Провели мок-собеседование по алгоритмам в ШАД с нашим студентом! Ровно так оно проводится на реальном отборе. Смотрим! Смотрим!

https://www.youtube.com/watch?v=NysDVpcWByg

Читать полностью…

Через 2 часа вебинар про ШАД

Сегодня в 19:00 МСК разберёмся, кому и зачем нужен ШАД, как устроено поступление и что на самом деле проверяют на отборе. А ещё решим задачи и посмотрим, в каких местах ИИ может ошибаться.

Если думаете о поступлении, но пока не понимаете, с чего начать, приходите послушать экспертов и задать им вопросы.

🔗 Ссылка на вебинар
Ближе к началу пришлём ещё одно напоминание в @Postupashkianalitycsbot
Подключайтесь к боту, чтобы не пропустить эфир.

Читать полностью…

Вся правда про ШАД

Туда реально сложно поступить или есть лазейки? Нужно быть выпускником топового вуза и олимпиадником? А диплом ШАДа потом гарантирует зарплату миллион/наносек? Зачем вообще тратить время и силы на ещё один диплом?

Завтра разберёмся, где правда, а где миф, и поможем понять, стоит ли тебе поступать в ШАД 😎

Наш главный преподаватель готовит в ШАД с 2009 года: он расскажет, что на самом деле проверяют на каждом этапе, какие ошибки мешают поступить, и ответит на все ваши вопросы.

На вебе обсудим:

🔵Зачем поступать в ШАД и что обучение может дать для карьеры
🔵Как устроено поступление: этапы, формат, что ожидают от поступающих
🔵Задачи на экзаменах и покажем методику решения на высокий балл
🔵Проверим решения ИИ и посмотрим, где ему можно доверять, а где легко допустить ошибку

📌9 октября, 19:00 МСК
Ссылку на эфир пришлём за 3 часа до начала здесь и в бот @Postupashkianalitycsbot

Читать полностью…

Просто скажи, у нас с тобой есть шанс...?

Если речь про ШАД — вполне возможно 😎

Потому что какого-то единого «правильного» пути туда просто нет. Кто-то пришёл из обычной школы, кто-то с мехмата, кто-то уже работал разработчиком или исследователем. Все они поступили в ШАД после наших курсов — и сегодня делимся их историями.

⏩ Никита
учился в обычной школе в Крыму, а после неудач на олимпиадах и ЕГЭ поступил в МИЭТ. С первой попытки пройти отбор в ШАД не получилось. Он разобрал, каких тем ему не хватило, прошёл наши курсы по линалу и теорверу и поступил на следующий год.

⏩Тимур
Учится на ПМИ в РУДН и параллельно занимается математикой в НМУ. В первый год он не прошёл даже начальный этап отбора: не хватило базы по теории вероятностей. Продолжил готовиться — и поступил со второй попытки.

⏩ Никита
Учился в гуманитарном классе обычной школы и не занимался олимпиадами. Сейчас он на мехмате МГУ. При подготовке к ШАД ему пришлось отдельно подтягивать алгоритмы и программирование: этой практики в вузе не хватало.

⏩Эмиль
Окончил ИТМО и уже работал Java-разработчиком в VK. В какой-то момент понял, что хочет глубже разбираться в математике и ML. На подготовку к ШАД у него было около четырёх месяцев. Он занимался по нашим материалам и курсам — и поступил.

⏩ Омурбек
Вырос в небольшом городе Кыргызстана, через олимпиады попал учиться в Южную Корею, попробовал бэкенд, а затем перешёл к исследованиям. Даже работая Quant Researcher, он почувствовал, что ему не хватает фундамента, и поступил в ШАД.

Если в одной из этих историй вы узнали себя — не ждите момента, когда почувствуете себя «готовыми». Вы уже достаточно готовы, чтобы начать готовиться к ШАДу с нами.
Посмотрите полные интервью ребят, поймите, чего вам не хватает для отбора, а на наших курсах мы закроем эти пробелы.

⭐️ЗАПИСАТЬСЯ НА КУРС⭐️

Читать полностью…

Полный цикл отбора в X5 Tech на Data Science (стажер / junior)

Недавно наш студент, проходил собеседование в ad-hoc команду x5. Ниже разберем два самых содержательных этапа: первый технический и финал, который фактически оказался вторым тех-собесом. Сразу скажу, что по ощущениям отбор здесь не столько про знание огромного количества моделей, сколько про хороший фундамент и умение нормально рассуждать над аналитической задачей.

Кстати разбор заданий стажировки в Х5 на аналитика (Business Camp) уже выложен на нашем курсе "Аналитика ПРО". Дедлайн подачи до 6 октября. Успей записаться до дедлайна!
➡ Записаться

Первый технический

Python
Первый тех был довольно общий. Сначала немного погоняли по базовым алгоритмам и Python. Дали совсем простые задачи:

На вход приходит целое число. Нужно вывести число, состоящее из тех же цифр, но в обратном порядке.

И

Дан список натуральных чисел без повторений. Найдите второй по величине элемент.

Задачи сами по себе несложные, после решения спросили про сложность (но видно было что интервьювер оч плохо знает алогосы), сколько памяти используется и как решение изменить в каких-нибудь граничных случаях.

Sql
Дальше начался SQL, и вот его уже было заметно больше.
Например:

Есть таблица с пользователями, датой покупки и номером чека. Нужно вывести последние NN покупок каждого пользователя.

Здесь ожидаемо хочется увидеть оконные функции, row_number, rank и понимание partition by
Еще была задача примерно такого типа:

Есть таблица товаров с категорией и ценой. Нужно вывести самые дорогие товары в каждой категории.

Тоже достаточно классический SQL на оконные функции. То есть каких-то суперэкзотических запросов не было, скорее проверяли, насколько уверенно человек работает с обычными аналитическими задачами.

Теорвер и эконометрика
После SQL перешли к математике и статистике. Например, был вопрос: X∼N(0,1). Чему равно E(X^2)? Или могли спросить про сходимость случайных величин и попросить объяснить строгое определение состоятельности оценки. Отдельно попросили сформулировать цпт и объяснить, зачем она вообще нужна на практике. Дальше пошла регрессия. Здесь уже спрашивали не только «что такое линейная регрессия», но и достаточно много про то, что может пойти не так. Например: Что такое гетероскедастичность? Что такое мультиколлинеарность? Что такое эндогенность? Почему обычный OLS может давать смещенную оценку? Еще отдельно был хороший блок по регуляризации. Нужно было рассказать про L1, L2 и Elastic Net, а дальше могли спросить уже не формально, а скорее на понимание: Почему Lasso зануляет коэффициенты? Чем L1 отличается от L2? Какой геометрический смысл у регуляризации? Здесь важно было понимать, что L1 из-за формы области ограничений чаще приводит решение на координатные оси, поэтому часть коэффициентов становится ровно нулевой, а L2 в основном «стягивает» коэффициенты к нулю. В целом первый тех был именно таким: понемногу алгоритмов, SQL, вероятность, статистика и достаточно большая часть по регрессии. То есть на этом этапе скорее проверяют фундамент аналитика.

Второй тех / финал

Кейс
На финале уже пошли гораздо более прикладные вопросы. В начале дали кейс примерно следующего содержания.

В сети магазинов решили заменить старые холодильники на новые. Руководитель сам выбрал магазины, в которых будет произведена замена. Есть данные о продажах этих магазинов до и после установки новых холодильников. Нужно понять, увеличили ли новые холодильники продажи и было ли это решение экономически выгодным.

На первый взгляд можно просто сравнить продажи до и после. Но почти сразу возникает проблема: магазины выбирал не случайно сам руководитель. Значит, тест и контроль могут изначально сильно отличаться. Например, новые холодильники могли поставить именно в более крупных магазинах, магазинах с растущими продажами или в определенных регионах. То есть здесь сразу хочется говорить про эндогенность / selection bias и искать нормальный контрфактуал. Первое, что я бы рассматривал, - DiD. Смотрим, как изменились продажи в магазинах с новыми холодильниками и как за то же время изменились продажи в похожих магазинах, где холодильники не меняли.
Но дальше сразу возникает вопрос про тренды. Нужно проверить, действительно ли до установки холодильников динамика treatment и control была примерно одинаковой. Поэтому я бы посмотрел на pre-trends и, скорее всего, пошел дальше в сторону event study. Если магазины сильно отличаются по наблюдаемым характеристикам, можно дополнительно рассматривать матчинг, psm, IPW или AIPW. Если есть хороший инструмент, который влияет на вероятность установки холодильника, но не влияет на продажи напрямую, можно думать про IV. Ну и в конце важно не остановиться на «продажи выросли». Нужно еще посчитать, насколько выросла прибыль, учесть стоимость холодильников, установки и обслуживания и уже после этого делать вывод об экономической эффективности проекта.

