Поступашки - ШАД, Стажировки и Магистратура

Задачи по математике с собеседований в Яндекс, которые спрашивают сейчас аналитиков и мл специалистов и иногда даже по приколу разрабов. Эти задачи - базовый минимум, их должен уметь решать каждый закончивший 3 курса высшего учебного заведения вне зависимости от того идете вы в Яндекс или в другую контору. Поэтому сохраняем себе, делимся с друзьями такой годнотой!

Еще больше закрытых материалов и инсайдов на наших курсах ПРО, на которых уже выложен разбор обновленного контеста на стажировку в Яндекс, Intern Week Offer Яндекса.
➡️ Записаться.

Также не забываем про наши банки задач с собесов:
— Аналитика
— ML & DS
— Бэкенд
— Фронтенд
— Алгоритмы
— Swift

Подписаться: @postypashki_old

Как залететь в хфт и стать миллионером, залутать сочную зумершку? Обсудим в новом ролике. Смотрим! Смотрим!

https://www.youtube.com/watch?v=zXQSoJjgQG8

Т-банк: слив ML System Design

Делимся гайдом, на основе внутренних материалов Т-банка, которые предоставили наши выпускники. Все вопросы кстати закрываются нашим курсом МЛ ПРО (там же разбор буткемпа Авито ДС, стажировки Яндекса, Яндекс Intern Week Offer). Отзыв нашего выпускника ниже.
➡️ Записаться.

В файле универсальный каркас из семи шагов, который заходит почти под любую задачу секции: уточняющие вопросы, метрики, данные, декомпозиция, архитектура от простого к сложному, масштабирование, эксплуатация.

Отдельно теоретический минимум по 11 темам: от линала и матстата до CV, NLP и рекомендашек. Плюс разобраны 10 типовых задач: Face Recognition, Liveness, Text2SQL, NER из отзывов, обработка чеков, чат-боты, перевод постов и другие. Для каждой — какие вопросы задать в начале, ход решения, на что смотрит интервьюер и как задачу будут усложнять.

Ещё добавлены разбор грейдов: что значит уровень от 0 до 3, где начинается уверенная база, что ждут от человека на 7–8 и чем отличается кандидат, который уже мыслит на уровне ML-платформы. А в конце мини-задачи по Python, SQL, Linux и API, скрининговые вопросы и список материалов.

Еще больше материалов в наших открытых банках собесов.
— Аналитика
— ML & DS
— Бэкенд
— Фронтенд
— Алгоритмы
Обсудить задачи можно в нашей боталке.

Подписаться: @postypashki_old

Полный слив ML-собеса в Avito — завтра дедлайн буткемпа Авито!

Наши выпускники не только сейчас активно проходят собесы, но и уже давно закрепились в штате и проводят собесы. В честь стажировки в Авито (буткемп ДС, дедлайн подачи 20 сентября) сливаем всю техническую секцию. Разбор же тестового задания уже выложен только на наших курсах МЛ ПРО, ИИ агенты ПРО.
➡️ Записаться

Что внутри:

Основы ML (8 задач). Регуляризация, почему на практике не решают линейную регрессию через явную формулу, precision vs recall на реальной задаче модерации объявлений, AUC-ROC вдоль и поперёк, MAE vs MSE на выбросах, модификации градиентного спуска.

Ансамбли (5 задач). Беггинг и почему беггинг над линейными снова даёт линейный, устройство RandomForest, градиентный бустинг и его реализации (oblivious tree в CatBoost, leaf-wise в LightGBM), почему на проде под задержку часто берут GBDT, а не RF, и какие гиперпараметры GBDT крутить в первую очередь.

Computer Vision (3 задачи). Свёртки и пулинг, Inception module и Residual block на пальцах, как выжать скор на Kaggle без переобучения (TTA), и как отвечать на «расскажи последнюю статью, которую читал».

NLP (8 задач). Эмбеддинги от BoW до BERT, отличие encoder и decoder, self-attention и треугольная маска, positional encoding и RoPE, как достать эмбеддинг текста из BERT (CLS, пулинг, SentenceBERT), даст ли BERT разумный эмбеддинг слову «подкрадули» (да, wordpiece), BERT на Question Answering.

Продвинутые темы (2 задачи). Регуляризация нейросетей (batchnorm, dropout и как он работает на инференсе) и открытый кейс про классификацию аккаунта по его окружению — Deep Sets, GAT и почему тут важна инвариантность к порядку.

По каждому вопросу не только правильный ответ, а как его объяснить: закрыть пробелы, сверить формулировки и научиться объяснять идею, а не просто пуляться терминами. Кстати все вопросы закрываются нашим курсом Data Science.

Еще больше материалов в наших открытых банках собесов.
— Аналитика
— ML & DS
— Бэкенд
— Фронтенд
— Алгоритмы
Обсудить задачи можно в нашей боталке.

Подписаться: @postypashki_old

Почему ты должен попасть на DS-буткемп Авито прямо сейчас

Дедлайн по заявкам до 20 сентября. Поэтому в посте бодро расскажем о буткемпе и работе в DS-направлении Авито. Кстати, разбор теста и остальных этапов выложен на наших курсах МЛ ПРО, ИИ агенты ПРО.
➡️ Записаться

Самый быстрый рост на рынке
Буткемп предлагает возможность вырасти от стажёра до мидла за один год. Здесь важно напомнить, что мидлы в Авито, во-первых, действительно разбирается в своей сфере, а во-вторых, получает 300к+ после вычета.
Думаю, вы понимаете, что выйти на такой уровень зарплаты за год, одновременно получая опыт работы в бигтехе и решая интересные задачи с реальным влиянием на бизнес, очень привлекательно для начинающего специалиста. От такой возможно просто глупо отказываться в начале карьеры.

