🤱 Известная задача про роддомы
Одна из задач, которые частенько задают на собеседованиях на аналитика, звучит так: «В городе два роддома — большой и маленький. В определенный день в одном из этих роддомов среди новорожденных оказывается 60% мальчиков. В каком роддоме это скорее всего могло бы произойти?»

Правильный ответ на эту задачу такой: в маленьком, поскольку в маленьких выборках более вероятны отклонения от среднего.

А вот в этой статье легендарный Александр Дьяконов смотрит на эту задачу с разных сторон, вникая в каждое слово из её условия. Так, он задается вопросами: «Что такое большой роддом, а что такое маленький», «Сколько в роддомах обычно рождается детей». В статье даже рассматривается статистика рождаемости в Англии и в Уэльсе 🙂

В общем, если хотите посмотреть, как профи деконструирует задачу - обязательно читайте статью.
И ставьте палец вверх 👍 под этим постом, если статья вам зашла (а если ещё не читали, то ставьте авансом 🙃)

​​🐈‍⬛ Бесплатный курс для начинающих - введение в Git

У нас уже были посты про Git:
– Интерактивный туториал (если вы уже немного понимаете в Git)
– Курс для тех, кто вообще не работал с гитом
– Что делать, если накосячил при работе с гитом

Есть ещё один интересный бесплатный курс от Hexlet, по отзывам, вполне годный. Если вкратце:
– видеоуроки
– лекции
– упражнения в тренажере
– без сертификата
– доступ после регистрации

В описании сказано, что, чтобы учиться было проще, стоит заранее изучить основы командной строки, а так курс подходит для тех, кто вообще не имел опыта работы с Git

Если проходили его, обязательно оставляйте под этим постом комментарий с впечатлениями от курса. И оставляйте огонёк 🔥 под этим постом, если было полезно!

📹 А вот и видео про линейную классификацию и логистическую регрессию подъехало ;)

Логистическая регрессия - одна из тем, которые часто спрашивают на собеседовании. Мы достаточно долго делали этот видос и постарались максимально наглядно объяснить линейную классификацию и логистическую регрессию 😊

Давайте накидаем комментариев и лайков, чтобы алгоритмы ютуба поняли, что видео получилось и правда классное?)

И пишите в комментариях под этим постом, какие темы вы бы хотели увидеть в следующих видосах👇

https://youtu.be/8sp5aqyH6Oc?si=HkyQzzpCfciUQo18

​​✏️ Разбор задач контеста на аналитику в Яндекс

Нет, к сожалению, не за 2023 год, а за 2020. В этой статье автор решает все 6 задачек яндексовского контеста, если вы собираетесь подаваться на стажировку - определенно стоит посмотреть🙂
А еще стоит посмотреть комментарий, в котором лежат задания на текущий контест.

Но даже если вы не собираетесь на стажировку, все равно гляньте задачки из статьи выше, обычно у Яндекса они интересные. Вот парочка:

1. Дедлайн
Начинающий аналитик пытается решить задачу. Если задачу решить не удалось, то он теряет мотивацию, и вероятность успеха на следующей попытке падает. На одну попытку требуется день, а дедлайн по задаче — 90 дней. Вероятность, что аналитик решит задачу с i-ой попытки, составляет:
1. 1 / (i + 1)
2.1 / (i + 1)^2
С какой вероятностью аналитик успеет решить задачу до дедлайна?

2. Судьба хомяка
Чтобы выжить зимой, жадный голодный хомяк решил ограбить ореховый заводик, находящийся в 1000 м от его норы. На заводике осталось 3000 орехов. В щеки хомяка помещается максимум 1000 орехов. Куда и с чем бы ни шел хомяк, каждый метр ему необходимо подкрепляться 1 орехом. Хомяк уже на заводике и опасен. Какое максимальное число орехов он сможет запасти? Ответ необходимо округлить до целого числа.

Решайте, пишите свои решения в комментариях и сверяйтесь с решениями автора публикации)

​​🎒 Всё еще можно зарегистрироваться на бесплатный курс по дизайну систем машинного обучения от ODS!

Классный курс от международного Data Science сообщества уже был прочитан в прошлом году. Сейчас его переработали более, чем наполовину, и этой осенью читают снова, онлайн 🙂

Запланированные темы:
1. Машинное обучение на практике
2. Основы проектирования ML-систем
3. Обучающие данные
4. Подготовка и отбор признаков
5. Выбор и обучение ML-модели
6. Улучшение модели через данные
7. Оценка качества модели
8. Развертывание
9. Диагностика ошибок и отказов
10. Жизненный цикл модели
11. Потоковые данные
12. Языковые модели в продуктовом окружении
13. Временные ряды и графы.
14. Безопасность, этика и восстание машин
15. Интеграция в бизнес-процессы.


