Собесов
← Симулятор

Что проверяет интервью

Проверено 16 ноября 2026. Официальные страницы подтверждают направления подготовки, но не частотность конкретных вопросов. В банке 48 учебных записей: 32 добавленных и 16 переработанных. Для рассказа X5 сделаны 12 обозначенных реконструкций; точная дата интервью не известна. Условия не выдаются за дословные вопросы компаний.

По matching есть архивная вакансия, по DiD — методические источники. Свежих независимых подтверждений распространённости этих вопросов, особенно для стажёров, недостаточно. Мы включили интуицию методов как тренировку рассуждения; сложные методы не обязательны для младших уровней. Датированный рассказ кандидата старше 12 месяцев и не представляет весь рынок.

РольТемыОснования
Продуктовый аналитикПродукт и бизнес, SQL, Эксперименты, Причинный анализ, Статистика и вероятность, Python и данныеОфициальное интервью продуктового аналитика; Официальная стажировка по аналитике; Официальный процесс найма аналитиков-разработчиков
Аналитик данныхSQL, Python и данные, Статистика и вероятность, Причинный анализ, Продукт и бизнес, ЭкспериментыОфициальный процесс найма аналитиков-разработчиков; Официальный отбор junior-аналитиков; Рассказ кандидата о двух этапах стажёрского интервью X5
Data Science / MLData Science / ML, Python и данные, Статистика и вероятность, SQL, Причинный анализ, ЭкспериментыОфициальный процесс найма аналитиков-разработчиков; Официальная демонстрация технической ML-секции; scikit-learn: Common pitfalls; Рассказ кандидата о двух этапах стажёрского интервью X5

Стажёр

Интуиция и пример; объяснить возможное смещение, заметить переток между продуктами. Без обязательных формул.

Junior

Самостоятельный подход и ключевое ограничение; matching на словах, DiD как разница изменений в подходящем кейсе.

Middle

Выбор метода, проверка допущений, баланс и overlap, SQL с крайними случаями, профильная валидация.

Senior

Идентификация, устойчивость и переносимость, компромиссы запуска, ограничения данных и решений.

Реестр источников

Официальный отбор junior-аналитиков

Тип: Официальный найм · публикация: не указана · проверка: 2026-11-16

Две технические секции и отдельное знакомство. Детали доступны в поисковой копии; прямое чтение завершилось таймаутом. Не подтверждает конкретные вопросы.

Официальная стажировка по аналитике

Тип: Официальный найм · публикация: не указана · проверка: 2026-11-16

Материалы подготовки: SQL, метрики и логика экспериментов. Не доказательство вопросов о конкретном каузальном методе.

Мероприятия по найму аналитиков 2026

Тип: Официальный найм · публикация: 2026 · проверка: 2026-11-16

Различает продуктовую аналитику, DS и инженерные роли. Мероприятия для опыта от двух лет; не экстраполируем на junior.

Архивная вакансия продуктового аналитика Авто.ру

Тип: Описание вакансии · публикация: не указана · проверка: 2026-11-16

Указаны PSM, DoWhy, Causal Impact. Это свидетельство профессиональной релевантности, а не подтверждение реального вопроса или открытой вакансии.

С. Козырев: личный опыт DS-собеседований

Тип: Рассказ кандидата · публикация: 2025-10-29 · проверка: 2026-11-16

Рассказ от первого лица; за пределами 12 месяцев. Ограниченная личная выборка, нельзя выводить рыночную частотность.

М. Факуре: Matching

Тип: Методический источник · публикация: не указана · проверка: 2026-11-16

Методическая проверка ограничений matching; не источник вопросов компаний.

М. Факуре: Difference-in-Differences

Тип: Методический источник · публикация: не указана · проверка: 2026-11-16

Методическая проверка DiD и параллельных трендов; свежая распространённость на интервью не установлена.

PostgreSQL: Window Functions

Тип: Официальная документация · публикация: не указана · проверка: 2026-11-16

Проверка SQL-семантики; упражнения авторские.

pandas.merge

Тип: Официальная документация · публикация: не указана · проверка: 2026-11-16

Проверка ключей, validate и сопоставления NULL; упражнения авторские.

scikit-learn: Common pitfalls

Тип: Официальная документация · публикация: не указана · проверка: 2026-11-16

Проверка утечек и обучения преобразований только на train; упражнения авторские.

М. Факуре: Regression Discontinuity Design

Тип: Методический источник · публикация: не указана · проверка: 2026-11-16

Пороговый дизайн и локальность эффекта; методический источник, не подтверждение вопроса интервью.

М. Факуре: Meta Learners

Тип: Методический источник · публикация: не указана · проверка: 2026-11-16

Неоднородный эффект и ограниченный бюджет воздействия; не подтверждение частотности на интервью.

SciPy: Mann–Whitney U

Тип: Официальная документация · публикация: не указана · проверка: 2026-11-16

Нулевая гипотеза, формы распределений и обработка совпадений; проверка методической корректности.

pandas: Time series / date functionality

Тип: Официальная документация · публикация: не указана · проверка: 2026-11-16

Часовые пояса и локализация времени; проверка авторского упражнения.

scikit-learn: Logistic regression

Тип: Официальная документация · публикация: не указана · проверка: 2026-11-16

Функция вероятности и регуляризация логистической регрессии; авторская учебная задача на первый шаг обучения.

Рассказ кандидата о двух этапах стажёрского интервью X5 · публичной ссылки нет

Тип: Рассказ кандидата · публикация: не указана · проверка: 2026-11-16

Предоставлен пользователем как актуальный рассказ. Один кандидат и один процесс; точная дата, подлинность и типичность не подтверждены. Python, SQL, статистика, A/B и ML сообщены явно; часть условий неполна, CUPED интерпретирован по контексту. Банк содержит обозначенные учебные реконструкции, а не дословные вопросы или данные о найме компании.

Deng, Knoblich, Lu: Delta Method in Metric Analytics

Тип: Методический источник · публикация: 2018-07 · проверка: 2026-11-16

Первичная методическая работа о ratio-метриках и уровнях агрегации. Подтверждает методику, не частотность вопросов интервью.

Deng, Xu, Kohavi, Walker: CUPED

Тип: Методический источник · публикация: 2013-02 · проверка: 2026-11-16

Оригинальная работа о снижении дисперсии с pre-experiment data. Используется для проверки реконструкции темы чувствительности теста; не доказательство распространённости на стажёрских интервью.

scikit-learn: Model evaluation and scoring

Тип: Официальная документация · публикация: не указана · проверка: 2026-11-16

Смысл classification/regression metrics, порогов и выбора метрик. Проверка решений, не источник вопросов компании.