Рост очень прозрачный и понятный, так как расти вы будете по матрице компетенций, параллельно работая со своим наставником. Благодаря этому вы в любой момент сможете понять, каких знаний и навыков вам не хватает. Сюда же плюсуется обучение во внутренней АА и доступ к записям внешней АА. Всё это поможет быстро прокачать знания до необходимого уровня. Если хорошо потрудиться, к концу буткемпа вполне реально выйти на уровень мидла.

Выделим отдельно несколько моментов, которые стоит знать о буткемпе:
-Очевидно, что к концу буткемпа для вас может не найтись подходящей ставки, даже если вас грейднут на мидла. В таком случае по классической схеме придётся ждать, пока в одной из команд откроется подходящая позиция.
-Во время буткемпа вы считаетесь стажёром, хотя уже через полгода зарплата будет на уровне джуна. Это значит, что вы не являетесь
штатным сотрудником. У вас не будет ДМС, компенсации командировочных расходов и некоторых других плюшек.
- Никаких подводных камней при этом нет, вам будут стабильно платить ЗП и работать с вами как с полноценным сотрудником. Требования к буткемперам разные, но зачастую они все же высокие, поэтому придется поработать.

DS в Авито
Дата-сайентисты, наравне с аналитиками, играют в Авито важную роль, а культура работы с данными здесь, пожалуй, одна из лучших на рынке. ДСер в Авито, по сути, является инженером и владельцем ML-решения полного цикла. Вы будете работать как с аналитиками, так и с проджектами и продактами. Соответственно, у вас будет возможность продвигать свои решения и показывать их влияние на бизнес, благодаря чему можно расти с невероятной скоростью.

С инфрой у Авито всё хорошо, двхшники и разрабы своё дело знают. Также есть собственные ML- и LLM-платформы, которые позволяют сосредоточиться на бизнес-задачах и метриках моделей, а не на тупой рутине.

Обычно работа состоит из четырёх частей: продуктовой постановки, исследования данных и моделей, инженерной реализации, а также проверки эффкта и дальнейшей эксплуатации решения.

По мере роста вы будете получать не просто задачи на реализацию более сложных моделей, а всё более неопределённые задачи. Вам предстоит самостоятельно формулировать подход и метрики, вести проекты, договариваться с соседними командами и отвечать за итоговый продуктовый результат. Поверьте, такой опыт крайне полезен для роста.

Перспективы после буткемпа
Самый частый сценарий после буткемпа выглядит так: ожидание своей мидловой ставки, которое обычно занимает от одного до трёх месяцев, а затем уверенное закрепление в штате.
По статистике буткемперы показывают себя в компании очень хорошо, что, конечно, заставляет задуматься о смысле существования обычного трека, ведь рост от джуна до мидла в Авито может занять до двух лет. Напомним: на буткемпе вы проходите путь от нуля до мидла за один год.

Если не сидится на месте и хочется получить грейд повыше, можно пойти пособеседоваться в другие компании на позиции уровня middle+ или senior. Особенно хорошо это может сработать с one-day-офферами и другими фаст-треками.После буткемпа вы вполне можете позиционировать себя как специалиста, который самостоятельно ведёт проекты и доводит ML-решения до реального бизнес-эффекта. Поэтому собеседования на более высокие грейды в любом случае будут полезны хотя бы для оценки собственного прогресса.

В общем, настоятельно рекомендуем запрыгнуть в этот, возможно, уходящий поезд DS-буткемпа в его нынешнем виде. Это шанс получить один из самых быстрых вариантов роста на рынке и не начинать карьеру с зарплаты в 30 тысяч тугриков.

Подписаться: @postypashki_old

❗️ Яндекс открыл Intern Week Offer на стажировку, где всего за неделю ты можешь получить оффер, а не растягивать процесс на месяца.

Залетаем с ноги в Яндекс: регистрация проходит до октября, а задания уже лежат тут.

А чтобы ты точно получил оффер, мы уже сделали разбор контеста и технических этапов, они доступны нашим студентам на наших курсах:

➡️ алгоритмы про ➡️ фронтенд и бэкенд
➡️ бэкенд разработка про➡️ бэкенд
➡️ машинное обучение про ➡️ МЛ
➡️ ИИ-агенты ПРО ➡️ МЛ

Помимо разборов, которые проходят все скрытые тесты на наличие ИИ в решениях, на наших курсах вы получаете:

🔽 Доступ к закрытой базе собесов и тестовых заданий
🔽 Разбор стажировки ДС Авито (на МЛ ПРО и ИИ агенты ПРО)
🔽 Курс по выходу на доход в валюте
🔽 Гарантия оффера
🔽 Рефералка в бигтех после защиты пет-проекта
🔽 mock-собеседования с обратной связью

Успей написать администратору и не откладывай: задания могут скоро поменять!

