Как подготовиться к алгоритмическому собеседованию в Яндекс
В конце января мне написал рекрутер из Яндекса с предложением пройти алгоритмическое собеседование. На тот момент у меня было решено всего 55 задач на LeetCode, из которых 50 — по SQL. Знания в области алгоритмов были практически на нуле.
Я решил взять паузу на два месяца и сосредоточиться на подготовке. В конце марта я успешно прошёл первый этап. О том, как прошли остальные этапы, расскажу ближе к концу статьи.
В этой статье я хочу поделиться своим опытом подготовки: как я готовился, какие стратегии использовал и что в итоге действительно помогло.
Ошибки новичков
Среди моих знакомых много ребят, которые начинают подготовку к алгоритмическому собеседованию. Я заметил у них типичные ошибки. Вот они:
-
Нет четкого плана подготовки.
-
Прорешивание всех задач подряд без разделения по темам.
-
Попытки решать задачи исключительно в одиночку — самостоятельно, без подсказок и разбора решений.
-
Решение задач без обсуждения с другими — ни с кем не делятся идеями и не получают обратную связь.
-
Отсутствие конкретной цели подготовки.
Для кого нужны алгоритмы?
Алгоритмы важны в первую очередь для стажёров. Они необходимы, чтобы пройти такие отборы, как Тинькофф Контест, Яндекс Контест или Ozon Route 256, а также при поступлении в другие крупные IT-компании.
При этом свою первую работу можно найти и без глубоких знаний алгоритмов. Это лишь один из способов отбора, и в другой компании он может осуществляться по-другому: через собеседования, на которых задают теоретические вопросы, через лайвкодинг с упором на особенности языка программирования, через код-ревью (что сейчас становится всё более популярным), а также через выполнение тестовых заданий.
Для опытных специалистов (мидлов и синьоров) алгоритмы также могут понадобиться — чтобы пройти соответствующую секцию на техническом интервью. Однако и здесь всё зависит от конкретной компании и позиции, на которую вы претендуете.
Зачем большие компании устраивают алгоритмические собеседования, если они всё равно не применяются в реальных задачах?
На мой взгляд, это хорошая форма отбора и фильтрации слабых или неподходящих кандидатов. Понять и выучить несколько сотен алгоритмических задач — это далеко не простая задача. Это требует много времени, терпения и умения мыслить логически.
Выучить теоретические вопросы гораздо проще, чем решить логическую задачу, особенно в условиях ограниченного времени. Алгоритмические задачи позволяют выявить тех, кто действительно умеет думать, а не просто запомнил материал.
Как проходит интервью
На реальном интервью интервьюрер и кандидат подключаются в одну видео-конференцию. Интервьюрер скидывает ссылку на платформу для написания кода code.avito или code.yandex. Это онлайн-платформы, в которых придется писать код. По сути это онлайн-редактор кода, в котором кандидат пишет решение задачи, а интервьюрер наблюдает в реальном времени за процессом. В них писать код гораздо сложнее чем в привычной ide, в которой есть подсветка синтаксических ошибок и автодополнение кода. На этих платформах таких подсказок нет.
На мок-собеседованиях я смог побывать в роли интервьюрера и кандидата. Постараюсь описать процесс и алгоритм действий с каждой стороны.
Кандидат:
-
Получает алгоритмическую задачу, тщательно читает её условия и задаёт уточняющие вопросы. Примеры уточняющих вопросов:
-
Отсортирован ли входной массив.
-
На вход подаются только ASCII-символы
-
Могут ли быть дубликаты в массиве/списке?
-
Можно ли менять входной массив по месту или вернуть новый массив?
-
Подробно описывает алгоритм своего решения так, чтобы интервьюрер понял ход его мысли.
-
Проверяет по имеющимся тестовым кейсам свое решение. Для этого можно использовать комментарии текстом в платформе для написании кода или открыть платформу для рисования и в ней описать свой алгоритм.
-
Оценивает свой алгоритм по времени и памяти.
-
Выражает свою готовность интервьюреру начать писать код и после получения подтверждения приступает к написанию кода.
-
После завершения написания кода проходиться по коду снова и исправяет синтаксические и логические ошибки. Проводит мысленный дебагинг.
-
Сдает свое решение и сообщает о завершении написания кода.
