//shamil.ai
ГлавнаяПрограммаОбо мнеИстории учениковТарифыПользаВопросы
Бесплатная диагностика
ПрограммаОбо мнеИстории учениковТарифыПользаДиагностикаВопросы

Знаю ML-собес с обеих сторон стола

ML Engineer в Поиске Авито, до этого работал в Дзене и Mail.ru: поиск, рекомендации, production ML. Пришёл из Java-бэкенда, сам прошёл перекат и теперь довожу до оффера других.

К выбору тарифаПодробнее обо мне

Шамиль НуркаевML Engineer, ментор

Шамиль Нуркаев
  • 80+собеседований прошёл сам
  • 5-й годв бигтехах: поиск и RecSys
  • 100+учеников в программе

Мой путь. Из Java-бэкенда в ML и менторство

В ML я заходил так же, как большинство учеников: сам, без системы и без понимания, что спрашивают. Поэтому программа выглядит так, а не иначе

  1. 1 этап

    Java-бэкенд

    Начинал как бэкенд-разработчик на Java. Писал сервисы, разбирался в базах и инфраструктуре — и понимал, что хочу в ML, но не видел, с какой стороны зайти.

    Учился сам: курсы, статьи, ноутбуки. Много материалов — и ноль системы: непонятно, что действительно нужно и что спрашивают на собесах.

    Шамиль в начале пути
  2. 2 этап

    Перекат в ML: рекомендации в Сбере

    Первый ML-оффер — production RecSys: ранжирование и персонализация на реальных пользователях.

    Параллельно — ИТМО и MADE: математика и глубина, которых не хватало самоучке.

    • Сбер
    • ИТМО
    • MADE
    Шамиль на конференции
  3. 3 этап

    Дзен, Mail.ru и Поиск Авито

    Рекомендации в Дзене и Mail.ru, сейчас — ML Engineer в Поиске Авито, команда релевантности: модели на десятки миллионов запросов в день, production ML каждый месяц.

    За это время сам прошёл 80+ собеседований в Яндекс, Т-Банк, Сбер, ВТБ и другие компании. Знаю вопросы, ловушки и то, как оценивают ответы, изнутри.

    • Дзен
    • Mail.ru
    • Авито
    Шамиль с командой на конференции
  4. 4 этап

    Менторство

    Сначала помогал знакомым разобраться в ML и подготовиться к собесам. Быстро стало понятно: людям не хватает не материалов, а системы — карты пробелов, обратной связи и человека, который был по обе стороны собеса.

    Так появилась программа: диагностика, блоки на платформе, шесть моков, легенда и разбор каждого реального собеса.

    Сходка учеников менторства
  5. 5 этап

    Сегодня: система, а не один ментор

    Платформа shamil.ai на 23 курса, три закрытые группы, предмоки между учениками, банк 300+ вопросов из 25 компаний. Я по-прежнему веду каждого лично — но вокруг ученика работает среда.

    100+
    учеников прошли систему
    330к
    медиана оффера на руки
    48 дней
    медиана поиска оффера
    400к+
    рекордный оффер

    Ученики выходят в:

    • Яндекс
    • Т-Банк
    • Сбер
    • ВТБ
    • Wildberries
    • Ozon
    Шамиль сегодня

Я был кандидатом 80+ раз — и знаю, как смотрит интервьюер

Поэтому понимаю обе стороны найма: с чем сталкивается кандидат и что именно оценивают на техничке

Как кандидат:

  1. 01Прошёл 80+ собеседований в бигтехе и продуктовых компаниях
  2. 02Знаю требования к Junior, Middle и Senior ML-инженерам
  3. 03Понимаю, как показать свой опыт, даже если он учебный
  4. 04Знаю типичные ошибки кандидатов на техничках и System Design
  5. 05Сам прошёл перекат из бэкенда — понимаю путь изнутри
Шамиль Нуркаев

Как ментор:

  1. 01Провожу шесть моков и разбираю каждый реальный собес
  2. 02Оцениваю ответы так, как их оценивает интервьюер в бигтехе
  3. 03Знаю, что важно работодателю в резюме и легенде
  4. 04Вижу реальный уровень и белые пятна на диагностике
  5. 05Понимаю причины отказов — и что менять к следующему собесу

Что я сделал руками

Менторство построено на том, что я делаю на работе каждый день, а не на пересказе чужих курсов

  • Дзен

    Метаканалы в рекомендациях

    Тематические подборки, которые выпадают при поиске по Дзену, собраны мной практически с нуля: от разметки тем до персональных рекомендаций внутри каждой. Это рекомендательная система на десятки миллионов пользователей, и её результат видно в интерфейсе, а не только на графике.