Продолжаем знакомиться с талантливыми учениками Поступашек

Сегодня в гостях - Тимур, начинающий исследователь-математик и наш ученик, поступивший в ШАД

Смотрим интервью по ссылке: https://www.youtube.com/watch?v=R6WeGoH5_Bo

Обсудили много всего интересного:
— Зачем ШАД нужен математикам
— Чем привлекательны слабые ВУЗы для проактивных ребят
— Учебу в НМУ и РУДН ПМИ
— Математические олимпиады в школе и ВУЗе

Получился разговор не только про карьеру и образование, но и про то, как пробовать разное, ошибаться, менять решения и постепенно понимать, чем действительно хочется заниматься.

Интервью в Avito: Middle+/Senior ML/DS Engineer. 350–400 тыс. Июнь 2026

Наш выпускник проходил собеседование на позицию ML Engineer в Avito. Уровень заявлялся как Middle+/Senior с предполагаемым доходом 350–400 тыс. Формат занятости гибкий: от гибридного до полной удаленки, зависит от договоренностей с командой.
Авито славится своими высоко организованными процессами, высоким уровнем спецов и высокими зарплатами, большим количеством интервью. Также славятся тем, что пытаются срезать грейд. И кстати Авито начинает заходить в страны СНГ, поэтому компания может быть интересна еще и будущим релокантам. Короче, в посте обсудим ключевые этапы отбора.

Кстати, разбор стажировки буткемпа Авито DS уже выложен только на наших курсах МЛ Про, ИИ агенты ПРО (дедлайн 20 сентября)
➡️ Записаться

Первичное знакомство и организационные моменты
Скрининг и логистика оставили смешанные чувства. Изначально нас предупреждали, что процесс компактный, но на деле он растянулся почти на месяц. Трижды переносили встречи то из-за болезней интервьюеров, то из-за пересечения таймслотов, то просто не было подходящих окон. Ирония в том, что две секции в итоге все-таки провели в один день. Компания старается быть быстрой, но реальность, как обычно, вносит свои коррективы. Однако сами собеседования проходили в спокойном ключе: по одному интервьюеру на этап, приятная и адекватная атмосфера, возможность подумать и уточнить вопросы.

1. ML-теория
Час плотного, но не запредельного диалога. Опросили по трансформерам: принципы работы, разница между энкодером и декодером, внутреннее устройство механизма внимания (self-attention) и общая логика обработки последовательностей. По классике затронули линейную и логистическую регрессию: от принципов работы и функций потерь до аналитического решения. Про ансамбли: глубоко копали bagging и boosting, их отличия и влияние на смещение и дисперсию. Затронули метрики качества: интерпретацию и сценарии применения. По сути, это был хороший тест на фундаментальную базу без попыток завалить редкими деталями, но требовал четкого понимания.

2. Python-интервью
Час практической работы. Как я понял, у них есть типовой шаблон: написать реализацию логистической или линейной регрессии с нуля. Дальше обсуждаются возможные улучшения, ограничения и пути оптимизации. Также проверили базовое понимание архитектуры языка: GIL, асинхронность, ООП. Вопросы были именно в разрезе продакшен-разработки, а не проверки на знание экзотических функций.

3. Секция ML System Design
Этот этап ожидаемо оказался самым интенсивным. Заявлено было полтора часа, но по факту уложились в час. Для проектирования это невероятно сжатые сроки. За это время пришлось затронуть и бизнес-контекст, и метрики, и данные, архитектуру, SLA, мониторинг, риски и стратегию раскатки. По сути, это был блиц-опрос на скорость мышления.
Момент, который вызвал внутреннее удивление: обсуждение бизнес-составляющей свернули очень быстро и практически сразу ушли в технические рельсы. В классическом MLSD бизнес-метрики - это фундамент, на котором строится всё решение. Здесь же интервьюер сфокусировался на железе, архитектуре и способах реализации, оставив продуктовую логику за скобками. На тот момент мне показалось, что это странный подход, но в итоге это оказалось частью их стресс-теста.

Фидбек и долгожданный оффер
Несмотря на непривычный формат, через пару дней после секции я получил приглашение на заключительный созвон с HR, а уже через неделю: подтверждение о прохождении и оффер.

Коммуникация
В отличие от затянутого старта (где собеседования переносили), финальный этап прошел максимально быстро и прозрачно. На созвоне с командой (тимлид и ведущий инженер) у нас состоялся откровенный разговор. Удалось обсудить не только будущие задачи, но и их внутренние процессы, стек, а также то, как команда справляется с текущими вызовами. Отвечал про жизнь в компании без прикрас, рассказывали и о плюсах, и о сложностях. Это подкупает, потому что показывает зрелость компании: они не рисуют "золотые горы", а нанимают людей, готовых работать с продуктом здесь и сейчас.

Подписаться: @postypashki_old

📚 База на весь олимпиадный сезон: бесплатные сборы Яндекса по программированию

С 1 по 8 октября Яндекс проведёт бесплатные онлайн-сборы по подготовке к ВсОШ по информатике. Программа разделена на два курса: для 7-8 классов с основами и базовыми темами и для 9-11 классов с повторением ключевого и тренировочными контестами. Занятия ведут преподаватели Яндекс Кружка, а также победители и призеры профильных олимпиад. 

Как устроена подготовка:
🔹 к каждой лекции идёт контест и разбор;
🔹 отдельные занятия посвящены интересным задачам этапов прошлых лет;
🔹 после курса пройдет пробная олимпиада, которая покажет темы для доработки.

