Часто замечаю фразу "интервьюеру не важно правильное решение, ему важно понять, как вы рассуждаете.." Но при этом, никто не рассказывает, какое же рассуждение считается верным. Я же за свою долгую преподавательскую практику вывел идеальную формулу, алгоритм, как можно решить любую задачу и не опозориться на собеседовании! Овладев простыми шагами, вы забудите что значит реджект😎 Обо всем этом в новом ролике на канале. Смотрим!

https://youtu.be/zEKPiUMM3DQ

Behavioral interview
В процессе трудоустройства кандидат вынужден проходить несколько испытаний. Одно из них - Behavioral interview. Смысл поведенческого интервью это определить, обладает ли соискатель значимыми для должности навыками, а таже спрогнозировать, как он поступит в той или иной ситуации. Неискушенным существование такого этапа покажется странным, ведь казалось бы, что может быть сложного, чтобы ответить на пару вопросов о себе, о своем опыте и своих ожиданиях. На самом же деле иногда вопросы могут показаться неожиданными или вообще задумываться как провокация, к такому лучше быть готовым. Также есть общепринятые тропы и ред флаги, о которых вы можете не знать. Особенное внимание к этому этапу уделяют за рубежом, ведь кандидат банально может не знать языка.

Для начала советую прочитать раздел V в книге Cracking the Coding Interview.
Ознакомьтесь методом STAR (ситуация, цель, действия и результат).
Следуя общим советам из книги и методологии STAR, запишите ответы на вопросы из раздела.

Дальше стоит узнать, а какие вообще вопросы встречаются. Есть замечательный сборник вопросов с советами на что обращать внимание.
Конечно этого списка вопросов недостаточно, поэтому смотрим раздел в литкоде. В этом разделе собраны все важные темы и вопросы, на которых можно потренироваться. Обратите внимание, что здесь еще и рассказано про распространенные ошибки!
Еще существует знаменитое бихейвр интервью от амозона, полный список вопросов с ответами (правда платный): 50 вопросов от амазона с ответами. Нередко HR сами присылают вам соответствующие брошюры или что-то такое можно найти на сайте компании, по которой можно понять, как компания себя позиционируют, как у нее ценности и какие позиции и ответы ожидает от вас.
Для самостоятельной тренировки подойдут 75 вопросов.

Кстати, а что подписчики думают про Behavioral interview?

Что спрашивают на собеседовании продакт аналитика в штат Тинькофф?

Уже подробно рассказывал про начало карьеры в Тинькофф здесь, но камрады постоянно просят расшарить вопросы второго технического собеседования. Не могу отказать своим любимым подписчикам, которые постоянно делятся моими постами и пиарят мои каналы друзьям. Все ради вас!

1. Есть база данных с одной таблицей из 9 строк (5 строк связанна с авторами, 4 с постами). Надо ее оптимизировать (разделить на 2 для оптимизации скорости и памяти, так как авторов намного меньше чем постов, поэтому будет выигрыш).
Это простая задач на декомпозицию. Декомпозиция может быть на уровне таблиц, а может быть на уровне баз данных, а также на уровне кластеров баз данных.
Основная цель декомпозиции сделать из сложного что-то мелкое и простое. Нашу задачу можно решить несколькими способами, например:
а) создать дополнительную таблицу и в неё переместить посты, удалить посты в исходной таблице
б) Можно создать две таблицы: посты и авторы. Переместить в них дату и дропнуть исходную (мало живой сценарий, но видел что так делают)

2. Разговор про графики и визуализацию.
Графики можно разделить на нормированный и масштабируемый. Формально не всегда так, но когда объясняем вопрос бизнесу нужно идти наиболее простыми путями. Если график нормированный (условно от нуля до единицы, или в миллионах), то важно чтобы бизнес понимал происходящее: почему так, зачем так, чтобы что так и другие подобные вопросы. Этот вопрос обычно решается двумя путями. Либо у бизнеса и так есть минимальная теор подготовка, либо нужно сделать преамбулу с объяснением. Не нормированный график, когда например значение у нас может лежать на всей числовой прямой. Тут важно больше помахать руками. В основном графики строятся от двух переменных: признака и целевой переменной (таргет). На практике же нужен всего один признак, ну максимум два, НО тут проблема с менеджментом: в этом случае им придётся думать, разбираться, а обычно они это не любят и опираются на эмоции, поэтому используем только одну, чтобы не нагружать трёхмерными картинками. Также можно рисовать картинки с тем как таргет метрика меняется с течением времени.

3. Разговор про метрики.
Метрики могут быть вообще разными: поюзерные (их можно считать многими способами: отношение, линейная комбинация и т.д.), метрика по всей выборке, метрика относительно какого-то события от пользователя и т.д. Все бизнес, и не только, метрики, типа CTR или конверсии, лучше всего найти в инете и заучить. Еще нужно быть готовым к тому, что интервьюер или просто джун менеджер любую изменчивую величину назовем метрикой, что очень часто не так.

