1. Сжатие RLE строки... Пример: на вход подается aaabbbc вывести 3a3b1c
2. Бинарный поиск (классическая идея), оптимизация сложности
3. Алгоритмы сортировки 

1. Как заменить пустые значения в столбце?
2. Как объединить несколько таблиц (merge, join)?
3. Как привести типы данных к нужным (astype, to_datetime)?
4. Как отсортировать таблицу по столбцу по возрастанию / убыванию?
5. Как сделать аналог CASE WHEN в Pandas? (np.where, .apply, pd.cut и т.д.)

 
1. Какие типы данных изменяемые, а какие нет?
2. Чем список отличается от кортежа?
3. Что такое list comprehension?
4. Что вообще делали в Python?

weights = {
    "Moscow": 0.5,
    "SPB": 0.2,
    "Novosibirsk": 0.2,
    "Kazan": 0.1
}

def generate_by_weights(weights: dict, n: int) -> list:
    ...

['Moscow', 'SPB', 'Moscow', 'Moscow', 'Novosibirsk',
 'Moscow', 'Kazan', 'SPB', 'Moscow', 'Novosibirsk']

Слушай, раз ты здесь, давай быстро посмотрим, почелленджим

Пойдём за кофе, обсудим точки роста продукта

Раз все в офисе, давай сядем и сделаем презентацию

Предположим у нас есть продукт, где основной метрикой является GMV, в качестве прокси-метрики может быть выбрана конверсия в заказ, так как она более чувствительная. Быстрее прокрашивается и сонаправлена с метрикой (в предыдущих экспериментах).

Когда я работал в OZON 💙, мне было интересно разбираться в том, как работают под капотом методы, строить сложные пайплайны

Давным-давно в землях математических жил был коварный злодей - Разделитель. Он любил разделять числа пробелами, чтобы затруднить жизнь простым смертным...

1. Алгоритмы и структуры данных
2. Операционные системы семейства Unix
3. Soft Skills
4. Учебная практика (практический хакатон)

1. Машинное обучение без учителя
2. Принципы разработки на языке Python
3. Прогнозирование временных рядов

🙊 Мое мнение остается неизменным. Мышление кандидата очень сложно оценить, руководствуясь сухим решением, учитывая, что можно загнать все что угодно в LLM и сделать «идеально»

Кстати, такой вопрос вполне могут задать на собеседованиях, поэтому готовьтесь 😿

Возможно, просто обеспеченным мужчинам легче жениться.

Представь, что ты тимлид в компании X нанимаешь продуктового аналитика грейда G. Он должен заниматься Y [список обязанностей в вакансии]. На собеседовании планируется спрашивать про SQL, Python, статистику. [пример задач]. Ты должен отвечать четко по критериям, как была решена задача + давать пояснение к каждому пункту. Я тебе буду присылать решение каждой задачи, а ты будешь оценивать меня. В конце вердикт и саммари по тому, что можно улучшить.

Еще замечал, что многие кандидаты просто заучивают термины, но не понимают их.
Шаг влево, шаг вправо — и собеседование проваливается.

Если вы можете объяснить тему простыми словами — вы её знаете.
Если нет — скорее всего, просто заучили.

Классический пример — вопрос про p-value 😋