Самый странный собес в моей жизни на позицию аналитика
⌚️ Это было примерно 3-4 года назад, когда у меня уже был реальный опыт работы.
✅ Компания: онлайн-кинотеатр
👌 Позиция: младший аналитик данных
Первое, что меня смутило: на собеседовании сидело 5 человек
Ощущение — будто я подопытный кролик, а не кандидат🫙
🙊 Наверное, я могу себе это объяснить следующим:
1. это был показательный собес для других аналитиков (было 3 аналитика)
2. был кто-то из продукта (для оценки продуктового мышления)
3. был HR, но для меня это странно на технической секции
4. ...или я просто попал в реалити-шоу, я в телеке, ура!
5. ...или мне сразу решили устроить стресс-тест
Задачи были на SQL, Python. Помню, что справился с ними нормально, местами поправляли меня, но вслух проговаривал основные решения. Некоторые задачи мне даже сказали не решать, так как все было сказано.
Помню задачу на расчет метрик, а конкретно фидбек нанимающего менеджера
При этом мы укладывались в таймлайн, и это была последняя задача
🔥 Я тогда жестко сгорел, у меня опустились руки, но вот что я хочу донести этим постом (первый раз не через HR сказали странный фидбек):
1. Отсутствие фидбека — красный флаг. Если тебе не могут дать четкий фидбек, можно задуматься, сейчас стараюсь на собесах четко говорить по каждой задаче, что можно улучшить, о чем можно рассказать.
2. Иногда отказ — это лучшее решение для тебя. Спасибо, что тогда не взяли на работу😂
3. Думать вслух. Важно при найме оценить то, как мыслит кандидат. Структурно он решает поставленную задачу или нет.
4. Собеседования — не оценка компетенций. Это навык, который нарабатывается путем прохождения различных собеседований + изучения чего-либо. Как вы думаете, задачу бы на собесе не решили без ограничения по срокам и наличием гугла / LLM?
5. Много людей не должно вызывать стресса. Представьте обычную рабочую встречу: вы общаетесь сразу с несколькими людьми, обсуждаете задачу, отвечаете на вопросы.
🏃♀️ Тут можно сказать, что я не прав, и аналитик должен быстро решать базовые задачи. Возможно, тогда в компании реально были процессы, где скорость критична.
Но вопрос другой: должно ли это быть решающим фактором при выборе аналитика?
🔽 Интересно ваше мнение, пишите в комментариях
Во всех компаниях с этим обычно приходит рекрутер, но интересно ваше мнение, так как мне попался первый раз жизни негативный фидбек прямо на собеседовании
Зашел такой пост? Ставьте🐳 , посмотрим, какие у меня еще есть истории с собесов
Помните свой странный собес? Напишите в комментариях — интересно собрать реальные кейсы👇
@zasql_python
Первое, что меня смутило: на собеседовании сидело 5 человек
Ощущение — будто я подопытный кролик, а не кандидат
1. это был показательный собес для других аналитиков (было 3 аналитика)
2. был кто-то из продукта (для оценки продуктового мышления)
3. был HR, но для меня это странно на технической секции
4. ...или я просто попал в реалити-шоу, я в телеке, ура!
5. ...или мне сразу решили устроить стресс-тест
Задачи были на SQL, Python. Помню, что справился с ними нормально, местами поправляли меня, но вслух проговаривал основные решения. Некоторые задачи мне даже сказали не решать, так как все было сказано.
Помню задачу на расчет метрик, а конкретно фидбек нанимающего менеджера
Максим, мне все понятно, собеседование закончим,
ты медленно решаешь задачи, нам нужны специалисты, которые быстро могут написать SQL-запросы🔥
При этом мы укладывались в таймлайн, и это была последняя задача
1. Отсутствие фидбека — красный флаг. Если тебе не могут дать четкий фидбек, можно задуматься, сейчас стараюсь на собесах четко говорить по каждой задаче, что можно улучшить, о чем можно рассказать.
2. Иногда отказ — это лучшее решение для тебя. Спасибо, что тогда не взяли на работу
3. Думать вслух. Важно при найме оценить то, как мыслит кандидат. Структурно он решает поставленную задачу или нет.
4. Собеседования — не оценка компетенций. Это навык, который нарабатывается путем прохождения различных собеседований + изучения чего-либо. Как вы думаете, задачу бы на собесе не решили без ограничения по срокам и наличием гугла / LLM?