4. Разговор про a/b тесты, как готовить выборки людей через критерии гомогенности и как потом проверять результат на стат значимость.
В классическом дизайне нужно выдвинуть гипотезу (некоторое бизнес утверждение/инициативу). Чтобы не растрачивать деньги зря, необходимо проверить на небольшой аудитории (выборке), которая будет очень похожей/схожей относительно всей генеральной совокупности (выборка должна быть репрезентативной). Тут можно использовать стратификацию, критерии согласия, визуальную схожесть, хэширование (солить, что-то питерское) и т.п. После формирования выборки разбиваем на две группы и проверяем на однородность (гомогенность, есть специальные тесты на равенство дисперсий). Запускаем тест. Останавливать тест можно по-разному: через MDE, если у нас нормальное распределение, через выверенное бизнес время. Затем проверяем гипотезу о том что значение метрики на тесте и контроле равны с нужным уровнем значимости. Если знаем распределение то используем параметрический тест, если не знаем то тут непараметрический тест.

Обязательно ставьте огоньки🔥 и делитесь с коллегами/одногруппниками, если пост был полезен и хотите больше подобного контента!

Товарищи, давно хотел поделиться задачей, которую спрашивают аналитика на любом собеседовании. Более того есть наводка, что в топовых компаниях вообще увольняют и добавляют в блэклист каждого, кто не решит эту задачу. Обо всем этом в новом видео. Смотрим!

Товарищи, мой ученик пару лет проработал в московском офисе Яндекса и решил поделиться своими впечатлениями. В принципе все соответствует тому, что слышу от коллег и своих учеников, но пост чисто на ваш суд, пишите в чем не согласны в коменты.

Легко ли попасть в Яндекс
Количество собеседований 3-6. Чем ниже грейд позиции на которую устраиваетесь, тем больше вопросов по алгоритмам. Олимпиадникам собесы покажутся халявой. Свои шансы можно повысить, если заканчивали курсы от Академии Яндекса или если у вас есть хороший знакомый, способный продвигать в свою команду. Еще из проблем выделил бы низкую квалификацию интервьюеров, нередко собеседующий просто выучил решение из базы данных и не может воспринимать другие подходы. Но не стоит расстраиваться, если попался такой кадр, ведь как правило собесет именно ваш будущий коллега.
Из приятных фишек перед каким-то этапом можно прервать процесс отбора и уже через какое-то время продолжить отбор, начав именно с этого этапа.

Коллектив
В Яндексе бесспорно есть специалисты высочайшего уровня. Но как мне кажется их количество сильно преувеличено. Отличный маркетинг заставляет всех думать, что у Яндекса топовые сотрудники и топовые продукты. Но Яндекс постоянно расширяется, запускает новые проекты и на все это требуются люди. Понятно, что при таких темпах развития специалистов не хватает, особенно топовых. К тому же учтем, что нередко специалисты в СНГ просто самоучки. О кадровом голоде свидетельствуют программы в духе "оффер в Яндекс за один день", которыми дудосят почты старших грейдов и открытие зарубежного направления, где кстати по меркам Европы платят отлично.
Команды есть разные и здесь уже как повезет: где-то все готовы прийти на помощь, а где-то коллеги общаются как снобы, показывая какой-то атавизм дедовщины. Хотя как правило стажеров берут именно первый тип команд, из-за чего складывается соответствующие впечатление.

Зарплаты
В целом в Яндексе платят чуть ниже рынка. Но это покрывается соцпакетом (мед страховка, питание, и тд), вполне возможно получить RSU(ограниченный пакет акций), даже слышал байки о том, что доход с акций превысил оклады за все года.
Также корпоративные скидки в бассейнах, фитнес- центрах, салонах и магазинах. После года работы доступны курсы Яндекса, но там полно ограничений в духе один курс раз в пол года.

Ворк лайф
Слышал байки, что зарплата занижается ради того, чтобы взять лишь мотивированных сотрудников, преданных и влюбленных в Яндекс.
В Яндексе все выстроено на максимальную производительность, много проектов и любят перерабатывать. Могут и в выходной день попросить взять смену. В общем не просто совмещать работу с чем-либо.

Проекты
Всегда есть возможность перейти в другой проект с помощью ротации.
Много проектов и больше шанс найти что-то по душе. Ну и много задач, которые придется выполнять. Если не повезло с руководителем жизнь покажется адом.

Повышение
Просто так повышение никто не даст. Это целый цирк с кучей критериев, парочку оставлю в комментариях.
Плохо относятся к спорам с руководством, ибо они сильно влияют на повышение. Процветает культура облизывания руководителя.

Жилье
Имеется жилищная ссуда (беспроцентная ссуда на три года, где нужно платить только налог). Ссуда предоставляется после года работы в компании при соблюдении условий. Для иногородних стажеров предоставляют жилье (ну и конечно оплачивают переезд)

Офис
Офис Яндекса считается одним из лучших, он огромен. Хорошие компьютеры, кресла и тд. Сотрудники часто отмечают комфортность офиса.
2020 году разрешили работать онлайн, но с недавних времен Яндекс закрепощает всех в офисах, в редких случаях готовы рассмотреть гибридный формат. Еще за особые заслуги можно напроситься в офисы курортных городов.

Товарищи, мой ученик пару лет проработал в московском офисе VK group и решил поделиться своими впечатлениями. В принципе все соответствует тому, что слышу от коллег и своих учеников, но пост чисто на ваш суд, пишите в чем не согласны в коменты.

Легко ли попасть в VK
Количество собеседований 2-3 (редко 4, скорее исключение). Для более низких грейдов их меньше. Алгоритмами головного мозга не страдаем, только как проверки на интеллект в направлениях по типу фронта, бэка, мобилы, аналитики и мл. Преимуществом будут наши курсы по типу Техносферы и всего, что не успели закрыть. Интервью проходят как правило по формуле 2 на 1. Задержка по фидбэку зависит от загруженности коллег, но стандарт – 1-2 дня.
Из приятного: оффер можно откладывать на достаточно большой срок. Но не стоит этим злоупотреблять. Также в не сильно попсовых подразделениях ищется вакансия под кандидата, что очень удобно, ибо можно пройти на другую позицию без больших дополнительных усилий.

