Я проходил собесы последние 2 месяца. Поэтому говорю с высоты только своего опыта. Помимо того, что сказал автор, иногда попадаются вопросы следующего характера: Представь, что нам надо понять, на каком транспорте будет безопаснее добраться. Какие метрики будешь измерять? Представь что нам надо понять, стоит ли расширяться в соседнюю область. Какие метрики мерить, чтобы понять? И часто собеседуюший ждёт, что ты назовёшь ту метрику, которая у него в голове. Для меня эти вопросы были самые сложные, потому что к ним непонятно, как готовиться. Не часто встречаются, но и не редко) Иногда спрашивают «работали ли с оркестрами?» Тут ответ «да», потому что дальше спрашивать не будут. Также нередко бывает, что собеседование, вроде, на дата аналитика, но, по факту, на продуктового. По АВ тестам спрашивают (ошибка первого и второго рода, как посчитать размер выборки и т.д.) Иногда более абстрактное: мы в некоторых магазинах(например) ввели новую фичу. Как понять, что это того стоило (если есть положительный прирост, то как понять, что это именно из-за этой фичи) Пару раз были задачи на статистику, но простенькие (к которым не то, что бы надо готовиться) по типу подкидывания кубиков. А так почти всегда спрашивают сразу sql. Было пару компаний, где, в основном, по базовому python спрашивали. А вот в Яндексе и Купере первая секция - это фулл пандас. Про bi если спрашивают, то «какие дашборды использовал?» или «какой дашборд использовал бы в этой ситуации?» Excel только в тестовых заданиях. Ну и задачи со звездочкой: работали ли с machine learning или работали ли с Big data. И в тестовых это у них же есть. Причем big data чаще, чем я думал, но там обычно в описании вакансии написано( если вы их читаете перед скринингом хотя бы). Я не советчик, но, думаю, при поиске первой работы надо забить на machine learning и big data. Вишенка на торте: иногда вопросы про проектирование баз данных по типу индексов, хранимок, вьюх, мат.вьюх, дроп и транкейт . Но не думаю, что это то, что вы ищите (это больше data engineering). Может кого-то напугал, но, по сути, итог: В видео основная инфа, которая вам нужна. Этих навыков хватит в большинстве компаний. А я просто поделился тем, что ещё спрашивали у меня
Я проходил собесы последние 2 месяца. Поэтому говорю с высоты только своего опыта.
Помимо того, что сказал автор, иногда попадаются вопросы следующего характера:
Представь, что нам надо понять, на каком транспорте будет безопаснее добраться. Какие метрики будешь измерять?
Представь что нам надо понять, стоит ли расширяться в соседнюю область. Какие метрики мерить, чтобы понять?
И часто собеседуюший ждёт, что ты назовёшь ту метрику, которая у него в голове.
Для меня эти вопросы были самые сложные, потому что к ним непонятно, как готовиться.
Не часто встречаются, но и не редко)
Иногда спрашивают «работали ли с оркестрами?» Тут ответ «да», потому что дальше спрашивать не будут.
Также нередко бывает, что собеседование, вроде, на дата аналитика, но, по факту, на продуктового. По АВ тестам спрашивают (ошибка первого и второго рода, как посчитать размер выборки и т.д.) Иногда более абстрактное: мы в некоторых магазинах(например) ввели новую фичу. Как понять, что это того стоило (если есть положительный прирост, то как понять, что это именно из-за этой фичи)
Пару раз были задачи на статистику, но простенькие (к которым не то, что бы надо готовиться) по типу подкидывания кубиков.
А так почти всегда спрашивают сразу sql. Было пару компаний, где, в основном, по базовому python спрашивали. А вот в Яндексе и Купере первая секция - это фулл пандас.
Про bi если спрашивают, то «какие дашборды использовал?» или «какой дашборд использовал бы в этой ситуации?»
Excel только в тестовых заданиях.
Ну и задачи со звездочкой: работали ли с machine learning или работали ли с Big data. И в тестовых это у них же есть.
Причем big data чаще, чем я думал, но там обычно в описании вакансии написано( если вы их читаете перед скринингом хотя бы).
Я не советчик, но, думаю, при поиске первой работы надо забить на machine learning и big data.
Вишенка на торте: иногда вопросы про проектирование баз данных по типу индексов, хранимок, вьюх, мат.вьюх, дроп и транкейт . Но не думаю, что это то, что вы ищите (это больше data engineering).
Может кого-то напугал, но, по сути, итог:
В видео основная инфа, которая вам нужна. Этих навыков хватит в большинстве компаний. А я просто поделился тем, что ещё спрашивали у меня
Спасибо за инфу!
Это мой коммент в тг дал идею для этого видео?😊
В том числе :)
Спасибо, ждём ссылки
Добавил в описание)