5. Много людей не должно вызывать стресса. Представьте обычную рабочую встречу: вы общаетесь сразу с несколькими людьми, обсуждаете задачу, отвечаете на вопросы.
Но вопрос другой: должно ли это быть решающим фактором при выборе аналитика?
Как вы считаете, стоит давать обратную связь сразу же на собеседовании?
Во всех компаниях с этим обычно приходит рекрутер, но интересно ваше мнение, так как мне попался первый раз жизни негативный фидбек прямо на собеседовании
Зашел такой пост? Ставьте
Помните свой странный собес? Напишите в комментариях — интересно собрать реальные кейсы
@zasql_python
Please open Telegram to view this post
VIEW IN TELEGRAM
🐳82❤25 9 2 1
Листал Linkedin, нашел такой пост, интересно посмотреть там комменты :)
Тут есть несколько популярных направлений для размышлений:
1. Джуны действительно нужны, нужно вкладывать в развитие команд + можно нанять больше сотрудников.
➕ Инвестиция в команду, рост лояльности, масштабирование
2. Джуны обходятся компании дорого. Помимо его зарплаты уходит зарплата менторов на обучение, а никакому сеньору они не нужны.
➖ Время сеньоров, ответственность, риск неокупаемости
Пара комментов из поста:
🙊 Лично мне кажется, что вопрос не в нужны или не нужны джуны, а в том, есть ли у компании инфраструктура под их рост.
Что думаете по этому поводу? Пишите в комментариях👀
Ставьте много🐳 , выпущу пост-разбор задачки с собесов :)
@zasql_python
Тут есть несколько популярных направлений для размышлений:
1. Джуны действительно нужны, нужно вкладывать в развитие команд + можно нанять больше сотрудников.
2. Джуны обходятся компании дорого. Помимо его зарплаты уходит зарплата менторов на обучение, а никакому сеньору они не нужны.
Пара комментов из поста:
Надо сказать, что и Джуны сейчас очень хорошо подготовлены, имеют не один пет-проект за плечами и довольно быстро ориентируются в новой информации.
Ни одному синьеру не нужен никакой джун, время на него тратить еще и ответственность ненужная
К сожалению, "Хороший человек" - это не профессия.
А утверждение "любой Сеньор будет рад стажеру - более чем спорное...
Что думаете по этому поводу? Пишите в комментариях
Ставьте много
@zasql_python
Please open Telegram to view this post
VIEW IN TELEGRAM
1🐳91❤13 9 6 1
Классическая задача на повышение матожидания
Вариаций много, встречается часто с равномерным отрезком [0;1] или с перебросом шестигранного кубика.
🤓 Условие задачи
Решение под спойлером
1. Матожидание кубика = (1+2+3+4+5+6) / 6 = 3.5
Ключевая идея: в среднем мы будем стремиться к 3.5 при бесконечном количестве бросков. Мы хотим максимизировать выигрыш. Для этого мы должны сравнить теоретическое значение с фактическим.
а) Если x > 3.5, выгоднее оставить, так как в среднем мы получаем меньше, чем видим сейчас
б) Если x < 3.5, лучше перебросить, в среднем мы получаем больше, чем видим сейчас
в) Если x = 3.5, ничего. Но фактически мы не можем получить 3.5, поэтому разбивается на два сценария (только а и б).
Имеем исходы с перебросом: {1; 2; 3} и исходы без переброса: {4; 5; 6}
2. Теперь к выигрышной стратегии
Пусть W выигрышная стратегия а E(Y) — матожидание кубика, будем смотреть на вариации первого броска и дальше считать матожидание стратегии
При X <= 3
E(W|X=1) = E(W|X=2)=E(W|X=3) = E(Y) = 3.5
💡 Когда нам выпало 1, 2 или 3, мы отказываемся от этого значения и фактически играем заново с чистого листа, а значит в среднем получаем матожидание одного честного броска — 3.5. Второй бросок — обычный честный кубик 🎲
При X > 3
E(W|X=4) = 4
E(W|X=5) = 5
E(W|X=6) = 6
Тогда E(X| X > 3) = (4+5+6) / 3 = 5
При выпадении 4, 5 или 6 текущее значение уже больше математического ожидания нового броска (3.5), поэтому перебрасывать невыгодно. Поэтому условные матожидания будут фактическими значениями на кубике.