-
На всех этих этапах кандидату важно не молчать, а постоянно думать вслух и описывать ход своих рассуждений. Это помогает интервьюеру понять ход мыслей и, в случае попадания в тупик, направить в правильную сторону.
Интервьюрер:
-
Должен понять предложение решение и задать уточняющие вопросы, чтобы убедиться, чтобы кандидат верно понял условие задачи.
-
Попросить кандидата оценить решение по времени и памяти. Если оценка некорректная подвергнуть ее критике и попросить сделать переоценку.
-
Если алгоритм решения не учитывает все тестовые случаи подобрать дополнительные тестовые кейсы, чтобы поставить под сомнение предложенное решение и подвести кандидата к правильному решению. Попытаться добавить дополнительные тестовые кейсы с граничными случаями и прогнать по ним предложенное решение.
-
Если предложенное решение является неоптимальным, постараться подвести к правильному решению путем внесения небольших подсказок и предложений.
-
При обнаружении ошибок в коде и неточностей дать небольшие наводящие подсказки об этом, чтобы кандидат сам смог найти их и исправить.
-
Если кандидат идёт в верном направлении стараться не мешать и не отвлекать его. Иногда это бывает сложно, приходиться бороться с желанием ускорить процесс и дать подсказку. Но, побывав однажды в роли кандидата, начинаешь понимать, как бывает сложно сосредочиться под давлением интервьюрера.
-
Если кандидат замкнулся в своем решении мягко растормошить его, попытаться понять ход его решения и, в случае затруднений, мягко направить кандидата в правильную сторону, не давая готового ответа.
Перед тем, как написать эту статью я прочитал книгу Барбары Оакли “Думай как математик”. Это книга про то как эффективно решать математические задачи. Советы, которые описаны там хорошо ложаться на решение алгоритмических задач. Далее я хочу осветитить несколько идей из данной книги.
Математическая тревожность
Математическая тревожность — тревожность или психическое расстройство, возникающее при любом оперировании числами или математической информацией. Её проявление не зависит от того, делает ли человек расчеты или просто пытается запомнить номер телефона. При столкновении с математикой у человека резко путаются мысли, и теряется фокус.
Одно дело — решать задачу самостоятельно, в комфортной обстановке, без ограничений по времени. И совсем другое — решать её в режиме реального времени, когда за твоим кодом следят, задают вопросы и при этом ставят в жёсткие временные рамки. Я знаю многих ребят, да и сам когда-то был в их числе, кто испытывает страх перед лайвкодингом и собеседованиями. С этой проблемой можно справиться за счет постоянной практики.
Мышление сфокусированное и рассеянное
Сфокусированное мышление можно представить, как луч фонаря. У нас есть какая-то задача и все мыслительные ресурсы мобилизуются, чтобы решить её. В этот момент мы перестаём обращать внимание на все другие вещи. Если задача сложная и нам долго не удается найти решение, можно прийти в тупик из которого так просто не выбраться. В этот момент полезно отпустить задачу и начать заниматься другими делами, сделать перерыв. В этот момент мы переключаем мозг в рассеянное мышление. В этот момент можно увидеть общую картину. Возможно мы вообще идём не в том направлении. Перейдя в рассеянное мышление мы можем это отследить. Такой режим обдумывания позволяет мозгу смотреть на мир гораздо шире. Если вы пытаетесь понять или усвоить что-то новое, то лучше выключить точное сфокусированное мышление и включить рассеянный режим, позволяющий видеть широкую картину. Поймать рассеянное мышление не так просто. Самый простой способ перейти в него встать из-за компьютера и пойти на прогулку.
При решении сложной задачи мы вначале должны приложить к ней настойчивые усилия в сфокусированном режиме. Но чтобы довести задачу до конца нам нужно перейти в рассеянное мышление. При этом мы не можем использовать оба способа мышления одновременно. Если мы сознательно фокусируем внимание на задаче, то рассеянное мышление блокируется.
Рабочая память и долговременная память.
Рабочая — это часть памяти, которая имеет дело с текущей, сознательно обрабатываемой информацией. Вы можете удерживать в рабочей памяти четыре объекта. Когда при изучении естественных наук или математики вы осмысливаете и запоминаете некое понятие, оно начинает занимать меньше места в рабочей памяти. Тем самым появляется свободное пространство для мыслительных процессов, и вы можете усваивать другие понятия Как удержать объекты в рабочей памяти? Часто этому помогает повторение — например, вы можете повторять сами себе телефонный номер, если его не на чем записать. Или же в попытке сосредоточиться можно закрыть глаза, стремясь отгородиться от лишних раздражителей, которые норовят просочиться в рабочую память.
