Яндекс академия вступительные экзамены - Помощь в подготовке к экзаменам и поступлению

Приём в 2022

Те, кто готовится к поступлению, могут посмотреть решения нескольких заданий из вариантов письменного экзамена, демонстрирующие полезные факты и приёмы.

Запись дня открытых дверей ШАД от 2021 года. Вы можете узнать все подробности о поступлении и обучении в ШАДе, о различиях между направлениями и карьерных перспективах после выпуска, а также о совместных магистерских программах с вузами.

Набор 2022 закрыт. Новый набор стартует ориентировочно в апреле 2023 года. Вы можете подписаться на новости и получить письмо о начале набора.

ШАД подходит тем, кто:

интересуется анализом данных или архитектурой распределенных систем;
готов тратить не менее 30 часов в неделю на учебу;
обладает хорошей математической подготовкой и знаком с каким-нибудь языком программирования или имеет опыт в IT и обладает некоторой математической культурой.

При поступлении в ШАД проверяются знания в рамках общей программы, включающей базовые разделы высшей алгебры, математического анализа, комбинаторики, теории вероятностей, а также основы программирования и анализа данных.

Также доступен альтернативный трек поступления в ШАД. Он предназначен в первую очередь для тех, у кого уже есть опыт промышленной разработки или научных исследований в области Data Science. На втором этапе отбора и на собеседовании вам не придётся решать трудных задач по высшей математике, но зато нужно будет показать хорошее умение программировать. Кроме того, при отборе мы будем учитывать участие в проектах, наличие статей и в целом индустриальный опыт.

Набор проходит в три этапа

1. Онлайн-тестирование

После заполнения анкеты поступающего вы получите письмо со ссылкой. На решение заданий теста отводится пять часов.

2. Второй этап

Для поступающих в московское отделение ШАД второй этап состоит из двух частей: первая — математика и алгоритмы, вторая — программирование и основы анализа данных.
Для проступающих в филиалы ШАД или на заочное отделение второй этап отбора — онлайн-экзамен.

3. Собеседование

Собеседования пройдут очно и онлайн с конца июня по конец июля в филиалах ШАД. На собеседовании нужно будет решать задачи по математике, алгоритмам и программированию. Также нужно пройти собеседование по мотивации.

Платное обучение

Поступающие, хорошо показавшие себя на собеседовании, но не прошедшие по общему конкурсу, смогут начать учиться на платной основе. Платное обучение возможно только в Москве.

Обучение на платной основе ничем не отличается от бесплатного — нужно выполнять всё те же непростые задания, укладываясь в жёсткие сроки.

Обучение стоит 150 000 рублей за семестр. Стоимость обучения будет снижена до 75 000, если студент заканчивает семестр на «хорошо» и «отлично». Сдавший на «хорошо» и «отлично» две сессии подряд дальше учится бесплатно.

Примеры заданий

Если вы хотите получше подготовиться и знать, что вас ждёт, порешайте варианты прошлых лет.

Часто задаваемые вопросы

Поступление

Как поступить в Школу анализа данных?
Чтобы поступить в Школу анализа данных, нужно пройти три этапа отбора: онлайн-тестирование, экзамен и собеседование.Онлайн-тестирование — это тест с задачами по математике и программированию, где нужно выбрать один ответ. Сдать тест можно в любое время в течение месяца, но есть всего одна попытка.Во время экзамена нужно решить задачи по математике, алгоритмам, программированию и основам анализа данных.Поступающие в Москве сдают экзамен в два этапа: — математика и алгоритмы; — программирование и основы анализа данных.Поступающие в филиалы ШАД пишут один онлайн-экзамен на все темы.Собеседование проходит по трем секциями: алгоритмы, программирование, мотивация. О времени собеседования договариваемся индивидуально.Новый набор в ШАД стартует в апреле. Чтобы записаться, оставьте свои данные в разделе «Подробнее о поступлении».
Как происходит отбор на заочное отделение?
Чтобы поступить на заочное отделение, нужно пройти онлайн-тестирование, онлайн-экзамен и собеседование.
Существуют ли подготовительные курсы в ШАД?
Нет.
Чем отличается альтернативный трек поступления от классического?
Альтернативный трек подходит тем, у кого есть опыт промышленной разработки или научных исследований в области Data Science. Во время экзамена и на собеседовании не нужно решать задачи по высшей математике, но важно показать умение программировать. Мы также учитываем участие в проектах, наличие статей и опыт.
Возьмут ли меня, если я уже не студент? А если я вообще не выпускник вуза? Или имею только юридическое образование? Или я — гражданин другой страны?
Да, никаких ограничений нет. Если вы поступаете по классическому треку, главное иметь необходимые знания по высшей алгебре, математическому анализу, комбинаторике, теории вероятностей и основам программирования. Если вы поступаете по альтернативному треку, важно иметь опыт в IT, базовую математическую культуру и хорошие навыки программирования.Темы для поступления и список рекомендованной литературы найдете в Программе поступления
Можно ли сразу поступить на платное очное или заочное без экзаменов?
Нет. Во всех отделениях Школы обучение бесплатное. Учиться платно можно только в Москве, если вы хорошо показали себя на собеседовании, но не прошли по конкурсу.
Сколько людей возьмут в ШАД?
Всё зависит от конкурса. Фиксированного количества мест нет.
Стоит ли идти в ШАД, если я хочу заниматься наукой?
Да. В ШАД проходят научные семинары и исследовательские проекты. У нас можно пообщаться с ведущими исследователями Data Science и сделать первые шаги в научной карьере.

Обучение

Как проходит обучение в ШАД?
Занятия проходят с 18:00 до 21:00 по московскому времени. Записи всех актуальных лекций и семинаров есть в личном кабинете, там же можно сдавать домашние задания.
Можно ли совмещать учёбу в ШАД и работу?
Занятия проходят вечером. Вместе с домашними заданиями обучение занимает около 30 часов в неделю. Если вы сможете работать и учиться при таких условиях, с нашей стороны ограничений нет.
Эквивалентно ли обучение в ШАДе обучению в магистратуре?
Нет, ШАД — это дополнительное профессиональное образование. В конце обучения вы получаете диплом о профессиональной переподготовке.
Чем отличается очное обучение от заочного?
Некоторые формы отчётности на очном и заочном обучении устроены по-разному. Других отличий нет: студенты очного отделения могут заниматься в онлайне, им не обязательно посещать занятия. Дипломы одинаковые и там, и там.
Получу ли я диплом об окончании обучения в ШАДе?
Да, вы получите диплом о профессиональной переподготовке.

Источник

Экзамены в ШАД — это серьёзная проверка и стресс даже для абитуриентов с хорошей подготовкой: нужно глубоко знать теорию математики, программировать и решать олимпиадные задачи. С наскока освоить такой объём информации не получится. Поэтому первым делом внимательно изучите программу на сайте и определите, какие темы вы знаете хорошо, а что нужно подтянуть.

Дисциплина — ключ к успеху

Начинайте готовиться сразу, как только определились с темами. Чётко распишите план подготовки, учитывая текущую загрузку, и обязательно сделайте скидку на то, что всё может пойти не так. Занимайтесь регулярно, но без фанатизма. Не нужно зубрить 24/7: в какой-то момент наступит перенасыщение знаниями и от подготовки не будет толка.

Хорошее самочувствие тоже часть подготовки. Не забывайте переключаться и делать передышки. Это поможет не перегореть и сохранить силы для поступления.

Выбор трека как стратегия

Есть разные подходы к подготовке в зависимости от выбранного трека, но база неизменна. Повторите все формулировки и определения из программы, откройте варианты и контесты прошлых лет — и решайте все задачи, которые с ходу не даются. Навыки программирования оттачивайте на LeetCode, Codeforces или TopCoder, а умение рассуждать — объясняя решение задач друзьям, далёким от математики. Тренируйтесь, пока не начнёте описывать выводы стройно и понятно, на собеседованиях, помимо знаний, оценивается умение излагать ход мыслей. Учитесь задавать вопросы по задаче, это поможет, если запутаетесь в решении.

