В чем моя причина провала тестового задания Яндекса? — Toster.ru
Всем привет, недавно решил опробовать себя на летннюю стажировку в Яндекс, как раз каникулы будут. Учусь в Москве, 2 курс, вроде не глупый, не шибко умный, однако вроде бы стараюсь восполнять свои знания теорией, вот только практики не хватает, другой вопрос. Исходил из расчета, что на стажировке тебя из сопляка сделают солдатом, расчетливым и хладнокровным, коим сейчас не являюсь. Так вот, прислал заявку, мне выслали задание:https://yadi.sk/i/IiGzf4GTqSMf4
Максим, здравствуйте!
Спасибо за вашу заявку!
Чтобы поучаствовать в отборе, решите, пожалуйста, тестовое задание. Оно находится по ссылке: https://yadi.sk/i/IiGzf4GTqSMf4
На его выполнение у вас есть неделя. Мы сообщим вам о результатах в течение двух недель после выполнения тестового задания и расскажем о дальнейших шагах. Если у вас возникнут какие-либо вопросы, напишите нам, мы обязательно ответим.
Желаем успехов!
--
С уважением,
Кривова Юлия
ЯндексСпрашивал подробности, по почте, как конкретно можно решать задачу, не отвечали. Ну, как понял задачу, так и стал решать ее. Выслал отчеты:
Ссылка на текст задач и решения:
https://github.com/splincode/codework
Через неделю ответили:
Максим, добрый день!
Мы проверили выполненные тестовые задания. К сожалению, ваших знаний пока недостаточно для прохождения на следующий этап, поэтому сейчас мы не готовы предложить вам участие в летней стажировке. Будем рады, если вы попробуете свои силы в будущем.
С уважением,
Кривова Юлия
ЯндексОпять же, мне сказали знакомые, что они тебе не будут объяснять как решать задачу, и что ты сделал не так, их задача «набор мяса в Яндекс».
Вопрос к публике: Что я не так сделал, что поставило на мне крест? Может просто быдлокодингом занимаюсь, так как исправляться, что изучать, и как правильно надо было решать эти задачи? Какой опыт из этого можно извлечь? Стоил ли вообще лезть в эти стажировки крупных компаний, если даже нет боевого опыта, да и как этот боевой опыт получить, когда не берут толком никуда?
Спасибо.
toster.ru
Как у нас устроено AB-тестирование. Лекция Яндекса / Яндекс corporate blog / Habr
AB-тестирование на сервисах Яндекса проводится постоянно. «Раскатить на такую-то долю аудитории» и посмотреть на реакцию людей — настолько стандартная практика, что ни у кого в команде не возникает вопроса, зачем это нужно. А чтобы не было проблем с самим тестированием, у нас есть специальная инфраструктура для экспериментов. Подробности рассказывают разработчики Сергей Мыц и Данил Валгушев.Сергей:
— Я попробую упрощенно описать задачу AB-тестирования. Есть абстрактная система с пользователями, в нее мы вносим какие-то изменения, и нужно уметь измерять в ней пользу. Пока все просто, но слишком абстрактно. Пример. Есть веб-сервис по сравнению пары фотографий котов. Пользователь должен выбрать наиболее понравившуюся фотографию. При этом он может выбрать не только левый или правый снимок, но и «против всех». Значит, мы подобрали картинки не очень хорошо. Наша задача — обоснованно улучшать сервис, доказывая это цифрами.
