Поступашки - ШАД, Стажировки и Магистратура
6 лет помогаем получать офферы в BigTech, поступать в ШАД и проходить в топовые магистратуры. Вопросы, реклама: @vice22821 По покупке курсов: @menshe_treh Наши курсы: https://old.postypashki.ru/ Чат: @postypashki_old_chat Ютуб: youtube.com/@OfferBerry
Show more📈 Analytical overview of Telegram channel Поступашки - ШАД, Стажировки и Магистратура
Channel Поступашки - ШАД, Стажировки и Магистратура (@postypashki_old) in the Russian language segment is an active participant. Currently, the community unites 47 449 subscribers, ranking 3 786 in the Education category and 13 118 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 47 449 subscribers.
According to the latest data from 18 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 897 over the last 30 days and by 10 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 36.51%. Within the first 24 hours after publication, content typically collects 18.58% reactions from the total number of subscribers.
- Post reach: On average, each post receives 17 327 views. Within the first day, a publication typically gains 8 815 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 51.
- Thematic interests: Content is focused on key topics such as стажировка, собеседование, шад, пет, огонёк.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“6 лет помогаем получать офферы в BigTech, поступать в ШАД и проходить в топовые магистратуры.
Вопросы, реклама: @vice22821
По покупке курсов: @menshe_treh
Наши курсы: https://old.postypashki.ru/
Чат: @postypashki_old_chat
Ютуб: youtube.com/@OfferBer...”
Thanks to the high frequency of updates (latest data received on 19 November, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Education category.
def scaled_dot_product_attention(query, key, value, dropout_p=0.0,
is_causal=False, scale=None) -> numpy.ndarray:
• Написать Transformer Block на PyTorch по шаблону:
class TransformerBlock(nn.Module):
def __init__(self, model_dim: int, num_heads: int):
super().__init__()
torch.manual_seed(0)
pass
def forward(self, embedded: TensorType[float]) -> TensorType[float]:
torch.manual_seed(0)
pass
• Реализовать nucleus sampling (top-p sampling) для генерации текста.
Подобные задания встречались, например, в Snap. Но это лишь базовый уровень, иногда попадаются и значительно более сложные вещи, вроде:
Реализовать пайплайн подготовки данных для обучения авторегрессионной модели с delay pattern. Предположим, размер кодовой книги равен N. Нужно подготовить входной тензор для модели, затем реализовать forward-проход и вернуть предсказанные логиты формы
[num_codebooks, batch_size, sequence_length, vocab_size]
Без глубокого понимания предмета реализовать такое не получится. Наш курс по Deep Learning как раз про это: мы не просто учим вызывать model.fit(), а разбираем всю математику и архитектуру, тонкости в реализации и конечно сопровождаем до оффера. Сейчас идут последние 12 часов черной пятницы! Успей записаться по выгодной цене! Отзыв-кружок нашей ученицы ниже.
➡️ Записаться
В крупных компаниях (FAANG, Revolut и подобных), где ML Coding является частью проверки фундаментальных знаний, обычно дают реализовать классические алгоритмы ML. Чаще всего предоставляют шаблон кода с уже инициализированными параметрами, а от кандидата требуется дописать саму логику. Примеры таких задач:
• K-means кластеризация на Python.
• Forward/backward для логистической регрессии (обычно для бинарной классификации).
• Наивный Байес.
• Дерево решений.
Гибридный формат: поиск багов
Иногда встречается вариант, когда почти весь код алгоритма уже написан, и нужно найти в нём ошибки. Например, дана реализация GPT или стека трансформеров, и требуется отыскать все недочёты (скажем, модель не использует маскирование токенов при обучении). Такой формат, по отзывам, практикуется в Яндексе.
Открытые задачи
Открытые задания характерны для стартапов ранних стадий или компаний, где процесс найма ещё не отлажен. Здесь нет единственно верного ответа: даётся размытая постановка задачи, и кандидату предлагается вместе с интервьюером спроектировать решение. По сути, это имитация парного программирования: вы с интервьюером как будто тиммейты, вместе пишете код. Длительность такого раунда может достигать часа и даже больше - стартапы заинтересованы в том, чтобы получить максимум сигнала о кандидате, поскольку ресурсы на поиск ограничены.
Пример задачи из LLM-стартапа:
Напишите функцию, которая генерирует выход для предобученной модели, а также выводит статистику latency/throughput для заданного входа.
Кандидат предлагает архитектуру решения, пишет код, затем отвечает на уточняющие вопросы и добавляет новые фичи. Часто разрешается пользоваться интернетом и копировать фрагменты кода, чтобы смоделировать реальные рабочие условия. Такие раунды самые интенсивные и интересные, но исход менее предсказуем: многое зависит от коммуникации и вовлечённости интервьюера. Открытые вопросы очень любят в Seed / Round A стартапах.
Как готовиться эффективно
Ну стандартные советы:
1. Соберите информацию о формате конкретной компании (многое можно нарыть у нас на канале по поиску ключевых слов).
2. Освежите базовые алгоритмы ML (кластеризация, линейные модели, деревья) - их просят часто.
3. Потренируйтесь писать код на numpy/torch без подсказок IDE, чтобы уверенно чувствовать себя на интервью.
4. Для стартапов практикуйте открытые задачи: берите реальную проблему (например, генерация текста с замером скорости) и реализуйте прототип, объясняя каждый шаг.
5. Цените маму и чекайте наш открытый банк собесов по МЛ.
Подписаться: @zadachi_ds➡️Закрытая база задач и вопросов из Яндекса, Т-Банка, Ozon, WB и Авито, разборы контестов и мок-собеседования с обратной связью. ➡️Карьерное сопровождение: помощь с откликами, подготовкой к интервью и разбором ошибок. ➡️Рефералки и менторская поддержка для лучших выпускников, помощь с вопросами на испытательном сроке для всех. ➡️Гарантия оффера с зарплатой от 150 000 ₽ в месяц или возврат денег.🔊На все курсы действует Черная Пятница только до 15.11! Каждый курс всего по 6 950 ₽ Старт курсов в понедельник. Для записи и вопросов по курсам — пиши менеджеру
➡️ Практика на реальных собесах и отборах. Сборник вопросов с собесов и разборы контестов в Яндекс, Т-Банк, Ozon и другие компании, мок-интервью и возможность получить рефералку в бигтех ➡️ 6 недель карьерного сопровождения после курса. Поможем разобраться с откликами, подготовиться к собеседованиям и исправить ошибки, которые мешают получить оффер ➡️ Менторское сопровождение для лучших выпускников. Дополнительная поддержка на собеседованиях для тех, кто сдаст все ДЗ, сделает пет-проект и будет ходить на семинары ➡️ Поддержка после трудоустройства. Не оставим один на один с рабочими задачами и вопросами во время испытательного срока ➡️ Гарантия оффера с зарплатой от 150 000 ₽ в месяц или возврат денег, если не получишь оффер А если сомневаешься, стоит ли учиться с нами, почитай отзывы наших учениковУспей выбрать курс со скидкой, чтобы сделать следующий шаг к офферу и зарплате, о которой давно мечтаешь. ⭐️Остались вопросы по курсам — пиши менеджеру⭐️
