Strategy Partners расширяется и зовёт консультантов московских офисов к себе.

См. комментарии

Я собрал 2.5к кандидатов ищущих работу за рубежом / удаленно и 60+ компаний ищущих таких кандидатов. Добавляйтесь, делитесь с друзьями:
- For candidates: please complete the form (https://lnkd.in/dhG8fPZH) and upload your resume. Please note that the database will be open only for verified companies, but we can't guarantee 100% privacy given the circumstances
- For companies: add your contacts here (https://lnkd.in/dgbRHs2i) if you are looking for candidates from CIS. We'll follow up to provide the access.

Еще один вариант, где оставить резюме в надежде найти работу за рубежом.

https://airtable.com/shro54oadC9EWpxhc

Я пойду работать инженером в Google.

"В 2016 году я начинал Fless с мечтой помочь миллионам людей оставаться нужными профессионально," - о, норм фраза, сохраню для мемуаров хаха.

Мечта отчасти реализовалась, но в гораздо меньшем масштабе и на узкой нише - консалтинге, по большей части в России.

Как двинуться за пределы ниши, мне было неясно, ибо х10 преимущества и маркетинговых миллионов у нас нет. Бросить тоже не могу - Fless мне дорог. Я ждал, когда что-то перепрошьет мне мозг.

И тут как в анекдоте
Звонок в дверь
- Скандал заказывали?
- Нет, что вы...
- <Удар кулаком> Оплачено

(Здесь можно добавить про отрицание, гнев, депрессию и что там еще по классике, пока слова еще не в дефиците. А, что? Сколько лет дадут? UPDATE: уже в дефиците)

Успешно или нет, перепрошивка состоялась. Как страус, что в опасности прячет голову в песок, я решил учиться. И воодушевить на учебу коммьюнити Fless.
Потому в ближайшие недели ждите посты из серии:

(1) Мы во Fless запускаем курсы Data Science для менеджеров и Математика для бизнеса.
(2) Я готовлюсь к собеседованиям в FAANG на software engineer. Назовём это действо #SWEatFAANG .

Подробности, почему, зачем и как, расскажу во влоге, если не поленюсь снимать. Вспомним старые добрые ШАД и Бутово-Стэнфорд.

- VR

P.S. У меня еще нет офферов никуда. Это только начало нового, скажем так, "шоу". Отбираться буду не ради шоу (отдельно расскажу еще, зачем), но шоу будет клевым side benefit

#SWEatFAANG

Вот обещанный более подробный рассказ, почему иду в Гугл на инженера
https://youtu.be/jsrm25DBkYY

My background
Why Google
Why an SWE and not a product manager
Why vlog about it?
What's my plan

#SWEatFAANG

Несколько человек просили прислать мой план подготовки к интервью на software engineer в Google из видео. Выкладываю тут на всех.
Caveats:
1. План не детальный
2. План делал под себя. Нужно редактировать, чтобы вам подошел
3. План предварительный. Буду модифицировать его по мере того, как узнаю что-то новое о себе или условиях отбора

#SWEatFAANG

Нашел клевый сборник ресурсов для подготовки к собеседованиям в FAANG.
Приятно удивился, когда обнаружил на странице ссылку навлог о ШАДе на канале Fless

https://faang-interview.github.io/

#SWEatFAANG

В линкедине египетский студент пишет, что Гугл отозвал у него оффер из-за российского адреса. Контринтуитивно, если правда.

Про личный опыт с реджектом/прохождением пока рассказывать нечего

#SWEatFAANG

Ура, курс Data Science для менеджеров вышел!

Пока ограниченным тиражом first come - first served на 10 студентов, для обкатки и доработок. Доступ на learn.fless.pro - там же бесплатный первый урок.

Автор курса - Алексей Чернобровов, возглавлявший Data Science в полудюжине компаний. Его супер-сила - показать бизнесовый подход к математическим инструментам. Он рассказывает ровно то, что нужно знать управленцам в data science, а не data scientist-ам.