Все уроки останутся в записи, поэтому смотреть можно в удобное время. Участники также получат доступ к материалам прошлых сборов, сертификат о прохождении, а лучшие смогут побывать в офисе компании и забрать фирменный мерч.

Пробная олимпиада покажет реальный уровень перед октябрьским этапом, а восемь дней интенсива дадут фору: регистрируемся здесь 👈

В Яндекс без опыта с первого раза

Товарищи, продолжаем рассказывать про наших талантливых учеников.
На днях записали интервью с Полиной, нашей ученицей летнего потока Бэкенд СТАРТ.
➡ Записаться.

У неё не было опыта работы, топового вуза и олимпиад. И всего за 2 месяца получилось взять оффер в Яндекс.
Самое интересное, что она не откликалась на стажировку 👀

Смотрите в ролике как все получилось: https://www.youtube.com/watch?v=k6yYBESFHIs

В видео обсудили:
➡️как попасть на мероприятия Яндекса, где можно пройти собеседование
➡️как готовилась к алгосекциям и что на них спрашивали
➡️о чём говорили на финалах
➡️правда ли в Яндексе 500 этапов и сколько собесов было у неё
➡️с какими компаниями были еще собесы
➡️советы тем, кто сейчас ищет первую работу

Полный цикл отбора в Spectral на SWE (HFT)

Недавно рассказывали про отбор в Fast Forward на кванта, теперь расскажем как проходит отбор на SWE. Здесь уже намного меньше математики и ML, зато гораздо больше плюсов, алгоритмов, многопоточности, сетей и понимания того, как код работает непосредственно на железе. Полтора года назад наш выпускник проходил туда отбор, делимся как прошли этапы.

Условия (hr созвон)
Первый созвон был с hr, поспрашивали про опыт, проекты и достижения. Здесь, как и на кванта, стоит заранее подготовить нормальный рассказ про себя и мотивацию идти именно в HFT. Желательно уметь объяснить, почему вам интересна низкоуровневая разработка, оптимизация и работа с производительностью. Касательно зп назвали только диапазон (это было полтора года назад и вижу что вилки сильно уже изменились, тогда мне назвали 50-60к долларов)

Тестовое
На тестовое также лучше заранее выделить почти целый день. Здесь уже задача была ближе к разработке инфраструктуры для обработки биржевых данных. Нужно было реализовать обработку большого потока событий и поддерживать некоторое состояние системы. Сам алгоритм был достаточно простой, основной упор скорее был на качество реализации и производительность. Смотрели на количество аллокаций, копирований, выбор структур данных и в целом насколько человек понимает, где код может начать тормозить. То есть здесь опять же главное не намудрить с архитектурой, а написать достаточно простое и быстрое решение.

Первый тех собес
Первый тех собес был в основном посвящен C++ и низкоуровневой части. По времени примерно полтора часа, при этом ощущение опять же что жесткого тайминга особо нет. Очень много спрашивали по самому языку: работа памяти, object lifetime, move semantics, виртуальные методы, smart pointers, RAII, undefined behavior. Отдельно достаточно подробно проходились по STL и внутреннему устройству основных структур данных. Например могли спросить как устроены vector, map, unordered_map, чем они отличаются не только по асимптотике, но и по тому как лежат в памяти и как это влияет на производительность. Дальше достаточно быстро перешли к компьютерной архитектуре. Спрашивали про кэши процессора, cache lines, locality, branch prediction, virtual memory, page faults и TLB. Были небольшие устные кейсы, где нужно было объяснить почему два одинаковых по асимптотике куска кода могут работать с очень разной скоростью. Отдельный большой блок был по многопоточности: mutex, spinlock, atomics, data race, false sharing, memory ordering. Здесь скорее проверяли понимание, а не знание стандарта C++ наизусть. Также немного поспрашивали Linux: процессы, потоки, context switch, syscalls, профилирование и какие инструменты можно использовать чтобы искать bottleneck'и.

Второй тех собес
Второй тех собес уже был намного больше похож на классическое алгоритмическое интервью. Было несколько задач уровня выше хард литкода по сути со школьных олимпиад 1го уровня или всоша. Задачи в основном были на структуры данных, одну даже дали на разделяйку на дереве (центроиды) . Отдельно была задача на объединение нескольких потоков отсортированных данных и задача на реализацию кольцевого буфера. После решения обычно начинали задавать дополнительные вопросы: можно ли сделать быстрее, уменьшить память, убрать лишние аллокации или как решение изменится если оно будет использоваться из нескольких потоков. То есть здесь важно не только написать правильный алгоритм, но и уметь рассуждать о том, насколько хорошо он будет работать в реальной системе. Также немного погоняли по сетям: TCP/UDP, multicast, сокеты, blocking/non-blocking IO, почему в HFT часто используют UDP для market data и где вообще может появляться лишняя задержка.
Для подготовки советую наш курс алгоритмы про.
➡ Записаться.

System design
Отдельный кусок собеса был посвящен небольшому систем дизайну, но это не классические задачи из бигтеха в духе "спроектируйте Twitter". Здесь дали кейс вокруг обработки market data и отправки ордеров. Нужно было примерно рассказать как разбить систему на компоненты, где будут отдельные потоки, как передавать данные между ними и что делать если один компонент начинает работать медленнее остальных. В процессе в основном спрашивали про latency: где появятся копирования, блокировки, аллокации, системные вызовы и как это можно оптимизировать.

