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

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.

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

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

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

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

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: @postyapshki_old

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

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: @postyapshki_old