Полный цикл отбора в Яндекс (Аналитика 2025)

Сегодня наш подписчик поделится своим отбором на стажировку в Яндекс аналитика. В очередной раз убеждаемся, что ничего сложного нет и решает в основном, то насколько ты понравишься команде. В общем мотивируемся и подаемся на стажировку.

Вступительный контест
Здесь было 6 задач: 4 алгоритмических, 1 на теорию вероятностей и одна задача на знание Pandas. Разбор здесь.
Решил 5/6 после контеста через две недели мне написала HR и мы договорились на техническое собеседование.

Аналитическая секция
Сначала интервьюер попросил немного рассказать про свою мотивацию и опыт в проектах до этого, потом рассказал про команду, в которой он работает.
Алгоритмическая задача:
Дан возрастающий массив, где могут быть так же отрицательные числа, нужно вернуть отсортированный массив, где все элементы взяты по модулю. Такую задачу разбирали тут.
Там сразу придумалось решение за O(n) по времени и O(n) по памяти. Что-то похожее на Merge двух отсортированных массивов.
Потом попросили не думать про время работы и написать решение в одну строку на Питоне, я написал.
И потом попросили написать еще одно более сложное решение в одну строку, которое я так же написал.

После этого мы перешли к теории вероятностей:
Дана неправильная монетка(вероятности выпадения орла и решки не совпадают). Надо придумать функцию, которая сделает монетку честной.
Это достаточно распространенная задача: надо просто бросать две монеты, пока не выпадет орел + решка или решка + орел.

Затем меня попросили решить достаточно простую задачу по математической статистике:
Доставка находится в центре круга. Доставка до границы круга занимает 30 минут. Надо посчитать медианное время доставки до любой точки круга. Разбирали ее тут.
Там я придумал простое решение через отношение площадей, чтобы меня не начали сильно гонять по статистике.

И последнее, что было - это кейс: два аналитика замеряли среднее проведенное время на сайте, у одного получилось 5млн, у другого 9млн, как такое могло произойти?
Решение кейса не требовало каких-то особых знаний, я там просто напридумывал 7 гипотез (типо первый считал медиану, а второй среднее, первый замерял в праздничные дни, а второй в обычные и т.д.)

На этом технического собеседование закончилось, и на следующий день меня позвали на алгоритмическое собеседование.

Алгоритмическая секция (1 изи задача на 30 минут)
Найти К ближайших по значению элементов для элемента, имеющего заданный индекс.
Примитивная задача на два указателя, решил за 5 минут, еще 5 минут разговаривали с интервьюером.

После алгоритмического собеседования обычно надо ждать, чтобы команды захотели с тобой побеседовать и забрать к себе.

Интервью с командами
У меня было одно собеседование с командой Антифрода Еды.
Спросили достаточно простой кейс. Компания предоставляет стриминговый сервис (видео/музыка - не принципиально). Пользователи могут начать с бесплатного 7-дневного пробного периода, после которого нужно оформить платную подписку, чтобы продолжить пользоваться сервисом. В последние 2 недели команда заметила снижение конверсии из пробного периода в платную подписку по сравнению с предыдущим месяцем. Раньше CR стабильно держался на уровне ~25%, сейчас упал до ~20%. Общее количество пользователей, начинающих пробный период, не изменилось. Дали две задачи на оконки и джойны, поспрашивали по мотивации и опыту в моих проектах.
На следующий день мне написали, что готовы взять меня в команду.

В целом, весь отбор в Яндекс у меня длился где-то месяц. Для подготовки я самостоятельно выучил базовый sql (в принципе язык достаточно интуитивный и достаточно просто пару раз документацию к примитивам почитать). Касательно python, его хватило курса с вуза, а теорвер и матстат заботал с интенсива поступашек за пару дней. Можете задавать вопросы в комменты.

@postypashki_old