Как нам экспериментировать? Сперва нужно понять, что такое хорошо. Мы хотим улучшать систему. Нужно выбрать то, к чему стремиться, причем не обязательно в цифрах, а в том, что мы называем направлением к идеалу. Можно хотеть, чтобы пользователь как можно реже говорил, что мы вообще не нашли ничего хорошего. Чтобы было как можно меньше отказов. Также, возможно, хорошо, когда мы можем правильно предугадывать выбор пользователя. Тогда давайте стараться, чтобы левая картинка ему нравилась чаще. Еще можно хотеть, чтобы пользователь все дольше хотел пользоваться нашим сервисом. Вдруг мы потом захотим повесить рекламу, и чем больше он будет пользоваться сервисом, тем больше он увидит рекламы. И ему хорошо, потому что ему нравится сервис, и нам, потому что нам нравится реклама. Шутка. Это понятие нужно отобразить в цифрах, чтобы как-то его измерять. Можно ввести показатели хорошести — метрики. В качестве метрик — количество отказов от сравнения, количество правильно угаданных левых результатов, какое-нибудь средневзвешенное пользователя на сервисе на количество его действий, время на отдельные картинки и т. д. Отдельные вещи, которые, как мы считаем, отражают наш идеал.
Теперь нам нужны данные, чтобы все посчитать. Выделим действия пользователя. Возможно, нажатия на кнопки, переключение мыши. При этом мы хотим записать сам факт того, какие картинки отобразились и как долго он провел на конкретной странице. Давайте соберем все, что может нам помочь в вычислении метрик.
Научимся запоминать их на стороне клиента. Если это веб-сервис, скорее всего, это JavaScript, который отмечает какие-то действия и сохраняет их локально у себя. Потом научимся их доносить до сервера и сохранять на каждой машинке. И научимся их агрегировать и складывать в хранилище, чтобы потом обрабатывать.
Мы знаем, чего мы хотим и на каких данных это искать. Давайте теперь научимся считать. Нам нужна реализация расчета метрик — просто какой-то процесс, который будет по нашим экспериментам говорить, что в среднем у пользователя такие-то показатели метрик. Результаты стоит хранить с удобным доступом. Не просто один раз посчитать, а например, будут появляться в аналитике менеджеры, чтобы они сами могли легко получить к этому хранилищу доступ и посмотреть результаты.
Хотелось бы, чтобы поиск результатов был не очень долгим. Поэтому в хранилище нужно предусмотреть быстрый поиск и выдачу результатов — чтобы можно было двигаться быстрее. Введем несколько терминов для понимания внутренней терминологии. Экспериментальная выборка — совокупность из двух вещей: набора флагов или параметров с экспериментальной функциональностью, а также всего подмножества людей, которые включены в эти изменения.
Эксперимент — совокупность из нескольких выборок. Как правило, одна из них контрольная, и пользователи видят там наш сервис без экспериментов. Все остальные включают экспериментальные действия. Срез данных — вспомогательный аналитический инструмент. Чаще всего мы хотим посмотреть наши метрики, возможно, на какой-то ограниченной группе пользователей. Иногда нам интересно, как ведут себя пользователи в отдельно взятой стране. Иногда интересно, как мы меняем выдачу по коммерческим запросам, потому что с них приходят деньги. Интересно смотреть не на весь поток данных, а на отдельные срезы.
Надо научиться создавать и проводить эксперимент. В описании экспериментальной выборки надо как-то определить описание параметра, который будет включать этот эксперимент. Допустим, эксперимент будет сравнивать два алгоритма подбора картинок. Первый предпочитает котов по усатости, второй — по пушистости. Тогда в первой экспериментальной выборке может быть флаг isУсатый = true, во второй isПушистый = true.
Еще экспериментальная выборка будет включать то, на какой процент пользователей и, возможно, с какими ограничениями — например, в какой стране — мы хотим запускать наш эксперимент. Это все касается описания и изменения экспериментальной выборки. И нам хорошо бы уметь останавливать эксперименты и запускать их. Следим за здоровьем. Когда есть большая система, хорошо понимать, когда все ломается или когда в результате изменений что-то идет не так, как мы запланировали.
Если мы хотим проводить не один, а много экспериментов — очень полезно смотреть, что происходит в каждом из них. Например, может случиться так, что классификатор усатости будет работать чуть больше и просаживать время ответа. А это порой может быть не очень желаемая ситуация.