Формат курса:
– видеолекции, выкладываются на ютуб в открытый доступ в начале каждой недели
– семинары по четвергам в 14:00 мск раз в неделю, в spatialchat, не выкладываются в открытый доступ
– консультации в чате курса
– проект, делается командой от 2 до 5 человек на протяжении всего курса, оценивается еженедельно
– ML дизайн документ для проекта - пишется на протяжении всего курса, оценивается еженедельно
– работа на семинарах и в чате оценивается еженедельно
– лабораторные работы (количество пока уточняется)
– публичный лидерборд, обновляется еженедельно

Регистрация открыта для всех 😊

🐳 Docker - для чего нужен и как им пользоваться?

Допустим, вы сделали классную ML-модель, которая хорошо работает в тестовом варианте. Теперь вам нужно её развернуть, чтобы поделиться с другими – не оставаться же ей только на вашем компьютере 🙂

Один из важных инструментов для развертывания модели – Docker. Если коротко, то это платформа, которая может решать проблемы совместимости между различными операционными системами и версиями библиотек при отправке кода машинного обучения инженерным группам.

Вот небольшая подборка материалов по Docker:
– Во-первых, официальное руководство
– Введение в Docker, читается достаточно легко
– Статья про оcновы Docker
– Ютуб плейлист с туториалами для начинающих
– Первый модуль курса на степике для начинающих
– Курс от ODS для более продвинутых

Если пост показался полезным, тыкайте огонёк под ним) 🔥
И пишите в комментариях, посты на какие темы вы хотите увидеть ещё 🙂

​​🍃 Классные статьи от аналитиков X5 Tech

У нас уже были посты про A/B тесты от аналитиков Авито (часть 1 и часть 2), и вот недавно мы наткнулись на серию из классных статей по А/B тестированию от аналитиков X5 Tech. Конечно, восприниматься будет лучше, если у вас уже есть некоторые знания матстатистики, питона и A/B экспериментов, но даже если вы совсем новичок, как минимум, пища для размышления вам обеспечена.

– А/Б тесты с метрикой отношения. Дельта-метод
– Стратификация. Как разбиение выборки повышает чувствительность A/B теста
– Бутстреп и А/Б тестирование
– Проверка корректности А/Б тестов

А ещё, если вы хотите зашарить в А/В тестах, стоит почитать классную книжку, которой мы делились в одном из постов 😊

Читайте, ставьте огонёчки 🔥, если вам зашли статьи, и 🤩 если они не особо понятные, но очень интересные)

🚀 Получи оффер в Яндекс за два дня!

Мы запускаем Fast Track для аналитиков в команду Фудтеха! Если вы хотите вместе с нами решать сложные, но супер интересные задачи и двигать Еду и Лавку вперед, обязательно участвуйте!😉
За два дня вы сможете пройти все этапы интервью и получить оффер!
📌 Даты мероприятия: 7-8 октября
📌 Подробнее про ивент: https://yandex.ru/project/events/ft-foodtech-data-analyst-0923

Мы ищем аналитиков/DS на разные направления и готовы смотреть кандидатов уровня от Middle до Lead, поэтому вы точно найдете себе задачи по душе)
А если у вас остались вопросы - пишите @polinapanshina

​​😱 Что делать, если собеседование через неделю?

1. Узнайте, какие ценности у компании, в которую вы подаётесь, и чем занимается команда, в которую у вас будет собеседование. Подумайте, какие задачи есть у этой команды. Можете почитать в статьях про то как работают в разных индустриях:
– Яндекс.Маркет
– Яндекс Такси
– Алгоритмы назначения на заказы

2. Узнайте, какая структура у собеседования. Часто рекрутеры присылают материалы для подготовки к интервью, не надо игнорировать их! Поищите в интернете, как проходит отбор туда, куда вы хотите. Вот здесь, например, я рассказывал про то, как происходит найм в Фудтехе Яндекса

3. Поищите задачки, которые обычно встречаются на собесах на вашу позицию, в интернете - например, тут. И посмотрите, например, на LeetCode, какие задачки дают на интервью конкретно в вашу компанию.

4. Узнайте, что спрашивают на собесе, у знакомых, которые уже проходили его на эту позицию. А если никто из знакомых не проходил собес, поспрашивайте в доменных чатиках.

5. Подготовьте рассказ о себе. Четко, структурно, без мычаний. С рассказом о вашей роли и о ценности, которую вы принесли. Чтобы не было этих вот «нуууу», «эээээ». Подумайте, как можно за 3 минуты «продать себя» команде.