Тогда получаем матожидание выигрышной стратегии
E(W)= P(X<3) * E(Y) + P(X>=4)*E(X|X>=4) = 3/6 *3.5 + 3/6 * 5🥳 🥳 🥳
Спойлер для двух перебросов (максимум 3 броска):
Так как при одном перебросе (двух бросках) матожидание оптимальной стратегии равно 4.25, то при двух перебросах оптимально оставлять 5 и 6.
E(W) = 4.25 * 4/6 + (5 + 6) * 2/6 = 14/3 = 4.666...
Мы используем оптимальное правило остановки: перебрасываем, пока не выпадет 6. Вероятность того, что 6 рано или поздно выпадет, равна 1, поэтому матожидание стратегии стремится к 6.
🐍 Python можно задать вот так
Ставьте🐳 , если понравился разбор и нужен разбор еще задач!
Делитесь в комментариях, попадалась ли вам подобная или похожая задача? Можно разобрать!
👌 Если у вас есть Premium, вы можете бустануть канал — это бесплатно и занимает 3 секунды. Нам совсем чуть-чуть осталось до 10 уровня, хочу поставить обои!
@zasql_python
Вариаций много, встречается часто с равномерным отрезком [0;1] или с перебросом шестигранного кубика.
У вас честный шестигранный кубик.
Вы делаете первый бросок и видите результат X. Затем вы можете:
1. оставить этот результат
2. сделать второй бросок (перебросить) и тогда итогом станет результат второго броска Y.
Вопрос: какую стратегию нужно использовать, чтобы максимизировать математическое ожидание итогового результата, и чему равно это математическое ожидание выигрышной стратегии?
Решение под спойлером
Ключевая идея: в среднем мы будем стремиться к 3.5 при бесконечном количестве бросков. Мы хотим максимизировать выигрыш. Для этого мы должны сравнить теоретическое значение с фактическим.
а) Если x > 3.5, выгоднее оставить, так как в среднем мы получаем меньше, чем видим сейчас
б) Если x < 3.5, лучше перебросить, в среднем мы получаем больше, чем видим сейчас
в) Если x = 3.5, ничего. Но фактически мы не можем получить 3.5, поэтому разбивается на два сценария (только а и б).
Имеем исходы с перебросом: {1; 2; 3} и исходы без переброса: {4; 5; 6}
2. Теперь к выигрышной стратегии
Пусть W выигрышная стратегия а E(Y) — матожидание кубика, будем смотреть на вариации первого броска и дальше считать матожидание стратегии
При X <= 3
E(W|X=1) = E(W|X=2)=E(W|X=3) = E(Y) = 3.5
При X > 3
E(W|X=4) = 4
E(W|X=5) = 5
E(W|X=6) = 6
Тогда E(X| X > 3) = (4+5+6) / 3 = 5
При выпадении 4, 5 или 6 текущее значение уже больше математического ожидания нового броска (3.5), поэтому перебрасывать невыгодно. Поэтому условные матожидания будут фактическими значениями на кубике.
Тогда получаем матожидание выигрышной стратегии
E(W)= P(X<3) * E(Y) + P(X>=4)*E(X|X>=4) = 3/6 *3.5 + 3/6 * 5
Еще есть интересный вопрос на понимание: А что будет, если перебрасывать мы будем не один раз, а два, три и так далее? Меня это кстати спрашивали на собеседовании в одной компании. Нужно включить голову🤔
Спойлер для двух перебросов (максимум 3 броска):
E(W) = 4.25 * 4/6 + (5 + 6) * 2/6 = 14/3 = 4.666...
И дополнительно вопрос, а куда будет стремиться матожидание при бесконечном количестве подбрасываний, если нам разрешат забирать выигрыш на тех подбрасываниях, которые нас устроили?
def expected_value(rerolls, sides=6):
"""
Возвращает максимальное матожидание,
если осталось несколько перебросов
"""
V = (sides + 1) / 2
for _ in range(rerolls):
total = 0
for x in range(1, sides + 1):
total += max(x, V)
V = total / sides
return V
for k in range(5):
print(f"{k} перебросов. Матожидание = {expected_value(k)}")
Ставьте
Делитесь в комментариях, попадалась ли вам подобная или похожая задача? Можно разобрать!