Нужно научиться делать выводы, делать отображение метрик по эксперименту и наличию значимых изменений. Должен быть какой-то интерфейс, который скажет, что эти метрики имеют по статистическим критериям значимые изменения — посмотри и сделай какие-то выводы. Если утверждается, что у нас все хорошо по всем метрикам, значит, надо это накатить. Если плохо и мы не понимаем, почему, то нужно разбираться. Если не будет понимания, в следующий раз можно накосячить еще больше.
Также иногда полезно рассмотреть особенности на отдельных важных срезах — например, чтобы убедиться, что время ответа на мобильных не просаживается. И удобно, когда есть инструмент для поиска возможных проблем и аномалий. Не самим смотреть все срезы, а какой-то инструмент может подсказать, что на этом срезе, скорее всего, есть нечто настолько плохое, что оно всем помешало. Вроде все относительно просто.
Данил:
— На самом деле нет. Меня зовут Данил Валгушев. Все непросто. Это связано с тем, что Яндекс — большая компания, и возникает множество интересных нюансов, о которых я хочу рассказать на конкретном примере.
У нас есть не только основной поиск. Есть поиск по картинкам и видео, почта, карты и много других сервисов.
Также у нас много пользователей, много экспериментаторов и экспериментов. Даже внутри каждого сервиса есть много различных направлений, которые мы хотим улучшать. В поиске мы можем улучшать алгоритмы ранжирования, интерфейс или создавать новые функциональные фишки.
Как происходит взаимодействие наших пользователей с инфраструктурой эксперимента? Упрощенно схема выглядит так. Есть пользователи, есть Яндекс, куда встроена инфраструктура экспериментов. Пользователи задают запросы и получают выдачу, которая каким-то образом изменена экспериментом. Еще есть разработчики, менеджеры и аналитики в Яндексе, которые создают заявки на эксперименты. Мы их потом проводим и даем инструменты для анализа результатов.
Типичный эксперимент состоит из трех шагов. Менеджер или аналитик сначала проводит эксперимент на реальных пользователях и по завершении анализирует результаты и принимает решения.
К примеру, мы решили провести эксперимент и улучшить верстку результатов поиска. Мы должны создать заявку и заполнить все поля. Мы пишем, что критерии выкатки — улучшение основных интерфейсных метрик. Тип заявки — интерфейсы. Дальше создаем две выборки. Одна пустая, А, чистый продакшен. И выборка В, где есть некоторый флажок, например, goodInterface = true. Этот флажок потом через всю нашу инфраструктуру прокидывается до места назначения, до кода, который генерит интерфейс, и по этому флажку код срабатывает. Также в заявке мы говорим о целевых срезах, которые мы хотим обсчитывать в метриках, и отмечаем, на каких регионах, браузерах, платформах и на каком проценте мы хотим завести эксперимент.
Допустим, мы заполнили заявку. Оказывается, мы не можем просто так выкатить ее в продакшен. Мы должны сначала ее протестировать. Тестирование преследует две цели. Есть ручные тесты и автоматические. Ручные — это когда создатель эксперимента сам прощелкивает все, что ему интересно, весь нужный интерфейс, чтобы все работало корректно. Автоматические тесты направлены на то, чтобы избежать факапов, когда эксперимент выкатится в продакшен.
Есть два примера: проверка на падение определенных модулей сервисов или же сбор асессорских оценок по эксперименту — чтобы не допустить в продакшен очень плохие эксперименты, оттестить их еще до выкатки. Есть проблема, что, возможно, мы проводим эксперимент в первый раз и не до конца уверены, что ничего не сломаем. Тогда нам на помощь приходят наши эксперты.
По каждому сервису и по каждому аспекту качества сервиса у нас есть эксперты, которые по каждой заявке приходят и модерируют ее. Они проверяют понятность описания и корректность флагов, дают советы, смотрят, нужны ли дополнительные тесты, и в принципе сопровождают эксперименты, помогая людям, которые недостаточно хорошо в них разбираются.
Когда заявка одобрена, мы должны попасть в продакшен. Здесь тоже возникает проблема: пользователи ограничены, а заявок много. Образуется очередь.