Не злоупотребляйте готовыми разборами. Во-первых, в интернете многие задачи, особенно по теории вероятностей, разбираются неправильно. Во-вторых, заучивание готового не поможет на экзаменах. Лучше просидеть над задачей три дня, самостоятельно прийти к какому-то некрасивому решению и только после этого прочитать правильное. Так вы запомните его гораздо лучше и сможете объяснить.

— Михаил Берновский, студент 1-го курса ШАДа, альтернативный трек.

Насколько глубоко погружаться в каждую тему, зависит от того, на какой трек вы поступаете. Если на классическом треке ожидается, что вы понимаете связь между размерностью ядра, размерностью образа и кратностью нуля как собственного значения матрицы, то на альтернативном треке достаточно помнить, что для нахождения ядра нужно решить систему. Поступая на альтернативный трек, нужно понимать, как что-то посчитать, а поступая на классический — нужно уметь свободно рассуждать на тему решения и на близкие темы.

Но это не значит, что альтернативный трек — лёгкий способ попасть в ШАД. При поступлении на него требуется опыт в IT: промышленная разработка или исследования в области data science.

Классический трек и три математических столпа

Есть три больших области знаний, в которых надо ориентироваться: математический анализ, линейная алгебра и теория вероятностей. Хорошая стратегия — досконально изучить хотя бы две, а лучше все три.

Я поступала в ШАД на 4-м курсе мехмата, поэтому математику более-менее помнила. Из книг читала «Комбинаторику» Виленкина и «Основы теории вероятностей» Жуковского. Но это всё не помогает, пока не решишь минимум 100 задач на каждый жанр.

— Евгения Елистратова, выпускница ШАДа, разработчица в Яндекс Погоде.

В матанализе огромное количество теории, но для успешного прохождения экзаменов важнее решать задачи, очень много задач. Без умения хорошо считать не обойтись: нужно уметь брать интегралы, дифференцировать, находить минимумы и максимумы.

Пример экзаменационной задачи по математическому анализу.

Линейная алгебра также нужна во многом на уровне языка. Теория пригодится ровно настолько, чтобы хорошо решать задачи. На практике важнее всего будет уметь работать с матрицами, но вы сильно выиграете, если сможете, глядя на абстрактные матричные выражения, вспомнить соответствующую теорию.

Пример экзаменационной задачи по линейной алгебре.

К экзамену по теории вероятностей, в отличие от матанализа и линейной алгебры, готовиться нужно намного основательнее. Есть много условий и ограничений в теоремах, которые важно повторить. Например, есть разные типы сходимости, и нужно помнить, какой из какого следует, какой — в центральной предельной теореме, а какой — в законе больших чисел. Желательно также повторить основные распределения и уметь с ними работать.

Пример экзаменационной задачи по теории вероятностей.

Альтернативный трек: алгоритмы и IT-опыт

Если вы выбрали альтернативный трек, то бóльшую часть математической теории можно опустить, максимально сосредоточившись на написании кода и алгоритмах.

Хотя совсем без математики не обойтись. Необходимо уметь объяснять математические задачи, а также знать базовые алгоритмы и определения из матанализа и линейной алгебры. Как минимум, дифференцировать точно нужно уметь.

Я поступал в ШАД через несколько лет после окончания вуза и понимал, что не конкурент свежим выпускникам мехмата. Поэтому сразу выбрал альтернативный трек. На всю программу по математике у меня времени не было, и я стал решать ШАДовские задачи с прошлых экзаменов. Параллельно читал разборы, чтобы освежить теорию.

— Леонид Курахтенков, студент 1-го курса ШАДа, альтернативный трек.

Задачи по теории вероятностей здесь будут немного проще, чем в классическом треке. Скорее всего, потребуется вычислить дискретную вероятность — решить «задачу с цветными шариками». Также нужно будет показать, что вы умеете рассуждать логически, не путаете причину и следствие и не считаете, что пример доказывает утверждение.

Повторите теорию алгоритмов и структур данных: сортировки, обходы графов, устройство хэш-таблиц и «жадные» алгоритмы. Рекомендуем пройти тренировки по алгоритмам: в них собрана хорошая база теории, а также задачи с разбором для прокачки практических навыков.

Что касается машинного обучения, то здесь достаточно разбираться в основах. Строить сложные модели, требующие больших вычислительных ресурсов, на экзамене не потребуется, но нужно уметь анализировать данные и понимать, как решаются нетривиальные задачи обучения с учителем и без.

Какой опыт необходим для поступления на альтернативный трек? В первую очередь, конечно, индустриальная разработка, ML и продуктовая аналитика. Если у вас есть исследовательский опыт или опубликованные научные статьи, расскажите об этом в своей анкете и на собеседовании.

Как определить мотивацию

Итак, вы прошли все этапы, осталось собеседование по мотивации. Как к нему подготовиться и о чём говорить с куратором? Сначала честно ответьте на вопрос: «Зачем вам ШАД». Вы хотите подняться на новый карьерный уровень, сменить профессиональный трек или углубиться в то направление, которое уже изучаете?

Если вы учитесь в вузе на математической специальности и ищете прикладное применение своим знаниям в IT, то ШАД поможет объединить теорию и практику.

ШАД — это хорошая возможность развиться в профессиональном плане как дата-саентист или разработчик машинного обучения. В университете я изучаю науку, а ШАД даёт этой базе конкретное практическое применение.

— Константин Гордеев, студент 1-го курса ШАДа, классический трек.

Сформулируйте мотивацию заранее, так вы поймёте, какие моменты подсветить на собеседовании, а что звучит не слишком убедительно. Обдумайте на берегу, готовы ли вы вкладываться в учёбу на 200%: важно показать, что вы не просто загорелись идеей поступить в ШАД, но и полны решимости трудиться два года. И если это так — дерзайте!

Полезные материалы

Здесь собран минимум, который пригодится для подготовки к экзаменам. Но, конечно, мы рассчитываем, что вы знакомы со всем списком рекомендуемой литературы.

1. Алгоритмы: построение и анализ (Т. Кормен, Ч. Лейзерсон, Р. Риверст, К. Штайн)

2. Задачи и теоремы линейной алгебры (В. Прасолов)

3. Основные понятия теории вероятностей (А. Колмогоров)

4. Курс теории вероятностей и математической статистики (Б. Севастьянов)

5. Курс комбинаторики А. М. Райгородского в YouTube

6. Тренажёры по написанию кода: Codeforces, LeetCode или TopCoder

7. Контесты прошлых лет

8. Задачи с экзаменов в ШАДе для классического и альтернативного треков

9. Тренировки Яндекса по алгоритмам

10. Разбор задач для поступления в ШАД

11. Архив олимпиады Putman Competition

Также рекомендуем почитать статью Виктора Рогуленко о том, как он готовился к поступлению в ШАД в 2019 году. Ждём ваших заявок и желаем удачи!

Источник

Как решать вступительный экзамен в Школу анализа данных Яндекса

Время на прочтение
7 мин

Количество просмотров 189K

Лето — время вступительных экзаменов. Прямо сейчас завершается отбор в Школу анализа данных Яндекса — идут собеседования для тех, кто уже сдал экзамен. В ШАД преподают машинное обучение, компьютерное зрение, анализ текстов на естественном языке и другие направления современной Computer Science. Два года студенты изучают предметы, которые обычно не входят в университетские программы, хотя пользуются огромным спросом как в науке, так и в индустрии. Учиться можно не только в Москве — у Школы открыты филиалы в Екатеринбурге, Минске, Киеве, Новосибирске, Санкт-Петербурге. Есть и заочное отделение, на котором можно обучаться, смотря видеолекции и переписываясь с преподавателями московской Школы по почте.

Но для того, чтобы поступить в ШАД, нужно успешно пройти три этапа — заполнить анкету на сайте, сдать вступительный экзамен и прийти на собеседование. Ежегодно в ШАД поступают старшекурсники, выпускники и аспиранты МГУ, МФТИ, ВШЭ, ИТМО, СПбГУ, УрФУ, НГУ и не все они справляются с нашими испытаниями. В этом году мы получили анкеты от 3500 человек, 1000 из которых была допущена к экзамену, и только 350 сдали его успешно.

