# IT-собеседование в Тинькофф Рассказываем, как подготовиться к собеседованию на IT-вакансию: https://www.tinkoff.ru/career/it/ ## Этапы собеседования 1. Предварительное собеседование. 2. Техническое собеседование. 3. Знакомство с командой. 4. Приглашение на работу. ## Этап 1: предварительное собеседование Вы откликнулись на вакансию и отправили резюме — через некоторое время с вами свяжется рекрутер и проведет предварительное собеседование. На предварительном собеседовании знакомимся друг с другом. Беседа займет полчаса: рекрутер спросит вас об интересах, опыте и мотивации, а затем расскажет о работе и вакансиях в Тинькофф. Не стесняйтесь задавать вопросы. Рекрутер запомнит направление и проекты, над которыми хотите работать. В течение двух дней он свяжется с вами и согласует время для технического собеседования. ## Этап 2: техническое собеседование Техническое собеседование состоит из нескольких отдельных тем — секций. Созвон по каждой секции длится час и проходит в Zoom с отдельным интервьюером. Вы можете пройти все секции сразу или в течение нескольких дней — скажите рекрутеру, как удобнее. Как проходить секции: 1. Подготовьте рабочее место: проверьте компьютер и интернет, возьмите пару листков бумаги и ручку. Рекомендуем выспаться и захватить бутылку воды. 2. Не используйте телефон: вы будете много кодить в онлайн-IDE, рисовать схемы и общаться с интервьюером. 3. Задавайте вопросы и предлагайте разные решения, даже если они кажутся неправильными: интервьюер проверяет не только знания, но и как вы подходите к решению задач. Обычно нужно пройти 2—4 секции — это зависит от направления и вашего опыта. Точное количество вам скажет рекрутер. ### Направления и секции в Тинькофф #### Backend-разработка * [Алгоритмы](#Алгоритмы) * [Секция по платформе или языку](#Секция-по-платформе-или-языку) * [Дизайн распределенных систем](#Дизайн-распределенных-систем) #### Frontend-разработка * [Алгоритмы](#Алгоритмы) * [Секция по платформе или языку](#Секция-по-платформе-или-языку)v #### SRE * [Алгоритмы](#Алгоритмы) * [Выявление и устранение проблем](#Выявление-и-устранение-проблем) * [Дизайн распределенных систем](#Дизайн-распределенных-систем) #### Машинное обучение * [Алгоритмы](#Алгоритмы) * [Дизайн распределенных систем](#Дизайн-распределенных-систем) * [Секция по общему ML](#Секция-по-общему-ML) * [Дизайн ML-систем](#Секция-по-дизайну-ML-систем) ### Материалы для подготовки к секциям Рекомендуем ознакомиться с материалами до интервью: в них есть книги и курсы #### Выявление и устранение проблем Цель секции понять как вы мыслите в режиме неопределенности и стресса в сбойной ситуации. Каков Ваш опыт, как много приемов и инструментов поиска причин технических проблем вы знаете. Вам предложат описание архитектуры решения и наблюдаемые признаки сбоя (обращения пользователей или текст пришедшего алерта). Задавая вопросы интервьюверу, наподобие, "Вижу ли я в логах сообщения о такой то проблеме?", "Перезагружаю сервер, исчезла ли проблема?" Вы должны выявить исходную проблему в системе и предложить способы устранения и защиты от нее в дальнейшем. #### Секция по платформе или языку В рамках секции идет обсуждение различных аспектов платформ, фреймворков и различных языков программирования. Вопросы варьируются от реализации подходов к многопоточности, устройства памяти до взаимодействия с базой в определенном фреймворке. Язык и платформа выбираются исходя из Вашего опыта. #### Алгоритмы В рамках секции проверяем знания по алгоритмам и структурам данных. Иногда предлагаем решить задачу на реализацию, например сделать клиент с бизнес-логикой для сетевых API. ###### Рекомендуем повторить все, что связано с алгоритмами: - основные структуры данных — строки, списки, деревья, ассоциативные массивы, векторы; - базовые алгоритмы — поиск элементов в коллекциях, обход деревьев, сортировки, динамическое программирование; - понятие сложности алгоритмов. O-нотация, обсудим вычислительную сложность решения и расход памяти. ###### Сайты, которые помогают решать задачи: - [LeetCode](https://leetcode.com/) - [HackerRank](https://www.hackerrank.com/) - [Codeforces](https://codeforces.com/) - [Topcoder](https://www.topcoder.com/) - [Timus Online Judge](http://acm.timus.ru/) ###### Курсы: - [Алгоритмы, часть I](https://www.coursera.org/learn/algorithms-part1) - [Специализация «Структуры и алгоритмы данных»](https://www.coursera.org/specializations/data-structures-algorithms) ###### Книги: - Алгоритмы. Построение и анализ / Томас Кормен, Чарльз Лейзерсон, Рональд Ривест, Клиффорд Штайн - Cracking the Coding Interview: 189 Programming Questions and Solutions / Gayle Laakmann McDowell #### Дизайн распределенных систем Обсуждаем, как проектировать распределенные системы. Во время секции предложим разработать дизайн системы по набору требований. ###### Сайты: - [System Design Primer](https://github.com/donnemartin/system-design-primer). Вы найдете базовые темы и упражнения по