Полный гайд по ML-собесам в Яндексе

Полный гайд по ML-собесам в Яндексе Система отбора в Яндексе - одна из самых стандартизированных на рынке. На какую бы позицию вы ни шли (стажёр, джун, мидл, сеньор, лид) собесы будут одинаковыми, отличаться будет только ожидаемый уровень ответов. Всё решают грейды (14–18). Наши выпускники не только регулярно проходят собесы в Яндекс, но и сами их проводят, поэтому мы знаем процедуру изнутри. HR-скрининг (10-15 мин) Самый безопасный этап. В 99% случаев - просто рассказ о себе. Рекрутеры очень доброжелательны и очень редко реджектят на этом этапе, ибо и так воронка большая. За редким исключением могут спросить технику. Например алгоритмы сортировки и их асимптотику, переобучение (определение). Алгособес (до часа, 2 задачи) Самый знаменитый этап. Есть мнение, что именно он служит для того, чтобы сбить грейд. Как проходит: - платформа Яндекс. Код (как блокнот, компилятора нет), - две задачи случайно из общего пула , - первая Easy/Medium, вторая может быть Hard, - для грейда 15 обычно достаточно решить одну, - для 16–17 нужно решать обе. Что важно на собесе: - не начинайте с кода, сначала обсуждайте подход, - проговаривайте каждую строчку вслух, чтобы интервьюер "правильно оценил ваш грейд". - рассуждайте о плюсах/минусах структур данных, - используйте тайпинги (Python), - не молчите, даже если тупите, интервьюер может помочь наводящими вопросами. Главный лайфхак: не решайте всё подряд на LeetCode (их 3600+) - пул задач Яндекса ограничен и практически полностью совпадает с нашим списком . Секция ML + Algo (1 час) Здесь сначала даётся одна задача по алгоритмам (обычно Easy). Её нужно решить максимально быстро, чтобы осталось время на ML-часть. Если не решите задачу, к ML не перейдёте, и это почти гарантированный отказ (особенно для Middle+). Когда задача решена, начинается блок по ML, типичные вопросы: - что такое переобучение и как с ним бороться, - метрики классификации и регрессии, - кросс-энтропия и её связь с MLE. А дальше, вам предложат выбрать одну из трёх тем для углублённого обсуждения: 1. Логистическая регрессия 2. Деревья решений / бустинги 3. Нейросети Советую выбирать нейросети, даже если обычно работаете с классикой. Почему? - по логистической регрессии могут завалить матчастью (максимальное правдоподобие, вывод формул), - по бустингам могут ждать каверзные вопросы про CatBoost vs XGBoost и внутреннее устройство, - а по нейросетям всё базовое: Dropout, BatchNorm, линейные слои, подсчёт параметров, градиентный спуск - это легко и предсказуемо. Также помните, что интервьюер может быть из другой области (например, NLP-шник собеседует CV-специалиста). Если он задаёт вопросы не по вашей специализации, спокойно говорите: "Я работаю в Computer Vision, давайте перейдём к моей области, чтобы я мог показать свой реальный уровень" - это нормально и даже плюс. Иначе есть риск занизить грейд. ML Special (по специализации) Финальная техническая секция по вашей области (NLP, CV, классический ML, аудио и т.д.). Как правило, это системный дизайн или разбор кейса. Секция несложная: нужно показать широту, а не глубину. То есть знать базовые компоненты и уметь объяснить, как они работают вместе. Финалы (выбор команды и оффер) После всех техсекций рекрутер предложит вам команды, где есть открытые позиции. Вы выбираете 2–3, с каждым лидом будет созвон. На финалах: - техвопросов почти нет - лид рассказывает о команде, пытается "продать" вам вакансию, ибо до финалов доходит не так много людей, - ваша задача показать себя позитивным, проактивным, не токсичным, - хорошие софт-скиллы могут поднять грейд на финальном решении - если прям переживаете, то можно посталкерить, что команда пишет на харб, в LinkedIn. Кстати, не обращайте внимание на материалы для подготовки, которые предлагают рекрутеры, они не имеют к реальности никакого отношения! Все обсудить/спросить совета можно в нашем чате единомышленников. Подписаться: @postypashki_old