Wpis z mikrobloga

Staram się rekrutować z juniora na mida i na razie idzie mi słabo. Czy ja mam jakiegoś pecha, czy po prostu jestem jeszcze zbyt słaby? To o czym piszę o rekrutacjach poniżej to normalka? (Nie odbyłem jakoś dużo technicznych w mojej karierze)
Aplikuję na stanowisko data engineera, czyli generalnie bazki danych, SQL i Python. Problem jaki obserwuję jest taki, że każda firma ma swoją definicję stanowiska, w które mierzę, jedne szukają tego data engineera, ale jeszcze jedne programisty, jeszcze inne devopsa/dataopsa, jeszcze inne analityka etc.
Na razie zaliczyłem 5 rozmów technicznych i takie najlepsze kwiatki z każdej:
1. firma - przepytywał mnie programista (SWE, nikt z data), który bardziej niż na tematach data skupiał się na tym, czy znam low-level niuanse* Pythona, Dockera i czy znam C/C++/Rusta xD. Jakiś śmieszny czas na taski typu 5 minut (w tym z algorytmów), których nie było jak skończyć, tylko "ok, tak byś to rozwiązał, lecimy dalej". Fair enough - byłem raczej za słaby na firmę, co czułem wcześniej, ale niesmak pozostał.
2. firma - aplikowałem na projekt z konkretnej technologii, z której... nie byłem przepytywany ani razu. Pytali mnie o SQL'a mocno, ale w zupełnie innym paradygmacie (typowe RDBMS),ta konkretna technologia ma trochę inne prawa jeśli chodzi o np. normalizację. Tłumaczyłem to gościowi, ale nic, chyba myślał, że niezbyt kumam temat XD. Werdykt - junior, dziękujemy.
3. firma - dano mi taski przed rozmową, które były proste, natomiast sama rozmowa... w 80% algorytmy i struktury danych, i to dość zaawansowane (drzewa binarne etc.), wiedza stricte ze studiów informatycznych. Do tego chyba najbardziej niemiły prowadzący z jakim miałem do czynienia, czepiający się np. tego, czemu zostałem tak długo na moim stażu w pierwszej firmie. Zupełnie brak SQL'a (poza klasycznym pytaniem o joiny), baz danych, chmury z której był projekt i był na nią nacisk w ogłoszeniu. xD
4. firma - przydzielono mi jakiegoś gościa ze Wschodu, rozmowa po angielsku, i choć ja mam naprawdę dobry angielski, to gość miał taki akcent, że za cholerę go czasem nie rozumiałem i w pytaniach o np. normalizację czy CAP musiałem go pytać kilka minut czy na pewno o to mu chodzi. Werdykt jak w 2 firmie. Aha, gościa w ogóle nie widziałem na kamerce.
5. firma - póki co chyba najsensowniejsza rekrutacja i z którą może mi coś pyknąć, choć po 2-godzinnej technicznej rozmowie pytać o np. dokładne kody błędów w API czy rozszyfrowanie regexa uważam za dość perfidne.

Inb4 nie mówię absolutnie, że jestem idealnym kandydatem, nie byłem zadowolony ze swojego performance'u i odpowiedzi na niektóre pytania - zdecydowanie, ale podsumowując highlighty mam wrażenie, że coś tu póki co było nie tak xD

#programista15k #pracait #datascience #businessintelligence
  • 23
@ElMatadore:
Rekrutacja IT to do siebie ma i nie jesteś w tym sam.

U mnie może nie data science, co analityk biznesowo-systemowy z podstawami SQL. Rozmowy absolutnie różniły się od siebie wizją na takiego analityka - jedni chcieli ze mnie zrobić analityka i PMa w jednym, inni żebym jednocześnie utrzymywała bazodanowo aplikację.