@zasql_python
Please open Telegram to view this post
VIEW IN TELEGRAM
3🐳88 13 10❤7 3
Как правильно входить в собеседование
Оригинал поста
Ладно, тут не только про шашлыки
🙊 Комментарии к посту
А вы что думаете? Норм шашлыки делать на собесе или стрем?
🍢 — норм, можно показать на практике многозадачность, критическое мышление и умение жарить шашлыки.
👎 — стрем, кандидат должен быть вовлечен в собеседование и это смущает вообще. Хочется быть "на равных".
@zasql_python
Оригинал поста
А потом этот чел шашлычник напишет здесь 10 постов что рынок не тот, его, короля, не берут на работу)
Не вижу ничего плохого в том, что такие кандидаты сразу освобождают место для более внимательных и заинтересованных кандидатов :)
Да и для компании хорошо - лучше всё сразу понять на собеседовании.
Так в чём неуважение-то проявляется в случае с шашлыком? У меня в 2025 году вообще было 2 собеседования в ресторане. И что тут неуважительного? И вопросы позадавали, и поели вкусно.
А вы что думаете? Норм шашлыки делать на собесе или стрем?
@zasql_python
Please open Telegram to view this post
VIEW IN TELEGRAM
[СТАТЬЯ] Покоряем гору временных рядов: делаем прогноз для 200+ рядов с библиотекой Etna
У Магнит OMNI❤ 19 января вышел туториал для новичков по временным рядам с использование библиотеки ETNA
Ниже короткий разбор, что в ней есть👇
1. В статье начали с наивных прогнозов последним значением, а далее начали применять библиотеку ETNA
2. Сравнивали несколько моделей по WAPE (абсолютной взвешенной ошибке)
3. Показали как применить пользовательские преобразования (в примере — создание линейного тренда для модели линейной регрессии)✏️
4. Выделили блок про стандартизацию данных для оценки временных рядов (в целом, это нужно для соразмерности сравнения ошибок между моделями).
5. Уделили время аномалиям (что они влияют на прогноз и как фреймворк может их обнаруживать).
6. Какими значениями можно заменять аномалии (в примере — предыдущее значение).
7. Далее указали, что проблема может быть в точках изменения тренда.
Новичкам, которые работают с временными рядами, зайдёт. Это скорее инструкция по возможностям библиотеки и типовым проблемам: аномалии, точки перегиба, оценка качества и т.д.
Сам сталкивался с проблемами аномалий и точек перегиба — в статье это подсвечено.
Если вдруг будет интересно, можно попробовать собрать пару постов по прогнозу временных рядов, если увижу много📈 (давайте попробуем 150+).
Можно для интереса залезть в комменты, там один из комментаторов говорит про фильтр Калмана (по пропуску пропущенных значений) и ссылается на статью , в которой сравнивают с простыми методами замены пропусков (при линейной динамике показывает меньшую ошибку восстановления пропусков).
А как у вас дела с временными рядами? Успели с ними поработать и что-то спрогнозировать? Делитесь в комментариях
@zasql_python
У Магнит OMNI
Ниже короткий разбор, что в ней есть
1. В статье начали с наивных прогнозов последним значением, а далее начали применять библиотеку ETNA
2. Сравнивали несколько моделей по WAPE (абсолютной взвешенной ошибке)
3. Показали как применить пользовательские преобразования (в примере — создание линейного тренда для модели линейной регрессии)
4. Выделили блок про стандартизацию данных для оценки временных рядов (в целом, это нужно для соразмерности сравнения ошибок между моделями).
5. Уделили время аномалиям (что они влияют на прогноз и как фреймворк может их обнаруживать).
6. Какими значениями можно заменять аномалии (в примере — предыдущее значение).
7. Далее указали, что проблема может быть в точках изменения тренда.
Новичкам, которые работают с временными рядами, зайдёт. Это скорее инструкция по возможностям библиотеки и типовым проблемам: аномалии, точки перегиба, оценка качества и т.д.
Сам сталкивался с проблемами аномалий и точек перегиба — в статье это подсвечено.
Если вдруг будет интересно, можно попробовать собрать пару постов по прогнозу временных рядов, если увижу много
А как у вас дела с временными рядами? Успели с ними поработать и что-то спрогнозировать? Делитесь в комментариях
@zasql_python
Please open Telegram to view this post
VIEW IN TELEGRAM
Что ж, всех с понедельником! Календарь забит важными встречами, просьба не отвлекать по всякой ерунде 😂
А как планируете провести эту неделю? И этот день?