Коллектив
В VK сотрудники самого разного уровня. В среднем более чем грамотные, есть специалисты крайне высококвалифицированные, в моей команде в силу специфики их много (о чём косвенно говорит то, что 50+% уровня senior). Но сильно больше, чем "грамотный" сказать про среднего сотрудника нельзя, что компенсируется практически обязаловкой развиваться.
Как правило, интернов берут в уже сложившиеся команды, где есть достаточно хорошие специалисты, чтобы помочь новому сотруднику профессионально вырасти. Поэтому, как правило, опасаться нечего.

Зарплаты
В целом в VK платят около рынка, у нас чуть выше. Кроме того, есть "плюшки" вроде ДМС и оплаты питания через приложение.
Также есть компенсации и довольно хорошие на вещи в духе спорта. Есть корпоративные скидки от партнёров, порой значительные. Также есть доступ к внутреннему порталу с курсами, тренингам и можно получить билет на профильную конференцию.
По росту з/п: дважды в год есть пересмотр и рассмотрение на премию. Стандартно из них каждый год одно повышение и одна премия.

Work-life
О переработках ни разу не слышал, больше 40 часов взять нельзя и работать реально больше своей ставки не стоит, так как коллеги не поймут.
Студентов берём на intern и junior позиции в том числе на неполный рабочий день, на 20 часов тоже. На сессию делаем сильные послабления.
Есть внутренние мероприятия и тимбилдинги (нет, "дружным коллективом" з/п не платят). Также есть спортивные команды из сотрудников, что позитивно и приятно, но на это нужно время.
Для сотрудников, попавших в трудную ситуацию, есть материальная помощь, размер зависит от рода ситуации, но помочь коллегам – святое.

Проекты
Выбор, в целом, есть, но желательно не менять проект при каждой возможности. Это контрпродуктивно, поэтому не любим бессмысленной смены сразу после начала полноценной работы над проектом. Но если действительно стоит, то относятся с пониманием.
Имеются крайне интересные проекты с грамотными руководителями, поэтому прогадать будет непросто.

Повышение
Никаких проблем повыситься, по сравнению с прошлыми местами работы, не заметил. В моей команде надо не сильно забить на актуальные для нас метрики и иметь крутые достижения, подтверждающие профессиональное соответствие.
Да, о желании повыситься, желательно сказать руководителю заблаговременно, можно без проблем расти в своей команде, если стабильно хорошо перформить.

Офис
Посмотреть на него можно и без этого поста, в интернетах и так есть экскурсии. В целом, офис хорош.
По формату работы обычно допустима удалённая работа, без посещений офиса вообще, без обязаловки, как в ... Но рекомендую брать гибридный формат, если планируете вообще там появляться.

@postupashki_career

Товарищи, сегодня мы поговорим про карьеру в Великобритании! Обсудили как можно попасть в UK, британские магистратуры, как получить оффер в топовую компанию, на какую ЗП рассчитывать и к каким расходам необходимо быть готовым. Смотрим!

Товарищи, мой ученик пару лет проработал в московском офисе Тинькофф и решил поделиться своими впечатлениями. В принципе все соответствует тому, что слышу от коллег и своих учеников, но пост чисто на ваш суд, пишите в чем не согласны в коменты. Другие обзоры на Яндекс, ВК смотрим по поиску.

Легко ли попасть в Тинькофф
В первую очередь с вами свяжется рекрутер и узнает об интересах, опыте и мотивации, расскажет про работу и вакансии в Тинькофф, согласует время для тех собеса. Тех собес состоит из нескольких созвонов каждый из которых продлится примерно час. На тех собесе будете кодить в онлайн-IDE и рисовать схемы. Сложность собеса зависит от должности и направления. Примерные темы лежат на сайте.
После тех собеса вас ждет знакомство с командой. Вам предложат несколько команд и с каждым вы обсудите проекты над которыми работает команда, поболтаете о вашем опыте и тд, но иногда собес перерастает в экзамен, даже могут дать задание на дом.
Много жалоб на систему приема и HR: могут отказать без причины даже после тестового. Если хотите гарантировано попасть, то идите на скалу.
Также ко всем собесам вам помогут подготовиться наши замечательные курсы.

Коллектив и работа
Команда как повезет. Оплачиваемые командировки. Команды используют актуальные технологические стеки.
Достаточно сложно разобраться в в оргструктуре направления. Есть возможность работы онлайн, но уже намекают вернуться в офис. Есть переработки, но за это в течение года накидывают дополнительные 3-5 отпускных дней.
Очень много молодых ребят. В командах почти всегда есть студенты 2-4 курсов. В основном это ребята из топовых вузов типа ВШЭ, МГУ, МФТИ.

Зарплата и офис
Зарплата в среднем чуть ниже рынка, но у Тинькофф отличный соц пакет. Предоставляют ДМС со стоматологией, скидки на ДМС для родственников, страховка от несчастных случаев. Скидки на обучение иностранным языкам, на парковку. Имеется свой спортзал и сауна. Бесплатная столовка. Помимо зарплаты есть премии и бонусы за участие в конференциях, написания статей и тд. Как и во многих больших компаниях выдаются премии, также выдается отличное оборудование (MAC, Lenovo, Dell) + норм стартерпэк (фирменный рюкзак, беспроводная мышь, наушники).