Финал
На финале уже встречался с лидом в офисе. В начале была еще одна небольшая алгоритмическая задача (по ощущениям рейтинга 2к на кфе), ничего сильно сложного, скорее очередной брейнтизер чтобы посмотреть как человек рассуждает. После этого собеседование уже больше превратилось в разговор про опыт и интересы. Много спрашивали про проекты, где приходилось оптимизировать код, искать сложные баги, разбираться с многопоточностью или читать большой чужой код. Также, как и на квант позицию, достаточно сильно смотрят на достижения. Олимпиады, ICPC, Codeforces, сильные пет-проекты или open source будут большим плюсом, особенно если коммерческого опыта пока мало.

Отбор на SWE оказался не столько сложным по задачам, сколько очень широким по количеству тем. Алгоритмы там нужны все задачи были рейтинга от 1800 на кфе (запрашивали по сути достаточно высокий уровень алгоритмического аппарата) , а также очень важно хорошо понимать C++ и то, как программа работает непосредственно на компьютере: память, кэши, потоки, операционная система и сеть.

Подписаться: @postypashki_old

Стажировка Авито (Data Science Bootcamp)

В посте обсудим основные этапы отбора. Направления: классика, CV, NLP и LLM - при подаче выбирается только одно. Для участия нужно подать заявку до 20 сентября и выполнить тестовое задание. Разбор будет только на наших курсах МЛ ПРО, ИИ агенты ПРО.
➡️ Записаться.

1. Скрининг-тест
Тест по Python, SQL, матеше и ML - около 30 вопросов, из них 2 задачи на код, остальное теория. На каждый вопрос дают около минуты, сворачиваться или переключать вкладки нельзя - если задетектит скрин, об этом напишут и результат не засчитают (но сам тест доходишь до конца). В конце теста ещё пара лёгких задач на код. Пример можно посмотреть тут.

2. Тестовое задание + видеовизитка идут параллельно по дедлайну
Формат тестового зависит от направления:
- построить модель и придумать фичи, чтобы повысить целевую метрику (классика)
- задание в формате хакатона: например, написать ретривал-систему и максимизировать MAP@10 (на NLP было такое)

Видеовизитка - тут типичная запись себя на вебку с ответами на простые вопросы вроде "кто ты", "почему Авито", "почему DS", тоже с лимитом около минуты на ответ. Такое же есть и на стажку от Авито, поэтому ничего нового. Пример можно посмотреть тут, а как готовиться к софт собесам в Авито писали пост.

3. Технический собес
- Иногда ~10 минут обсуждают твоё тестовое, но бывает, что вообще не спрашивают про него.
- Задача на алгоритмы уровня LeetCode (medium). Сливали материалы тут.
- Блок по классическому ML: деревья, ансамбли (бэггинг, бустинг, стекинг), регуляризация, дропаут, метрики, нормализация и т.п.
- Если направление NLP дополнительно спрашивают эмбеддинги, word2vec, трансформеры, TF-IDF и подобное.

4. Финал
В основном это знакомство с командой и рассказ о том, чем предстоит заниматься. Технических вопросов обычно нет, но некоторые слышали, что иногда бывают. В целом классический финал, как например в том же яндексе/авито/тиньке.

При мэтче год стажируешься, заполняешь матрицу компетенций (подтвержение навыков) и в конце буткемпа тебе проводят собесы, по которым принимают решение какой грейд тебе давать - мидл или джуна оставлять. Пример собесов тут.

Подписаться: @postypashki_old

Яндекс равно быстрый рост

В посте обсудим, почему Яндекс одно из самых лучших мест для старта карьеры. Кстати разбор контеста на стажировку в Яндекс уже выложен на наших курсах ПРО!
➡️ Записаться

Почему тут растёшь быстрее, чем везде
Внутри Яндекса десятки команд, между которыми можно перемещаться по внутренней ротации: сегодня продуктовая разработка, завтра инфра. За пару лет здесь можно набрать опыт, который обычно собирают через несколько смен работы.

Для стажёров это работает ещё жёстче. Стажировка тут не «покажи, что можешь, и мы подумаем», а сразу реальная ответственность. Во многих компаниях стажёр чинит баги и пишет тесты. В Яндексе бывает серьёзнее: наш выпускник переписывал легаси, поднимал производительность приложения и его коммиты реально влили в прод. Другой стажировался в Алисе и получил фичу, расширившую кор-функционал продукта.

Именно эта комбинация: широта (ротация между командами) и глубина (реальная ответственность с первых недель) объясняет, почему до мидла можно добежать за одну стажировку. Не потому что грейды тут раздают всем подряд, а потому что тебя реально нагружают задачами боевого уровня, а рядом есть наставник: встречи, ревью, сроки. Нормальные процессы особенно важны для начинающих специалистов, чтобы в будущем понимать, зачем нужны ревью и постепенный раскат, не впадать в ступор от больших задач.

Но рост не везде одинаковый
Конечно быстрый рост - не гарантия. Все зависит от команды. Здесь все таки десятки разных команд под одной вывеской, и опыт стажёра в одной может сильно отличаться. Например, в Маркете задачи и процессы могут быть менее понятными, из-за чего сложнее быстро погрузиться в контекст. Поэтому советую заранее узнавать, куда именно тебя берут: от этого зависит, дорастёшь ли ты до мидла или просидишь на рутине. Советую чекать доклады, хабры компании, сталкерить Linkedinы команды.

