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
Mostrar más📈 Análisis del canal de Telegram Поступашки - ШАД, Стажировки и Магистратура
El canal Поступашки - ШАД, Стажировки и Магистратура (@postypashki_old) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 47 449 suscriptores, ocupando la posición 3 786 en la categoría Educación y el puesto 13 118 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 47 449 suscriptores.
Según los últimos datos del 18 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 897, y en las últimas 24 horas de 10, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 36.51%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 18.58% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 17 327 visualizaciones. En el primer día suele acumular 8 815 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 51.
- Intereses temáticos: El contenido se centra en temas clave como стажировка, собеседование, шад, пет, огонёк.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“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...”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 19 noviembre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Educación.
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⭐️