Один из вариантов решения — многомерная схема. Одномерная схема — это когда каждый пользователь попадает ровно в один эксперимент. А многомерная — когда каждый пользователь попадает более чем в один эксперимент. Естественно, пересекающиеся эксперименты не должны конфликтовать друг с другом. Обычно они относятся либо к разным сервисам, либо к разным аспектам качества одного сервиса.
Допустим, мы попали в продакшен. Как же пользователи разбиваются на эксперименты? У нас есть некоторая конфигурация, которая фактически описывает правила. И мы пришли к тому, что эту конфигурацию удобно описывать в виде графа решений. В листьях графа находятся эксперименты, а в нодах — решения по параметрам запроса, которые включают в себя, например, идентификатор пользователя, текст запроса, адрес страницы, регион, юзер-агент, время.
Заявка попадает в конфигурацию в тот момент, когда конфигурация готовится к выкатке. Конфигурация собирается путем удаления старых заявок и добавления новых. Выкатка обычно производится несколько раз в день.
Здесь тоже возникает проблема. Мы вроде бы все эксперименты протестировали, но никто не гарантирует, что если мы накатим новую конфигурацию, у нас ничего не сломается. Поэтому мы всегда при выкатке конфигурации мониторим ключевые показатели поиска — чтобы в случае чего успешно ее откатить. Такого обычно не происходит, но мы все равно страхуемся.
Бывают более мелкие поломки, когда ломается один эксперимент. Здесь сложнее, это видно не сразу, необходимо строить графики по каждому эксперименту, по ключевым метрикам, таким как количество кликов, количество запросов. И есть система автоматического обнаружения аномалий, которая замечает, когда какой-то график начинает вести себя плохо. Есть еще система экстренного отключения, если что-то не так.
Как работает разбиение? Как разбить пользователей, чтобы они перемешались, но при этом каждый пользователь попадал в один и тот же эксперимент?
Простое решение — взять хэш от его идентификатора, и взять по модулю N. Мы получаем N возможных сходов и называем их слотами. Это разбиение мы обычно называем измерением.
Потом на слоты можно навесить эксперименты и алгоритмы. Но здесь возникла проблема. Допустим, перед нами работал эксперимент, в котором пользователям в одной выборке было хорошо, а в другой — чуть хуже. После отключения эксперимента пользователи привыкли и начали вести себя по-разному. И когда мы включаем свой, у нас возникает смещение, А и В находятся в неравных условиях.
Благодаря тому, что наш алгоритм — граф, мы можем сделать такой финт ушами: взять и еще раз перемешать пользователей перед тем, как они вновь попадут в выборку А и В. Тем самым обеспечим им одинаковые условия.
Многомерная схема тоже выглядит довольно просто. Есть специальная нода, которая распараллеливает обход графа. Обход происходит независимо на каждой ветке, и потом результат складывается.
Когда измерения ведутся в разных ветках, они обычно имеют Salt1 и Salt2 — соль, чтобы они бились независимо и не коррелировали друг с другом. 
Последняя проблема связана с тем, как собрать конфигурации. Важно вспомнить, что каждый эксперимент все-таки имеет набор ограничений: проценты, регионы, браузеры, платформы и т. д. Здесь приведен пример — четыре эксперимента, которые идут в разных регионы. Как же их разместить, допустим, на 10 слотах?
Если разместим так, то видим, что каждый эксперимент по чуть-чуть отъел от каждого слота и последний эксперимент не получился, потому что он пересекается со всеми тремя.
Здесь достаточно хорошо работает простая эвристика. Когда мы ставим новый инструмент в конфигурацию, мы обычно пытаемся выбрать слоты, где уже есть какие-то эксперименты. И когда придет жирный эксперимент на широкие ограничения, нам нужно, чтобы для него осталось место.