Для тех, кто хочет попробовать себя и понять, на что он способен, мы подготовили разбор вступительного экзамена этого года. С вариантом, который мы выбрали для вас, справились 56% решавших его. В этой таблице вы можете увидеть, сколько человек смогли решить каждое из заданий в нём.

Задание	1	2	3	4	5	6	7	8
Решило	57%	68%	40%	35%	29%	12%	20%	6%

Но для начала хотелось бы объяснить, что мы проверяем экзаменом и как подходим к его составлению. В самые первые годы существования ШАД письменного экзамена не было, так как заявок было ещё немного, и со всеми, кто прошёл онлайн-тестирование, получалось поговорить лично. Но зато и собеседования были дольше; некоторые выпускники вспоминают, как с ними беседовали по шесть часов, предлагая много сложных задач. Потом поступающих стало больше – и в 2012 году появился письменный экзамен.

Созданием варианта занимаются кураторы московской ШАД, одним из которых я являюсь; с подбором заданий им помогают коллеги из филиалов. Число задач в варианте не сильно изменилось за эти четыре года: сначала их было семь, а в прошлом году стало восемь. В каждом варианте есть задачи по математике (от пяти до семи) и задачи на алгоритмы (одна или две).

Что касается математики, мы, конечно же, проверяем, владеют ли поступающие основными разделами программы: алгеброй, математическим анализом, комбинаторикой и теорией вероятностей. Но нам важны не те знания, что достигаются зубрёжкой и забываются через неделю после зачёта или экзамена – вроде ужасных формул из таблицы неопределённых интегралов или функции распределения Стьюдента; именно поэтому мы разрешаем поступающим брать с собой на письменный экзамен любые бумажные источники. Гораздо ценнее понимание сути происходящего, а также умение применять стандартные факты и методы в необычных ситуациях. Вычислительную сложность мы также стараемся свести к минимуму; даже и двузначные числа перемножать приходится нечасто. Так что на экзамене вы не встретите рутинных и утомительных вычислительных упражнений, а многие задания покажутся нестандартными и, может быть, даже олимпиадными.

В части, касающейся алгоритмов, мы избегаем задач, требующих знания специфических структур данных (деревьев поиска, хэш-таблиц и т.д) или алгоритмов (быстрые алгоритмы сортировки, алгоритмы поиска кратчайших путей на графах и т.д.). Кроме того, мы не требуем от поступающих написать реализацию придуманного алгоритма на каком-либо языке программирования; скорее даже наоборот — всячески от этого отговариваем. И действительно, на письменном экзамене нас больше всего интересуют не навыки программирования, а умение внятно описать алгоритм и при необходимости убедить читателя в том, что он удовлетворяет ограничениям на время работы и объём выделяемой памяти. Впрочем, решения, содержащие код на любом языке, который мы в состоянии прочесть, тоже принимаются, но их труднее проверять и, кроме того, они всё равно должны сопровождаться обоснованием корректности.

Задача 1

Найдите предел последовательности (a_n), для которой

Решение

Сначала докажем, что последовательность сходится. Если a_n < 0, то a_n+1 < 0, поэтому она ограничена сверху. Сравним a_n и a_n+1:

Видим, что при a_n∈(-1;0) имеет место неравенство a_n < a_(n+1), то есть последовательность возрастает. По теореме Вейерштрасса она имеет предел. Чтобы его найти, перейдём к пределу в нашем рекуррентном соотношении:

откуда предел может быть одним из чисел 0, –1 и 4. Нетрудно понять, что это 0.

Задача 2

На плоскости, замощённой одинаковыми прямоугольниками со сторонами 10 и 20 (прямоугольники примыкают сторонами), рисуют случайную окружность радиуса 4. Найдите вероятность того, что окружность имеет общие точки ровно с тремя прямоугольниками.

Ответ

Решение

Будем следить за положением центра окружности. Ясно, что можно ограничить рассмотрение внутренностью одного прямоугольника. Нетрудно видеть, что для того, чтобы окружность пересекала ровно три прямоугольника, должны выполняться два условия: (1) расстояния от центра до двух ближайших сторон прямоугольника должны быть меньше 4; (2) расстояние до ближайшей вершины прямоугольника должно быть больше 4. Зная это, мы можем изобразить множество точек, удовлетворяющих этим условиям.

Следовательно, искомая вероятность равна

Задача 3

Дима и Ваня по очереди заполняют матрицу размера 2n×2n. Цель Вани – сделать так, чтобы получившаяся в итоге матрица имела собственное значение 1, а цель Димы – помешать ему. Дима ходит первым. Есть ли у кого-нибудь из них выигрышная стратегия?

Ответ

При правильной стратегии выиграет Ваня.

Решение

Получившаяся матрица А будет иметь собственное значение 1, если матрица

А – Е

будет вырожденной. Добиться этого Ваня может, например, следующим образом. После того, как Дима вписал какой-то элемент a_ij, Ваня вписывает новый элемент a_ik в ту же строку таким образом, чтобы a_ik-δ_ik=-(a_ij-δ_ij), где δ_ij – символ Кронекера. Тогда сумма чисел в каждой из строк матрицы

A – E

будет равна нулю, то есть матрица

А – Е

будет вырожденной.

Задача 4

Найдите определитель матрицы A=(a_ij), где

Решение

Воспользуемся формулой Вычтем из каждой строки матрицы предыдущую, а затем из каждого столбца предыдущий. Полученная матрица будет иметь вид:

Продолжая рассуждение по индукции, убеждаемся, что определитель исходной матрицы равен определителю единичной, т.е. 1.

Задача 5

Даны два массива целых чисел a[1..n] и b[1..k], причём все элементы b различны. Требуется найти набор индексов i_1 < i_2 <… < i_k, для которого набор a[i_1],…,a[i_k] является перестановкой элементов массива b, причём разность i_k — i_1 минимально возможная. Ограничение по времени — O(nk) (но, может быть, вы сможете быстрее), по памяти — O(n).

Решение

Это можно сделать в один проход по массиву а. Каждый раз, когда мы встречаем элемент массива b, мы записываем его и его номер в специальные массивы. При этом мы поддерживаем в этих массивах отрезок I, на котором мы надеемся найти все различные элементы b. Ясно, что если очередной элемент массива а совпадает с первым элементом отрезка I, то I уже явно не может быть кратчайшим отрезком, удовлетворяющим условию задачи, и мы можем сдвинуть его левый конец. Если на очередном шаге мы понимаем, что I содержит все различные элементы b, то I – кандидат на ответ; в этом случае мы также сдвигаем его левый конец.

Оценка O(n) по памяти очевидна. Оценка O(nk) по сложности может быть обоснована следующим образом: мы всё делаем в один проход (отсюда n) и на каждом шаге должны искать элемент в массиве b (отсюда k). Ясно, что алгоритм можно улучшить: если вначале отсортировать b и использовать двоичный поиск, получим O(n log k). Если же использовать совершенное хеширование, то можно добиться сложности O(n+k).

Задача 6

В 2222 году волейбольные турниры проводят по новой системе. Говорят, что команда А превосходит команду В, если А выиграла у В или у какой-либо команды, выигравшей у В. Каждая пара команд играет по 1 разу. Ничья исключается волейбольными правилами. Чемпионом объявляют команду, превзошедшую все другие команды. (а) Докажите, что чемпион обязательно найдётся (б) Докажите, что не может быть ровно двух чемпионов.

Решение

Договоримся, что каждая команда за турнир получает очки, равные числу превзойдённых ею команд. Сначала докажем следующую простую лемму:

Лемма.

Пусть команда Е не превосходит команду К. Тогда К набрала больше очков, чем Е.

Доказательство.

Если Е не превосходит К, то К победила команду Е, а также все команды, которые победила команда Е.

Теперь пусть Х – команда, которую превзошла команда Е. Если Е выиграла у Х, то К также выиграла у Х. Значит, К превосходит Х. Если же Е выиграла у команды F, которая выиграла у Х, то заметим, что К тоже выиграла у F. Значит, К выиграла у F, которая выиграла у Х, то есть К превосходит Х. Итого, К превосходит все команды, которые превзошла Е, да ещё и Е в придачу, то есть как минимум на одну команду больше, чем Е. Лемма доказана.