  • Поиск Авито

    Релевантность выдачи

    Сейчас работаю в команде релевантности: каждый месяц выкатываем изменения, после которых на запрос находятся более точные объявления. Здесь сходится почти весь ML сразу: ранжирование, понимание текста запроса, картинки объявлений, A/B-тесты и деньги компании.

  • Собеседования

    80+ интервью как кандидат

    Прошёл 80+ собеседований в Яндекс, Т-Банк, Сбер, ВТБ и другие компании, регулярно хожу и сейчас, чтобы держать материалы свежими. Плюс сам собеседую кандидатов на работе: видно, как HR отбирают резюме, что пишут в фидбеке и почему отказывают.

Тот же материал лежит в основе программы: классический ML и Deep Learning как фундамент, NLP как база, потом развилка LLM или RecSys. Проверить свой уровень по этим же осям можно за 12 минут в диагностике, условия участия на странице тарифов, быстрые бесплатные инструменты собраны на странице «Польза», а чем всё заканчивается у учеников, видно в историях с цифрами.

Вопросы про менторство

  • Кто будет со мной работать?

    Я, полностью. Программу определяю, все шесть моков и созвоны провожу сам, разборы пишу и легенду собираю лично: 1-1 у меня с каждым учеником, и написать мне можно в любой момент. Сверху к этому идёт помощь комьюнити: ученики с офферами отвечают в чатах и гоняют друг друга на предмоках. Отдельная фича — бадди: трудоустроенный выпускник, которого я отобрал сам, подключается, когда я занят на моке и ответ нужен прямо сейчас. Это добавка ко мне, а не замена: свою работу я никому не делегирую.

  • Data Science, ML, AI — это разные профессии?

    Это одно и то же поле, просто слова из разного времени и разного маркетинга. Data Science — название области знаний, как Computer Science. ML Engineer, AI-инженер, дата-сайентист в вакансиях чаще всего означают одного и того же человека: того, кто работает с данными и моделями. Разница начинается ниже, в доменах. Classic ML и Deep Learning — фундамент, их проходят все. NLP сегодня тоже база, без неё никуда. А дальше идёт развилка: LLM и агенты или RecSys, это параллельные ветки, а не ступени. LLM сейчас нужны почти везде, вплоть до компаний, далёких от ML; RecSys живут в основном в крупных продуктах, вакансий меньше, но и конкуренция другая. Целевой домен мы выбираем на середине программы, когда уже видно, что тебе ближе и где твои шансы выше.

  • Как ты успеваешь вести всех учеников?

    Я занимаюсь только менторством и работой, других проектов у меня нет, поэтому я на связи: написать можно в любой момент. Созвоны и моки бронируются заранее, 1-1 есть у каждого ученика, а набор ограничен шестью людьми в месяц как раз для того, чтобы это не превратилось в поток. Свою работу я не делегирую: программу, моки, разборы и легенду делаю сам.

  • Чего я не делаю как ментор

    Не пишу код и не решаю задания за тебя — на собеседовании это сразу видно. Не обещаю оффер и не называю сроки, которых не могу обеспечить. Не пишу легенду без твоего участия: она должна быть твоей, чтобы ты мог её защитить. Не хожу за тебя на собеседования и не откликаюсь вместо тебя. И не держу за руку тех, кто не присылает отчёты и пропадает: программа рассчитана на регулярную работу с обеих сторон.

  • Почему мест ограниченное количество?

    Потому что менторство — это личная работа, а не поток. Я сам провожу созвоны и моки, читаю отчёты и пишу легенду с каждым. Больше шести человек в месяц без потери качества не вытянуть, поэтому набор ограничен. Беру не всех: после брони созвона присылаю анкету, по ней и по разговору решаю, смогу ли довести именно тебя. Места считаются на календарный месяц, первого числа открывается новый набор. Если на этот месяц мест нет — напиши, запишу на ближайший старт.

  • Материалы обновляются под рынок?

    Да, постоянно. Я работаю в Поиске Авито и переношу на платформу то, чем мы реально пользуемся в проде: новые архитектуры, подходы к LLM, свежие вопросы с собесов учеников. Чаще всего меняются NLP и LLM. Классический ML и DL остаются фундаментом и обновляются реже, потому что сама база почти не меняется. За новинками следит ИИ-агент: он присылает мне сводку, а я решаю, что добавить в уроки. Когда урок меняется или выходит новый курс, на платформе приходит уведомление. Все обновления остаются у тебя навсегда, в том числе после оффера.

Не нашёл ответа на свой вопрос?