ML и эконометрика
После кейса пошли вопросы по классическому ML.
Например: Что такое bias и variance? Почему возникает overfitting?Как правильно делить данные на train / validation / test? Зачем нужен cross-validation? Что такое data leakage? Что делать с несбалансированными классами? В чем разница между precision и recall? Когда лучше смотреть PR-AUC, а не ROC-AUC? Чем bagging отличается от boosting? Как работает Random Forest? Что будет, если сильно увеличить глубину дерева?
После ML снова перешли к эконометрике и статистике: Какие предпосылки у OLS? Что такое эндогенность и откуда она возникает? Что такое omitted variable bias? Что делать при гетероскедастичности? Что такое instrumental variables? Как работает Difference-in-Differences? Какое основное предположение у DiD? Что такое fixed effects? Когда нужны кластеризованные стандартные ошибки?
Также могли дать ситуацию и попросить на словах объяснить, будет ли оценка причинного эффекта корректной или где именно появляется bias.

Итог
Чувствовалось, что на собесе, интервьювер каждый раз хотел проверить насколько человек умеет не просто сказать «здесь используем DiD», а объяснить, почему именно его, какое предположение мы делаем и что будем делать, если это предположение не выполняется.
В целом финал оказался намного сложнее, чем ожидалось от джуновской позиции, но здесь и позиция оказалась необычной, а именно эконометриста в x5. Готовиться к такому отбору только по классическому ML точно недостаточно. Я бы в первую очередь хорошо закрыл SQL, вероятность и статистику, линейную регрессию, а затем уже причинно-следственный анализ и основные ML-модели. Если хотите закрыть все эти темы системно, то советую наш курс "Аналитика ПРО".
➡ Записаться

Подписаться: @postypashki_old

Читать полностью…

Как проходит отбор на стажировку X5 Business Camp

Сейчас открыт набор в X5 Business Camp. Заявку можно подать до 6 октября. Вся последовательность такая:
анкета и резюме → онлайн-тест → бизнес-игра → собеседования с HR и командами → оффер. В посте обсудим подробнее каждый этап.

1. Анкета и резюме
На сайте программы нужно выбрать направление и заполнить заявку. Среди направлений есть аналитика и данные, управление продуктами и проектами, маркетинг, логистика, финансы, антифрод и информационная безопасность.
Сначала рассматривают анкету и резюме. Кандидатам, которые прошли этот этап, отправляют тест на почту. Как заполнить анкету смотрим ролик.

2. Онлайн-тест
Тест проходит в Telegram-боте. Бот присылает вопрос. Ответ нужно выбрать кнопкой. На аналитиков дают вопросы по эксель и sql, продактам и маркетингу тоже эксель и свои вопросы по специальности. Задания выложены здесь. А разбор уже выложен на нашем курсе "Аналитика ПРО". ➡ Записаться

➡️ Excel: 37 вопросов за 23 минуты. Проверяют формулы, горячие клавиши, сводные таблицы, расчёты, чтение графиков и бизнес-выводы.

➡️ SQL: 15 вопросов за 13 минут. Могут встретиться WHERE, NULL, LIKE, ORDER BY и LIMIT, JOIN, GROUP BY и HAVING, агрегаты и фильтрация по датам. SQL-блок необязательный: на результат основного теста он не влияет, но после его прохождения кандидату доступно больше аналитических вакансий. Если пропустить блок, к нему можно вернуться до конца окна тестирования.

У каждого вопроса свой таймер: от 25 секунд до примерно 2 минут. Попытка одна, поставить тест на паузу нельзя. После ответа вопрос удаляется из чата, вернуться к нему не получится.

Проходить удобнее с компьютера: скриншоты таблиц на телефоне мелкие. Если в задании написано «Выберите все верные варианты», после выбора нужно отдельно нажать «Ответить», иначе ответ не засчитается.

3. Бизнес-игра
Кандидатов, прошедших тест, приглашают на командный кейс. В предыдущем наборе участников распределяли по командам и выдавали презентацию с исходными данными и задачей.

Сначала каждый самостоятельно читал материалы, затем команда обсуждала их, готовила решение и презентацию. В конце участники представляли проект и отвечали на вопросы.

Например, один из кейсов был про игру внутри приложения Пятерочки: нужно было выбрать аудиторию, предложить способ привлечь её к механике и объяснить, какие показатели могут вырасти. Во время работы с командой находился HR. Поэтому на этом этапе виден не только результат презентации, но и то, как кандидат обсуждает идеи, работает с данными и взаимодействует с другими участниками.

4. Собеседования
После бизнес-игры проходит разговор с HR. Затем кандидата могут пригласить на интервью команды, которым подходит его профиль. На встречах спрашивают об опыте и проектах, мотивации, возможности совмещать стажировку с учёбой и карьерных планах. Команда может уточнить профессиональные знания и обсудить свои задачи. После интервью она принимает решение об оффере.
После бизнес игры могут пригласить сразу на джуна и тогда идет техническая секция и финал с CDO.

На курсе “Аналитика ПРО” мы дадим вам все, что нужно для прохождения отбора. Успейте записаться до 6 октября и получить разбор теста. ➡ Записаться

Условия программы: стажировка оплачивается 80-100 тыс, длится 6 месяцев и рассчитана на 20–40 часов в неделю. График можно совмещать с учёбой, у стажёра есть наставник. Текущий набор проходит в Москве; после стажировки можно получить предложение остаться в команде. Подробней в предыдущей посте.

Подписаться: @postypashki_old

Читать полностью…

Как залететь в Яндекс и стать МЛ инженером с зарплатой 300к/наносек, залутать сочную зумершу и объестся сырками "Б. Ю. Александров"? Обсудим в новом ролике. Смотрим! Смотрим!

https://www.youtube.com/watch?v=3RAfKfg_T2c

Читать полностью…

Стажировка в X5

X5 открыла набор на стажировку до 6 октября. Уже идёт отбор: в контесте встречаются Excel, SQL и другие задачи, причём всё на время, задания выложили здесь. На отдельный вопрос может быть всего 20 секунд. Задания текущего отбора на аналитика мы разобрали на «Аналитике ПРО».
➡ Записаться

А пока обсудим Х5 и стоит ли туда подаваться

Сначала разберёмся, что такое X5
Это не только «Пятёрочка». Есть «Перекрёсток», «Чижик», «Много лосося», доставка, X5 Digital, X5 Tech, транспорт, недвижимость и другие бизнесы. У них разные задачи и команды, поэтому опыт работы «в X5» может сильно отличаться.

Большая часть IT-специалистов работает в X5 Tech: там разрабатывают решения для разных бизнесов группы. X5 Digital занимается онлайн-направлением. А бизнесовые продакты могут сидеть непосредственно в «Пятёрочке» или «Перекрёстке». Итого один проект могут вести разные команды, поэтому в Х5 матричная структура.

Что там с работой
X5 — большая махина. Бизнес сильно влияет на решения, и продуктовые подходы пока развиты не везде. Но компания меняется: в руководство некоторых направлений пришли бывшие Яндексоиды, которые перестраивают процессы и внедряют привычные для бигтеха практики, в том числе ревью. В X5 Tech и Digital есть команды, которые стараются работать именно как продуктовые, а не просто выполнять запросы бизнеса.

С AI и ML там тоже не история в духе «давайте сделаем что-нибудь с нейросетями ради презентации». Есть сильные команды и поток реальных задач: от работы с данными до решений для магазинов и покупателей.

Зарплата и формат
Стажировка оплачивается, но сумма зависит от направления. В IT у стажёров зарплата обычно в районе 80–100 тысяч ₽. Совмещать с учёбой можно: в текущей программе занятость 20–30 часов в неделю. В штате зарплаты в рынке, но если хотите больше зп - идите в Tech.

В X5 Tech и X5 Digital и еще в ряде бизнес-единиц есть полная удалёнка, в том числе люди работают из других стран. В бизнесовых командах условия могут быть другими: например, в «Пятёрочке» встречается гибрид с офисом два раза в неделю. Офисы обычные, без бигтеховского вау-эффекта: у X5 есть офисы на Добрынинской, Савёловской и Волгоградском проспекте. Работать можно и не только в Москве

Как попасть? Есть два основных варианта:

➡️ Business Camp — текущий набор до 6 октября. Открыты аналитика и данные, продукты и проекты, маркетинг, логистика, финансы, антифрод и информационная безопасность. Сначала заявка и онлайн-тест, потом командный бизнес-кейс и собеседования. Стажировка длится 6 месяцев, старт запланирован на ноябрь.

➡️ Стажировки X5 Tech — отдельные вакансии под потребности команд: разработка, тестирование, аналитика, Data Science, DevOps и не только. Они появляются и вне массового набора. Давайте 500 огоньков 🔥 на этом посте и подробней расскажем, как устроен отбор.
«Пятёрочка», «Перекрёсток» и другие бизнесы тоже могут искать стажёров отдельно в течение года.

А после стажировки берут в штат
Да, и заинтересованность в сильных ребятах высокая. Если вы показали конкретный результат и понравились команде, руководитель обычно будет искать способ вас оставить. Иногда мешает отсутствие открытой ставки, но тогда вас могут порекомендовать другой команде. Главное не просто «пройти стажировку», а показать результат, за который вас захотят сохранить.