(а) Пусть А – команда, заработавшая максимальное число очков. Докажем, что А – чемпион. Допустим, это не так, тогда есть команда В, которую А не превзошла. По лемме получаем, что В заработала больше очков, чем А. Противоречие.

(б) Пусть у нас есть два чемпиона: А и В. Друг с другом они играли; пусть, к примеру, победила А. Так как В превосходит все другие команды (и А в частности), то В победила некоторую команду, которая выиграла у А.

Допустим для начала, что есть команды, которые победили и А, и В. Тогда можно показать, что та из них (назовём её С), которая набрала больше всего очков, и будет третьим чемпионом. В самом деле, пусть Е – команда, которую не превзошла С. Тогда, во-первых Е победила и А, и В, а во-вторых, Е заработала больше очков, чем С. Противоречие.

Пусть теперь нет команд, которые победили и А, и В. Рассмотрим множество всех таких команд, которые победили А, но проиграли В. Отметим, что оно непусто (см. выше). Среди них возьмём команду с наибольшим числом очков. Тогда пользуясь леммой мы можем установить, что эта команда является третьим чемпионом.

Задача 7

Вычислите интеграл

Ответ

Решение

Обозначим искомый интеграл через I. Сделаем замену переменной:

Отсюда

Этот интеграл уже берётся непосредственно.

Задача 8

На плоскости нарисована ломаная с n звеньями. Длина каждого звена равна 1, ориентированный угол между соседними звеньями с равной вероятностью равен α или –α. Найдите математическое ожидание квадрата расстояния от её начальной точки до конечной.

Ответ

Решение

Введём на плоскости систему координат так, чтобы первое звено ломаной было направлено вдоль оси Ох. Пусть α_n – ориентированный угол между (n+1)-м звеном ломаной и первым звеном ломаной (т.е. осью Ох). Тогда α₀=0,α_(n+1)=α_n+ξ_(n+1)α, где ξ_n – случайная величина, принимающая с вероятностью 1/2 значения ±1. Отметим, что проекции на оси Ох и Оу k-го звена ломаной равны

cos α_(n-1)

sin α_(n-1)

соответственно. Тогда квадрат расстояния от начала ломаной до её конца равен

Наша задача – найти математическое ожидание этой случайной величины. Имеем:

Пользуясь тем, что

sin α₀ = 0

cos(ξ_kα)=cos α

(в силу нечётности косинуса), по индукции получаем, что

M(cos α_k)=cos^kα, M(sin α_k)=0

. Далее найдём математическое ожидание произведений. Пусть m≥k. С помощью индукции по (m – k) можно доказать, что

Следовательно,

Отсюда уже нетрудно вывести ответ.

Источник

В апреле 2021 года начинается набор в «Школу анализа данных» – это бесплатная двухгодичная программа Яндекс для желающих освоить профессию Data Scientist или стать архитектором систем хранения и обработки больших данных. Мы составили небольшой гид по подготовке к поступлению и обучению в этой школе.

Набор проходит в три этапа:

Онлайн-тестирование: решение заданий теста за 5 часов;
Для поступающих в московское отделение второй этап состоит из двух частей: первая – математика и алгоритмы, вторая – программирование и основы анализа данных;
Заключительный этап – очное собеседование, во время которого придется решать задачи по математике, алгоритмам и программированию.

Источник

Шаг 1: Выясните, каких знаний вам не хватает

При поступлении в ШАД проверяются знания по общей программе, включающей базовые разделы высшей алгебры, математического анализа, комбинаторики, теории вероятностей, а также основы программирования и анализа данных. Оцените свои знания и начните интенсивную подготовку с практикой по темам, в которых вы еще не сильны. Для упрощения этой задачи в статье мы собрали все необходимые темы и ресурсы для их изучения.

Шаг 2: Математическая подготовка

Перед тем, как приступить к изучению специфических областей математики, ознакомьтесь с нашим материалом «Обучение Data Science: какие знания по математике нужны специалисту по анализу данных?», в котором собраны общие понятия и ресурсы, с помощью которых их можно освоить.

Алгeбра

Чек-лист из программы для поступления в «Школу анализа данных»:

Определение, четность, произведение подстановок. Разложение подстановок в произведение транспозиций и независимых циклов.
Комплексные числа. Геометрическое изображение, алгебраическая и тригонометрическая форма записи, извлечение корней, корни из единицы.
Системы линейных уравнений. Прямоугольные матрицы. Приведение матриц и систем линейных уравнений к ступенчатому виду. Метод Гаусса.
Линейная зависимость и ранг. Линейная зависимость строк (столбцов). Основная лемма о линейной зависимости, базис и ранг системы строк (столбцов). Ранг матрицы. Критерий совместности и определенности системы линейных уравнений в терминах рангов матриц. Фундаментальная система решений однородной системы линейных уравнений.
Определитель квадратной матрицы, его основные свойства. Критерий равенства определителя нулю. Формула разложения определителя матрицы по строке (столбцу).
Операции над матрицами и их свойства. Теорема о ранге произведения двух матриц. Определитель произведения квадратных матриц. Обратная матрица, ее явный вид (формула), способ выражения с помощью элементарных преобразований строк.
Векторное пространство, его базис и размерность. Преобразования координат в векторном пространстве. Подпространства как множества решений систем однородных линейных уравнений. Связь между размерностями суммы и пересечения двух подпространств. Линейная независимость подпространств. Базис и размерность прямой суммы подпространств.
Линейные отображения, их запись в координатах. Образ и ядро линейного отображения, связь между их размерностями. Сопряженное пространство и сопряженные базисы. Изменение матрицы линейного оператора при переходе к другому базису.
Билинейные функции, их запись в координатах. Изменение матрицы билинейной функции при переходе к другому базису. Ортогональное дополнение к подпространству относительно симметрической билинейной функции. Связь между симметричными билинейными и квадратичными функциями. Существование ортогонального базиса для симметрической билинейной функции. Нормальный вид вещественной квадратичной функции. Закон инерции.
Евклидовы пространства. Неравенство Коши-Буняковского. Ортогональные базисы. Ортогонализация Грама-Шмидта. Ортогональные операторы.
Собственные векторы и собственные значения линейного оператора. Собственные подпространства линейного оператора, их линейная независимость. Условие диагонализируемости оператора.

Дополнительный материал: «Как линейная алгебра используется в машинном обучении?».

Математически анализ

Чек-лист из программы для поступления в «Школу анализа данных»:

Пределы и непрерывность. Пределы последовательностей и функций. Непрерывные функции.
Ряды. Числовые и функциональные ряды. Признаки сходимости (Даламбера, Коши, интегральный, Лейбница). Абсолютно и условно сходящиеся ряды.
Дифференцирование. Дифференцирование функций. Применение производной для нахождения экстремумов функций. Формула Тейлора.
Функции многих переменных. Частные производные. Градиент и его геометрический смысл. Гессиан. Метод градиентного спуска. Поиск экстремумов функций от многих переменных.
Интегрирование. Определенный и неопределенный интегралы. Методы интегрирования функций. Первообразные различных элементарных функций. Кратные интегралы (двойные, тройные), замена координат, связь с повторными.
Элементы функционального анализа: нормированные, метрические пространства, непрерывность, ограниченность.

Дополнительный материал: «Для чего нужен математический анализ в машинном обучении».

Комбинаторика

Чек-лист из программы для поступления в «Школу анализа данных»:

Основные правила комбинаторики. Правило подсчета количества комбинаторных объектов. Принцип Дирихле. Примеры.
Множества. Круги Эйлера, операции на множествах. Формула включений и исключений. Примеры.
Сочетания. Размещения, перестановки и сочетания. Бином Ньютона. Треугольник Паскаля. Сочетания с повторениями.

Дополнительный материал: «Первое занятие нашего курса по математике для Data Science доступно на YouTube».