Задать вопрос Шамилю

Экспертиза

Моя основа — production ML и годы собеседований с обеих сторон. Учу тому, с чем работаю сам, а не по учебнику

  • Classical ML и Deep Learning

    Основа программы: метрики, валидация, бустинги, нейросети и диагностика обучения

    • Метрики
    • Валидация
    • Gradient Boosting
    • Feature Engineering
    • PyTorch
    • CNN
    • Регуляризация
    • Оптимизация
  • NLP, LLM и RecSys

    То, чем занимаюсь в проде и куда веду учеников: поиск, рекомендации, языковые модели

    • Трансформеры
    • Эмбеддинги
    • RAG
    • Файнтюн
    • Агенты
    • Ранжирование
    • Two-tower
    • Персонализация
  • Production ML и System Design

    Проектирование ML-систем на миллионы пользователей: от метрики до A/B и деплоя

    • ML System Design
    • A/B-тесты
    • MLOps
    • Docker
    • Spark
    • Kafka
    • Latency
    • Мониторинг
  • Интервью и найм

    Понимание техничек и найма со стороны кандидата и того, кто готовит к ним

    • Техничка
    • Алгоритмы
    • System Design
    • Легенда
    • Резюме
    • Поведенческие
    • Торг за оффер
    • Моки

Три группы, где живёт менторство

Ученики, охотники за офферами и выпускники — закрытые группы в Telegram с темами под каждый вопрос и каждый собес

🏆 ОфферысейчасПриняла оффер на 300–350к на руки. Поздравляем!
Менторство | Machine Learning100+ участников

Все, кто сейчас учится: вопросы по блокам, отчёты, моки, материалы

  • #Общениеone_hot_max_size и что катбуст делает с категориями
  • ❗ПростоважноPractical ML Conf — регистрируемся, идём вместе
  • ℹ️АнонсыГрупповой созвон: дообучаем эмбеддер Qwen3 — проект из прода
  • 🧟Вопросы и задачи с собеседований#yandex #hr #nlp #rag #classic_ml
  • 🖨️ОтчётыОтчёт за неделю: закрыл DL, два ДЗ на Colab, тест 9/10
  • 📓Материалы от учениковКнига Бабушкина про MLSD — рекомендую
  • 🤝Учим ML вместеСозвон по алгоритмам в четверг, кто в деле?
  • 🖥️Рабочие моментыКак показать результат на испытательном сроке
  • 📚МатериалыВсе лекции ШАД за 2025/2026 — собрал в одну папку

и ещё 11 тем: моки, боталки по NLP и RecSys, сходки, рефералки

  • 100+МенторствоВсе, кто сейчас учится: вопросы по блокам, отчёты, моки, материалы
  • 50+Хак собесовТе, кто вышел на рынок: под каждый собес — своя тема, разбор и записи
  • 30+Ветераны менторстваВыпускники после оффера: первые 90 дней, рейзы, рефералки в свои команды

Моя миссия

«Когда я сам заходил в ML, у меня было много материалов и ноль понимания, что из этого действительно нужно. Я потратил на перекат больше времени, чем мог бы, потому что рядом не было человека, который уже прошёл этот путь и видел собесы с обеих сторон.

Со временем понял: сильная экспертиза — это свобода выбирать, где и как работать, какую задачу решать и сколько за это получать. И что эту свободу можно давать другим системно, а не советами в личке.

Поэтому менторство устроено как система: диагностика, платформа, моки, легенда и разбор каждого собеса — и я иду с учеником до оффера и 90 дней после.

Моя задача — не продать обучение, а довести до оффера. Чем успешнее ты, тем успешнее моя работа»

Готов двигаться дальше?

Давай пройдём твой путь до оффера 300к+ вместе

  • 100+учеников в программе
  • 48дней — медиана поиска оффера
  • 330кмедиана оффера на руки
  • 400к+рекордный оффер на руки

На октябрь осталось 5 мест из 6

Выбрать тариф

Если сомневаешься

Не уверен, подходит ли тебе менторство?

12 минут теста: определим уровень, найдём белые пятна и наметим маршрут до оффера

Пройти диагностику
// shamil.ai

Меню

  • Программа
  • Обо мне
  • Истории учеников
  • Тарифы
  • Польза
  • Диагностика
  • Вопросы

Контакты

  • Личный аккаунт: @ai_ml_mentor
  • Канал про собесы: @sobesochnaya
© 2026 shamil.ai — менторство по MLПолитика конфиденциальностиДоговор офертыСогласие на обработку данныхОферта на роадмапШамиль Нуркаев · ML Engineer