Что удерживает, когда уже вырос
Быстрый рост - хорошая причина прийти в компанию. Но после него должно быть что-то, что цепляет и заставляет хотеть остаться. В Яндексе таких вещей несколько.

Тут помогает разнообразие: не один продукт, а десятки, и во многих живой современный стек, а не легаси, который просто поддерживают. Сейчас всё крутится вокруг ИИ: Алиса - один из главных проектов компании, агент, который бронирует столик, вызывает такси, ищет товары и встроен прямо в Поиск, с аудиторией больше 100 млн пользователей в месяц. Но топовых направлений хватает и без неё: Поиск, Go и десятки команд с актуальными задачами. Навыки не устаревают вместе с продуктом: ты работаешь с современным стеком.

Плюс инженерная культура, которая выходит за пределы компании: Яндекс выносит технологии в опенсорс: userver, распределённую базу YDB, ML-библиотеку CatBoost. Это отдельная мотивация: работаешь над тем, что полезно всей индустрии.

Та же логика в конференциях. Яндекс не просто отпускает на них, а организует сам: YaTalks с треками по бэкенду, фронтенду и ML, Yandex Dev Day&Night про инфраструктуру. Доклад от своего имени - начало личного бренда и задел под руководящие позиции. К тому же, в Яндексе неплохо так насыпают руководителям с премий.

Ну и конечно расширенный ДМС на сотрудника и семью, питание через ланч-карту, круглосуточные офисы, спортзалы и кофе-поинты.

Мое мнение
Есть момент, что при переходе из другой компании Яндекс может жестко порезать грейд и вилку, но это в целом как и в любом другом бигтехе. Но при этом Яндекс хорошо платит стажерам, спецам со знанием уникального стека/технологии, руководителям. Им бы я и советовал присмотреться к Яндексу. Особенно это хорошее место для стажеров, чтобы за годика три стать крепким сеньеором, а дальше уже выбрать свой путь: валютные стартапы, руководящие позиции, ну или можно просто соскуфиться и ходить в вайбовые компании по куругу.

Подписаться: @postypashki_old

Полный слив собеседований ML в Яндексе

Собрали для вас гайд, по которому в Яндексе сами интервьюеры готовятся вести технические секции на ML‑позиции: от общего MLP до профильных направлений NLP, ASR, CV и RecSys. Внутри разложено буквально всё: что спрашивают, какие задачи дают и по каким критериям ставят грейд. Еще больше материала на наших курсах ПРО. Разбор контеста на стажировку в Яндекс уже выложен!
➡️ Записаться

Как устроена сетка грейдов в файле:
- 14 грейд (hire2) — джун
- 15 грейд (hire3) — мидл
- 16 грейд (hire4) — мидл+
- 17 грейд (hire5) — синьор

Все кандидаты трека ML сначала идут через MLP
Это общая секция на ~60 минут: алгоритмическая задача на код + разговор про теорию ML на примере любимого алгоритма кандидата (логрег, нейронки или ансамбли деревьев). В файле выписано 31 вопрос теории: от того, почему в логрег логарифмируют правдоподобие, до того, как посчитать CTC‑лосс для пустого референса, ну и конечно разбор по каждому критерию: что нужно, чтобы не улететь в no‑hire.

После MLP кандидатов 15 грейда и выше ведут в MLS
Профильную секцию по одному из четырёх направлений:

• NLP: опыт кандидата + задача на пунктуацию/капитализацию + профильная (поиск багов в трансформере или пайплайн суммаризации)
• ASR: теория (архитектуры, лоссы CTC/RNNT, метрики WER/CER) + практическая задача end‑of‑utterance в реальном времени
• CV: практическая задача в реальном времени, самая частая - «типичные грабли»: дают кривую архитектуру и просят найти всё, что в ней не так
• RecSys: дизайн рекомендательной системы с нуля (по образу Ютуба) + профильная задача про кандидатогенерацию или прод‑проблемы

Отдельно стоит обратить на логи интервью с таймкодами, от кандидата, который не смог объяснить, что такое лосс в логреге, до кандидата, которого взяли сразу на 16+ грейд. По этим логам хорошо видно, где именно люди сыпятся и какие уточняющие вопросы задаёт интервьюер, чтобы докопаться до сути.

Если готовитесь именно по ML‑треку, то начните с MLP‑блока, там закрывается процентов 70 типичных вопросов по метрикам, переобучению и статзначимости, а дальше уже углубляйтесь в своё направление.

Еще больше материалов в наших открытых банках собесов.
— Аналитика
— ML & DS
— Бэкенд
— Фронтенд
— Алгоритмы
Обсудить задачи можно в нашей боталке.

Подписаться: @postypashki_old

Продолжаем знакомиться с талантливыми учениками Поступашек

Сегодня в гостях - Катя Деева, амбасодор СВЭГА. Сейчас Катя работает в Ozon Fresh, а до этого успела попробовать себя в аналитике и продакт-менеджменте в крупных компаниях и пройти довольно непростой путь поиска того, чем вообще хочется заниматься.

