Почему решив 1500 задач на leetcode вы не сможете получить офер в FAANG

Свой первый офер в FAANG(в Amazon) я получил не решая задач на leetcode вообще. Готовился я туда в 2015, 2016 годах и про leetcode не знал вообще. Тогда он не был чем-то большим и известным. Я готовился по книгам. В частности по Cracking the Coding Interview.
На leetcode свою первую задачу я решил 6 лет назад. И активно использовал его года 2-3. Это помогло мне получить офер в Facebook. Но тогда я еще решал задачи на algoexpert.io. Надо сказать, что собеседование в Facebook сложнее, чем в Amazon в среднем. Но и компенсация выше.

Стоит ли решать 1500 задач на leetcode и поможет ли вам это получить офер в FAANG?

Я думаю, что это неэффективная трата времени. Это не гарантирует, что вы пройдете собеседование.
Во-первых, coding собеседования это только половина собеседований, которые нужно пройти, если вы не интерн. Есть еще system design и поведенческое собеседование. На уровень staff нужно пройти два system design. Leetcode вам в этом не поможет, от слова совсем. А решив 1500 задач на leetcode вы потратите коллосальное количество времени на один аспект собеседования и не уделите должное внимание остальным аспектам.
Во-вторых, это не гарантирует, что вы пройдете coding собеседование. На coding собеседовании оценивается problem solving, coding, communication и verification/testing. Leetcode не поможет вам в communication вообще. И скорее всего не поможет в verification/testing. Т.к. там автоматическая система проверки и вам не надо вручную проверять ваш код и глубоко в него погружаться. Более того, в зависимости от того как вы решали эти 1500 задач, далеко не факт, что вы делали это оптимальным способом, за нужное время и не просто копипастили решения и сабмитили просто поверхностно разобравшись с чьим-то решением. Поэтому само число почти ничего не гарантирует. При идеальной подготовке вам может хватить 100-200 правильно подобранных задач + правильный подход к обучению, чтобы получить офер в FAANG. Возможно, не в Google или Facebook, где собесы сложнее, но в Apple, Amazon, Uber, Microsoft, Lyft.