Проекты
Много интересных open source проектов. Так как компания большая и развивается во многих отраслях большая вероятность найти что по душе. В зависимости от проекта могут быть не налажены процессы - в таких проектах неуюнто работать, но к счастью есть возможность поменять проект.

Повышение
В компании есть 1-2 ежегодных ревью, по итогам которых могут поднять зп. Повышение для джунов происходит раз в пол года, а для мидлов и выше раз в год.
Конечно, чтобы получить повышение нужно отлично выполнять поручения и иметь хорошие отношения с руководством.

Ворк лайф
С ворк лайф конечно есть сложности. Все зависит от департамента/управления, в некоторых случаях от команды. В некоторых командах отличная атмосфера, ребятки ходят на всякие тусовки во внерабочее время (там бары, караоке, компьютерные клубы, всякое такое, кальянк, квесты, квизы). Это все в основном за свой счет. Но такое не у всех. Некоторые какие-нибудь камерные команды сами тусят, кто-то тусит целым управлением, у всех все по-разному.

Товарищи, мой ученик уже несколько лет живет и работает quantative researchем в Великобритании и решил поделиться своими впечатлениями.

Легко ли попасть в топовый банк
В связи с "драматической" международной обстановкой и кризисом в данный момент это практически невозможно: во всех крупнейших банках (почти абсолютный) hiring freeze, есть лишь призрачный шанс просочиться в систему через малочисленные стажировки -- хотя и этот путь крайне скользский: автору известны случаи, когда человек успешно простажировался, получил оффер на кванта, затем оффер был трансформирован в Scala программиста, затем предложили продолжить в Париже, потом в Будапеште, ну и в конце концов оффер вообще отозвали.
Что касается этапов отбора, то сейчас идет соревнование в количестве собеседований, которые нужно проходить кандидату: раньше, в хорошие годы, часто брали с университетской скамьи (если кандидат достойно окончил престижный ВУЗ), сейчас же все растянулось на 4-5 раундов интервью. Обычно 2-3 из них технические, где точно спросят теор вер и навыки программирования, если подаетесь на что-то смежное с разработкой, остальные интервью поведенческие и мотивационные.
В топ-10 международных банков на этапе скрининга на начальные позиции смотрят на ВУЗ, так что необходимо заранее обзавестись "пропускной" корочкой -- иначе ваше резюме окажется в мусорной корзине практически моментально (хотя скорее вам сначала предложат пройти с роботом тест, после чего придет автоматический отказ.

Коллектив
Среди квантов преобладают лица французской нации, причем все они -- гасконцы, пикардийцы, овернцы -- захватили самые лучшие места! Порой отделы целиком состоят исключительно из французов. Никакого кумовства à la sovok.

Зарплаты
Как у программистов, но вряд ли больше -- при том, что берут только с продвинутыми степенями из престижных ВУЗов, тогда как программистом можно (не только теоретически, но и практически) устроиться чуть ли не после школы (бакалавра часто вполне хватает).
При переходе из банка в банк часто просят показать payslips с предыдущего места работы, чтобы подтвердить вашу предыдущую зарплату, и вряд ли согласятся платить вам на новом месте больше, чем на 20% (иначе HR может заблокировать вам оффер). Никакого сговора и манипуирования рынком, это гласность и демократия!
В общем, если хочется больше, то действовать остается как профессиональный рецидивист и идти в хедж-фонд.

Ворк лайф
Работа похожа на советское КБ в 1992-3, только процесс изменений здесь менее динамичный и вялотекущий: есть эхо от кризиса 2008-9 и востоминания о былых славных временах ~когда гребли деньги лопатой~ и продолжающиеся невзгоды, связанные с geopolitical risks, сокращения (особенно это касается американских банков и сотрудников в США, откуда уволить намного легче, чем в европейских банках и филиалах), а также большие слабо поддающиеся улучшению проекты, которые страдают хроническим недофинансированием (и не имеют, как правило, достаточно укомплектованных команд) проектов под руководством эффективных менеджеров.
В общем, никто никуда особо не спешит, все идет своим чередом. Застой Стабильность.

Продолжение статьи в комментариях

Вопросы по статистике ждут любого кандидата, подающегося на позиции Data Science, аналитику и нередко менеджмент. Поэтому сегодня в честь набора на наши курсы (занятие по математике уже завтра и еще можно записаться) обсудим самые популярные и важные парадоксы на классических примерах. Очень будет полезным, если после знакомство с каждым парадоксом, вы зададите вопросы в духе: почему этот парадокс вообще важен? какое у него значение в процедуре AB тестирования или алгоритмах ML? из-за чего случился этот парадокс, как его избежать? Делитесь своими впечатлениями в комментариях!

Текс статьи

Помимо благотворительной деятельности, "Поступашки" также проводят индивидуальные/ групповые занятия и консультации по подготовке к собеседованиям по математике, алгоритмам и ML, DL, аналитике, Data Scince и Data engineering.


Как проходят занятия?
Занятия проходят дистанционно: чаще всего по скайпу или телеграм. Преподаватель демонстрирует экран и вместе с вами обсуждает материал и решает задачу. По времени стандарт 2 часа, но можно и 1 час. Даже после занятия в любое время вы можете обратиться к преподавателю за советом по задаче, дз, материалам, подготовке, жизни и тд.

