Радий, що стаття змотивувала! Успіхів із Гітхабом!
На онсайте на одной из 5 сессий (1 час) разбирали детали того, как я выполнил тестовое задание. Тестовое («домашнее») задание было фронт-эндовое, его надо было выполнить после скрининг интервью. Его проверяли до приглашения на онсайт, но на онсайте его нужно было по сути «защитить» и прямо при интервьюерах улучшить/расширить. Остальные же сессии были довольно общими без сильной привязки к фронтенду.
После прохождения всех интервью, приблизительно через 1 неделю пришел оффер со стороны Uber-а и была назначена встреча, на которой обсуждалась детали, в том числе и зарплата.
... дальше — профит
Да, мне кажется в таком случае (когда человек решает свою «задачу-боль») он является своего рода экспертом в этой области и знает потребность «рынка» лучше. Плюс это помогает держать мотивацию в тонусе.
По-украински тоже «Трехлеб». В паспортном столе работали «креативные» сотрудники :)
По поводу количества задач, перед собеседованием решил около ~70
на leetcode и написал около ~80
алгоритмов на javascript-algorithms.
Впечатления от процесса конечно же будет моим личным и от этого субъективным, но в целом в Amazon-е на он-сайте чувствовал очень сильный акцент на Leadership Principles. Вопросы связанные с этими принципами были в начале практически каждой из
В Uber-е на он-сайте все-таки сессии были разделены более «чисто»: отдельный час на поведенческие моменты и культуру, отдельно алгоритмы, отдельно дизайн систем (без конкретной привязки к AWS, Azure или GoogleCloud). Так же были субъективные факторы «атмосферы», «настроения», «людей», «офиса», которые для меня лично сыграли в пользу Uber-а. Одним из отличительных моментов во время скрининга в Uber-е (в отличии от Amazon, Google, Facebook) была практичность (не абстрактность) алгоритмической задачи. Нужно было по сути создать небольшой апликейшн на JS. Классическая же алгоритмическая задача была только на он-сайте.
Про он-сайт в Гугл не могу сказать, так как не прошел скрининг.
Мой роадмап, как и мои знания по ML, очень ограниченны пока :D Но, я бы порекомендовал начать с:
Лектор очень классно и доходчиво объясняет — мне эти курсы очень понравились! Ну и надо разбавлять по ходу дела все практикой.
Рад, что статья понравилась 👍🏻
Дякую, Олег!
Якщо не рахувати перерви в декілька місяців то загалом пішло приблизно 6 місяців на навчання та на практику (зранку перед роботю по
Точно не подсчитывал, но в целом работа над репозиторием длилась около
Віктор, радий що робота Вам сподобалася навіть незважаючи на велику кілкість емоджі. Я їх використував навмистно задля того, щоб зробити інформцію більш візуальною та легкою для сприйняття (принаймні мені вони допогають краще орієнтуватися в тексті). Але я звісно розумію, що те, що працює для одного може не зпрацювати для іншого.
Дякую, Віталій!
Спасибо за направление! Постараюсь еще добавить новых алгоритмов.
Виктор, спасибо за комментарий и за разъяснение ситуации с МатЛабом!
По поводу «Precision and recall» ссылки, речь идет об иллюстрации в разделе Anomaly Detection? Если да, то она была взята из статьи F1 Score и ссылка на нее находится внизу раздела. Но указанную ссылку на Precision and Recall статью я так же добавил, думаю не помешает.
Да, kaggle.com — отличный ресурс. А разрыв между базовыми задачами и реальными задачами есть, думаю, во всех сферах, не только в ML :)
Это нельзя готовить ⛔️