tinkoff-career/interview.md

# 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
* Секция по платформе или языку
* Дизайн распределенных систем

**Frontend-разработка**
* Алгоритмы
* Секция по платформе или языку

**SRE**
* Алгоритмы
* Выявление и устранение проблем
* Дизайн распределенных систем

**Машинное обучение**
* Алгоритмы
* Дизайн распределенных систем
* Секция по общему ML
* Дизайн ML-систем

**Секция по выявлению и устранению 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.

**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.

### Материалы для подготовки к секциям
Рекомендуем ознакомиться с материалами до интервью: в них есть книги и курсы

#### Алгоритмы

Проверяем знания по алгоритмам и структурам данных. 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

###### 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).