В отличие от рабочей памяти долговременную память можно сравнить со складом. Попавший в нее объект обычно остается там надолго. Исследования показали: когда мозг впервые помещает конкретную информацию в долговременную память, то нужно еще несколько повторений — тогда информацию будет проще найти потом, когда она понадобится.
При изучении математики и точных наук долговременная память тоже важна, поскольку именно в нее вы складываете фундаментальные понятия и приемы, которые вам понадобятся при решении задач. Для перемещения информации из рабочей памяти в долговременную требуется время. Помочь этому процессу может прием, называемый интервальным повторением. Как вы догадались, это растянутое на несколько дней повторение того, что вы хотите запомнить.
Если возвращаться к изучаемому материалу через день, т.е. растягивать процесс на несколько суток, итог будет иным, нежели при других схемах усвоения. Исследования показали: если для запоминания определенного материала повторять его 20 раз в течение одного вечера, результат будет куда хуже, чем в случае, если повторять его столько же раз на протяжении нескольких дней или недель.
Пусть мозг поработает в фоновом режиме В следующий раз, когда вам попадется сложная задача, поработайте над ней несколько минут, а когда зайдете в тупик — переключитесь на другую. Первая задача при этом будет обдумываться в рассеянном режиме, фоном. Когда позже к ней вернетесь, вы, скорее всего, приятно удивитесь тому, насколько продвинулись в ее решении.
Интервальное повторение или распределенная практика.
Если повторять какую-то тему на протяжении нескольких дней это намного эффективнее, чем если повторять столько же раз на протяжении одного дня.
Иллюзия компетентности
Иллюзия компетентности, также известная как эффект Даннинга-Крюгера, это когнитивное искажение, при котором люди с низким уровнем компетентности в определенной области переоценивают свои способности и знания. В результате они склонны считать себя более компетентными, чем они есть на самом деле.
При решении алгоритмических задач мы тоже можем столкнуться с этим эффектом. Нам кажется, что если мы решили задачу один раз, то мы полностью разобрались с ней и запомнили ее. Иллюзия рушится, стоит один раз сходить на собеседование или попытаться решить задачу снова через несколько дней. Другими словами, нам нужно регулярно проверять свои знания, чтобы быть уверенными в них.
Просмотр готового решения.
Существует две крайности — когда мы пытаемся решить задачу полностью самостоятельно и когда сразу смотрим готовое решение.
Если мы пытаемся решить задачу полностью самостоятельно, мы тратим на неё много времени. А время — это ценный ресурс, ведь нам нужно решить много задач и не один раз.
Если мы смотрим готовое решение, мы его не запоминаем, потому что не приложили никаких усилий, чтобы прийти к нему. Мозг перестаёт думать в этот момент. Он не потратил усилий, чтобы прийти к решению, а значит, скорее всего, не запомнит его.
Необходимо найти золотую середину при использовании обоих подходов. Есть задачи, до решения которых дойти крайне сложно — в этот момент нам нужно воспользоваться подсказками к решению. Можно на каждую задачу выделить 30 минут, чтобы догадаться до решения самому. Если решение не приходит, то можно сделать запрос в ChatGPT, в котором мы просим дать краткое объяснение идеи без написания кода, или посмотреть видеоразбор задачи. Главное — не смотреть готовый код, а понять ход рассуждений и реализовать решение самостоятельно. При таком подходе усилий для того, чтобы запомнить решение, будет достаточно. Чтобы перенести решение в долгосрочную память, мы закрепляем его через повторение в другие дни.
Я считаю, что в подсказках нет ничего плохого. Гораздо хуже — тратить несколько часов на решение каждой задачи. Это очень долго и непродуктивно. Увидев решение некоторых задач, вы можете обнаружить, что до их решения вы бы никогда не догадались.
Итоговый алгоритм такой:
-
Попытаться решить задачу самому.
-
Если не получается — воспользоваться подсказкой или посмотреть разбор задачи.
-
Реализовать решение в коде самостоятельно.
-
Сравнить своё решение с эталонным и проанализировать отличия.
-
Закрепить решение повторением через несколько дней.