Короче, для старта карьеры X5 — норм темка: нормальная зарплата уже на стажировке, реальные задачи в огромном бизнесе и сильная строчка в резюме. Советуем ещё прочитать наш пост с советами HR-эксперта, который нанимал в X5.

Подписаться: @postypashki_old

Читать полностью…

Где взять опыт, если не берут на стажки

Если ты студент, посмотри в сторону университетских лабораторий, летних школ и проектных мастерских, которые компании открывают на базе вузов. Там работают над реальными задачами с наставниками из индустрии и часто получают стипендию или зарплату. Искать стоит не только в Москве: у Ядра лаборатории в НГУ, ИТМО, ЛЭТИ и других вузах, ШИФТ от ЦФТ берёт студентов Новосибирска и Томска, Сбер держит СберЛаб в НГУ, а Т-Банк зовёт в T-Lab на базе МФТИ и УрФУ. С моего потока из 150 человек восемь устроились в штат именно через такие программы.

Что там делают
Компании заинтересованы в найме молодой крови, а некоторым командам люди нужны прямо сейчас, и искать стажёров через обычные отклики долго и муторно. Поэтому они отдают в лабу реальную задачу и смотрят, кто как с ней справится: лучших сразу забирают на стажку, остальных на проектах оставляют в лабе, из которых возможно тоже выйдет что-то путное. Например, в Сбере команда, которая делает собственную Кафку, вынесла в лабу проект: агента для настройки. Это не учебная задачка, а действительно интересный и нужный проект для заказчика.

По сути это стажировка: реальная задача, наставник, код-ревью, дедлайны. Только меньше бюрократии, нет кучи бесполезных созвонов, а проекты часто интереснее: цельная задача с понятным результатом, а не мелкие таски из бэклога.

Как найти
Загляни на сайт факультета и поищи «лаборатория», «проектная мастерская», «партнёры», «образовательные проекты»: многие программы не рекламируются и лежат в забытом уголке сайта. У Ядра есть каталог с фильтром по вузам и городам. А ШИФТ Лаб не привязан к вузу: берёт айтишников-очников из любого вуза Новосибирска или Томска, отбор через тестовое и видеовизитку. Часть программ вообще удалённая: ШИФТ Лаб идёт полностью онлайн, а в T-Lab можно работать из дома. Еще есть наш сайт с таблицей стажировок и школ.

Самые крупные
СберЛаб-НГУ: для студентов 2-4 курсов и магистрантов, очно, от 8 часов в неделю. Кураторы из Сбера, именная стипендия, сертификат, проект может стать темой ВКР (для ФИТ), а сертифицированных выпускников приравнивают к специалистам с опытом 1-2 года. Лучшим предлагают стажку.

ШИФТ Лаб: срочный трудовой договор на год по ТК, корпоративный ноутбук, направления от разработки до ML, а после успешного завершения шанс перейти на бессрочный контракт. Набор открыт почти круглый год, основной с апреля.

Ядро: низкоуровневые темы, то есть системное программирование, инфраструктура, ОС, RISC-V. Платят стипендию, берут со второго курса.

T-Lab Т-Банка берёт не только студентов. От 20 часов в неделю, трудовой договор с университетом, можно удалённо, большие данные и вычислительные кластеры, а на выходе может быть статья, конференция и приглашение в исследовательскую команду.

Ozon Tech и МИЭМ ВШЭ учат инфобезу на реальных задачах: уязвимости, безопасность LLM, prompt injection. 15-20 часов в неделю, официальное оформление, лучших зовут в команду ИБ.

Нагрузка обычно 8-20 часов в неделю, так что с учёбой это совмещается. Список неполный. Если не нашёл свой вуз, сначала погугли: вдруг компании проводят лабы именно у вас.

Даже если не позвали
Даже если компания ничего не предложит, время потрачено не зря. Лабы идут семестр-два: месяцы работы в команде с код-ревью, дедлайнами, стендапами и настоящим продуктом на выходе. В резюме это можно упаковать как коммерческий опыт: даты, стек, роль, задачи и результат. Вдобавок поймёшь, нравится ли тебе направление, ещё до первой работы. Не зацикливайся на одних стажках. Лаборатория - тоже хороший старт, а для гарантированного вката в айти тебе подойдут наши карьерные курсы, где мы доводим до оффера комплексно, с нашим подходом ты можешь ознакомиться на странице любого курса.
➡ Записаться

Подписаться: @postypashki_old

Читать полностью…

Как устроены System Design и troubleshooting в Т-банке

Дают их бэкендерам и фуллстекам на любом грейде. Джуну достаточно простого решения, мидлу еще нужно закрыть функциональные требования, сеньору ещё и нефункциональные (масштабирование, точки отказа, инфра). Дают их обычно после секции по языку/стеку. Подробный гайд по внутренним протоколам Т-банка в прикрепленном файле. Спасибо нашим выпускникам, которые делятся с нами инсайдерской информаций!

Систем дизайн. Тебе дают задачу и 60 минут. Интервьюер играет продакта — у него можно уточнять всё. Главный критерий простой: есть решение или нет. Не смог сам собрать даже требования, считай завалил секцию.

На практике это выглядит так: тебя просят спроектировать, допустим, сервис доставки. И первое, что ты должен сделать спросить: сколько пользователей, какой RPS, сколько дата-центров, какой SLA, есть ли легаси. Потом выбрать стек и обосновать каждый выбор требованиями. Потом компоненты и API. Потом верхнеуровневая схема: где кеш, где балансировка, где точки отказа. Потом производительность и безопасность.

На каждом шаге могут подловить. Интервьюер может намеренно подсказать кривое решение и смотреть, согласишься или нет.

Troubleshooting. Тебе описывают архитектуру и говорят: «техподдержка жалуется, сайт не работает» или «алерт: 500-х стало в 10 раз больше». Дальше ты задаёшь вопросы, а интервьюер отвечает, что ты при этом увидишь.

Подробнее в прикрепленном файле. Там мы разобрали 6 реальных кейсов troubleshooting, чеклисты ответов и шпаргалку концепций. Этого хватит, чтобы понять структуру интервью. Но одной теории мало, нужна и качественная практика, которую мы даем на наших курсах Бэкенд СТАРТ и Бэкенд ПРО с помощью семинаров, домашнего задания, пет проектов, доступа к закрытой базе собесов, пробных собеседований и наставников из индустрии.
➡️ Записаться

Подписаться: @postypashki_old

Читать полностью…

Как попасть в HFT компанию и стать квантом

Сегодня многие талантливые амбициозные ребята хотят попасть в хфт и стать квантом. И это неудивительно, ведь хфт может предложить интересные задачи и вызовы, хороший доход, а также крутую команду и хорошие условия труда: удаленку, отсутствие бюрократии, процент от выручки, полное сопровождение по релокации.

HFT компании зарабатывают в основном на небольших изменениях цен, осуществляя тысячи или даже миллионы транзакций в день. В этих компаниях работают не только разработчики, но и много других специалистов с разной квалификацией: аналитики, де инженеры, дата сайнтисты. В широком смысле нет какой-то уникальной роли "квант", роли нередко размыты, а специалисты гибридны и все работают на результат — такой вот вайб стартапа.

Перечислим парочку HFT компаниям, в которые весьма реально попасть гражданину РФ. Кстати там много выпускников ШАДа, потому можно и рефералку пробить через знакомых. По ссылкам, вшитым в названия компаний можно найти описание полного цикла отборов наших выпускников.
1. Pinely: Активно спонсирует разные олимпиады в духе ICPC. Очень много русскоговорящих сотрудников, по моим наблюдениям их большинство. Там работают такие легенды как Михаил Тихомиров, Михаил Ипатов (чемпионы мира по ICPC и не только). Компания определенно считается хорошей и скажу так, что весьма реально туда устроиться, например через стажировки.
2. Teza: Вообще компания американская, но есть филиал в Ереване, компания в целом неплохая, платят достойные деньги, переработок сильных нет, собесы адекватные. Но скорее всего вы там реально большие деньги зарабатывать не будете.
3. Àlber Blanc: Пожалуй самая успешная русскоговорящая компания, платят кстати достаточно хорошо, но отбор непростой и скорее всего придется переехать в Европу, но однозначно советую эту компанию.

С остальными компаниями, где много русскоговорящих можно ознакомиться тут.
Также есть Fast Forward и SPECTRAL в эти компании относительно легче попасть (собесы на русском).
Конечно, есть и всякие акулы рынка: Jane Street, Citadel, XTX, куда тоже можно попробовать податься.

Ну и открываем гит и вводим в поиск Quantitative и видим потенциально больший список HFT компаний, которые как и нанимают сотрудников, так и проводят стажировка на 2027 год!