Какие гарантии?
Наш проект существует уже более 8 лет. У наших преподавателей очень богатый человеческий капитал: академики всех наук, большой преподавательский стаж, опыт работы в коммерции (как квант, аналитик и тд) или в разработке.

Какая цена?
Цена очень доступная и является одной из самых низких на рынке для сегмента карьеры в другом месте за индивидуальный подход и авторские материалы с вас сдерут в 2 раза больше, а в других местах вас будут учить по общедоступным задачам и материалам из интернета, создавая иллюзию подготовки, хотя в карманах таких преподавателей оказываются вполне реальные ваши деньги.
Цена наших курсов определяется следующим образом

Математика:
— 4000 рублей за час индивидуальных занятий;
— 2500 рублей за час занятий в паре с одного ученика;
— 2000 рублей за час занятий в группе из трёх человек.

Алгоритмы:
— 3000 рублей за час индивидуальных занятий;
— 1875 рублей за час занятий в паре с одного ученика;
— 1500 рублей за час занятий в группе из трёх человек

ML. DL. Data Science. Инженер данных. Аналитика:
— 2500 рублей за час индивидуальных занятий;
— 1500 рублей за час занятий в паре с одного ученика;
— 1200 рублей за час занятий в группе из трёх человек

Бэкенд разработка:
— 2000 рублей за час индивидуальных занятий;
— 1200 рублей за час занятий в паре с одного ученика;
— 1000 рублей за час занятий в группе из трёх человек

Лучший вариант для групповых занятий: взять к себе в напарники коллегу/ однокурсника или знакомого. Это позволяет обеспечить сплочённость группы и сопоставимый уровень учеников.

Менторство
Также если занятия вам сильно не по карману, то есть вариант менторства: примерно каждую неделю или по мере продвижения вам высылают теоретические материалы и задачи конкретно под ваш уровень и цель, отвечают на любые вопросы и проверяют решения задач (ежедневная связь). Общение происходит исключительно текстом/войсами (созвониться можно лишь по стандартной ставке). Стоимость менторства: 10000 рублей за 4 недели.

Консультации
Для тех у кого есть вопросы по поступлению в ШАДы, магистратуры, подготовке или по карьере, или в общем по жизни. Вы получите внимательный анализ ваших целей, вопросов и сбор релевантной информации, подборку вариантов и оптимальных направлений подготовки, которые лучше всего подходят для выбранных вами целей, оценку ваших шансов и сроков на достижения цели, все реальные инсайды от наших учеников, которые учатся, работают в подобранных местах, и, разумеется, созвон с нашим специалистом, на котором вы сможете обсудить все детали, обсудить стратегию достижения цели и получить ответы на все возникающие вопросы. Стоимость 4500 рублей за консультацию.

Пробное собеседование
Для тех, кто хочет получить реальный боевой опыт в прохождении собеседований по конкретной секции (алгоритмическая, техническая, ШАД и тд) в конкретные компании от ведущих специалистов, которые сами провели десятку собесов, а прошли еще больше. После mock-интервью вы получите внимательный анализ вашего уровня, код ревью и оценку шансов на успешное прохождение, а также все инсайды и советы как увеличить эти шансы.

По всем вопросам и записи на занятия: @vice22821

Статистические тесты вызывают много вопросов у новичков: не совсем понятно, когда какой тест применим. Поэтому подготовил своим любимым подписчикам подробное описание и сравнение трех наиболее популярных методов проверки гипотез: t-тест, критерий Манна — Уитни и бутсрэп. В прикрепленном notebook сравнил время работы, ошибки 1го и 2го рода, чувствительность к выбросам и тд. Надеюсь, все это поможет разобраться с границей применимости каждого метода раз и навсегда!

Кстати, именно такие notebookи и куча других материалов будут на нашем курсе по математической статистике и AB-тестат (первое занятие уже завтра и ещё можно записаться), они расширяют и дополняют материал основных занятий. Ведь Поступашки реально хотят научить ребят, дать им качественное образование, а не просто взять деньги и послать куда подальше!!

Вопросы по метрикам спрашивают на любом собеседовании, ведь без метрики невозможно оценить успешность ни одного эксперимента. В прикрепленном файлике для моих любимых подписчиков находятся все популярные метрики, которые нужно просто заучить для собеседований. Но опять же не стоит относиться к ним, как к готовым рецептам. Выбор метрики — это всегда непростая аналитическая задача! Научиться ее решать конечно же поможет наш курс по математической статистике и AB тестам.

Желательные свойства метрики:
• Согласована с целями сервиса.
• Чёткая интерпретация изменения метрики (хорошо это или плохо)
• Способность уловить статистически значимую разницу между контролем и тестом, когда она есть. Чем выше чувствительность, тем меньше данных нужно, чтобы обнаружить стат-значимые изменения.
• Должна быть согласованной с тем, что нельзя ломать.
• Невысокая дисперсия, иначе, чтобы уловить значимый эффект, надо собирать много данных.

