production ML, а не методологи, которые никогда не писали продакшен-код.
Для трека «С нуля» хватит базового понимания Python: переменные, циклы, функции. Первый модуль закрывает Python, SQL и алгоритмы с самых основ. Для трека «Перекат» нужен опыт в IT — разработка, аналитика, тестирование. Если сомневаешься, в какой трек попадаешь — напиши, разберёмся за 5 минут.
Все материалы программы на русском, так что для старта английский не нужен. Но в ML полезно уметь читать документацию и статьи на английском. Это не блокер, скорее навык, который прокачается по ходу. Многие мои ребята начинали без уверенного английского и спокойно справились.
Я не исчезаю после оффера. Первые 3 месяца на новом месте — это испытательный срок, и я помогаю с адаптацией, техническими вопросами и приоритизацией задач. Доступ к комьюнити и платформе остаётся навсегда.
Условия возврата прописаны в договоре, всё прозрачно. Но если честно, мне важно, чтобы мы оба были уверены ещё до старта. Поэтому на консультации я задаю много вопросов — не чтобы продать, а чтобы понять, смогу ли реально помочь. Если нет — скажу прямо.

Остались вопросы? Разберём всё на бесплатной диагностике

Записаться на диагностику
Шамиль Нуркаев
Шамиль Нуркаев
ML Engineer · BigTech

Telegram канал

@sobesochnaya
Канал про собеседования в ML

Контакт

@ai_ml_mentor
© 2026 shamil.ai — менторство по ML