Так как же стать квантом
Для начала нужно освоить какую-то специальность: аналитика, мл, разработчик, дата инженер. А также выучить математику и алгоритмы, чтобы проходить собесы и знать свою специальность на хорошем уровне. Еще нужно что-то иметь из следующего:
— относительно успешный олимпиадный опыт на международном уровне или уровне страны: хакатоны, соревнования, олимпиады по математике, программированию, ds/мл и так далее
— диплом ШАДа или учеба там (ОЧЕНЬ МНОГО РЕБЯТ ОТСЮДА)
— phd или быть в процессе его получения
— работа в лаборатории и статьи
— опыт работы по специальности
или другие сопоставимые достижения

Подготовка
Очень важно знать математику. Фундамент как всегда теор вер, статистика, линейная алгебра, матан, много задач на логику. Также к акулам понадобятся слупы, диффуры и вариационное исчисление. Поэтому для начала ботаем дисциплины в ВУЗе или на курсах. Потом, чтобы привыкнуть к формату, отдельно прорешиваем задачи с собесов, например, отсюда.

Простой поиск Quant Technical Interview Questions позволяет найти много задач по математике с разбором на форумах, которые попадались на собесах. Еще собесы могут быть на английском, нужно научиться решать на автопилоте.

Также необходимо знать алгоритмы. Обычно в HFT компаниях задачи по алгосам сложнее, чем в остальных компаниях. Здесь с легкостью может попасться задача на ДО, ДП и тд. В целом можно на литкоде купить подписку и посмотреть задачи от нескольких HFT компаний, чтобы сориентироваться в уровне. Немало таких задач с разбором выкладывается здесь.

Хочешь в ХФТ? Начни с наших курсов по поступлению в ШАД, которые покрывают и программу собесов в фонды. Успей записаться!
➡ Записаться

Подписаться: @postypashki_old

Читать полностью…

Главная причина поступить в ШАД

Начнем с банальных причин, а в конце обозначим самую главную.

Уникальная программа
Когда-то ШАД был единственным местом в СНГ, где вообще можно было что-то узнать о Data Science. Именно под его крышей создавались легендарные курсы, которые сейчас лежат в основе всех прочих образовательных программ. Они постоянно обновляются, их ведут передовые специалисты, поэтому курсы ШАДа славятся своей обширной и актуальной практикой, которая заточена на реальные и сложные проекты. И что самое важное для выпускника, доступ к этим курсам (и будущим тоже) остается у вас навсегда!

Окружение
Кроме крутых преподавателей, вас будут окружать такие же заряженные ребята, поэтому в копилку преимуществ можно добавить огромный плюс в виде нетворкинга. Крутые вакансии и интересные проекты редко публикуются в открытом доступе, обычно на них приглашают по знакомству или выходят через связи. Так после выпуска у вас будут связи в hft фондах, передовых ресерч лабораториях, просто в руководстве отечественных и зарубежных компаниях. Немало ребят из ШАДа вообще организуют свои успешные стартапы, ориентированные на зарубежные рынки.

Статус
О ШАДе слышали все от hft фондов до OpenAI. Особенно о нем слышали в Google, Amazon, Meta и других гигантов с передовыми проектами. Диплом ШАДа дает возможность продать себя очень дорого. Рекрутеры будут драться за вас и реально буквально писать в личку, чтобы нанять знакомых им специалистов. Потому что ШАД - это бренд и выпускники хорошо себя показывают в сложных проектах, где нужно решать нестандартные задачи.

Для ребят из слабого вуза ШАД - это дополнительный шанс отыграться. Ведь со слабым вузом и образованием попасть в по-настоящему классные места практически невозможно, а с ШАДом вам будут открыты все двери, длинные этапы отборов будут заменяться на короткий созвон с руководителем. И главное при поступлении в ШАД все равны — смотрят на знания, мотивацию, а не на наличие топ вуза в резюме.

Главная причина
ШАД не даёт застрять в рутине и потерять темп.
Знакомая ситуация: работа приносит деньги, но перестаёт развивать. Навыки устаревают, интерес угасает, и однажды ты понимаешь, что стал заложником стабильности. А в мире, где технологии меняются каждый год, стоять на месте — буквально означает профессиональную смерть. Тех, кто перестал учиться, первыми задевает выгорание, кризис и сокращение под предлогом "оптимизации".

ШАД же дает вам главное — свободу выбора и развития. Вы сами решаете, где работать, над какими задачами думать и с кем расти. С таким бэкграундом вы не ждёте, пока вас заметят роботы, — вам открыты все двери: будь то переход в передовую лабораторию, HFT-фонд или запуск собственного стартапа.

Именно поэтому ШАД остаётся местом, куда стремится попасть каждый амбициозный специалист. И мы знаем как пройти весь путь подготовки. Наши курсы по поступлению в ШАД — это система, которая работает. Наш преподаватель работал в ШАД, составлял экзамены и проводил отборочные испытания, мы знаем процесс изнутри и поэтому уже 6 лет наши ученики успешно поступают в ШАД, АА и магистратуры.

🔥А сейчас до 27.09 действует скидка, успей записаться с гарантией поступления.
➡ Записаться

Подписаться: @postypashki_old

Читать полностью…

Ozon: Полный слив направления Go-разработки

Продолжаем грабить бигтехи, чтобы вы реально почувствовали насколько круты наши курсы. Делимся гайдом, на основе внутренних материалов Ozona, которые предоставили наши выпускники: техчасть Go и System Design. Если на языковой секции ты хорошо себя показал и интервьюер видит уровень мидла+, тебя отправляют дальше на архитектурную секцию.

Все закрывается нашими курсами Бэкенд Старт и Бэкенд ПРО.
➡️ Записаться.

В файле самое полезное: ответы разбиты по уровням. Не просто «правильно вот так», а видно, что ждут от джуна, что уже должен знать мидл и где начинается сеньор. Плюс комментарии интервьюера: где ответ выглядит подозрительно, где красный флаг, а где можно, наоборот, хорошо себя показать.

Go — 63 задачи и 7 больших тем: ОС и сети, теория, практика, структуры данных, БД, архитектура и скрининг. Практика — реальные продовые кейсы: код-ревью кеша, странности со слайсами и каналами, проблемы с производительностью. Уточняющие вопросы.

System Design — ещё 33 задачи. Стартует с базовых концептов (CAP, консистентное хеширование, гарантии доставки), а дальше доходит до полноценных кейсов: спроектировать мессенджер, поисковик или Instagram с нуля. С расчётом нагрузки и разбором, где система начнёт разваливаться. Для бота советую наш канал @codeof_art

Еще больше материалов в наших открытых банках собесов.
— Аналитика
— ML & DS
— Бэкенд
— Фронтенд
— Алгоритмы
Обсудить задачи можно в нашей боталке.

Подписаться: @postypashki_old

Читать полностью…

Слив вопросов с ML-собесов в Т-Банке и Яндексе

Продолжаем грабить бигтехи, чтобы вы реально почувствовали насколько круты наши курсы. Делимся гайдом, который собрали по горячим следам наших выпускников и студентов курсов МЛ старт и МЛ про— тех, кто эти собесы и проходил, и проводил. 112 вопросов, которые реально задают на секциях ML-инженера (стажёр, джун, мидл) в двух бигтехах. По каждому разбор ответа и уточняющие вопросы, которые интервьюер задаст следом. Ещё больше закрытых материалов на наших курсах. Кстати разбор контеста и закрытые материалы на стажировку в Яндекс, Яндекс Intern Offer уже выложены.
➡ Записаться

Разберёмся по блокам, что спрашивают и на чём заваливают.

Алгоритмы. Яндекс даёт две задачи из ограниченного пула — не надо решать все 3600 задач на литкоде, пул практически полностью совпадает с нашим списком. Т-Банк даёт несколько задач попроще, но на скорость (3 задачи на час, можно пользоваться отладчиком). Типичное: two sum, скобочная последовательность, слияние интервалов, бинарный поиск по ответу, число островов.

Классический ML. Т-Банк прямо перечисляет темы в описании: линрег, логрег, SVM, kNN, RF, бустинг, PCA. Яндекс формулирует мягче, но спрашивает то же самое. Вот где валятся чаще всего: «почему L1 зануляет веса, а L2 нет» (нужно про ромб), «чем CatBoost отличается от XGBoost» (ordered boosting, target encoding без утечки — CatBoost делал Яндекс, знать обязательно), «что такое утечка данных — приведите три примера». Без хотя бы базового понимания будет тяжеловато здесь, советую побольше времени заложить здесь на подготовку.

Метрики. Яндекс проверяет отдельным блоком. Классика: «почему accuracy — плохая метрика», «чем log loss отличается от AUC» (AUC — про порядок, log loss — ещё и про калибровку), «как выбрать порог классификации при дисбалансе 1% фрода». Если идёте в поиск или рекомендации — спросят NDCG и MRR.

Deep Learning. На секции ML+Algo в Яндексе дают выбрать тему для углубления: логрег, деревья или нейросети. Берите нейросети — там всё предсказуемо: backprop, dropout, BatchNorm, Adam, подсчёт параметров свёрточного слоя. На логреге завалят выводом формул через MLE, на бустингах — внутренним устройством. Если идёте в CV — будьте готовы объяснить, зачем skip-connections в ResNet и чем one-stage детекция отличается от two-stage. В NLP — self-attention, BERT vs GPT, как устроен RAG и где он ломается.