И это далеко не все, да и желаемые свойства нередко противоречат друг другу)

Товарищи, давно хотел поделиться задачей, которую спрашивают аналитика на любом собеседовании. Более того есть наводка, что в топовых компаниях вообще увольняют и добавляют в блэклист каждого, кто не решит эту задачу. И так:

Допустим, вы участвуете в соревновании дизайнеров, на новый макет сайта.
После разработки участники самостоятельно проводят опрос клиентов.
• Вы опросили 100 человек, 60 людям он понравился больше старого
• Ваш коллега опросил 10 людей, 7 человек предпочли его сайт старому
•Начальник сравнивает конверсию (сколько "успеха" в процентах)
• Как объяснить, что ваш вариант лучше?

Пишите свои решения в комментариях!

Решение: Интуитивно кажется, что наш результат точнее, ибо экспериментов больше и по ЗБЧ эмпирическая вероятность сходится к истинной. Но на собеседовании такой ответ не тянет даже на удовлетворительно. Здесь удачней будет сказать, что перед нами биномиальная модель. Построим асимптотический доверительный интервал для обоих экспериментов по известной формуле. Вероятность в первой модели лежит в [0.504, 0.696], а во второй в [0.416, 0.984] при уровни значимости 0.05. Тогда с вероятностью 95% вероятность, что наш сайт понравится больше, чем половина; во втором же случае, так как 0.5 входит в доверительный интервал, не можем сказать с вероятностью 95%, что вариант лучше— может быть даже хуже. Делаем вывод, что первый вариант лучше. А если хотите подробней разобраться в инструментах статистики, то добро пожаловать на наш курс по мат статистике и АB-тестам! Перове занятие уже завтра и еще можно записаться.

Стоит ли идти работать аналитиком в Яндекс?

Ужасы SQL-запросов, 10 строчек на питоне за 4 месяца и подсчет тыков на кнопки 😎😎😎

Фрагмент из интервью со студентами ФКН ВШЭ

Товарищи, вот и разбор программирования на стажировку Тинькофф! Архив с кодом оставлю в комментариях. А если хотите научиться ловко разбираться в алгоритмах и тащить собесы/олимпиады, то записывайтесь на занятия и менторство!

1000 шэров (поделиться с другом) и выкатываем разбор математики.

Товарищи, обсудим сегодня градиентный спуск, на котором основаны почти все современные алгоритмы машинного обучения! И ответим на вопрос: зачем учиться? Главный вопрос начинающегося учебного года.

Смотрим! А если хотите стать настоящий ML инженером😎, то советую наш курс.

Наш подписчик успешно отсобесился в Авито на DS и за время подготовки насобирал у друзей и знакомых задачи, которые спрашивают в Авито по математике и питону. Они приведены ниже, кстати актуальные задачи по собесам в DS выкладываются здесь, а по алгоритмам здесь.

1) Двое по очереди ломают шоколадку 6×8. За ход разрешается сделать прямолинейный разлом любого из кусков вдоль углубления. Проигрывает тот, кто не сможет сделать ход. Кто выиграет в этой игре?
2) Есть 100 чисел (от 1 до 100). Сколькими способами их можно расставить, чтобы разница между каждыми двумя соседними была равна 1?
3) Имеется арбуз, который весит 10 кг и при этом состоит на 99% из воды. Через некоторое время он усох и стал состоять на 98% из воды. Найдите новую массу арбуза
4) Есть неправильная монетка(p!=0.5). Предложите справедливую игру для 2 человек. Справедливая игра - такая игра, которая позволяет найти победителя, при этом шансы игроков выиграть равны
5) Стрелок 4 раза стреляет по мишени. P = 0.5 - где P - вероятность попадания. Найдите вероятность, что стрелок попадет в мишень не менее 3 раз
6) Есть колода из 32 карт(4 масти). В колоде 4 туза. Карты раскладывают в одну линию на столе. Найдите вероятность, что 4 туза лежат все вместе
7) Есть города А и Б. Туда (а->b) мотоциклист едет 50км/ч, обратно (b->a) 75 км/ч, какая средняя скорость?
8) Вероятность того, что холодильник сломается больше чем через год 0.98, а через 2 года 0.85, какова вероятность, что холодильник сломается между 1-м и 2-м годом
9) Есть n людей. Нужно узнать, болеют ли они вирусом. Вероятность, что человек болеет - p.
а) Допустим мы берем кровь у каждого человека (анализ покажет заражена кровь или нет). Найдите матожидание кол-ва анализов.
б) Допустим мы разбиваем всех людей на пары. Далее действуем так: выбираем какую-то пару, затем у каждого человека из этой пары берем кровь и смешиваем. Затем уже смотрим, заражена ли кровь. Найдите матожидание кол-ва анализов.
в) При каких p экономически выгодно использовать вариант, предложенный в (б)?
10) Есть множество всех городов России. Далее берем какой-то город и выбираем первую цифру его численности. Пример ( Город Н. - население = 145440 - > берем 1). Какая цифра будет чаще всего встречаться? Примечание: фактические данные брать нельзя, рассуждать и думать - можно

1) Какие типы данных есть в Питоне?
2) Какие структуры данных есть в Питоне?
3) Отличия типов и структур данных
4) В чем отличие очереди от стэка?
5) Надо написать функцию. Есть список. Там все элементы встречаются по 2 раза, кроме какого-то одного. Вывести элемент, который встречается 1 раз.
6) Надо написать функцию. Есть список и число n. В списке - все числа от 0 до n, кроме какого-то одного. Найти какого числа нет
7) Надо написать функцию. Есть строка, состоящая из скобок. Пример: '((()))'. Вывести true, если строка 0 правильная скобочная последовательность, иначе - false. Правильная скобочная последовательность обладает следующими свойствами:
1) Открытые скобки должны быть закрыты
2) Каждой закрывающей скобке соответствует открытая скобка
8) https://leetcode.com/problems/valid-parentheses/
9) Написать функцию, которая находит n-ое число Фибоначчи. Решить рекурсивно и итеративно
10) Дано число n. Найти сумму корней чисел от 0 до n.
11) Решить задачу 10 в одну строчку.