6. Все пункты выше лучше потренировать на пробном интервью, если у вас есть такая возможность.
Программа минимум: попросить друга поспрашивать вас об опыте и погонять по задачкам.
Программа максимум: найти профи, который сможет вас помокать (обычно это стоит не больших денек относительно будущей зп)

Ставьте огонёчек 🔥, если советы правда полезные, и чувака в странных очках 🤩, если база)

​​⚙ Шпаргалка для технического собеседования

Классная статья с Хабра, с помощью которой можно освежить в голове самую базу по:
– Основам структур данных (массивам, связным спискам, хэш-таблицам, двоичным деревьям)
– Поиску (в ширину и в глубину)
– Сортировке (сортировка слиянием, быстрая сортировка, пузырьковая сортировка)
– Основным типам алгоритмов (рекурсивные, итеративные, жадные)

Обязательно стоит посмотреть комментарии к статье, чтобы вас не запутали некоторые моменты в ней
И ставьте огонёчки 🔥 и лайки 👍, а если у вас премиум, то можно и сразу обе реакции на этот пост)

👔 Как подготовиться к мок-интервью

В посте «Что делать, если собеседование через неделю» последним пунктом мы указали, что перед реальным собеседованием стоит провести мок-интервью. Конечно, лучше проводить тестовое собеседование со специалистом, у которого уже есть большой опыт в этом. Но, допустим, у вас нет возможности, и вы попросили друга прособеседовать вас.
Небольшая инструкция, чтобы интервью прошло успешно:

1. Притворитесь, что вы совсем не знаете друг друга и встретились в первый раз. Включите все свои актерские навыки 🙂

2. Вот примеры общих вопросов, которые ваш друг может задать вам:
– Расскажи мне о себе и своем опыте работы
– Расскажи о твоем самом сложном проекте
– Какие твои сильные и слабые стороны?
– Почему ты хочешь работать в нашей компании?

3. Несколько сайтов, с которых друг может взять вопросы по Data Science:
– 120+ Data Science Questions
– 100+ Data Science Interview Questions
– 20 типичных вопросов

4. Пара советов, которые сделают мок эффективнее:
– Делайте заметки во время тестового интервью
– Записывайте мок-интервью, чтобы на записи увидеть свои ошибки

Ставьте огонёк 🔥, если вы уже были на тестовом интервью, и сердечко ❤️, если еще не были, но хотите побывать))

🅰️🅱️Увеличение чувствительности в A/B с помощью CUPED

Замечательный доклад от Валеры Бабушкина про технику А/Б экспериментов CUPED (Controlled-experiment Using Pre-Experiment Data), которая позволяет увеличить чувствительность метрик за счёт использования данных, полученных ранее. Чем больше чувствительность, тем более слабые изменения можно замечать и учитывать в эксперименте.

В своем выступлении Валерий Бабушкин объяснил, в чём заключается смысл CUPED и каких результатов можно достичь с помощью него, перед этим разобрав метод стратификации, который тоже помогает улучшить чувствительность.

Запись доклада можно посмотреть здесь, а текстовую версию со слайдами тут.

Ставь 🔥, если скучал по постам с Валерой)

🖥 Что могут спросить на собеседовании на Data Scientist’a

Глобально, есть всего несколько типов вопросов, которые могут встретиться вам на собеседовании. И если хорошо заботать каждый пункт, то с очень большой вероятностью вы сможете пройти в любую компанию.
Какие же бывают типы вопросов на собеседовании?

Алгоритмы
– Конечно, в большинстве компаний отсутствуют алгоритмические секции. Но, так как в крупные IT-компании по типу Гугла, Яндекса рвутся все, им надо было придумать какой-то дополнительные критерий отбора. Поэтому, если вы хотите двигаться в эту сторону, то алгоритмы необходимы. Хороший структурированный материал по ним есть тут

Технические вопросы
– Это есть везде. Задачи на статистику, теорию вероятностей, вопросы на знание библиотек для анализа данных и машинного обучения и т. д.

Анализ реальных бизнес кейсов
– Вас могут попросить решить реальную бизнес задачу. Например, могут дать текст, по которому генерилась картинка через нейросеть. Какие-то картинки с очевидной лажей, а какие-то нет. И нужно придумать схему, чтобы выбирать из нескольких картинок более хорошую.
И здесь нет правильного ответа - нужно мыслить вне рамок задачи и предлагать как можно больше вариантов решения. Чтобы прокачать такой подход, возможно, стоит посмотреть лекции Школы менеджеров Яндекса

Решение прикладных задач (тестовое задание)
– Иногда либо на собесе, либо на дом могут дать задание, схожее с теми, которые вам нужно будет делать на работе. Чтобы подготовиться к этому, можно поделать пет-проекты, которые заодно можно будет включить в резюме. Идеи для них можно поискать на Kaggle, либо поспрашивать ChatGPT 🙂

Все эти сферы вопросов очень обширны, поэтому для начала стоит определиться с компанией, в которую вы хотите попасть, и узнать, какие типы вопросов встречаются там.

А еще лучше побывать на собеседовании в эту компанию, чтобы точно знать, к чему готовиться в следующий раз. Но, к сожалению, во многих компаниях действует фриз после неудачного собеседования. И чтобы подготовиться и не словить фриз, можно попробовать сходить на тестовое интервью 🙂

Ставьте огонёчки 🔥 на этот пост, если он был полезен, и включайте уведомления, чтобы читать наши посты первыми))