дизайну систем, а также упражнения по объектно-ориентированному анализу и проектированию - [Architectural Katas](http://nealford.com/katas/). Примеры архитектурных задач - [Hacking the Software Engineer Interview](https://tianpan.co/hacking-the-software-engineer-interview). Рассказано, какими терминами и категориями нужно мыслить, чтобы пройти секцию ###### Книги: - Высоконагруженные приложения. Программирование, масштабирование, поддержка / Мартин Клеппман. В книге достаточно просто объясняют теорию #### Секция по общему ML Разбираем вопросы по анализу данных: о постановке задачи, выборе и обосновании метрик качества, сборе и валидации данных, ML-алгоритмах. Вопросы разбираем на теоретических и практических кейсах. ###### Сайты: - [Elements of statistical learning](https://web.stanford.edu/~hastie/Papers/ESLII.pdf) - [Pattern Recognition and Machine Learning](https://www.amazon.com/Pattern-Recognition-Learning-Information-Statistics/dp/0387310738) - [Deep learning book, Goodfellow.](https://www.deeplearningbook.org/) - [Introduction to Information Retrieval](https://nlp.stanford.edu/IR-book/pdf/irbookonlinereading.pdf) - [Подборка блогов по машинному обучению](https://github.com/josephmisiti/awesome-machine-learning/blob/master/blogs.md) ###### Курсы: - [Yandex Data School: Practical_DL](https://github.com/yandexdataschool/Practical_DL) - [Yandex Data School: Practical_RL](https://github.com/yandexdataschool/Practical_RL) - [Yandex Data School: NLP_course](https://github.com/yandexdataschool/nlp_course) - [Catalyst Team: DL_course](https://github.com/catalyst-team/dl-course) - [Joseph Misiti: awesome-machine-learning](https://github.com/josephmisiti/awesome-machine-learning/blob/master/courses.md) - [Специализация «Машинное обучение и анализ данных»](https://www.coursera.org/specializations/machine-learning-data-analysis) ###### Примеры вопросов по машинному обучению: - [Quant notes](https://github.com/dingran/quant-notes) - [Data science interview questions and answers](https://github.com/iamtodor/data-science-interview-questions-and-answers) - [120 data science interview questions](https://github.com/kojino/120-Data-Science-Interview-Questions) - [Data-science-interviews](https://github.com/alexeygrigorev/data-science-interviews) ###### Книги: - Глубокое обучение. Погружение в мир нейронных сетей / Сергей Николенко, Артур Кадурин, Екатерина Архангельская #### Секция по дизайну ML систем Цель ML дизайн секции - обсудить подходы к проектированию и декомпозиции сложной ML системы. Во время секции вам предложат систему, которую необходимо спроектировать. Можно выделить следующий общий дизайн решения: форматизация задачи и требований, декомопозиция на подзадачи, сбор данных, разбор ML архитектур для подзадач, деплой и тестирование итоговой системы. ###### Книги: - Machine Learning Design Patterns / Valliappa Lakshmanan, Sara Robinson, Michael Munn [github](https://github.com/GoogleCloudPlatform/ml-design-patterns) [library](https://www.oreilly.com/library/view/machine-learning-design/9781098115777/) [youtube](https://youtu.be/udXjlvCFusc) - [Deep Learning Design Patterns](https://www.manning.com/books/deep-learning-design-patterns) / Andrew Ferlitsch ###### Github: - [Deep Learning In Production](https://github.com/ahkarami/Deep-Learning-in-Production) - [Production Level Deep Learning](https://github.com/alirezadir/Production-Level-Deep-Learning) ###### Блоги: - [Monitoring Machine Learning Models in Production](https://christophergs.com/machine%20learning/2020/03/14/how-to-monitor-machine-learning-models/) ###### Доклады: - [Как в YouDo машинное обучение катится в продакшен](https://www.youtube.com/watch?v=F-j0G0lrjFw&feature=youtu.be) / Адам Елдаров ## Этап 3: знакомство с командой После технической секции рекрутер подберет подходящие проекты и согласует созвон с командами. Обычно созвон длится час: ребята рассказывают про текущие проекты, отвечают на вопросы и спрашивают о вашем опыте, любимых задачах, увлечениях. После созвона с вами свяжется рекрутер: скажите ему, в какой команде вы хотели бы работать. ## Этап 4: приглашение на работу В течение нескольких дней мы вернемся с оффером. Если вам нравятся условия и команда, останется согласовать дату первого рабочего дня. ## Дополнение: 1. Рекрутер отвечает между этапами в течение трех дней, на финальное решение уходит чуть больше времени. Рекрутер на связи: вы можете связаться с ним, если нужно что-то уточнить. 2. В беседе с интервьюерами задавайте вопросы и предлагайте разные решения. Интервьюер проверяет не только знания, но и как вы подходите к решению задач. 3. Бывает так, что на каком-то этапе интервью мы отказываем кандидату. Отказ не влияет на отношение к кандидату: он может попробовать подать заявку через полгода, а если откроется подходящая вакансия, мы предложим варианты. 4. Если есть пожелания или что-то не понравилось, напишите нам: [apply@tinkoff.ru](mailto:apply@tinkoff.ru).