Теория вероятностей

Чек-лист из программы для поступления в «Школу анализа данных»:

Основные понятия теории вероятностей. Определение вероятностного пространства, простейшие дискретные случаи (выборки с порядком и без него, упорядоченные и неупорядоченные), классическая вероятностная модель. Случайная величина, функция распределения.
Условные вероятности. Определение условной вероятности, формула полной вероятности, формула Байеса.
Математическое ожидание, дисперсия, корреляция. Определение математического ожидания, дисперсии, ковариации и корреляции, их свойства.
Независимость событий. Попарная независимость и независимость в совокупности.
Основные теоремы теории вероятностей. Неравенство Чебышева. Закон больших чисел. Центральная предельная теорема.
Распределения. Стандартные дискретные и непрерывные распределения, их математические ожидания, дисперсии и свойства: биномиальное; равномерное; нормальное; пуассоновское; показательное; геометрическое.

Дополнительный материал: «Зачем в науке о данных нужны теория вероятностей и статистика».

Шаг 3: Программирование

Для Data Scientist также важны сбор, очистка, обработка и систематизация данных. При решении этих задач и реализации моделей машинного обучения используются Python и R. Для поступления в «Школу анализа данных» нужно владеть хотя бы одним из основных языков программирования. Какой из них стоит выбрать для работы, мы обсуждали в статье «От «R против Python» к «R и Python»».

Чек-лист из программы для поступления в «Школу анализа данных»:

Простейшие конструкции языка программирования. Циклы, ветвления, рекурсия.
Анализ алгоритмов. Понятие о сложности по времени и по памяти. Асимптотика, O-символика. Инварианты, пред- и пост- условия. Доказательство корректности алгоритмов.
Простейшие структуры данных. Массивы, стеки, очереди, связные списки, Сравнение временных затрат при различных типах операций.
Строки и операции над ними. Представление строк. Вычисление длины, конкатенация.
Сортировки. Нижняя теоретико-информационная оценка сложности задачи сортировки. Алгоритмы сортировки вставками, пузырьком, быстрая сортировка, сортировка слиянием. Оценка сложности.
Указатели.Указатели и динамическое управление памятью.

Курсы для подготовки:

Программирование на Python
Питон Тьютор
Основы программирования на Python

Основы программирования на R
Анализ данных в R, часть 2

Шаг 4: Анализ данных

Крайне важно понимать, как подготовить базу данных для получения желаемых результатов без потери информации. Далее специалист по Data Science с помощью различных инструментов, методов, методологий и алгоритмов анализирует и оптимизирует информацию для создания эффективных бизнес стратегий.

Чек-лист из программы для поступления в «Школу анализа данных»:

Основные машинного обучения: классификация, регрессия, ранжирование, кластеризация. Обучение с учителем и без учителя.
Предобработка и очистка данных. Работа с пропущенными значениями.
Feature Engineering. Работа с категориальными признаками.
Переобучение: как его обнаружить и как с ним бороться. Разделение на обучающую и тестовую выборки. Методы регуляризации.
Сравнение моделей. Метрики в задачах классификации и регрессии. Методология подборара гиперпараметров.
Основные модели классификации и регрессии: линейные модели, решающие деревья. Ансамбли алгоритмов.

Курсы для подготовки:

Анализ данных
Машинное обучение и анализ данных

Data Science Methodology. Data Preparation (англ.)
Exploratory Data Analysis (англ.)

После изучения необходимых тем, переходите к практическим занятиям. Это лучший способ закрепить полученные знания и подготовится к интервью, во время которого вам предстоит решать задачи в режиме реального времени.

Примеры упражнений:

Вступительный экзамен для нового трека
Задачи по анализу данных
Задачи из программы для поступления

***

Если вы хотите наработать необходимую для поступления в «Школу анализа данных» математическую базу и подготовиться к обучению на Data Scientist, обратите внимание на онлайн-курс «Библиотеки программиста». С помощью опытных преподавателей из ведущих вузов страны сделать это будет намного проще, чем самостоятельно по книгам.

Источники

https://yandexdataschool.ru/

Источник

Бандл задачников для ШАД
по Математическому анализу и Теории Вероятностей

В состав бандла входят два предмета: Математический Анализ и Теория Вероятностей.

Видео-решения задач из ШАД
по Теории Вероятностей

Авторы: Александр Лыков — кандидат физико-математических наук и преподаватель мехмата МГУ.
Маргарита Меликян — преподаватель на кафедре Высшей математики МФТИ и мехмате МГУ.

Видео-решения задач из ШАД
по Математическому Анализу

Источник

Академия Яндекса изнутри

Недавно я рассказал про то, что все лето провожу в Академии Яндекса, качаю свои скиллы по мобильной разработке под iOS. Мне написали много вопросов, начиная от того, сколько это все стоит и заканчивая тем, вкусная ли еда в яндексовой кафешке.

Кратко

Еда вкусная, обучение бесплатное, темп быстрый, домашки сложные. А если серьезно, то вот как это все случилось.

Часть 1

Дисклеймер. Я подписал жесткий NDA, поэтому не все могу рассказывать. Если увидите что-то зачеркнутое, то знайте — это был секрет.

15 февраля я где-то увидел рекламу, что Яндекс запускает летом новый поток школы мобильной разработки, два направления — iOS и Android. Особо не вникал что там и зачем, просто с телефона заполнил краткую анкету, мол, мне любопытно. Таких же как я, любопытных, было ~~???~~ человек.

Параллельно с мобилками запускались еще 4 потока: бэкэнд, фронтенд, дизайн и менеджеры. В сумме на все потоки подалось ~~?? ???~~ человек.

Вступительное задание

Следом пришло письмо с двумя частями тестового задания. Первая часть проектная, надо было сделать приложение типа Тинькофф Инвестиций по готовым макетам. Подтягивать информацию по акциям из публичных API, рисовать графики и вот это все.

Для тех, у кого не нашлось макбука, но руки чешутся, дали альтернативу — написать консольный морской бой на Swift.

Проектная часть интересная, объемная. Некоторые из студентов рассказывали, что делали ее 3 недели каждый день. Для меня такое пристальное внимание к тестовому — перебор. На одной из конференций слышал (возможно, кстати, от кого-то из Яндекса), что на тестовое задание должно уходить не больше двух вечеров. Поэтому собрав за выходные рабочий прототип, решил успокоиться и отправить.

Вторая часть — алгоритмические задачки на скорость. Открываешь Яндекс.Контест (оболочка, где решать задачи), нажимаешь «Поехали», и стартуют твои 3 часа на 3 задачи. Задачки разные, в основном на логику и понимание каких-то базовых вещей, типа регулярок или рекурсий. Вводишь код, проверяются автотесты. На первые 10 тестов показывается, на чем упало, а на последующих приходится уже додумывать.

Лично я не успел сделать одну задачу из трех, т.к. напрочь забыл про существование регулярок на одной из задач и 40 минут писал тупой код проверки маски телефона. Когда доперло, что я что-то делаю не так, переписал все за 5 минут, но время уже было утеряно. Для одной задачи поэтому описал словами алгоритм, как бы я ее решал.

Дедлайн тестового был 29 марта, потом немного продлили еще. В целом, времени было более чем достаточно. Конкретно в мобилках сделали тестовое около 9% от подавших заявки. У менеджеров 40%, видимо, более ответственные ребята 🙂

И после отправки тестового началось ожидание результата. Через месяц мне написали, сказали что тестовое было хорошим, позвали прособеседоваться сразу на работу в Яндекс.

Про сам собес уже писал в канале, не буду на нем останавливаться.

Ну и в итоге, 12 мая, пришло заветное письмо — вы прошли, погнали учиться. Такое же письмо пришло еще 238 людям из начальных ~~?? ???~~.

Проживание

Я не москвич, поэтому меня ждало самое интересное. Всем иногородним оплачивали перелет и заселяли толпой в хостел. Хостел на Чистых Прудах, 40 минут пешочком до самого офиса Яндекса, или 10-15 на метро. Заселяли по 8 человек в номер, мальчики с мальчиками, девочки с девочками.

К хостелу лично у меня вообще никаких вопросов не было: чистенько, кайфовая общая зона для отдыха и, самое важное для меня, топовое местоположение.

Утром после первой ночи в хостеле я проснулся непривычно рано, около 6 утра. Взял в ближайшей азбуке вкуса булку с кофе, сел на лавочку около пруда и, смотря на уточек, наслаждался. Центр Москвы, отличная погода, окружение мотивированных на обучение людей и среда, стимулирующая развитие — не вижу причин грустить.

