Документы и OCR, проверка контрагентов, продуктовый ML
Разработчик сервисов для бизнеса: отчётность, электронный документооборот, проверка контрагентов, бухгалтерия. ML встроен в продукты, которыми пользуются сотни тысяч компаний: распознавание документов, поиск рисков в данных о юрлицах, подсказки в интерфейсе. Отбор инженерный, с упором на аккуратность и на понимание предметной области.
Порядок и состав секций меняются от команды к команде — это типовая схема, собранная по открытым источникам. Этапы, на которых проверяют знания, ведут в разбор формата: что оценивают и чем закрывать пробелы.
Рекрутер уточняет направление и продукт: документооборот, проверка контрагентов, бухгалтерские сервисы.
Алгоритмическая секция: структуры данных, сложность, чистый код.
ML-секция: постановка, признаки, валидация, метрики. Много внимания качеству данных.
Направленческая секция: работа с документами и текстами, извлечение сущностей, поиск.
На middle+ — дизайн сервиса: распознавание потока документов или скоринг контрагентов.
Команда и задачи, разговор о том, как устроена работа с продуктом.
4 формата проверки из отбора СКБ Контур — и тест атласа под каждый. Слабые места видно сразу после захода, а темы для разбора собираются автоматически.
Живое кодирование: решение вслух и код в редакторе
На чём валятсяКлассика табличных задач и честная проверка качества
На чём валятсяТокенизация, представления, трансформеры, поиск и оценка
На чём валятсяОт постановки до эксплуатации на одной доске
На чём валятся20 тем по всем направлениям СКБ Контур — если команда ещё не выбрана. Программа разложит их по неделям от математики к продакшену; под конкретное направление список короче, и его можно собрать ниже.
Эти 20 тем можно разложить по неделям: программа выстроит их от математики к продакшену, поставит тест в конце каждой недели и вернёт тему на повторение, если вы в ней ошиблись. Выйдет примерно 4 недели под СКБ Контур · Все направления.
Проверяем, вошли ли вы…
Выберите направление: обязательные темы со ссылками в атлас, типовые вопросы с ответами и тест для самопроверки.
Распознавание и разбор документов, извлечение реквизитов, классификация типов, сопоставление с учётными данными. Специфика — разнообразие форматов и требование высокой точности в ключевых полях.
Эти 10 тем можно разложить по неделям: программа выстроит их от математики к продакшену, поставит тест в конце каждой недели и вернёт тему на повторение, если вы в ней ошиблись. Выйдет примерно 2 недели под СКБ Контур · Документы и распознавание.
Проверяем, вошли ли вы…
По совокупности сигналов: ключевые слова, структура страницы, наличие характерных таблиц и печатей. Классификация типа нужна, чтобы выбрать схему извлечения; ошибка здесь приводит к тому, что модель ищет несуществующие поля, поэтому порог уверенности с отправкой на ручную проверку обязателен.
Разбор в атласе: Text classification — Классификация текстов →Потому что смысл задаётся геометрией: строка и колонка определяют значение, а распознавание даёт плоский текст. Нужны детекция структуры таблицы, восстановление ячеек и связей с заголовками. Ошибка в разборе структуры портит все значения сразу, а не одно поле.
Разбор в атласе: Object Detection — Детекция объектов →Активным обучением: размечать в первую очередь документы, где модель не уверена или где её ответ расходится с проверкой пользователя. Плюс предразметка моделью с ручной правкой. Это на порядок дешевле сплошной разметки и быстрее покрывает новые форматы.
Разбор в атласе: Active Learning — Активное обучение →Долю документов без ручных правок и точность по критичным полям отдельно. Средняя точность по всем полям скрывает то, что важно: сумма и ИНН весят больше, чем название города. И обязательно — долю документов, отправленных на проверку: она показывает реальную экономию.
Разбор в атласе: Precision — Точность →