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

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