Это лаунж зона хостела, тут творится основной нетворкинг.

Есть нюансы, что на кухне в холодильник зачастую не засунуть свою еду, но это логично — много студентов. UPD: поставили второй холодильник, жить стало лучше, жить стало веселее.

Первые несколько дней я постоянно путался в коридорах хостела, он реально большой.

А это номера и душевые комнаты. Каждому по шкафчику!

В первый день все немосквичи заселялись, знакомились, и морально готовились к тому, что будем тут жить последующие три месяца (спойлер — нет).

Онлайн-обучение, кстати, не рассматривалось. Либо ты иногородний и едешь в Москву на обучение, либо сорян, в пролете. По словам организаторов онлайн-формат не особо эффективен по сравнению с очным, и я тут полностью согласен. Меня в первую очередь будоражила атмосфера студенческого кампуса, где все хотят обучаться и фигачить с горящими глазами. За этим и ехал.

На следующий день мы дружной толпой потопали в офис Яндекса на открытие.

Идем довольные и веселые, еще не зная объем домашек в будущем

Открытие

На входе сдали результаты ПЦР-тестов, получили пачку приятного мерча: маски, майки, блокноты, ручки и бейджи-пропуска. Тем, у кого не было макбука, выдали.

У каждого потока своя майка, было удобно — минус один вопрос к стандартным «Как зовут? Ты откуда? На каком потоке?»

Ну и подписали NDA, куда без него.

После вводных организационных моментов все потоки стеклись на афтепати, где уже под сидр/сок с бургерами и бодрый хаус на фоне мы начали знакомиться в менее формальной обстановке. Самыми активными коммуникаторами были, кстати, менеджеры). У них было интересное одно из отборочных заданий — собрать людей, выстроить в звездочку и сфотографировать.

На афтепати были бургеры, сидр и отличная атмосфера.

Студенты очень разного возраста и из разных мест. Одному исполнилось 17 лет в день открытия, но были и студенты старше 35. Не все из России, некоторые из ближнего СНГ.

Небольшое атмосферное видео про открытие, там даже есть кусочек меня на 0:48.

Неофициальная часть закончилась раньше, чем наша потребность в коммуникациях. Так мы стали участниками чудесной ночной прогулки по Москве, которая для самых стойких закончилась в районе 3 ночи.

А пошлите у Кремля сфоткаемся, мыж в Москве!

В общем, открытие прошло на отличненько.

Часть 2

В прошлой части я рассказал о том, как проходил отбор, заселение и открытие. В этой же раскрою про сам процесс обучения и бытовуху.

По традиции, кратко

Июнь-июль — каждую неделю 2 лекции, домашки с дедлайном в 23:59 воскресенья и их разборы по пятницам. Август — работа над проектом в команде.

Первого июня состоялось открытие, а уже второго была первая лекция в офисе Яндекса. Офис здоровый, с большим количеством подъездов и просто так в него не попадешь — нужны бейджи. Те, которые выдали нам, отличались от бейджей сотрудников. У сотрудников белые, а у нас ярко-красные.

Красные, чтобы издалека было видно, ЕЩЕ НЕ ЯНДЕКСОИД.

ШАД, или где я провел 90% времени

По этим бейджам мы могли проходить в очень ограниченное количество зон, например, в Школу Анализа Данных. Это двухгодичный курс Яндекса с выдачей диплома о профессиональной переподготовке, где учат, как ни странно, Анализу Данных. Летом у них каникулы, поэтому на наши бейджи любезно открыли доступы ко всем переговоркам.

В ШАДе, в принципе, было все, чтобы спокойно работать или делать домашки:

3 кайфовых кофемашины (капучинчик/латте, горячий шоколад и другие бонусы помимо классических эспрессо/американо),
магическим образом пополняемые в течение дня снеки (крекеры, зефирки, батончики, пряники и всякое разное),
холодильник/микроволновка,
бодрый интернет
и учебные аудитории с партами, где можно вполне себе нормально работать.

Процесс обучения

В сумме у нас было около 20 лекций, поначалу они проходили в офисе Яндекса, но потом из-за новой волны COVID-19 всех увели на удаленочку. Лекции переехали в зум для всех непривитых, а я на это время вернулся в Самару. К сожалению, большая часть лекций для меня прошла в онлайне, и это не круто — понимаю, почему изначально Яндекс не рассматривали удаленный онлайн-формат. После оффлайн лекций мы могли пойти с одногруппниками в ШАД, что-то обсуждать или делать домашки, и это комьюнити давало ту самую дополнительную ценность.

Лекции проходили по вечерам понедельника и среды, обычно с 19:00 и дальше как повезет. Бывало и до 23:00 мучали спикеров вопросами. По итогу лекции нам высылали ее запись для пересмотра если нужно (а было нужно!) и домашку для закрепления материала. Домашки были сложными, мне с полутора годами коммерческой разработки под iOS и 8-летним бэкграундом веб-разработки было моментами тяжко.

Иногда процесс решения домашки был примерно таким:

Задания надо было сдавать через pull request в свой закрытый репозиторий на github (не-программисты наверное охренели от этого предложения сейчас). Дедлайн всегда единый — воскресенье, 23:59. Начиная с 20:00 в чатах традиционно открывался поток вопросов по домашке и достигал своего пика ровненько к 23:59. Делаем в последний момент, как настоящие студенты! С понедельника по пятницу наши домашки проверяли, давали фидбэк, и каждую пятницу мы с лектором разбирали верное решение и частые проблемы.

По структуре теории все плюс-минус стандартно, с упором на фундамент и базу. Примерный план был такой:

Вводная про платформу
Swift, особенности языка и синтаксиса
UIView, UIKit и в целом верстка разных сложных представлений
Более глубокий разбор UIViewController-а
Concurrency, работа с потоками
Network, работа с сетью с нюансами (экспоненциальный retry, потоки и тд)
Инструментарий (IDE, Toolchain, Cocoapods и тд)
Persistence, хранение данных в приложении
Архитектура (та самая лекция, после которой мы ушли переписывать проект по сути заново)
Сборка, Тестирование, автотесты, CI/CD

Эта структура, кстати, вполне бьется с моим планом развития iOS-разработчика, который я писал для себя.

Все домашки сводились по сути к тюнингу одного проекта — мы делали туду-лист, похожий на стандартное приложение «Напоминания» на айфоне. Со стороны может показаться что задача простая, но как раз таки простое приложение можно бесконечно усложнять.

Картина «Как я провел Лето 2021»

Проверяли домашки разработчики Яндекса, каждый раз разные. У меня только один раз была ситуация, что проверка была сделана откровенно лениво. Написал тогда куратору, проверили заново уже подробно и с разбором.

Чтобы подключаться в закрытые контуры Яндекса нам выдали токены. Тем, кто уже успел к этому моменту умотать в свой город (как я, например), отправляли их курьерами.

Помимо лекций также проводились групповые тренинги: про софт-скиллы, навыки публичных выступлений, командную работу, скрам. Эти тренинги проходили в miro и зуме, иногда там царила атмосфера хаоса и нескончаемого креатива.

Тренинг по Soft Skills закончился мастер-классом по рисованию динозавров.

Тренинги были полезны для последнего и, лично для меня, самого крутого месяца обучения — работу в командах над проектами. Подробнее об этом ниже в третьей части, а сейчас немного про бытовуху.

Бытовуха

Покушать — это важно. По нашим бейджам был доступ в кафе-столовую Яндекса, отличное место. Мы платили за еду свои кровные, а сотрудники могли расплачиваться бейджами — ежедневно им доступен депозит в 800 рублей. Этой суммы в целом достаточно для завтрака-обеда-ужина.

Даже хачапури есть!

Помимо кафе Яндекса я для себя открыл доставку «Кухни на районе». За 15 минут привозят в контейнерах рацион на весь день. В дни интровертного нежелания выходить за пределы ШАДа меня это выручало. Жду, когда появится в Самаре.

У «Кухни» одна проблема — она приглянулась многим студентам, поэтому размещение контейнеров в холодильнике ШАДа напоминало тетрис. Был повод придти пораньше, чтобы занять лучшие полки.