Смотрим интервью по ссылке: https://youtu.be/5Da-YtxUpSE

Обсудили самые актуальные темы зумеров:
— Как найти парня
— Как делать эти самые "социальные связи" (нетворк)
— Как кейс-чемпионаты помогли Кате построить карьеру
— Работу аналитиком в Sber AI, VK, МТС
— Работу продакт менеджером в Яндекс рекламе, Яндекс Маркете, Яндекс GO
— лицей НИУ ВШЭ и факультет бизнес-информатики

Получился разговор не только про карьеру и образование, но и про то, как пробовать разное, ошибаться, менять решения и постепенно понимать, чем действительно хочется заниматься.

А если хотите вырасти в такого же сильного специалиста как Катя, за которым охотятся топ-компании, приходите на наш курс "Аналитика ПРО"
➡️ Записаться

Как хакнуть HR

В рамках открытой недели "Аналитика вне SQL" встретились с HR-экспертом, который нанимал IT-спецов от стажера до топ-менеджмента в X5 и Яндексе. Вместе разбирались, что вообще происходит по ту сторону отклика: почему хорошее резюме может получить отказ, как работает ATS, что смотрит HR и почему одних кандидатов зовут дальше, а других — нет.

Запись встречи уже лежит в канале. Но чтобы не пересматривать ее каждый раз перед собеседованием, мы собрали все самое важное в гайд «Как попасть на собеседование и пройти его». Сохраняйте и делитесь с друзьями!

А здесь отдельно вынесем несколько важных пунктов:
1. Увидели вакансию — лучше откликнуться сразу.
HR достаточно быстро собирает первую подборку подходящих кандидатов и дальше уже работает с ней вместе с нанимающим менеджером. Вакансия при этом может продолжать висеть.
Поэтому иногда кандидат на 10/10 просто пришёл позже и не успел попасть в папку кандидатов.

2. ATS помнит больше, чем одно ваше резюме.
Это не только фильтр по ключевым словам. В системе может сохраняться история ваших откликов, этапов и контактов с компанией.
Поэтому нормально поддерживать адекватную коммуникацию с HR даже после интервью. Если они обещали ответ и пропали — можно написать follow-up. Сегодня вакансии для вас может не оказаться, а через несколько месяцев HR вспомнит хорошего кандидата и вернётся уже с другой.
И да: если вам звонил HR и вы не успели взять трубку — перезвонить нормально. Не нужно ждать, пока вас попробуют поймать ещё три раза.

3. Холодный отклик — не единственный вход.
Если можете выйти напрямую на HR, нанимающего менеджера или получить рекомендацию сотрудника — используйте это.
Когда вас рекомендуют, за вами уже стоит первичный человеческий фильтр: «я знаю этого человека / посмотрел его опыт / с ним стоит поговорить». Это может помочь не потеряться среди сотен откликов.
Поэтому нетворкинг — самый рабочий канал поиска работы, особенно, чтобы быстро пройти верхний этап воронки.

4. Перед интервью можно немного посталкерить нанимающего менеджера.
Спросите у HR, кто будет вас собеседовать, и посмотрите человека в LinkedIn и открытых соцсетях: где работал, чем занимался, какие продукты делал.
Вы идёте не в абстрактный «Яндекс» или «X5», а к конкретному руководителю. Чем лучше понимаете его профессиональный профиль, тем понятнее, какие темы ему будут близки и на чём строить разговор.

5. Soft skills ≠ «просто умею разговаривать».
И точно не строчка «коммуникабельный, стрессоустойчивый» в резюме.
На собеседовании смотрят, можете ли вы:
— понятно объяснить решение
— нормально реагировать на вопросы
— признать, что чего-то не знаете
— уточнить задачу вместо того, чтобы сразу бежать решать
— аргументировать свою позицию
— в целом адекватно работать с другими людьми

Когда два кандидата похожи по хардам, вот это уже может стать решающим фактором при выборе.

6. Нет опыта — ищитев первую очередь не сертификаты, а доказательства, что вы умеете работать.
Pet-проекты, хакатоны, кейс-чемпионаты, исследования, университетские проекты — всё это можно использовать как опыт, если там была реальная задача и вы можете подробно рассказать, что сделали и к какому результату пришли.

То же самое с коммерческим опытом: в резюме важнее не «писал SQL и строил дашборды», а что изменилось благодаря вашей работе.
Например:

увеличил показатель X на 12% за счёт анализа пользовательских сегментов и проверки продуктовых гипотез.

В самом гайде подробнее разобрали ATS, резюме, первый этап отбора, отсутствие опыта, HR-интервью, soft skills, нетворкинг и переход между ролями.

А сегодня в 19:00 посмотрим на тот же путь уже глазами кандидата.

Встречаемся с senior-аналитиком Авито😎 и разберём, как он сам прошёл путь от поиска первой стажировки до senior: что писал в резюме, что реально помогало проходить отборы, что не работало и за счёт чего получилось быстро расти дальше.

Если сейчас ищете стажировку, первую работу или хотите понять, как быстрее расти после входа в профессию, присоединяйтесь.