Самое тяжёлое — это понять, чего от тебя хотят и как этого достичь, понять условие задачи и алгоритм решения. Как только придёт понимание, решение в коде придёт само. Останется только воспроизвести его в коде, написать и прогнать под известные тестовые случаи, а также придумать граничные случаи.
Дневник ошибок
На реальном собеседовании у вас не будет возможности запустить код. Вам нужно будет научиться писать код с минимальным количеством ошибок и прежде чем сдавать решение хорошенько подумать, пройтись по коду и исправить ошибки. Когда вы завершаете написание кода при запуске кода очень важно зафиксировать и выписать ошибки в отдельный список — дневник. Это помогает отследить повторяющиеся ошибки, проанализировать и избежать их в будущем.
Компилятор в голове
Очень важно после написания кода представить решение с минимальным количеством ошибок. При этом ошибки могут быть синтаксические и логические. Перед сдачей решения необходимо пройтись по коду и исправить эти ошибки. Полезно отстраниться от написанного и представить, будто вы видите этот код впервые. К каждой строчке кода следует относиться критически. Также рекомендуется протестировать код на известных тестовых примерах — это помогает выявить логические ошибки и несоответствия.
Паттерны
Очень важно при решении задач фокусироваться не на количестве задач, а на количестве тем — паттернов. Освоив один паттерн, мы сможем дополнительно решить ещё десятки похожих задач. К тому же мы не знаем, из какой темы прилетит задача на собеседовании. Чем больше паттернов освоено, тем выше шанс успешно пройти собеседование.
Ссылки на статьи с паттернами:
Цель
При работе над таким масштабным проектом, как изучение алгоритмов, важно с самого начала понимать зачем это делается. Без чётко сформулированной цели легко потерять мотивацию, отвлечься или перегореть.
Нужна какая-то конечная цель, которая будет служить ориентиром. Примеры таких целей:
-
Пройти алгоритмическое собеседование в конкретную компанию.
-
Решить 100 задач по различным темам на LeetCode.
-
Пройти до конца какой-нибудь алгоритмический курс или контест.
Я поставил себе цель — пройти алгоритмическое собеседование в Яндекс. Это помогало придерживаться определённого курса и не бросать начатую затею.
Окружение
Подготовка к алгоритмическому собеседованию большой тернистый путь. Чтобы не сойти с этого пути очень важно найти себе попутчиков, которые помогут не сойти с этого пути. С такими людьми можно обсудить свое решение, можно делиться успехами и отслеживать прогресс друг у друга.
Среди своих друзей и знакомых я нашел такое окружение. Мы создали небольшой чатик в телеге, где мы каждый день делимся задачами, которые удалось решить задачи на протяжении дня. Это помогает отслеживать прогресс других. Когда я вижу, что кто-то постоянно решает задачи, мне не хочется отставать от них, я получаю дополнительную мотивацию на решение задач.
Мок-собесы
Выше я показал, по какому сценарию нужно следовать каждой стороне — кандидату и интервьюеру. Чтобы еще лучше понять, как проходит реальный алго-собес, я бы еще посмотрел записи собесов, и тогда ничего не мешает провести мок-собес друг другу.
Если у вас нет подходящего окружения в офлайне, всегда можно найти подходящее окружение в онлайне. Есть много чатиков в телеге, которые специализируются на теме алгоритмов. Среди них можно найти себе партнера по мок-собесу, бросив клич в этот чат с сообщением: “Ищу человека для проведения взаимного мок-собеса”. Когда-то давно я таким образом, написав в гоферский чатик, нашел себе опытного гофера, который устроил мой первый мок-собес по Go. Из нескольких сотен человек в чате откликнулся один человек, это был тимлид из ВайлдБерриз. Он хорошенько меня прожарил, я получил огромную пользу.
В этот раз я тоже нашел себе партнера по мок-собесу вышеуказанным образом. Это тема рабочая. Мне попался разработчик с большим опытом проведения собесов. Мы созваниваемся с ним почти каждый день и по очереди проводим друг другу мок-собесы. Таким образом, каждый получил более 10 мок-собесов. Кажется, что мок-собесы нереальные и не могут нести такую же пользу, как реальные, но это не так. На мок-собесе имитируется ситуация реального собеса. Устраивается созвон в зуме и показывается экран, нет возможности куда-то подглядеть, код полностью пишется из головы, элемент стресса все же присутствует, и каждая решенная задача на мок-собесе запоминается очень крепко в голове.
