New Yorko Times

Cобесы в Яндекс и Амазон и куча советов от непрошедшего
#career #interviews #fail #tips

Как известно, у самурая нет оффера, у него есть только собеседования. Я тут писал уже, что фэйлов набралось немало https://www.group-telegram.com/hk/new_yorko_times.com/9, так вот набралось еще. Про чужие фэйлы весело слушать, так что приятных вам букв! А чтоб пост полезней был, опишу подробней некоторые собесы и как я к ним готовился. Да, в итоге я ни в Яндексе, ни в Амазоне, но советы дам, в конце концов, успел родиться в стране советов.

Начну с Яндекса. Я тут хвалил https://www.group-telegram.com/hk/new_yorko_times.com/86 первый собес, где надо было дебажить код трансформера. Второй собес – литкод – я предсказуемо не прошел. Медиум-задачка была наподобие MaxStack – написать свой стек, у которого операции push, pop и max – все за O(1). Я все сделал, но типа как многовато подсказок было да неправильно в другой задаче ответил про то, как конкатенация строк в питоне работает. Кто умеет сходу задачки типа MaxStack решать – хорошие новости, скорее вы готовы к литкоду в Я. Кто не умеет – у меня плохие новости, надо очень немало времени вложить в литкод, чтоб это все на кончиках пальцев было. Я уж стар, не буду за этим гоняться, лучше все то же время вложить в идеи и прототипы. Но все же один советы по литкоду могу дать: если на носу собес, а времени на подготовку не было, здорово все быстро освежить, если пройтись по основным структурам данных и повторить основные задачки уровня easy, с ними связанные. На примере бинарных деревьев: повторить inorder, preorder, postorder traversal, min/max depth, same tree и т.д. Иии… guess what, chatGPT прекрасно помогает с такой шпорой – код пишет, описывает решение. Советую не искать готовые шпоры, а самостоятельно пройтись по основным структурам данных и сделать свой читщит, желательно со своими зарисовками.

С Амазоном я прошел все этапы собеседования на applied scientist, вплотную подобрался уже к выбору команды, но от варианта в Британии отказался, а дальше фриз.

Этапов было много. Первый этап – “телефонный”, полтора часа, 4 части:

- science breadth – вопросы по ML “в ширину”, очень простые, тут ничего не смутило: виды задач в ML (нет, не a) наебать инвесторов и b) попилить бабло), опиши любимый алгоритм, что такое эмбеддинг, BERT, как вытащить эмбеддинги из берта и прочее;
- science depth – тут мини-кейс, пример реальной задачи и как бы ты к ней подступился. Что-то в стиле “Есть задача классификации товаров на сайте Амазона, 10к продуктов, 100 классов, у каждого товара есть фото и описание. Как бы ты подступился?”. Это чисто ML system design, хороши видео Валерия и книга Chip Huyen “Designing Machine Learning Systems”. Про драфт ее же книги про ML интервью я тут уже писал;
- coding – уровень супер-изи типа пройтись по логу, провалидировать формат строк, посчитать частоты слов;
- behavioral – да, они у Амазона в каждом интервью. Я про бихейв писал.

Продолжение ⬇️

www.group-telegram.com/hk/new_yorko_times.com/108

4.6K viewsYury Kashnitsky, edited  Mar 28, 2023 at 09:57

Cобесы в Яндекс и Амазон и куча советов от непрошедшего
#career #interviews #fail #tips

Как известно, у самурая нет оффера, у него есть только собеседования. Я тут писал уже, что фэйлов набралось немало https://www.group-telegram.com/hk/new_yorko_times.com/9, так вот набралось еще. Про чужие фэйлы весело слушать, так что приятных вам букв! А чтоб пост полезней был, опишу подробней некоторые собесы и как я к ним готовился. Да, в итоге я ни в Яндексе, ни в Амазоне, но советы дам, в конце концов, успел родиться в стране советов.

Начну с Яндекса. Я тут хвалил https://www.group-telegram.com/hk/new_yorko_times.com/86 первый собес, где надо было дебажить код трансформера. Второй собес – литкод – я предсказуемо не прошел. Медиум-задачка была наподобие MaxStack – написать свой стек, у которого операции push, pop и max – все за O(1). Я все сделал, но типа как многовато подсказок было да неправильно в другой задаче ответил про то, как конкатенация строк в питоне работает. Кто умеет сходу задачки типа MaxStack решать – хорошие новости, скорее вы готовы к литкоду в Я. Кто не умеет – у меня плохие новости, надо очень немало времени вложить в литкод, чтоб это все на кончиках пальцев было. Я уж стар, не буду за этим гоняться, лучше все то же время вложить в идеи и прототипы. Но все же один советы по литкоду могу дать: если на носу собес, а времени на подготовку не было, здорово все быстро освежить, если пройтись по основным структурам данных и повторить основные задачки уровня easy, с ними связанные. На примере бинарных деревьев: повторить inorder, preorder, postorder traversal, min/max depth, same tree и т.д. Иии… guess what, chatGPT прекрасно помогает с такой шпорой – код пишет, описывает решение. Советую не искать готовые шпоры, а самостоятельно пройтись по основным структурам данных и сделать свой читщит, желательно со своими зарисовками.

С Амазоном я прошел все этапы собеседования на applied scientist, вплотную подобрался уже к выбору команды, но от варианта в Британии отказался, а дальше фриз.

Этапов было много. Первый этап – “телефонный”, полтора часа, 4 части:

- science breadth – вопросы по ML “в ширину”, очень простые, тут ничего не смутило: виды задач в ML (нет, не a) наебать инвесторов и b) попилить бабло), опиши любимый алгоритм, что такое эмбеддинг, BERT, как вытащить эмбеддинги из берта и прочее;
- science depth – тут мини-кейс, пример реальной задачи и как бы ты к ней подступился. Что-то в стиле “Есть задача классификации товаров на сайте Амазона, 10к продуктов, 100 классов, у каждого товара есть фото и описание. Как бы ты подступился?”. Это чисто ML system design, хороши видео Валерия и книга Chip Huyen “Designing Machine Learning Systems”. Про драфт ее же книги про ML интервью я тут уже писал;
- coding – уровень супер-изи типа пройтись по логу, провалидировать формат строк, посчитать частоты слов;
- behavioral – да, они у Амазона в каждом интервью. Я про бихейв писал.

Продолжение ⬇️

BY New Yorko Times