Еще больше материалов в наших открытых банках собесов.
— Аналитика
— ML & DS
— Бэкенд
— Фронтенд
— Алгоритмы
Обсудить задачи можно в нашей боталке.

Подписаться: @postypashki_old

Читать полностью…

Продолжаем знакомиться с талантливыми воспитаниками Поступашек

Сегодня в гостях - Никита, начинающий исследователь-математик и наш воспитаник, поступивший в ШАД

Смотрим интервью по ссылке: https://www.youtube.com/watch?v=rXLmNlbyWbw

Обсудили много всего интересного:
— Зачем математика, чтобы зарабатывать 300к/наносек
— Зачем ШАД нужен математикам
— Учебу на мехмате и для кого фундаментальное образование
— Как стать вкатиться в МЛ, если нет профильного ВУЗа
— Как и зачем учить алгоритмы, если в ВУЗе этого нет

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.

Читать полностью…

12 октября стартует подготовка к ШАДу

90% наших учеников, поступивших в ШАД, советуют начинать подготовку как можно раньше. Весенний отбор кажется далёким, но за это время нужно не только пройти темы, а ещё научиться уверенно решать задачи и уметь проходить экзамены и собесы в формате ШАД.

В этот понедельник стартуют наши курсы по поступлению в ШАД. И ты успеваешь присоединиться к старту потока.

Готовим по 6 направлениям:
⏩Алгоритмы
⏩Анализ данных
⏩Линейная алгебра
⏩Теория вероятностей
⏩Дискретная математика
⏩Математический анализ

За 3 месяца пройдём путь от базовых понятий до сложных задач. В основе курсов — практика:
🔵ДЗ и еженедельные пробники с проверкой
🔵Обратная связь по твоему решению: где ошибка и что доработать
🔵Задачи прошлых отборов и закрытая база для самостоятельной практики
🔵Пробный экзамен и мок-собеседования

Каждый год мы подробно разбираем все этапы экзамена: смотрим, какие темы появляются чаще, какие задачи повторяются, какие паттерны встречаются в отборах. На основе этого анализа строится программа курсов —
вы готовитесь к тому, что реально будет на экзамене.

🔊Скидки к запуску действуют до 11 октября
Собери комбо из предметов для системной подготовки по спеццене. Расписание курсов не пересекается, удобно совмещать с учебой и работой, а если что-то не получается, то куратор поможет.

Остались вопросы, или ты не уверен, что курс подойдет тебе? Пиши в личку менеджеру — поможем и объясним ▶️

⭐️ЗАПИСАТЬСЯ НА КУРС⭐️

Читать полностью…

Слив вопросов с собесов Т-банка и Яндекса для аналитиков

Делимся гайдом, который собрали по горячим следам наших выпускников и студентов курсов — тех, кто эти собесы и проходил, и проводил. Теории вероятностей, продуктовые кейсы, SQL, алгоритмы, pandas (стажёр, джун, мидл) в двух бигтехах. По каждому разбор ответа.

Кстати разбор контеста и закрытые материалы на стажировку в Яндекс, Яндекс Intern Offer уже выложены на наших курсах.
➡ Записаться

Еще больше материалов в наших открытых банках собесов.
Аналитика
ML & DS
Бэкенд
Фронтенд
Алгоритмы
Обсудить задачи можно в нашей боталке.

Подписаться: @postypashki_old

Читать полностью…

Есть ли жизнь после ШАДа

Попросил нашего выпускника-"старичка" поделиться, что ШАД дал именно ему. Если вам нравится такой формат, ставьте огонек ⭐️ — это сигнал, что нужно больше историй ребят, как они профессионально реализовались. Дальше текст выпускника.

Я завершил обучение в ШАДе в 2024 году. Поступил в ШАД в конце третьего курса среднего университета, когда был в академе. Опыта работы у меня не было, я просто учился и радовался жизни, считал, что всему свое время.

Во время учебы в ШАДе я закрывал по три предмета, были люди которые закрывали по 6 предметов. Я был среднячком со средним баллом 4.3 и просто делал, что по кайфу. Учился я по направлению Data Science.

Как относятся люди на рынке к ШАДу:
- В данный момент я не встретил ни одного русскоговорящего человека, который не слышал о шаде.
- Интересуются какие предметы ты закрыл. Я думаю хороший вопрос, потому что бывают люди которые поступили и ушли после второго семестра.
- Если у собеседующего раздутое эго и он в свое время не поступил в шад, то он может попробовать завалить вас на собеседование и тем самым самоудовлетвориться. (Такие есть, но их мало)
- В свое время, когда не имел промышленного опыта по МЛ, я находил людей, которые руководят командами из Яндекса, Сбера, Тинькофф, и просил мне провести собес. Если у них не было вакансии, они говорили: «Извини, пока нет вакансии, но давай поговорим. Короче, я к тому, что руководители команд с радостью готовы пообщаться с вами, не знаю, это из-за шада или из-за того, что они общительные, мне лично больше кажется из-за шада)
- HFT компании хантят. Так сложилось что в Российском HFT много выпускников ШАДа, да и вообще спортивных программистов и тд, и соответственно HR хантят таких же. Эта сфера мне сейчас не так интересна, так что я собесился скорее по приколу.
Выводы: В СНГ к выпускникам шада относятся очень даже хорошо.

Как проходят собесы:
- Бывают моменты, когда от вас ожидают большего и думают, что вы мегамозг, хотя на самом деле не такой. Обычно это те люди, которые хотят самоутвердиться, к сожалению, на моем опыте было такое и не раз. Почему я решил, что это из-за шада?
Потому что собеседующий часто повторял мантру "вы это в шаде должны были проходить" и давал очень специфические вопросы на уровне тюремных загадок.
- В целом много адекватных, которые будут вас собесить так же, как и остальных.
- Могу не искать материалы для подготовки к собесам, например, я вижу, что команде важно, чтобы я знал AB-тесты, но в открытом доступе материалы на AB-тесты поверхностные, без структуры, так что я иду в шад и смотрю лекции, делаю домашки. (Да у выпускников остается доступ к материалам). Или например была ситуация, что мне надо было разобраться как работает cuda, я зашел к системе шада, записался на курс и поделал домашки.
- Ставят собесы. Думаю это больная тема у многих. Мне после шада скрининге проходить стало проще, меня раньше тоже не звали на собесы или поток был откровенно плохой).

HFT компании:
Скажу пару слов про HFT, так как они охотно хантят. Мне рекрутеры сами писали в личку и предлагали пособеситься.
- Хантят в основном компании с российскими корнями, такие как Teza, Pinely и тд. Условия кстати хорошие, но ребята, вроде, трудяги лютые.
- Пару раз предлагали с хорошими условиями пройти собес в немецкую компанию, но сработал мой инпостер, и я подумал, это не мой уровень)
- Реально много выпускников шада, так что на собесе у вас будет о чем поговорить)

Работа:
- На работе начинал с простых вещей, разбирался, как устроены уже имеющие модели. Кстати, здесь проблем не было, хотя многие долго и очень долго разбираются.
- Есть фундаментальные знания, которые помогают разбираться в статьях, которых приходится читать много.
- Первые полгода я чувствовал, что не знаю, как устроено железо, и пришлось разобраться, тут, кстати, знания в интернете не помогли, ибо знания поверхностные. Благо были курсы Шада, которые я пересмотрел.
- Знания математики реально нужны, вообще лучше выделяешься в команде, если хорошо знаешь математику.
Короче на работе шад помогает, но не делает из вас терминатора. Я учился потому, что мне было интересно, я не гнался за деньгами и я доволен тем что имею.

Ресерч:
- Сейчас мне интересен ресерч. На семинаре преподаватель немного рассказал, чем занимается его команда сейчас. Я заинтересовался и написал ему после пары. Так у меня потом появился научный руководитель и ментор.
- Многие руководители лабораторий закончили ШАД или там преподают.
- В исследовательской среде тоже очень много ребят учатся или закончили ШАД: можно сдружиться или просто написать и пообщаться.
- Сам ШАД выступает организатором научных конференций, отправляет ребят на топовые конфы как ICML и ICLR.

В шаде очень много курсов, я в свое время закрыл 12, и все еще беру новые предметы, потому что нужно на работе, ради курсов/материалов, которые у вас останутся навсегда, комьюните, знаний я думаю стоит идти в шад. Всем удачи на вступительных.

Подписаться: @postypashki_old

Читать полностью…

Вчера — в рабочем чате. Сегодня — на билборде 👀

Такое стремительное развитие карьеры возможно, если для старта выбрать бигтех для бизнеса.

Герои новой кампании Т1 — не актеры и не модели, а молодые специалисты ИТ-холдинга из 11 городов. Те самые ребята, которые, несмотря на юный возраст, уже раскрыли свои суперспособности в ИТ и работают над настоящими проектами.

Под руководством наставников они:
✔️ тестируют цифровых двойников;
✔️ настраивают инфраструктуру под высокую нагрузку;
✔️ разрабатывают продукты для ритейла, общения и обучения.