В момент стресса мозг очень усиленно начинает работать. Бывает такое, что ты получаешь задачу, которую никогда раньше не решал, и ты вообще не понимаешь, как ее решить, и ты даже не понимаешь, как подступиться к этой задаче, у тебя кипит адреналин и потеют ладошки. Ты сидишь и думаешь, долго думаешь, и тут внезапно, каким-то магическим образом, тебе в голову приходит решение. Сам бы ты эту задачу не решил, но находясь на собесе в условиях стресса, удивительным образом мозг работает лучше. Также постоянная практика помогает снизить стресс на реальном собеседовании, и решение задачи происходит на автомате.
Менторство
Очень важно, когда мы осваим новый предмет или область, в которой мы новички, найти такого человека, который выступит для нас некой глыбой. Нам не хватает поддержки и советов от опытного человека. Нам нужно, чтобы кто-то более опытный, харизматичный и авторитетный сказал, как нужно поступать в той или иной ситуации. Мы ждём от такого человека подробный роадмап, конкретные шаги, что нужно сделать. Также в процессе выполнении задачи вы становимся уязвимы и слабы. Нам нужно, чтобы кто-то подошёл и сказал: Бро, ты все правильно делаешь. Продолжай дальше. У нас появляются глупые вопросы и мы хотим получить грамотные и четкие ответы на них.
Курс по алгоритам
Почему-то большинство моих знакомых, которые изучают алгоритмы отвергают курсы по алгоритмам. Им кажется, что если они смогли решить задачу на литкоде, значит они готовы к решению задач на собеседованию.
По сути грамотный курс дает все вышеперечисленное. На курсе есть ментор – преподаватель, которому можно задавать различные вопросы. Он выступит для вас путеводной звездой, который будет мотивировать к изучению дополнительных задач. Курс дает окружение – вместе с вами в одном потоке стартуют обучение другие ребята, которые проходят этот путь вместе с вами. На курсе можно найти партнера по мок-собесу, я своего нашел именно там. В курсе есть подробный роадмап по обучению, в котором применяются вышеуказанные паттерны для решения задач.
В настоящее время существует множество курсов по алгоритмам. Например, у Яндекса есть курс «Тренировки по алгоритмам», на Balun Courses также представлен курс по алгоритмам, и даже Влад Тен из канала «Влад Тен» запустил свой курс.
Я не проходил эти курсы, но хотел бы порекомендовать Максима и его платформу algocode.io. Почему именно его? Максим занимается алгоритмами уже более 6 лет, и у него харизматичная и веселая подача. Для каждой задачи у него разработан собственный паттерн решения. Кроме того, он вместе со своей командой разработал собственную платформу — algocode.io — аналог LeetCode, но с более индивидуальным и понятным подходом.
На ней представлено подробное описание задач, понятный видео-разбор, который помогает быстрее понять условие и алгоритм решения без раскрытия готового ответа, а также эталонное решение, которое можно запомнить и воспроизвести на реальном собеседовании. На других курсах я не встречал ничего подобного.
Также мне очень нравятся курсы в формате буткемпа. Все одновременно стартуют одним потоком обучения и все проходят по одному плану обучения. Все сталкиваются примерно с одинаковыми проблемами. Ты знаешь, что ты не один. Это даёт дополнительную поддержку и мотивацию дойти до конца. Вышеуказанный курс работает по такому формату.
Итог
В общем, у меня было 2 этапа алгоритмических собеседований.
На первом этапе мне попалась всего лишь одна задача на плавающее окно. С ней я благополучно справился.
На втором этапе попались 2 задачи: на плавающее окно и на бинарное дерево. С первой справился, со второй возникли сложности. Через пару часов получил сообщение от рекрутера с обратной связью. Одной решённой задачи недостаточно для прохождения на следующий этап. Словил фриз на полгода.
Эпопея с Яндексом довольно быстро закончилась, но я ни о чём не жалею. Я приобрёл ценный навык прохождения алгоритмических собеседований и теперь смогу попробовать свои силы в других крупных компаниях.
Прикладываю ссылки на эти задачи:
Если вам нравится, как и о чем я пишу – то буду благодарен за подписку на мой ТГ-канал Go Alive (так вы точно не пропустите новые статьи).
Автор: alivewel