Топ 5 ошибок на алго собесе

Сейчас алгоритмическая секция есть почти в любой компании, особенно в крупной. Сегодня наш преподаватель Тимур, который сам провел десяток алго собесов, поделиться своим топом ошибок у кандидатов, и подскажет, как их исправить. А если хотите более комплексно подготовиться к алго секции, то записывайтесь на наш курс.

1. Незнание асимптотики для встроенных функций
Например кандидат начинает хранить всю подстроку вместо того, чтобы хранить крайние позиции подостроки и ошибочно думает, что делают это за О(1). Так dp[i][j] = s.substr(i, j) - здесь при оценки сложности кандидаты забывают, что s.substr(i, j) работает за линию.

Для предотвращения ошибки, достаточно посмотреть примеры оценки алгоритмов, разобраться с работой стандартных функций ( append, pop, substr и тд), например, просто прочитав документацию. Также во время практики постоянно задаемся вопросом: за сколько работают используемые функции.

2. Тайминг
Кандидаты мало внимания уделяют тренировке скорости решения задач, плохо и медленно объясняют решение. Часто кандидаты не успевают дорешать вторую задачу именно из-за того, что просто долго объясняли решение.

При подготовке объясняйте свое решение товарищам или зарегистрируйтесь на сайте pramp. Там можно найти единомышленников, которые тоже готовятся к собесам и проводить друг другу интервью.

3. Зациклиться на каком то одном алгоритме
Распространенной ошибкой является прорешка задач на определенную тему перед собеседованием. В первую очередь начинает искать решение в самых свежих воспоминаниях. Часто замечал картинку, как кандидат пытается предложить решение из какой-то продвинутой олимпиадной темы, при этом видно, что он только в процессе ее освоения, хотя сама задача на просто на два указателя.

Чтобы не повторять такую судьбу, просто решайте как можно больше разнообразных задач перед собеседованием, устраивайте разнобой.

4. Угловые тесты
На алгоритмических собеседованиях часто возникают ситуации, когда задачи имеют нестандартные условия или пограничные случаи такие как пустой массив или множество. Не все к ним готовы. После написания кода собеседующий может указать на ошибки, и вам придется потратить время на их исправление и в следствие не успеть решить все задачи, хотя подобные ошибки можно было предусмотреть заранее.

Поэтому во время подготовки анализируем свои решения и смотрим на каких маленьких тестах решение может упасть. Например пустая строка или n=1

5. Компилятор
Все привыкли к тому, что на LeetCode после написания кода сразу показываются синтаксические ошибки. Однако на реальном интервью такое невозможно, так как код не компилируется. Поэтому на поиск таких ошибок может потребоваться дополнительное время. Так можно запросто забыть проверить есть ли ключ в словаре или нет: без запуска на определенных тестах можно не заметить такую ошибку.

Поэтому во время подготовки пишите код на не компилируемом редакторе, а затем отправляйте свой код в литкод на проверку. Из интереса можно попробовать кодить без компилятора.

А какие ошибки вы бы добавили в этот топ? Обязательно пишите в комментариях!

Про карьеру в науке говорят совсем мало, хотя как и везде при грамотном подходе можно сообразить себе весьма состоятельную жизнь: деньги, путешествия, слава. Кстати, за одно только членство в РАН положено 100 тыс в месяц. Специально для вас товарищи попросили нашу коллегу с кафедры теории игр подробно рассказать про карьеру в науке.

Как попасть
Самый простой и верный путь в науку - найти активного научного руководителя. Всё остальное будет очень сильно зависеть от этого первого действия. Хороший науч рук сможет посоветовать, с чего начать, познакомит с фронтиром науки. А ещё своевременно направит в хайповую лабораторию. Например, в тот же Yandex Research, AIRI, да у каждой компании сейчас есть своя лаборатория по ИИ. Деньги там бешенные, а с улицы не берут. Так вы обретёте первых коллег и коллектив.

Вопреки общему представлению, наука - это про командную работу, а не про сольное творчество. Только в исключительных случаях учёный может существовать сам по себе вне коллектива, и то при наличии какого-то удивительного таланта. И даже в этом случае его прогресс будет более медленным, чем если бы он работал в хорошем коллективе. Так что в науке на передний план помимо очевидных качеств учёного вроде креативности и трудолюбия выходит умение выстраивать отношения. Крутые соавторы, интересные темы, позиции в лучших университетах, большие деньги- всё это приходит только благодаря пресловутому нетворкингу.

Отличие от индустрии
Есть куча стажировок и благодаря Поступашкам все знают, какую последовательность действий нужно совершить, чтобы попасть в «топовые компании» и не быть уволенным в первые месяцы. Если посмотреть пару интервью на ютьюбе с какими-то успешными ученым, можно подумать, что они дико крутыми просто родились или им очень повезло. Способный студент, у которого есть зачатки интереса к науке, часто попросту не знает, куда идти и к кому обращаться. В итоге он идет по более очевидному, как ему кажется, пути работы в банке/фонде/разработке.