Это я так хвастался жене своей едой:

Души в хостеле были общие (но раздельно для парней и девушек, естественно). Можно было за 100₽ купить доступ в отдельный душ на час. Для стирки можно было арендовать стиралку за 150₽, но я не люблю гладить, поэтому относил свое тряпьё в ближайшую прачечную и забирал уже чистое и наглаженное.

В плане досуга кто-то ходил в зоопарки, музеи, на выставки. Некоторые собирались компашкой и периодически играли в баскет. Кто-то ходил на рейвы, кто-то в кальянные, в общем движуха была регулярной, при желании можно было присоединиться ко всему.

Лично я периодически ходил в Лужники в басик, был категорически доволен.

Лично мои заморочки, но я физически страдаю, когда сплю на тонких синтепоновых подушках. Они моментально нагреваются, спать на них невозможно. Поэтому после первой ночи я уже гуглил, где можно купить нормальную подушку.

Добираться от кампуса до ШАДа было удобно, 15 минут на метро или час прогулки по набережной. К счастью никаких электричек, пересадок и прочего. Все в центре, все рядом.

В третьей и последней части расскажу про офис Яндекса и самый интересный этап обучения — работа в командах над проектами.

Часть 3

В первой части я рассказал про отбор, во второй — про процессы. Настало время рассказать про работу в командах, и ответить на вопросы, которые мне задали в инсте и в телеграм-канале.

Кратко

Проектный этап — самый интересный. Весь месяц мы пилили своей проект и в конце защищали его.

Распределение проектов

В конце августа менеджеры презентовали свои проекты и озвучили необходимые ресурсы для них, например, «Я делаю новую станцию Алисы для кухни с экраном, мне нужно 5 iOS разработчиков и 2 Backend-специалиста». Программисты дальше выбирали, что больше запало им в сердечко, и расставляли приоритеты. Если прям очень сильно хотелось сделать какой-то проект, то можно было сформировать полную команду и податься вместе на проект — укомплектованные команды были в приоритете.

Менеджеры рассказывали про свои проекты, а мы выбирали.

К моменту презентаций волна пандемии еще не спала, поэтому все было в онлайне. Чтобы хоть как-то скомпенсировать это, кураторы выдали каждому студенту по промокоду на Яндекс.Еду. В итоге я с важным видом ел пиццу, смотрел презентации менеджеров и приговаривал себе под нос «а вот это неплохой проект, может и пойду к вам».

Мне с другими iOS-ерами приглянулся проект переработки главной в мобильном приложении Кинопоиска. Мы сформировали полную команду и успешно забрали его себе.

Этими сформированными командами мы должны были за месяц собрать прототип проекта, протестировать и придти с ним на защиту. Как диплом в универе, но который пишут одновременно 15 человек.

С августа лекции практически закончились, остались только дополнительные занятия по желанию: у мобильных разработчиков можно было либо попрокачивать алгоритмы, либо прослушать пачку лекций про Flutter. Я уже работал с флаттером, поэтому выбрал алгосы (так их называли другие студенты-олимпиадники). На этих секциях мы на скорость в онлайне решали задачки на алгоритмы, после решения уходили в отдельную зум-комнату с куратором и разбирали выбранный вариант и способы, как можно было сделать лучше. В общем, крутая практическая секция с быстрым фидбэком, как я люблю.

Может показаться, что нагрузка в августе должна была снизиться. Но это вообще не так. Ведь пришло время ХАКАТОНОВ.

Хакатоны

Основная движуха проходила каждую субботу — мы командами приходили в офис Яндекса и с 11 утра до 7 вечера делали наши проекты. Под каждую команду выделялась одна-две переговорки, где мы должны были до конца дня подготовить что-то ощутимое, что можно было бы презентовать. К августу, к счастью, волна зараженных пошла вниз, да и бОльшая часть студентов сделали прививки, поэтому этот этап проходил уже в оффлайне (алилуйя).

По сути эти хакатоны — контрольные точки проекта, чтобы кураторы могли видеть, в каком темпе идут команды.

На каждом хакатоне к командам прикреплялись кураторы по каждому направлению. Например, каждую субботу у нашей команды были кураторы по iOS-разработке, Бэкэнду, Аналитике, Менеджменту и Дизайну. Полный набор!

Не скажу за все команды, но у нас работа строилась примерно так. В течение недели каждый что-то делал, а на хакатоне мы пытались подружить куски кода друг-друга так, чтобы ничего не сломалось. С переменным успехом, но к концу дня все мерж-конфликты мы решали.

Офис Яндекса

Доступ в офис Яндекса у нас был только по субботам на время хакатонов. Мне было любопытно, поэтому большую часть времени я тратил не на написание кода в хакатоны (да простит меня ленивого моя команда), а на шастание по этажам с любопытными глазами.

Вообще сам офис находится в бизнес-центре Красная Роза, в 1875 году это была шёлковая фабрика, которую открыл Клод-Мари Жиро, француз. Есть новости, что Яндекс планирует пойти по пути Эппла и съехать в собственно-построенный офис, так что этот пост актуален как минимум на лето 2021.

Из интересного — у каждого сотрудника в Яндексе есть свой стул Herman Miller Aeron (138 000₽ на момент написания этого поста). Его называют королем стульев искушённые айтишники. Я не искушённый, мне и икеевский Маркус нравится.

В офисах много зелени, стеллажей с настолками. Сотрудники вносят жизнь в свои рабочие места, заполняют их всякими гиковскими штучками.

Яндекс.Бар, который мы заслужили

Также в офисах есть несколько веранд и выходов на крыши, там всегда кто-то тусуется или работает, даже в дождь.

Защита проектов

В конце лета неумолимо надвигался дедлайн. Каждая команда готовила речь и презентацию с итогом работы за август, показывая промежуточные варианты на демо после хакатонов. С каждой субботой было видно, как растет уровень презентаций и питчинга. После демо все голосовали за лучшую презентацию, и самым крутым потом выдавали подарки. Теперь у меня есть кружка Яндекса.

Что-то правим в последний момент перед демо.

Когда до защиты оставалось пара дней, многие сидели до ночи в ШАДе и вылизывали свои презентации, по 200 раз прогоняли речь и полировали структуру сторителлинга. В моей команде от каждого направления выступал один участник, рассказывая про свою часть работы: менеджмент, аналитика, дизайн и коммуникации, iOS-разработка и бэкэнд.

Рецепт хорошей презентации: много репетиций, понятная структура выступающих, немного юмора и интересный проект. Взболтать, но не смешивать.

После защиты проекта наступает самая приятная часть — ~~оффер в Яндекс~~ выпускной.

Выпускной

Какой выпускной без ленточек выпускников?

После официальной части, где отметили каждую команду и рассказали нам о цифрах, которые я, увы, не могу тут написать из-за NDA, начался тусич.

Моя дримтим. Обычно я по другую сторону объектива, так что вот редкая фото со мной. Второй справа, в желтой кепке, не перепутайте.

Тусич был знатный — коктейль-бар, бургеры, сахарная вата, мороженое и бодрый кавер-бэнд. Немного видео и фото с атмосферой этого дня.

Ну шо по итогу?

Лето пролетело со скоростью билда на маке с M1 (это быстро), оставив послевкусие летнего лагеря. Не знаю как у других, но мне очень повезло с командой — крутые и открытые девчули и ребята. После обучения кто-то пошел на стажировку или работу в Яндекс, кто-то устроился в Тинькофф или Касперский, а кто-то уехал обратно в свои города, но таким же составом мы, увы, уже не увидимся. Чудесное было время, да.

Скорость флота определяется по скорости самого медленного корабля. А скорость обучения в группе равна темпу самого медленного в ней. В Академии Яндекса медлительности вообще нет, надо неистово шарашить, чтобы успевать проходить хотя бы базовую программу без задачек «со звездочками». А чтобы двигаться быстрее, надо шарашить в два раза быстрее. Но оно того стоит. Располагает и сама среда из студентов с горящими глазами и сердцами, отзывчивых кураторов и самого пространства кампуса Яндекса.