В Т1 уверены: сильная ИТ-индустрия начинается с сильного образования и практики. Поэтому компания предлагает не только программы стажировок (кстати, большинство из них в удаленном формате). Вместе с топовыми вузами бигтех для бизнеса развивает 27 образовательных программ в семи городах — от Москвы до Новосибирска.

Бренд Т1 становится всё заметнее среди молодых специалистов: для старта карьеры компанию выбрали уже более 4 000+ студентов из 300+ вузов.

⚡ Присоединяйся и узнай, какая суперспособность в ИТ твоя.

➡ Перейти на сайт⬅️

Читать полностью…

Полный цикл отбора на стажировки в X5 (DA, DS, DE)

У X5 есть отдельная программа для студентов — generationx5.tech. Но сам факт, что программа существует, не значит, что откликнуться напрямую достаточно. Даже на стажировку конкурс жёсткий, и попасть хотя бы на собеседование проще всего через знакомых, которые уже в компании: через LinkedIn, через универ, через любые пересечения, попроси кого-то из них тебя порекомендовать. Дальше вся воронка одна и та же, что для стажировки, что для полноценной вакансии.

Кстати разбор заданий стажировки в Х5 на аналитика (Business Camp) уже выложен на нашем курсе "Аналитика ПРО". Дедлайн подачи до 6 октября. Успей записаться с гарантией оффера.
➡ Записаться

Как выглядит сам процесс
1) HR присылает подборку открытых вакансий под твоё направление
2) Ты выбираешь, какие команды интересны
3) Первый разговор с HR — просто про опыт и мотивацию, без техники
4) Дальше техническое интервью — единое для всех направлений, кто бы что ни выбрал
5) Если техничка прошла успешно, результат уходит руководителю конкретной команды — и уже он решает, звать ли на финальный этап с кейсом

Из чего состоит техническое интервью на DA, DS, DE
Четыре блока: живое программирование, математическая статистика, SQL, ML. Причём на позицию Data Analyst, что Data Scientist, что Data Engineer техничка берется из одного пула задач.

Программирование
Дают функцию rnd2() — равновероятно возвращает 0 или 1. Нужно из неё собрать rnd3() с равными шансами на 0, 1, 2. Правильный путь — rejection sampling: комбинируешь два вызова rnd2(), получаешь число от 0 до 3, и если выпало лишнее четвёртое значение — просто перезапускаешь попытку.

Матстат
Дан набор float-значений из непонятного процесса. Просят оценить математическое ожидание — но не просто назвать формулу среднего, а объяснить, почему выборочное среднее вообще является хорошей оценкой E[X] (через закон больших чисел), а не просто вызвать готовую функцию.

SQL
Таблицы orders и customer. Нужно найти для каждого клиента наибольший разрыв между двумя соседними заказами в днях. Решение — оконная функция LAG(): смотрим на дату предыдущего заказа того же клиента, считаем разницу, берём максимум по каждому.

ML
Тут ничего сложного — классические вопросы про линейную регрессию, обработку данных, мультиколлинеарность, регуляризацию, деревья решений, бустинг.

Отдельно очень желательно знание и глубокое понимание PySpark — причём именно того, как всё устроено внутри (партиционирование, ленивые вычисления, shuffle), а не просто поверхностное умение писать код на нём.

Что после
Прошёл техничку — жди звонка от руководителя команды с приглашением на кейс-интервью, уже заточенное под специфику конкретного направления, все стандартно: бизнесс кейс/system design.

Еще больше материалов в наших открытых банках собесов.
— Аналитика
— ML & DS
— Бэкенд
— Фронтенд
— Алгоритмы
Обсудить задачи можно в нашей боталке.

Подписаться: @postypashki_old

Читать полностью…

Боишься алгоритмического собеседования?

И не зря: для аналитиков, разработчиков и ML-инженеров алгособес до сих пор остаётся одним из главных фильтров в бигтехе.

Алгоритмы могут почти не встретиться тебе в работе, но на собесе их всё равно спросят. Завалил этап — получаешь фриз на 6 месяцев. Цена одной ошибки высокая.

А на собесе нужно за ограниченное время понять условие, выбрать подход, оценить сложность, написать решение и не зафакапиться, когда интервьюер вдруг скажет:

«Окей. А теперь немного изменим условие…»

А ещё есть ChatGPT, который уже умеет и решать задачи, и объяснять решения.

Тогда зачем вообще ботать алгоритмы самому?

Разберём на открытом вебинаре:

⏩что спрашивают у аналитиков, разработчиков и ML
⏩как устроен алгособес и что оценивает интервьюер
⏩почему можно решить весь LeetCode / CodeRun и всё равно завалить интервью
⏩какие паттерны нужно распознавать, а не заучивать
⏩как ИИ создаёт иллюзию, что ты уже умеешь решать алгосы

Бонус: вживую разберём задачу в формате настоящего алгоритмического собеседования

📎4 октября, 15:00
📌ссылка на вебинар пришлем в бот @Postupashkianalitycsbot

Читать полностью…

Как в бигтехах становятся миддлами

Попросил нашего выпускника-старичка написать свои мысли о том, как МЛ стажеру в Яндексе попасть в штат. Дальше текст выпускника с легкими изменениями. Кстати, 4 октября дедлайн подачи на intern week offer по МЛ, разбор заданий уже выложен на наших курсах МЛ ПРО, ИИ агенты ПРО. Не упусти возможность за неделю попасть в Яндекс.
➡ Записаться

За свою карьеру (5 лет) я побывал на всех возможных ступенях развития ML-инженера: от стажера до сеньора. В начале пути я еще не понимал, каким назойливым, вечно задающим одни и те же вопросы студентом я был. Сейчас мне 24, и, поменторив уже с десяток джунов, я могу с уверенностью заявить: рост программиста зависит исключительно от того, как он ставит себя перед руководством и относится к задачам. Именно о том, как это сделать, я и хочу рассказать.

Для большинства людей, погружающихся в IT, миддл — это человек, который деплоит модели, сам общается с бизнесом и выступает на митапах от лица команды. На деле всё прозаичнее. Грейд в первую очередь дает вам возможность самим влиять на свою работу: ставить задачи, работать с продовыми ресурсами и, самое главное, нести за это ответственность. Поэтому первое, чему должен научиться джун, желающий стать миддлом, — нести ответственность за свои действия.

Первый совет
Расскажу про свой первый серьезный косяк. Второй месяц работы, мне дали задачу: переобучить модель классификации обращений на свежих данных и выкатить. Я сделал всё по инструкции из вики, метрики на валидации даже подросли, выкатил и с чистой совестью пошел домой. Через два дня приходит продакт: половина обращений улетает не в ту очередь, саппорт зашивается. Оказалось, в новых данных поменялась разметка одной категории, и никто об этом не написал.

Первый порыв был сказать: я сделал как в инструкции, данные мне дали такие, я не виноват. И формально это было правдой. Но я поймал себя на мысли, что, будь модель моей, а не «выданной по задаче», я бы сейчас не оправдывался, а чинил. Так что в тот же день я сам откатил модель, написал в трекер, что сломалось и почему не поймали на валидации, добавил в пайплайн проверку на распределение классов и пошел договариваться с командой разметки, чтобы про такие изменения предупреждали заранее. Меня, конечно, всё равно поругали. Но именно после этого случая мне начали давать задачи без присмотра. Лид увидел, что после ошибки я не жду, пока за меня разгребут.

Второй совет
Теперь касательно навыков. Когда я в первый раз просил руководство о повышении, мне прямо сказали: ты еще даже вуз не окончил, какое тебе повышение. Я стал спорить, доказывая, что мои навыки достойны миддла, и спустя две недели тимлид сказал: вот тебе задачка, сделаешь за неделю — дадим повышение. Чтобы вы понимали: с такой задачей я еще не сталкивался, там было много непонятных слов, а в согласующих стояли три неизвестных мне человека. Два дня ушло на декомпозицию, еще два на общение с людьми, а потом мне пришлось ночами копаться в документации Triton и CUDA, чтобы разобраться, как деплоить. В итоге спустя почти двое суток без сна мне удалось задеплоить модель. В процессе я освоил около пяти фреймворков и сервисов, о существовании которых раньше даже не знал, но задачу сделал, и руководитель признал, что меня можно повысить. Так что второе наставление — постоянно осваивать релевантные технические навыки и, главное, показывать их руководству.

Третий совет
Ну и третий совет — обрастайте связями. Работа в IT лишь на 50% состоит из написания кода. Остальное — общение с людьми из смежных команд и изучение смежных направлений. Возможно, в компании уже есть команда, которая вам по душе и где открыта вакансия на миддла, но вы просто об этом не знаете.

Опять пример. Была у меня стажерка, назовем ее Лена. Пришла в команду CV, а хотела в NLP: тогда как раз все носились с LLM, и ей было обидно размечать дефекты на фотках. Она могла сидеть и ждать, пока ее заметят, но сделала иначе — стала ходить на все внутренние демо и митапы, даже те, что вообще не про ее команду. После одного из них подошла к ребятам из поиска и просто спросила: а над чем сейчас работаете, какие блокеры у команды? Оказалось, у них горит задача по классификации запросов и не хватает рук. Лена предложила помочь в свободное время, взяла небольшой кусок, сделала за пару недель и показала результат их лиду.