Тут парадокс с предыдущим пунктом: наука отличается от индустрии и тем, что она требует большой самостоятельности. На протяжении всего пути вы будете сами генерировать темы исследований. Конечно, в первое время будет помогать научный руководитель. Более того, вначале чаще всего приходится заниматься темами своего научного руководителя или исследовательской группы - так устроены зарубежные аспирантуры в том числе. Но, в любом случае, инициатива приветствуется: в скором времени нужно будет думать самому. В отличие от индустрии, здесь самому приходится решать, что будет важно, интересно и востребовано, а ещё - что из этого можно воплотить.

Деньги
Скорее всего, коллеги из соседних лабораторий, учебных заведений или дисциплин захотели бы поспорить. По моим ощущениям, карьера в науке - игра вдолгую. Выйти на суммы, сопоставимые с индустрией или даже больше можно, но сильно не сразу. В DS / экономике с этим проще, потому что часто исследовательскую работу можно совмещать с чем-то ещё, консалтингом, например. К тому же, у нас нет проблем с тем, что половина денег с гранта идёт на оборудование для лаборатории, как у химиков или биологов.
В уважающих себя вузах сейчас активно развиваются разнообразные меры поддержки молодых специалистов. Это могут быть и разовые выплаты в виде премий, и система надбавок за преподавание/публикации в рецензируемых журналах/проектную деятельность. За них, конечно, придётся побороться с бюрократией, но это уже отдельная тема.

Чем мы занимаемся
Все наши задачи крутятся вокруг математики, часто сложной, но все они лишены абстракции: они всё рождаются из общественного запроса. Например, распределение донорских органов, система приёма в вузы, ценовая политика фирмы или сети магазинов. Мы думаем, как выбрать стратегию поведения в аукционе или, наоборот, как провести аукцион так, чтобы все участники вели себя честно.

Если у вас есть какие-то вопросы по поводу того, чем занимаются учёные-игровики нашей лаборатории и как к нам попасть, буду рада сообщениям в лс: @thesekunda

Топ алгоритмов на собесе

Этот список был собран из большого опыта прохождения coding life interview в разные компании.
Конечно сложность алгоритмов зависит от направления. Мы рассмотрим три самых популярных направления: Backend, ML, Аналитика.

Backend
1) Префиксная сумма и два указателя.
Очень часто встречается, как первая задача на собесе.
2) Задачи, которые решаются Hash-map.
В основном - это задачи где можно снизить асимптотику до O(N).
3) BFS, DFS.
В качестве графа обычно дают дерево.
4) Двоичное дерево.
Чаще этот алгоритм встречается в качестве второй задачи.
5) Кратчайшие пути.
Топологическая сортировка графа, Дейкстра, Флойд.
6) Жадные алгоритмы.
Задачи на эту тему дают достаточно простые, но с подводными камнями.

1, 2, 6 алгоритмы обычно дают в качестве первой задачи, но не стоит недооценивать эти темы. Например у людей в задаче на два указателя возникают проблемы с индексами, а в жадном алгоритме не могут доказать корректность алгоритма.
В качестве второй задачи предпочитают давать задачи на графы и структуры данных параллельно спрашиваю теорию и свойства структур.

ML
1) Двоичное дерево
2) Нахождения кратчайших путей в графе.
Обычно это алгоритм Дейкстры или Флойд.
3) Обходы графа BFS, DFS.
4) Hash-map
5) Динамическое программирование.
Чаще всего просят написать простенькую дп для подсчета вероятности

В ML меньше алгособесов и чаще дают алгоритмы на графы и структуры данных. Будьте готовы к тому, что у вас будут спрашивать свойства и теорию.
В отличие от бэкенда у вас будет в два раза меньше алгоритмов, а больше вопросов по классическому мл.

Аналитика
1) Простые задачи связанные с массивами, строками, математикой.
Обычно вас просят распарсить строку, посчитать в массиве количество каких то элементов.
2) Hash-map
3) Префиксные суммы
4) Жадные алгоритмы.

В аналитеке алгоритмы полегче и часто дают простенькую задачу, чтобы проверить умения кодинга.
На лайв кодинге аналитикам больше дают задачи по математике, статистики, скл и подобный стек с литкода уровня изи-медиум.

На любом алгоритмическом собеседовании вам точно зададут вопрос о том, какая асимптотика вашего алгоритма и почему. Чаще всего неправильно отвечают люди, которые пишут на питоне. Например используют срезы, не зная за сколько они работают и в результате неправильно оценивают асимптотику.

Практически во всех life coding interview не любят давать задачи с асимптотикой O(n^2). Например в Яндексе за последние три года я не встретил ни одну задачу, которая решалась бы за O(n^2).
Наиболее распространенные задачи, как правило, требуют O(n) времени в исключительных случаях O(n logn). Используйте это наблюдение для более эффективного распределения времени на подготовку.

Если вы решили подтянуть эти темы я вам рекомендую изучать в таком порядке.

Префиксные суммы, Бинарный поиск, Hash-map, два указателя.
BFS DFS, Дейкстра, Флойд, Двоичное дерево.
Жадные алгоритмы, динамическое программирование.
Все эти темы мы отработаем на огромном количестве примеров, пройдя наш курс, вы станете настоящим мастером спорта по алгоритмам😎

Для лучшего понимания этих тем хорошо подойдет сайт визуализации алгоритмов. Особенно поможет новичкам лучше понять структуры данных и графы.