Марио в офисе Авито

Как насчёт забега по офису, чтобы проверить свои знания в DS и получить за это мерч? Без паники, выходить из дома для этого не нужно 😀

Мы выпустили свою небольшую игру — Avito Data Quest.

Игра состоит из базовых вопросов по ML и Python, бизнесу и софтам, забега по офису в стиле «Супер Марио» и уже более сложных вопросов по выбранному домену.

Так что тренируем реакцию, переходим по ссылке и следим за турнирной таблицей — 20 марта подведём здесь итоги и 5 игроков с вершины рейтинга получат мерч ⚡️

Продолжаем цикл статей про собеседования — и сегодня расскажем про Python-секцию: что это, зачем и к чему готовиться. Всем привет, с вами Сергей Осокин.

Зачем нужна эта секция? Кто-то скажет, что разработка — удел разработчиков, нейросетей и вайб-кодеров. Но, как и в других компаниях, на плечи DS-инженера в Авито сваливается немало инженерных задач, которые нельзя делегировать. Именно эти навыки мы проверяем на Python-секции. Этап разбит на 2 части: лайв-кодинг и вопросы.

Лайв-кодинг
Кандидат решает задачи на Python в реальном времени в онлайн-редакторе без синтаксических подсказок. Задачи формата leetcode мы сознательно не даём: кандидаты уже научились их щёлкать, а к реальной работе DS-инженера они отношения почти не имеют. Вместо этого даём задачи приземлённые — например, реализовать bag of words (приведено как пример слишком лёгкой задачи). Так мы проверяем и понимание ML, и инженерные способности.

На что обращаем внимание
➡️ Выбор структур данных. Важно понимать, какой тип данных подходит для какой задачи. Хранить словарь для корпуса текстов в связанном списке — ваше право, но общественное осуждение придумано не просто так.

➡️ Качество кода. Любой code style лучше, чем никакой. Имена переменных, сигнатуры функций, camelCase или snake_case — всё влияет на читаемость.

➡️ Понимание задачи. Не бойтесь уточнить условие или разобрать пример «на бумажке». Просто написать код недостаточно — придётся объяснить своё решение.

➡️ Алгоритмическая сложность. Оцениваем асимптотику каждого действия. Ваше решение оптимальное, самое оптимальное или O(N^3)?

На этапе вопросов затрагиваем две области: Python и инфраструктуру.

➡️ Python. Особенности языка нужно знать всем, независимо от специализации (ML/NLP/CV). Кто такой GIL и почему его не зовут на вечеринки? В чём разница между is и ==? Параллелизм, декораторы, нюансы ML-библиотек — всё это в зоне внимания.

➡️ Разработка. Контейнеры, микросервисные архитектуры, CI/CD — инструменты, на которых держится современная инфраструктура (это не только MS Excel).

➡️ Базы данных. В production применяются разные типы БД с разными преимуществами и ограничениями. Даже популярные Python-библиотеки pandas и polars используют разные движки для вычислений.

Опыт разработки (необязательно на Python) — большой плюс, если вы понимаете, зачем выбран тот или иной стек.

Материалы и советы для подготовки
🟢leetcode, codewars и любой другой аналог для подготовки к лайвкодингу

🟢Ваш любимый LLM, который может покритиковать ваш код и подскажет, как лучше отформатировать решение

🟢Если вы никогда не программировали без помощи подсказок IDE, то самое время начать

🟢Обратитесь к документации и гайдам по самым важным инструментам: Docker, SQL, микросервисы, ClickHouse

🟢Списки вопросов наподобие Datacamp для собеседований, где можно найти темы для повторения

P. S. Если у вас есть полезные ссылки на материалы или гайды для подготовки, то поделитесь ими в комментариях. Желаю вам успехов в процессе подготовки!

Андрей Венжега на SNOW BASE CAMP!

С 19 по 22 марта в Сочи соберутся профессионалы, которые сейчас определяют развитие AI в крупных продуктах.

Андрей Венжега — директор департамента поиска и рекомендаций Авито и другие члены программного комитета кэмпа сформировали актуальную повестку.

Спикеры расскажут о том, что сейчас болит у рынка:
🟢как принимать решения в условиях неопределённости и растущих затрат,
🟢где реально применимы LLM и агенты, а где пока преждевременно,
🟢какая инфраструктура нужна, чтобы масштабировать AI на всю компанию,
🟢как выстроить управление AI-функцией,
🟢что происходит с ролями и компетенциями в AI-First мире.

Событие, которое определяет, как и куда будет двигаться рынок AI в ближайшем будущем.

Подробности на сайте сообщества Southhub