Через три месяца у них открылась вакансия миддла. Лид даже не стал выводить ее наружу — он уже знал, кого хочет взять на это место. Лена перешла с повышением, притом что в своей команде ей до миддла оставалось еще минимум полгода. Мораль простая: внутренние переходы почти всегда быстрее, чем рост на месте, потому что новая команда оценивает вас по тому, что вы уже для нее сделали, а не по тому, сколько вы просидели на грейде. Но для этого о вас должны знать. Так что откройте внутреннюю доску вакансий, сходите на демо соседней команды и напишите тому, чей доклад вам понравился. Только не делайте этого втихую: если ваш лид узнает о переходе последним, вы испортите отношения с человеком, который потом еще будет писать вам рекомендацию.

Подводя итог, скажу: сейчас самое время задуматься о повышении, если вы еще не просили его в этом году. В разных компаниях это устроено по-разному — где-то перформанс-ревью, где-то диалог с руководством. Если вы хотите быстрее пройти путь от джуна до миддла, обратите внимание на курс «МЛ ПРО». Там мы не только даём техническую базу и готовим к собеседованиям, но и отдельно разбираем софт-скиллы: как брать ответственность, как показывать результаты руководству, как строить нетворкинг внутри компании.
➡ Записаться

Подписаться: @postypashki_old

Читать полностью…

Как понять, что учить дальше

К 2030 году 59% работников в мире потребуется повышение квалификации или переобучение — такой прогноз содержится в одном из исследований, которые обсуждали на образовательной конференции Яндекса.

Среди востребованных навыков на дискуссии выделили работу с ИИ: вайбкодинг и инструменты под конкретные профессии. То есть важно понять, как применять ИИ в тех задачах, которыми ты собираешься заниматься.

Поэтому для тех, кто выходит из универа, предложили начать с практики: выбрать интересное направление и попробовать разные роли и проекты внутри него. Разобраться, какие задачи нравятся и чего пока не хватает.

Тогда вместо «надо бы ещё поучиться» появится конкретный запрос: что подтянуть и для какой работы.
Подписаться: @postypashki_old

Читать полностью…

Продолжаем знакомиться с талантливыми учениками Поступашек

Сегодня в гостях Михаил Перельман, начинающий data scientist-математик и наш ученик, поступивший в ШАД. Михаил хотел всю школу стать врачом и занимался химией, но в последний момент передумал и поступил в школу электроники, фотоники МФТИ. Потом усердно готовился к переведу на ПМИ. И решил не останавливаться на достигнутом и поступить в ШАД.

Смотрим интервью по ссылке: https://www.youtube.com/watch?v=cU4j9GJe0oM

Обсудили много всего интересного:
— Чем ШАД поможет карьере и почему этого уровня не может дать топ 1 факультет России
— Почему программы ПМИ недостаточно для поступления в ШАД
— Как курсы Поступашек подготовиили в кратчайшие сроки
— Как вокал помогает химии и творчеству

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.

Читать полностью…

Как мы готовим к ШАД, чтобы вы поступили

За выходные мы разобрали, какие магистратуры по Data Science сейчас в моде, как попасть в HFT-фонды и зачем вообще идти в ШАД. Отборочные испытания будут только весной, но материала много. Если начать подготовку сейчас, вы пройдёте путь спокойно, без аврала, когда параллельно горят сессия, диплом и дедлайны на работе.

Мы готовим к ШАД не первый год. Главный преподаватель Владислав работал в ШАДе, составлял вступительные экзамены и участвовал в их проведении — мы знаем процесс изнутри. Он готовит с 2009 года и точно знает, как выстроить курс и на что обратить внимание. Подкасты с нашими выпускниками можно найти на любой странице курсов.

📌Как построено обучение
🔵Каждую неделю выкладываем новые лекции: одни для начинающих, другие для продвинутых. В них мы берем задачу и тут же разбираем на ней всю необходимую теорию. Сразу видно, зачем эта формула, теорема нужна и где ее применять. Все без воды и лишней теории.
🔵К лекции прилагаются конспект и ДЗ. Задачи авторские и делятся по уровням: junior, middle, senior. Мы придерживаемся принципа спирали - от простого к сложному. Сдавать всё не нужно: важно качество, а не количество. Норма - 10 проработанных задач с умом. Учимся оформлять как на экзамене на максимальный балл, получаем развернутый фидбэк.
🔵На онлайн семинарах отрабатываем материал и решаем задачи вслух, тренируемся к собесам. Общаемся с каждым студентом лично, всегда можно задать вопросы. Запись семинаров доступна.

📌 Что делает наши курсы особенными
🔵Каждую неделю мы даем пробник ШАДа. Советуем выделить 3 часа непрерывного времени, чтобы решать и оформлять, как на реальном экзамене. Куратор проверит пробник и даст комментарии по оформлению, решению. Позже можно посмотреть разбор от преподавателя.
🔵Проводим консультации по вашим запросам. Вопросы можно заранее записать в таблицу - на консультации обсудим их в порядке очереди.
🔵По опыту знаем, что самый большой стресс при отборе вызывает собеседование

Поэтому мы проводим полноценное пробное собеседование по математике, алгоритмам и мотивации. Мы повторяем формат 1-в-1, чтобы вы отрепетировали этот стресс заранее и знали, что отвечать.

📌Сопровождение до поступления
🔵Помогаем с анкетой и мотивацией. Помогаем грамотно упаковать свой опыт. Это отдельный блок программы курсов.
🔵До первого отборочного в ШАД мы изучаем основной материал. Затем отрабатываем, разбираем первый отборочный этап до его окончания.
🔵Экзамен мы не разбираем в реальном времени по этичным соображениям. Но говорим, какие темы нужно повторить и на что обратить внимание. Помогаем с апелляцией.
🔵Делимся инсайдами от наших выпускников, которые сами проводят вступительные испытания. У нас есть материалы от ШАДа для интервьеров, то вы будете знать все грин флаги и ред флаги, на которые обращают внимание в абитуриентах.

➡️А если остались вопросы и хотите успеть записаться на курс, напишите нашему менеджеру. Успейте записаться и поступить с гарантией!

Читать полностью…

Самые хайповые магистратуры по Data Science

Если ты хочешь заниматься Data Science и машинным обучением всерьёз, рано или поздно становится тесно в рамках коротких курсов. Чтобы постоянно расти карьерно и осваивать новые инструменты работы, нужен фундамент: математика, алгоритмы, умение читать статьи, выдвигать и валидировать гипотезы. Магистратура даёт не только знания, но и окружение — связи, которые потом приглашают в проекты, лаборатории и компании.

В посте обсудим самые популярные, полный список ниже. Здесь же оставлю варианты вступительных прошлых лет. Материала к экзаменам нужно вспомнить немало, но если начать подготовку заранее и грамотно ее организовать, то к вступительным испытаниям ты будешь готов на 150 процентов. Ко всем этим магистратурам готовят наши курсы по поступлению в ШАД. Ведь программа везде единая: математика и алгоритмы. И сейчас идут последние 12 часов скидки, успей записаться с гарантией поступления.
➡ Записаться

1. Современные компьютерные науки ВШЭ
Совместная магистратура ФКН и Яндекса. Сильный преподавательский состав, обещают тесное взаимодействие с Яндексом в виде возможности получить оффер в Yandex Research, Cloud. По факту это два года учебы в ШАД с отсрочкой.
Экзамен уже традиционно буквально составлен из первого этапа ШАДа того же года. Далее ждёт часовой собес на матешу, алгосы и мотивацию. На мотивацию нужно готовить приличное портфолио с проектами и регалиями.

2. Науки о данных ВШЭ
В целом все то же самое, как и выше. Вступительные испытания состоят из теста по английскому (зачет/незачет) и письменного экзамена по математике. Раньше задания были сопоставимы с ШАДовскими, были даже задания на оптимизацию, дискретные функции, но сейчас почему-то решили давать совсем простые задания, даже проще первого отборочного в ШАД.

На самом деле у ВШЭ полно магистратур по DS, но большинство из них платные (Master of data science, Машинное обучение). ВШЭ в сравнении с другими обычно славится хорошей организацией учебного процесса, да и на платных магах никто явно не будет сувать плохой курс с плохим преподавателем (что нередко случается даже в ШАДах). Еще на платных магах обычно обещают полностью дистанционное обучение, хотя неофициальный дистант сейчас наверное и так во всех магах. И конечно в ВШЭ отлично развит индивидуальный план. Также на бюджетных местах везде котируется я-профессионал и высшая лига.