Ниже скину программу курса

Data Science для менеджеров - Программа курса

Урок 1. Основные понятия и определения
Big Data. Парадигмы баз данных. SQ, NoSQL, MapReduce. Business Ingelligence. Machine Learning, или машинное обучение. Задачи классификации и регрессии. Data Mining. Data Science. Data Analytics. Artificial Intelligence, или искусственный интеллект. Тест Тьюринга.

Урок 2. Кейсы внедрения data science
Рекомендательные системы: онлайн, офлайн, холодный старт. Персонализация, сегментация, поиск. Прогнозирование спроса. Логистика и поставки. Расположение магазинов. Антифрод. Голосовые и чат-боты. Настольные и видеоигры.

Урок 3. Культура работы с данными
First-, second-, third-party data. Техническая, корпоративная и юридическая составляющие. Примеры последствий плохой культуры. 7 правил работы с данными. Правила обработки данных. ETL. Какие данные нужно собирать. Оценка эффективности данных. Качество данных и его оценка. Следствия низкого качества данных. Что важнее – данные или алгоритмы?

Урок 4. Data-driven подход к принятию решений
Аналитика. Как принимаются решения. Метрики, примеры. Атомарные и композиционные метрики. Иерархия метрик. Проверка результатов эксперимента на данных. Этапы data-driven подхода. Внедрение data-driven подхода: пример, рекомендации. Отчеты. Когда data-driven подход не работает.

Урок 5. Эксперименты и AB-тесты
Принятие решений на основе теории вероятности. Базовые идеи теории вероятности и математической статистики. Случайные величины: типы, числовые характеристики, примеры. Нормальное распределение. Центральная предельная теорема. Проверка гипотез. Ошибки первого и второго рода. Статистический критерий. Статистическая значимость, p-value. Проверка продуктовых гипотез. HADI-цикл. Что важно при формировании гипотез. Способы оценки решений. Контрольные метрики. AB-тесты. Как провести AB-тест. Ошибки при AB-тестировании.

Урок 6. Постановка задачи машинного обучения
Обучение с учителем: классификация, регрессия, ранжирование, прогнозирование временных рядов. Обучающая выборка. Обобщающая способность. Обучение без учителя: кластеризация, поиск ассоциативных правил. Частичное обучение. 3 способа представления задачи ранжирования. Обучение с подкреплением. Кейсы применения различных постановок задач.

Урок 7. Метрики оценки качества моделей машинного обучения
Регрессия: MAE, MSE, RMSE, MedAE. Прогнозирование временных рядов: оценки в конкретный момент, взвешенные оценки. Классификация: матрица ошибок, accuracy, recall, precision, F1-мераб AUC-ROC, ROC-кривые. Ранжирование: recall@n, precision@n, MAP, NDCG@n, функция релевантности. Кластеризация: мера близости, экспертные оценки. Специальные метрики. Какую метрику выбрать. Составление собственных метрик. Практика.

Урок 8. Алгоритмы машинного обучения
Метод наименьших квадратов. Решающие деревья. Ансамбли. Случайный лес (random forest). Гранидентный бустинг. Стекинг. Нейронные сети: принцип работы, функция активации. Метод K-ближайших соседей. Преимущества и недостатки алгоритмов. Сферы их применения.

Урок 9. Валидация и интерпретация моделей
Валидация моделей: недообучение, переобучение, обобщающая способность. Процедура валидации: обучающая, отложенная, тестовая выборки, фолды. Утечка данных (leak). Валидация временного ряда. "Протухание" моделей и методы борьбы с ним. Валидация и AB-тесты. Как бизнес-заказчики могут помочь повысить качество моделей. Интерпретация моделей: корреляция, нормирование, удаление, группировка признаков. Вектор Шепли. Интерпретация изображений.

Урок 10. Внедрение data science в бизнес
Роли специалистов в проекте: ETL специалист, data инженер, специалист по базам данных, архитектор, аналитик, data scientist, BI специалист. Управление data science проектом. Чего чаще всего не хватает бизнесу для успешного запуска data science проектов. Как искать и нанимать специалистов по data science. Как оценивать прибыль от data science проектов. Как работает специалист по data science. Когда не надо внедрять data science. Как "хакнуть" алгоритм.

