Никита Степанов

Senior ML/RecSys Engineer с 5+ годами опыта в крупных технологических и продуктовых компаниях (Яндекс, Т-Банк, Сбер). Сейчас совмещаю RnD рекомендательных систем в Яндексе с менторской деятельностью, до этого успел позаниматься NLP и Classic ML .

Мой путь — это фундаментальная база (вычислительная математика в МГТУ им. Баумана, компьютерные науки в ВШЭ) и разносторонний опыт продакшена (от модерации токсичных ответов ассистента в банке до персонализации в рекламном движке на 500k RPS). Я строю модели и процессы вокруг них: прокапывание данных, постановка гипотез, проведение экспериментов, доведение до A/B-тестов и внедрение в прод на сотни GPU с высокой отказоустойчивостью.

В роли ментора я опираюсь на свой опыт найма (провел десятки собеседований в Яндексе и Т-Банке) и обучения (менторство Junior/Middle коллег, преподавание в Sirius University, T-Bank Education). Я знаю, как строить высоконагруженные системы, обучать SOTA модели, что ищут рекрутеры и тимлиды, как сделать актуальный пет-проект и усилить свое резюме.

Кому я помогаю:

• Junior и Junior+ ML/DS инженерам: помогу упаковать опыт, выбрать фокус (CV, NLP, RecSys) и подготовиться к первым собеседованиям.

• Middle инженерам: тем, кто хочет вырасти до Senior или сменить домен. Помогу выстроить план развития, разобрать текущие проекты и подготовиться к сложным системным вопросам.

• Студентам технических вузов: тем, кто хочет сделать первый серьезный проект. Помогу сформулировать задачу, которая будет интересна работодателю, и спроектировать систему целиком.

• Тем, кто делает pivot в Data Science: структурировать знания, понять, какие пробелы закрыть в первую очередь, и составить дорожную карту обучения без потери времени.

С чем конкретно помогу:

• Карьерные консультации: разбор резюме и LinkedIn, подготовка к этапу HR и техническому скринингу, мок-собеседования (классический ML, RecSys, NLP, Python+SQL).

• Проектное менторство: помощь в выборе темы пет-проекта, проектирование архитектуры, подбор датасета, валидация гипотез и оформление результатов.

• Подготовка к продакшену: советы по деплою моделей (ONNX, Docker, базовые API), работе с офлайн метриками, пониманию бизнес-метрик и дизайну A/B-тестов.

• Навигация в индустрии: куда двигаться дальше (Research vs Product vs Infra), какие навыки сейчас наиболее востребованы в рекомендательных системах, как читать и понимать статьи и применять их на практике, как использовать AI в разработке и многократно ускориться.