3. Skoltech
Была одной из самых хайповых программ в РФ из-за развитого сотрудничества с зарубежом. Для подачи нужно прислать резюме, мотивационное письмо, рекомендательные письма и пройти тест по математике и английскому. Затем ждет письменный экзамен по математике и алгоритмам уровня магистратур и собеседование. Есть разные волны поступления и на них выделено разное количество мест, в первую волну нередко конкуренция намного ниже. Из олимпиад котируется совместная олимпиада сколтеха и вышки.

4. ИТМО
ВУЗ находится в СПБ, но на некотрых направлениях можно учиться онлайн (и это не платка). Куча кафедр и партнерских программ, а также достойно организован учебный процесс. Из вступительных есть тестирование и устный экзамен. Также можно получить БВИ, написав внутреннею МЕГАОЛИМПИАДУ. Сейчас хайпит Ai Talented.

5. ВМК МГУ
Для поступления нужно решить экзамен по математике и теории алгоритмов. Задания в целом несложные, иногда просто подставить в формулу, но специфичные: по математике урчпы, числаки и тд, а по алгоритмам всякие машины Тьюринга. Очень много поступают по внутренней олимпиаде (универсиада), задания уровня экзамена. Другие олимпиады, кроме внутренней, не котируются. Стоит учитывать, что МГУ очень архаичный ВУЗ и образовательные процессы выстроены не так хорошо, как хотелось бы. Лучше всего заранее связаться с ответственным за интересующее вас направление маги.

6. МФТИ
Полно всяких программ и кафедр: есть и от Тинькоффа, и даже от Яндекса, кстати, по байкам ШАД именно с нее и вырос. Для начала нужно поступить на кафедру, каждая кафедра решает сама, как будет проводить отбор: собес или тестирование/контест, или просто по CV и тд. Дальше нужно формально поступить в МФТИ, для этого нужно писать вступительные, раньше выпускникам физтеха просто засчитывали Госы. Аналогично МГУ лучше написать ответственным за магистратуры/ поспрашивать в чатиках абитуры. Котируется олимпиада я-профессионал.

Здесь же оставлю варианты вступительных прошлых лет. Еще больше вариантов можно посмотреть на нашем сайте. Формат поступления от года к году может немного меняться, важно все уточнять в приемной комиссии.

Подписаться: @postypashki_old

Читать полностью…

Ты поступишь в ШАД

Старт набора на наши ШАДовские курсы: без воды и лишней теории, 3 месяца семинаров, пробников и лекций! За результат отвечаем ⭐️пройдешь курсы, но не поступишь в ШАД - вернем деньги⭐️ Программы и подробности:

⏩Алгоритмы
⏩Анализ данных
⏩Линейная алгебра
⏩Теория вероятностей
⏩Дискретная математика
⏩Математический анализ

Можно взять один курс, или комбо по спеццене! Даже все 6 сразу — программа выстроена так, что ты все успеешь. Не веришь — чекай отзывы наших выпускников!

Курсы для тебя, если ты:
🔵Только задумался о подготовке
🔵Уже готовился, но не уверен в себе
🔵Подзабыл математику, но хочешь в ШАД
🔵Хочешь совмещать подготовку с работой
🔵Готовишься к собесам в BigTech, АА и маги

❗️ После конца курса подготовка продолжается
Мы не закрываем доступ после курса. Записи, ДЗ, пробники и мок-собесы остаются навсегда, а куратор ведет тебя до самого отбора в ШАД 2027 года: помогает с анкетой, мотивацией, проводит консультации. Начни готовиться заранее и иди к цели в комфортном темпе.

Только у нас ты получишь:

🔵Онлайн-семинары, лекции, ДЗ и пробники с проверкой
🔵Разбор отбора 2027, саппорт с анкетой и мотивацией
🔵Доступ к закрытой базе знаний и протоколам ШАД
🔵Пробное тестирование, экзамен и собеседование
🔵Сборник всех задач ШАДа для самоподготовки

Остались вопросы, или ты не уверен, что курс подойдет тебе? Пиши в личку менеджеру — поможем и объясним ▶️

⭐️ЗАПИСАТЬСЯ НА КУРС⭐️

Читать полностью…

Тот самый курс по ML, который прошли 200 000 человек. Теперь — в новой версии

С 2016 по 2022 год специализация «Машинное обучение и анализ данных» на Coursera была входным билетом в профессию — через неё прошли больше 200 000 человек. С тех пор AI ушёл далеко вперёд, и набор тем, которые нужно знать сегодня, изменился. Поэтому Виктор Кантор с командой MLinside обновил программу и перевыпустил специализацию заново — уже как «Искусственный интеллект и анализ данных».

Студенты ВУЗов могут получить доступ к специализации бесплатно (также как это было на Coursera), для всех остальных подписка стоит 5000 ₽ в месяц, как четыре года назад. Видеолекции, семинары, тесты с автопроверкой, задания, чат с кураторами для ответов на вопросы. Без потоков и дедлайнов: старт в любой момент, свой темп. На 3 и 6 месяцев подписка дешевле.

Кому это нужно
ML обычно изучают по частям: линейные модели подтянул на работе, про трансформеры прочитал статью, про агентов посмотрел ролик на YouTube. Каждый кусок вроде понятен, а цельной картины нет. Пока задачи типовые, это не мешает. Сложности начинаются там, где спрашивают системно: на собеседовании или при переходе из аналитики в ML.

Специализация даёт последовательную базу вместо разрозненных кусков — 226 уроков и 47 часов контента.

Что внутри
▪️ Математика и Python — алгоритмы и структуры данных, матанализ, линейная алгебра, теория вероятностей
▪️ Classic ML — линейные модели и SVM, деревья и градиентный бустинг, кластеризация, метрики и валидация, введение в нейросети и PyTorch
▪️ Deep Learning — backpropagation, CNN, детекция и сегментация, RNN и LSTM, трансформеры и Attention, языковое моделирование, введение в RLHF
▪️ LLM и AI-агенты — инференс LLM, квантование, vLLM и TensorRT, полный разбор RAG, архитектуры агентов, мультиагентные системы, MCP
▪️ A/B-тестирование — дизайн экспериментов, статистические критерии, бутстрэп, CUPED, последовательный анализ, кейсы из индустрии

В разработке ещё два модуля: Production ML и ML System Design.

Кто ведёт
Уроки ведут действующие практики — директора по данным и руководители AI-направлений, работавшие в МТС, Яндексе, Сбере и других крупных компаниях. Люди, которые строили AI-команды с нуля и доводили модели до продакшена, а не просто пересказывают учебники. Большая часть команды преподаёт в МФТИ, ИТМО и НИУ ВШЭ.

Технологии в AI меняются каждые несколько месяцев, поэтому к готовым модулям регулярно добавляются новые уроки — по свежим темам и запросам студентов.

Как проходит обучение
Специализация устроена как библиотека курсов: доступ ко всем модулям открывается сразу после оплаты. Можно идти по рекомендованной последовательности, а можно изучать только те темы, которых не хватает.

Сразу предупреждаем: материал сложный, на уровне сильнейших технических вузов. Это не обзорный формат: разбираем backprop в матричной форме, encoder-decoder и decoder-only архитектуры, статистические критерии и их ограничения. Цель не развлечь и дать чувство, что все сразу получается само, а реально научить.

Зато вместо разрозненных знаний у вас будет система: понимание, как методы устроены внутри и какой выбрать под конкретную задачу.

Полная программа и варианты подписки — по ссылке на сайте Специализации

Читать полностью…

Робозона на E-CODE: финал хакатона и очень много роботов

Этим летом инженеры со всей России соревновались в индустриальной робототехнике. Команда Ozon Tech предложила в формате хакатона три практические задачи по автоматизации сортировочных центров. Всего в Робозоне поучаствовали 3 662 инженера, объединились в команды и предложили 228 решений. 9 из них были признаны лучшими, а их авторы разделили призовой фонд в 15 000 000 ₽.

Финал проходил в рамках ИТ-конференции E-CODE, которую Ozon Tech каждый год устраивает ко Дню программиста. Так всё ИТ-сообщество могло познакомиться с прототипами решений победителей.

Питчинг и награждение проводил блогер Даня Крастер, а в церемонии участвовали гуманоиды и робособаки. Впрочем, взаимодействие с этими и другими роботами было доступно всем участникам конференции. С роботами играли в настолки, заказывали у них портреты, мороженое и коктейли, танцевали и фотографировались.

Читать полностью…

Задачи по математике с собеседований в Яндекс, которые спрашивают сейчас аналитиков и мл специалистов и иногда даже по приколу разрабов. Эти задачи - базовый минимум, их должен уметь решать каждый закончивший 3 курса высшего учебного заведения вне зависимости от того идете вы в Яндекс или в другую контору. Поэтому сохраняем себе, делимся с друзьями такой годнотой!

Еще больше закрытых материалов и инсайдов на наших курсах ПРО, на которых уже выложен разбор обновленного контеста на стажировку в Яндекс, Intern Week Offer Яндекса.
➡️ Записаться.

Также не забываем про наши банки задач с собесов:
— Аналитика
— ML & DS
— Бэкенд
— Фронтенд
— Алгоритмы
— Swift

Подписаться: @postypashki_old

Читать полностью…