Подобного курса мне не хватало 15 лет назад. Я ботал олимпиадные задачи по проге и не понимал - а нафига они нужны? Как из этого деньги-то делать? Математика - это прекрасно, но приземление ее на реальные бизнес-задачи вообще не понятно. (Хаха, я думал, что меня этому научат на экономическом факультете)

Был бы подобный курс - возможно, я бы не в консультанты пошел, а в разработчики / data scientist-ы.

P.S. Вот я и пошел сейчас, правда с задержкой в 15 лет. Кстати, тема флешбеков из прошлой/будущей околопрограммистской жизни заслуживает отдельный пост. Об этом расскажу на днях.

Короче, про Google. Нет запрета на найм людей из России и Украины.

Офферы не дают тем, у кого адрес в этих странах - т.к. невозможно отправить бумажный оффер, который до сих пор нужен.
Выход - указать адрес в другой стране для получения оффера.

Сегодня разговаривал с девушкой из Гугла в Цюрихе, с которой учился в ШАДе в 2018. Она рассказала об этом в числе прочего.

UPDATE: утверждается, что есть еще некие сложности с релокацией. Деталей пока не знаю, буду узнавать дальше

#SWEatFAANG

Вдруг есть кто-то, кто разбирал Code Jam 2021, задачу Hacked Exam? Не могу понять, как посчитать вероятность в предложенном оргами решении за линейное время

Последний абзац: "But wait! We can refine this solution even more by using the solution for Test Set 2 that ends with solving the system of equations!" и далее по тексту.

Все участники, чей код успел просмотреть, решали динамикой, но это не так интересно.

https://codingcompetitions.withgoogle.com/codejam/round/000000000043585d/0000000000754750#analysis

#SWEatFAANG

Всем привет! Мы продолжаем набор на курс по структурированию кейсов, следующая группа стартует после майских. В нынешней ситуации стоит вкладываться в свои навыки, умение структурировать - один из важных. Спросите своего работодателя, курс можно приобрести от имени компании, и это будет выгодным вложением в сотрудника. По всем вопросам обращайтесь к @FlessTeam

Как и ожидалось, я обленился снимать видео про подготовку в FAANG, поэтому новых выпусков не планирую. Напишу новости текстом:

- На СodeJam и других соревнованиях поставил паузу, т.к. 1) слишком медленно нарабатываю навык на них (нужно раскачаться на задачах попроще) и 2) соревнования приветствуют говнокод, который не зайдет на собесах. Вместо них решаю Литкод

- Вчера собрали клевую study group из 11 человек. Будем вместе ботать. Опыт ШАДа показал, что совместное обучение мне больше заходит, чем одинокое задротство

- Гугл не нанимает из России. Это подтвердили уже 5 человек из Гугла, с кем я общался за прошедший месяц. Но россиян все равно берут. Нужно только подаваться из другой страны.

- Посольства Швейцарии в других странах "в теории" не принимают документы от людей без ВНЖ в этих странах. Это подтвердили мне посольства в Казахстане, Армении и Турции. Однако оформление рабочей визы начинается с разрешения, которое получает работодатель. Если оно есть, то посольства могут пойти на встречу.

Вижу такой выход: на время отбора переехать в Казахстан или Армению, пройти отборы, получить офферы, начать оформляться и тогда уже решать вопрос с ВНЖ Казахстана или Армении. Есть шанс, что подать документы даже в России получится: посольство Швейцарии в Москве работает и рабочие визы выдает (они мне подтвердили).

Лишь бы мы только не разбомбили планету в ближайшие месяцы.

#SWEatFAANG

Это, кстати, беклог задач, которые мы с ребятами предварительно набросали. Приятно, когда сложная задача распадается на "съедобную" мелочь.

Картинка с бОльшим разрешением в комментариях в закрепе.

#SWEatFAANG

Bankoff отвалился

Всем привет! Завтра стартует группа по структурированию, и мы приняли решение, что после нее сделаем перерыв в наборе до ясности с консалтингом в России. Поэтому, если вы давно собирались, то советуем сделать это сейчас!