Cобесы в Яндекс и Амазон и куча советов от непрошедшего (продолжение)
#career #interviews #fail #tips
Второй этап по классике вживую был бы, но у меня тоже “телефонный”, 6 или 7 собесов, в каждом 2-3 поведенческих вопроса (полчаса):
- сначала tech talk – рассказ на целых 40 минут про любой свой проект, с глубоким погружением в тему. Я рассказал про командный пет-проджект про оценку тональности новостей о крипте (писал о нем на Хабре https://habr.com/ru/company/ods/blog/673376, также писал, почему командный пет – это шикарный опыт https://t.me/new_yorko_times/98). Слушают тебя прямо человек 15 из разных команд. Было очень странно, что никто не задал вопросов, я уж хотел красный флаг повесить, но уже на следующем собесе мне нормально подкинули вопросов, в том числе по tech talk;
- еще 2 собеса по ML “в ширину” – тут уже штук 30 вопросов, были и не самые приятные типа сложности алгоритма PCA. У меня было немало про RNN, трансформеры, в чем их инновация, как работает attention и т.д. Из веселого, на подумать – “есть два временных ряда, например, btc price и усредненная по дням тональность новостей. Как понять, что один ряд обладает предиктивной силой для предсказания другого и не наоборот?“;
- еще один ML “в глубину”, только не ML system design, а поиск и NLP – как адаптировать поиск на новый язык, как сделать domain adaptation для системы машинного перевода, всякие лоссы для поиска. Это был самый сложный собес, без релевантного опыта скорее всего не потащил бы;
- литкод – в целом тоже изи, не частота слов, конечно, но вообще не сложно. Попутно по классике вопросы про основные структуры данных, в том числе в питоне. Сказав что lookup в словаре в общем случае не константный, я приятно удивил интервьюера;
- problem-solving – я опасался “гномиков”, но был приятно удивлен, собес на программирование и не литкод, а приближенный к жизни. Вот тебе логи показов в таком-то формате, вот тебе клики в другом формате, пройдись посчитай CTR с разбивкой по каким-нибудь категориям. Не то чтобы веселая задача, зато проверяет релевантные навыки.
- наконец, был еще дополнительный поведенческий собес
Сказали, все хорошо, твердый L5, типа “почти L6” (на L6 хотели увидеть больше опыта с проектами на много команд), дальше начались переговоры с командой в Британии, релоцироваться я не захотел, а потом все подвисло из-за фризов.
В целом опыт собеседований с Амазоном очень позитивный, особенно порадовали поведенческие вопросы. Действительно, по ответам на вопросы “расскажи о том, как ты что-то поменял в компании” можно много узнать о кандидате, я немного пересмотрел и то, как сам провожу собеседования.
#career #interviews #fail #tips
Второй этап по классике вживую был бы, но у меня тоже “телефонный”, 6 или 7 собесов, в каждом 2-3 поведенческих вопроса (полчаса):
- сначала tech talk – рассказ на целых 40 минут про любой свой проект, с глубоким погружением в тему. Я рассказал про командный пет-проджект про оценку тональности новостей о крипте (писал о нем на Хабре https://habr.com/ru/company/ods/blog/673376, также писал, почему командный пет – это шикарный опыт https://t.me/new_yorko_times/98). Слушают тебя прямо человек 15 из разных команд. Было очень странно, что никто не задал вопросов, я уж хотел красный флаг повесить, но уже на следующем собесе мне нормально подкинули вопросов, в том числе по tech talk;
- еще 2 собеса по ML “в ширину” – тут уже штук 30 вопросов, были и не самые приятные типа сложности алгоритма PCA. У меня было немало про RNN, трансформеры, в чем их инновация, как работает attention и т.д. Из веселого, на подумать – “есть два временных ряда, например, btc price и усредненная по дням тональность новостей. Как понять, что один ряд обладает предиктивной силой для предсказания другого и не наоборот?“;
- еще один ML “в глубину”, только не ML system design, а поиск и NLP – как адаптировать поиск на новый язык, как сделать domain adaptation для системы машинного перевода, всякие лоссы для поиска. Это был самый сложный собес, без релевантного опыта скорее всего не потащил бы;
- литкод – в целом тоже изи, не частота слов, конечно, но вообще не сложно. Попутно по классике вопросы про основные структуры данных, в том числе в питоне. Сказав что lookup в словаре в общем случае не константный, я приятно удивил интервьюера;
- problem-solving – я опасался “гномиков”, но был приятно удивлен, собес на программирование и не литкод, а приближенный к жизни. Вот тебе логи показов в таком-то формате, вот тебе клики в другом формате, пройдись посчитай CTR с разбивкой по каким-нибудь категориям. Не то чтобы веселая задача, зато проверяет релевантные навыки.
- наконец, был еще дополнительный поведенческий собес
Сказали, все хорошо, твердый L5, типа “почти L6” (на L6 хотели увидеть больше опыта с проектами на много команд), дальше начались переговоры с командой в Британии, релоцироваться я не захотел, а потом все подвисло из-за фризов.
В целом опыт собеседований с Амазоном очень позитивный, особенно порадовали поведенческие вопросы. Действительно, по ответам на вопросы “расскажи о том, как ты что-то поменял в компании” можно много узнать о кандидате, я немного пересмотрел и то, как сам провожу собеседования.