Byłam kilka miesięcy temu na rozmowie na mida, gdzie z jakiejś książki wycięli obrazki różnych UMLi i kazali w
@ElMatadore: Brzmisz jakbyś liznął trochę relacyjnych baz danych, SQL i pythona. Jak to ma pozwolić ci być midem? Nikt cie nie będzie pytał o internale cassandry, mongo, czy jakiejkolwiek bazy relacyjnej. Po prostu poziom twojej wiedzy jest niski jeżeli to jedyne co potrafisz. Nie ogarniasz zadanek leetcodowych, znasz jakieś proste rzeczy typu SQL, czy CAP. No i do tego Python, który notabene jest naprawdę prostym językiem programowania. Masz dwie opcje, albo
@RapIArbuzy nie rozumiem troche do czego dazysz, w sensie literalnie - Python i SQL, to gros roboty na rynku jest, o nosqle mialem moze pojedyncze pytania poki co, sa oferty, ktore stawiaja bardziej na NoSQLe, dataops czy streaming data, ale na nie nie aplikuje, bo na nie nie mam skillsow, ale dalej gros roboty to w zasadzie data warehousing (w cloudzie czy on-prem) z batchami i tu sie czuje pewnie, na tyle
@RapIArbuzy to jak tworzysz irl kwerende SQL, pipelinesa to #!$%@? w optymalizacje i data modeling i wrzucasz SELECT * z losowymi joinami? xD

Bo powyzsze to jest wlasciwie cale mieso pracy data engineera. To zeby rozwiazac jakis problem stackiem czy rekurencja, czy moze DP to moze na niektorych stanowiskach, na ogol i tak podchodzacych pod SWE. IMO
@ElMatadore: Odpowiedz sobie szczerze czy uważasz swoją wiedzę na odpowiednim poziomie. Z postu wynikało że zajmujesz się jedynie Pythonem, SQL i bazami danych. Odpada Nosql z tego co piszesz, więc zostają ci same relacyjne, SQL i Python. Czy to odpowiednia wiedza na mida? Z tego co piszesz to nie masz ekspertyzy domenowej na miarę mida, przykładowo nie znales internali pythonowych, a jednocześnie nie ogarniasz na poziomie interview np. algorytmów i struktur
@ElMatadore: ale co ty próbujesz udowodnić? Oczywiście że leetcode jest trudniejszy od jakiejkolwiek innej rekrutacji, bo dużo zależy od szczęścia i nie dostania harda xD nie napisałem nigdzie że to najlepszy sposób rekrutacji, ale sam widzisz że poległeś na jednej z tego typu. To da się ćwiczyć
@RapIArbuzy ogolnie tak realistycznie taki sobie poziom daje:
SQL, relacyjne bazki - mid (bo ogarniam nie tylko jak zrobic, tylko jak zrobic dobrze by dzialalo optymalnie, ogarniam modeling)
Python (i ogolnie skillsy czysto programistyczne) - junior/mid (zalezy czego oczekujesz, np. potrafie szybko i dobrze obrobic dane w Pandasie, stworzyc ETLa, podpiac pod Airflow, czyli to co robi data engineer, natomiast rzeczywiscie nie przylozylem sie az tak do nauki czystego Pythona oraz A&DS
@RapIArbuzy no jak mowisz stricte o rekrutacjach to sie zgodze, po prostu to co napisales mozna imo rozumiec dwojako (SQL nie jest trudny bo nie trzeba go optymalizowac(??? xD) - w sensie byc moze nie miales tego na mysli, ale tak to zrozumialem).

Leetcode'owe zadanka z SQL nawet na hard sa imo znacznie latwiejsze na tle takich medium z algorytmow. Ale w real-life juz nie zawsze tak jest. To troche truizm, ale
@ElMatadore: To masz już odpowiedź na pytanie, bazy wyglądają sensownie. Potrafisz uzywac bibilioteki/narzędzia, ale masz problem z corowymi rzeczami czyli Python, algorytmy i struktury danych. Sam widzisz że w jednej pytali z internali pythona, nie wystarczyła twoja wiedza, a w drugiej miałeś interview leetcodowe. Poświęć czas na leetcode i core pythona. Nie skupiaj się na dockerze, czy devopsie. Docker jest stosunkowo prosty, a tworzenie sensownego pipeline to w 90 procentach dobre