Я:
— Хочу отлично поработать и закрыть задачи спринта с фулл-фокусом. Посмотрим, на мое состояние в пятницу👀
— Написать пару постов на неделю
— Сходить в тренажерный зал, делал перерыв. Чувствую, что без него, стало тяжелее жить
— Порешать задачи на Степике, кстати, планировал выпустить второй пост с подборкой курсов, ставьте🐳
— Пересмотреть записи лекций и семинаров с учебы в магистратуре. Надеюсь, там будет еще что-то полезное.
А у вас как по плану? Работа, сияние или сразу царственно отдыхать?😌
@zasql_python
А как планируете провести эту неделю? И этот день?
Я:
— Хочу отлично поработать и закрыть задачи спринта с фулл-фокусом. Посмотрим, на мое состояние в пятницу
— Написать пару постов на неделю
— Сходить в тренажерный зал, делал перерыв. Чувствую, что без него, стало тяжелее жить
— Порешать задачи на Степике, кстати, планировал выпустить второй пост с подборкой курсов, ставьте
— Пересмотреть записи лекций и семинаров с учебы в магистратуре. Надеюсь, там будет еще что-то полезное.
А у вас как по плану? Работа, сияние или сразу царственно отдыхать?
@zasql_python
Please open Telegram to view this post
VIEW IN TELEGRAM
🐳93 9 8 5❤3
БЕСПЛАТНЫЙ ВЕБИНАР
Почему одни аналитики богатые, а другие бедные?
Рынок аналитики перегрет, но вот парадокс: компании не могут найти сотрудников, а крутые спецы месяцами сидят без работы.
И зачастую проблема не в твоих хардах. Проблема в том, что ты не знаешь, как работает система найма.
Приглашаю на вебинар, где мы вскроем этот «черный ящик».
Я покажу, как перестать быть невидимкой для HR и продавать свой опыт дорого, даже если кажется, что «еще рано» или «недостаточно скиллов».
Почему мне можно верить:
Я практик, а не теоретик.
✅ 7 лет в Data & Product Analytics (Ozon, Avito, 2 стартапа в России и за рубежом).
✅ Сейчас работаю в международной AI-компании.
✅ Автор канала @jazzlitics.
Что будет в программе:
🔥 10 причин, почему вам отказывают на собеседованиях
🔥 Самая большая ошибка при оформлении резюме
🔥 Прожарка резюме подписчика в прямом эфире
А также расскажу про свою программу карьерного сопровождения - не пропустите!
🎁 Бонус для тех кто досмотрит до конца. Разбор ИИ-кейса с интервью в Yandex Browser 🎁
Ссылка на эфир будет опубликована в закрытом канале спринта.
ХОЧУ НА СПРИНТ
Реклама. ИП Денисова Анна Алексеевна
ИНН 771920968221. erid: 2Vtzqvv6DqM
Почему одни аналитики богатые, а другие бедные?
Рынок аналитики перегрет, но вот парадокс: компании не могут найти сотрудников, а крутые спецы месяцами сидят без работы.
И зачастую проблема не в твоих хардах. Проблема в том, что ты не знаешь, как работает система найма.
Приглашаю на вебинар, где мы вскроем этот «черный ящик».
Я покажу, как перестать быть невидимкой для HR и продавать свой опыт дорого, даже если кажется, что «еще рано» или «недостаточно скиллов».
Почему мне можно верить:
Я практик, а не теоретик.
✅ 7 лет в Data & Product Analytics (Ozon, Avito, 2 стартапа в России и за рубежом).
✅ Сейчас работаю в международной AI-компании.
✅ Автор канала @jazzlitics.
Что будет в программе:
🔥 10 причин, почему вам отказывают на собеседованиях
🔥 Самая большая ошибка при оформлении резюме
🔥 Прожарка резюме подписчика в прямом эфире
А также расскажу про свою программу карьерного сопровождения - не пропустите!
🎁 Бонус для тех кто досмотрит до конца. Разбор ИИ-кейса с интервью в Yandex Browser 🎁
Ссылка на эфир будет опубликована в закрытом канале спринта.
ХОЧУ НА СПРИНТ
Реклама. ИП Денисова Анна Алексеевна
ИНН 771920968221. erid: 2Vtzqvv6DqM
❤10👍6🔥5