Как готовиться к софт собесам в Авито

Очень актуальный вопрос в эпоху, когда заботать технические собесы - это лишь вопрос времени. Команды нередко отбирают кадидатов просто по вайбику. Поэтому в посте обсудим, как зафититься на начальные позиции в Авито (без ограничения общности).
Более подробно про Авито можно узнать на нашем бесплатном мини-интенсиве "Аналитика вне SQL" завтра в 19:00 будет встреча с экспертом из Авито. Присоединиться можно по ссылке: https://t.me/+j_RdPEr7JudjNWM0

Лендинг компании, набора или анкета
Большинство качеств, которые от вас ожидают, написаны на лендинге или в анкете. Не пожалейте времени, буквально 10-20 минут: прошерстите сайтик и выпишите все качества и характеристики, которые ждут от кандидатов. Дальше переходим на страницу конкретной программы, допустим, буткемпа аналитики. Тыкаем на все вкладки и собираем максимум инфы. Так мы узнаем общие ожидания, примеры задач и опыт других ребят. В данном случае из требований интересно выделить “Умеете структурировать информацию и критически мыслить” и “Понимаете, в чём отличия между продуктовой аналитикой и BI‑разработкой”. Иначе говоря, вы должны четко понимать, чем занимается продуктовый аналитик, а также четко доносить свои мысли на собесе.

Копаем глубже и заходим на сайт самой компании почитать о ее ценностях и требованиях к сотрудникам. Манифест Авито - кладезь полезной информации для подготовки к собесу. Мы знакомимся с культурой компании, а также с ее ценностями: “все начинается с потребности пользователей”, “решай быстро и аргументированно”, “упрощай!”, “вместе мы можем больше”, “главное - результат”.

Теперь у нас есть базовое понимание того, что от вас ждут, как от будущего сотрудника, однако мы еще не разобрались с нашей ролью. На собеседование критически важно сформулировать для себя четкую картину того, чем занимается аналитик и почему вы идете именно туда.

Составляем портрет идеального сотрудника
Представьте Вася учится на втором курсе, имеет 3 000 часов в доте. Представим, Вася собеседуется на три совершенно разные позиции: аналитика, физрука и волонтера. Для каждой из этих сфер будут важны только некоторые качества Васи (подумайте, какие именно). При этом знание прокастов на инвокера не дает ему ровным счетом ничего ни в одной из этих профессий. Поэтому мы с Васей понимаем, что просто "быть собой" на собеседовании не всегда лучший вариант, особенно на начальных позициях.

Васе поможет навык составления портрета идеального сотрудника
На данном этапе нужно осознать какими качествами обладает идеальный аналитик. Запросы в ИИшку вроде "что делают аналитики в Авито", "что ждут от аналитика в крупной компании" и "какими качествами обладает хороший аналитик" помогут ему собрать нужную инфу. Gemini отвечает, что к таким качествам относятся критическое мышление, самостоятельность и внимание к деталям.

Лучший способ узнать, что из себя представляют аналитики конкретной компании - пообщаться с ними, например в нашем чате. Если такой возможности нет, читаем статьи о сотрудниках, например вот эту.
Отдельно хочу отметить, что таким образом Вася никого не обманывает, а лишь понимает, какие качества нужно подсветить в резюме и на собеседовании, а какие нет. Если человек совсем не обладает, скажем, критическим мышлением, продемонстрировать его на собесе все равно не получится.

Учимся показывать качества
Главный секрет заключается в том, чтобы не просто отвечать на вопросы, а в каждом ответе показывать собеседующему, что у вас есть качества, которых от вас ожидают.

Тут советую следующую схему:
-Гуглим базовые списки вопросов, которые задают кандидатам на конкретные позиции в крупных компаниях.
-Пишем черновые варианты ответов на них.
-Для каждого ответа прикидываем, какое качество мы демонстрируем через эту историю.
-Если нашли такое качество, делаем в ответе акцент именно на нем. Но не нужно говорить в лоб: фразы вроде "Я очень ответственный, поэтому сдал домашку в срок" - будет скорее минусом. Пользуемся принципом "не рассказывать, а показывать".
-Если понимаем, что ответ никак не коннектится с требованиями компании, придумываем другой. Тут настоятельно советую не пользоваться ЛЛМкой или делать это аккуратно, потому что она создает шаблонные и посредственные истории.

Из нашего мини-ресерча мы знаем, что в Авито одна из ценностей - фокус на результате. Добавляем контекст работы аналитика в компании и понимаем, что речь идет о реальном импакте, зачастую денежном.
Когда на собесе залетит банальный вопрос про прошлый опыт, которого у стажера может и не быть, можно рассказать выдуманную историю про сайд-проект с друзьями и заказчиком со старших курсов. Сделайте акцент на том, что несмотря на трудности с учебой, вы выделили время на проект, так как хотели добить его до конца и увидеть эффект.

Подписаться: @postypashki_old

Собрали все задачи с алгосекции в Яндексе в одном файле с разбором частых ошибок, все это закрывают наши курсы по алгоритмам. Сохраняй и делись с друзьями такой годнотой! 🔥

Кстати а контест со стажировки уже разобран на соответствующих наших курсах ПРО.
➡ Записаться.

Подписаться: @postypashki_old

Слив протоколов АВ тестирования для кейс-интервью X5

Наши выпускники не только сейчас активно проходят собесы, но и уже давно закрепились в штате и проводят собесы.

В честь нашей открытой недели по аналитике, которое стартует уже сегодня, делимся гайдом по проведению АВ тестирования в Х5 на основе внутренних методичек, публичных выступлений и протоколов проведения собеседований. Делитесь с друзьями такой годной!

Присоединиться к открытой недели можно по ссылке: https://t.me/+j_RdPEr7JudjNWM0

Подписаться: @postypashki_old