Если бы перед стартом работы в IT я мог попасть сюда, то это было бы отличной базой для старта. Лично для себя я вынес не теоретические или практические знания, а кое что более важное — атмосферу студенчества и кампусов Стэнфорда, крутую тусовку и время в окружении людей, которые будут развивать IT в СНГ в ближайшие годы.

В общем, если у вас будет возможность податься в Академию, то это надо делать однозначно.

Следующее лето, кстати, ждать вообще не обязательно. Вот по этой ссылке вся инфа по текущим стажировкам и вот по мобильной разработке. По всем вопросам можете написать напрямую в телегу мне или куратору Яндекса Марии.

(скажите что от Артема, может плюшку какую дадут)

Вопросики

Ну и, напоследок, ответы на вопросы из моей инсты.

@AL.POP.JR

Процессы. Исследования. Грейды. Возможность трудоустройства.

Ответ
Процессы в порядке, а проблемные быстро исправлялись (в хостел, например, поставили второй холодильник, когда поняли что одного всем мало и даже навыки тетриса уже не помогают). Грейд для залета в Академию нужен точно не нулевый, в целом по тестовому все понятно — его надо сделать уверенно. По трудоустройству — все для этого и делается, у студентов есть свои плюшки: можно пройти некоторые собеседования заранее и с двумя попытками, да и в целом есть 3 месяца чтобы познакомиться с теми, кто тебя будет собеседовать и узнать про все подробнее. В общем, попасть на работу/стажировку после Академии проще раз так в 100500.

Ответ
Про интервью писал в телеграм-канале , но если кратко — у меня было собеседование про платформу (знание Swift и UI Kit) и на алгоритмы. Оба интервью в формате зум-колла с написанием кода в онлайн-редакторе и обсуждением того, что я пишу. Классика, короче.

@MITCHELL_X13

Это некий кампус с ежедневными парами? Или нечто другое?

Ответ
Да, летний кампус, пары 2-3 раза в неделю, в выходные практические занятия. Последний месяц работа в группах над проектом. Ну и можно посмотреть весь лонгрид заново 🙂

@ANTONEZZIO

Как устроена обратная связь? И сам процесс обучения.

Ответ
Кратко — делаем домашку, отправляем через Github Pull Request, получаем обратную связь. Потом в группе разбираем типовые ошибки и задаем вопросы.

Ответ
Студентов не кормили, но дали пропуск в кафе Яндекса. У сотрудников есть 800 руб. в день на бейдже, а мы ели за свои кровные. Но еда вкусная, да. Помимо классической еды типа горячего/супов/завтраков также были отличные роллы, пицца, хачапури и еще ой как много всего.

@KUZNETSOV_G

Новые навыки в Swift? Насколько глубоко Swift UI рассматривают?

Ответ
SwiftUI, к сожалению, не рассматривали, т.к. в Яндексе он пока только заходит — чем больше пользователей, тем больше ограничений на свежие инструменты. Увы. Кратко:

Вводная про платформу
Swift, особенности языка и синтаксиса
UIView, UIKit и в целом верстка разных сложных представлений
Более глубокий разбор UIViewController-а
Concurrency, работа с потоками
Network, работа с сетью с нюансами (экспоненциальный retry, потоки и тд)
Инструментарий (IDE, Toolchain, Cocoapods и тд)
Persistence, хранение данных в приложении
Архитектура (та самая лекция, после которой мы ушли переписывать проект по сути заново)
Сборка, Тестирование, автотесты, CI/CD

Остались вопросы?

Это была третья и последняя часть про мои впечатления от обучения в Академии Яндекса. Я пишу менее объемные заметки в своем телеграм-канале, ну и ссылку на свой инстаграм тоже оставлю. Актуальное, чем я занимаюсь, всегда можно найти на моем сайте.

Есть что добавить или спросить? Пишите комменты ниже 👇

Источник

Пробное тестирование в Лицей Академии Яндекса 2021 с ответами. Яндекс лицей ответы на задания 2021.

Задача № 1

Метеорологи рассказали об уровне осадков за месяц в пяти городах страны: Липовске, Малиновске, Нектаринске, Облепиховске и Рябиновске. Эти города расположены в разных климатических зонах: в горах, в лесу, на реке, в пустыне и на равнине. Поэтому уровень осадков сильно отличается: 9 мм, 29 мм, 37мм, 50 мм, 71 мм. Вот что рассказали метеорологи:
— Город в пустыне ожидаемо получил наименьшее количество осадков, а город в лесу — наибольшее.
— Нектаринск находится в горах.
— В Липовске выпало осадков больше, чем в Облепиховске.
— В Малиновске осадков оказалось больше, чем в Рябиновске, но меньше, чем в Нектаринске.
— В Облепиховске выпало 50 мм осадков.
— В городе в горах выпало 37 мм осадков, а в городе у реки — 29 мм.

Расположите города в порядке возрастания уровня осадков. В ответе напишите только первые буквы городов. Буквы должны быть заглавные. Пример ответа: ЛМНОР.

B. Задача № 2

Даны пары слов, связанные некоторой логической связью. Тип связи обозначен буквой (А–Е):

А: Цветок — Ромашка.
Б: Яблоко — Груша.
В: Шофёр — Женщина.
Г: Белый — Чёрный.
Д: Капуста — Комета.
Е: Будильник — Подъём.

Укажите тип связи для следующих пар слов:

1. Инструмент — Линейка.
2. Соус — Грибы.
3. Движение — Статика.
4. Щука — Камень.

В ответе напишите буквы, обозначающие тип связи, без пробелов. Буквы могут повторяться.

C. Задача № 3

Даны слова на некотором искусственном языке и их перевод на русский язык:
1) bbalgan sangwa — красное яблоко.
2) ppaleun jae — быстрая машина.
3) bbalgan yeonpiel — красный камень.
4) keun jae — машина времени.

Напишите на этом языке словосочетание «красная машина». Все буквы в ответе должны быть строчными, пробел между словами один.

D. Задача № 4

Перед вами графическое уравнение. Числа — это суммы по столбцам и строкам.

Решите графическое уравнение. В ответе укажите число.

E. Задача № 5

Дана задача и два условия к ней.

Маня ехала из дома к бабушке на машине со средней скоростью больше 70 км в час. Удалось ли ей добраться меньше, чем за 3 часа?

(1) Если расстояние от дома до бабушки было более 200 км.
(2) Если расстояние, которое Маня проехала, было менее 205 км.

Какие из условий нужны для ответа на вопрос задачи?

Нужно только первое условие.
Нужно только второе условие.
Нужны оба условия одновременно.
Достаточно любого из двух условий.
Недостаточно ни первого условия, ни второго, ни обоих одновременно.

F. Задача № 6

Сколькими различными способами можно прочитать слово ЛЕНА, следуя по стрелкам?

G. Задача № 7

На свой день рождения Петя придумал для друзей такой конкурс: нужно бросить мяч в коробку 10 раз, и каждое попадание приносит количество очков, равное номеру броска. Оля не попала мячом в коробку два раза. Какое число очков она никак не смогла бы набрать? Отметьте все возможные варианты.

(напишите ответы без пробелов)

H. Задача № 8

Аня хочет согнуть кусок проволоки таким образом, чтобы получить треугольную пирамиду (тетраэдр) с рёбрами длиной 12 см каждое. Проволоку какой наименьшей длины (в сантиметрах) Аня сможет так согнуть? Разрезать проволоку на отдельные кусочки нельзя.

В ответе укажите только число, единицы измерения писать не нужно.

I. Задача № 9

После проведения зимней спортивной олимпиады в школе организаторы устроили опрос на предмет популярности хоккея и фигурного катания. В опросе принимало участие 50 учеников. Выяснилось, что 33 ученика смотрело хоккей, 24 ученика смотрело фигурное катание и 8 человек не смотрело ни одного из этих видов спорта. Сколько учеников смотрели и хоккей, и фигурное катание?

Задача № 10

Кате дали квадратную доску с одинаковыми клетками. Сторона доски содержит нечётное число клеток. У Кати есть мешок с конфетами, и она выкладывает на доску конфеты — по одной на каждую клетку доски. Первыми она выложила две большие диагонали из угла в угол. После этого ей осталось выложить ещё 196 конфет. Какова длина стороны доски в клетках?

ОТВЕТЫ

Источник