Вот мы провели эксперимент, он отработал, мы смотрим метрики. Обязательно смотрим обычные метрики: количество пользовательских запросов, кликов — чтобы понимать, сколько данных собралось. Еще одна стандартная метрика — доля некликнутых страниц, CTR. У нас много различных метрик, и приемка происходит не по кликам и запросам, а по синтетическим метрикам. Это отдельная тема, не для нашего доклада.
Есть такие статистические тесты. Когда мы провели эксперимент, то принимаем решение. В первую очередь — проверяем критерии выкатки по метрикам, наши продуктовые соображения и обязательно советуемся с экспертами.
После завершения эксперимент уходит в датасет. Мы собираем всю историю. Она, в первую очередь, позволяет нам проводить различные исследования по методам проведения эксперимента, а также нужна для валидирования новых метрик.
Сергей:
— Это некий обобщенный обзор инфраструктуры инструментов. Мы проговорили первые две темы: что можно делать с интерфейсом взаимодействия и как происходит разбиение. А какие проблемы возникают с логированием в реальном мире?
Поскольку есть много сервисов и много источников данных, у нас получается зоопарк данных. Они разного размера, поставляются с разной скоростью. Какие-то готовы сразу, какие-то через день, какие-то через неделю. Большая проблема в том, что по этим исходным данным распределена ответственность. Каждая команда пишет свои логи, потом нам их хочется собрать. Следовательно, нужно работать с каждым по отдельности. 
Из-за зоопарка данных возникают вопросы доставки и агрегации. Значит, нужно заводить сложную инфраструктуру и отлаженные процессы, которые будут со всех команд собирать логи. При этом хорошо бы иметь совместимые форматы данных, чтобы уметь обрабатывать данные по всей компании, а не ходить к каждой команде со своим парсером. Здесь пригодится общая библиотека работы с логами.
В конце концов, данные стоит агрегировать и хранить в одном месте, где их дальше удобно обрабатывать. У нас за отдельные процессы сбора логов на низком и высоком уровне отвечают свои специальные команды, которые пишут библиотеки и отвечают за время доставки данных. Поэтому у команды экспериментов упростилась задача, мы уже пришли на готовое. У нас есть общая библиотека работы с логами — с помощью нее любой аналитик может парсить все основные логи компании, если у него есть соответствующий доступ. Все данные хранятся в хранилище при MapReduce, в системе, а обрабатываются в расчетах MapReduce. У нас есть своя система YT, можно поискать, про нее были доклады.
Данные доставили, нужно рассчитывать. Обработка данных распределенная, расчет идет на сотни терабайт и на петабайты. С точки зрения интерфейса мы хотим за любой день по любому эксперименту и срезу данных получить нужные нам числа. Значит, нужно как-то подготовить данные. Мы справляемся тем, что строим выжимки, куда данные укладываются специальным образом, чтобы их можно было быстро найти в файловой системе, просто двоичным поиском и некоторыми другими специальными предобработанными индексами.
В итоге отдельные инструменты могут за секунды или минуты, если у нас очень сложный эксперимент и много данных, выгрузить цифры по любому эксперименту, который проводился в компании.
Много экспериментов — много потенциальных проблем. Сервисы очень разные, разрабатываются отдельно, своя функциональность, каждый с ними экспериментирует, а мы их собираем в общей точке, где каждый может что-то сломать по-своему. Поэтому мониторинги очень нужны и важны. Первое предложение в том, что агрегация собранных логов требует времени, поэтому хорошо бы иметь мониторинг по срыву счетчиков. Нам нужно хотя бы считать, сколько было запросов, кликов или каких-то простых действий. Эти данные готовятся очень быстро, и по ним можно увидеть, что что-то пошло совсем не так.
С другой стороны, проблемы могут быть сложными и что-то пойти не так может не просто в отдельных цифрах, а на какой-то конкретной метрике. Например, пользователи могут начать проводить меньше времени в интерфейсе или, наоборот, решать какую-то пользовательскую задачу дольше. С одной стороны, это значит, что нужно агрегировать логи и по быстродоезжающим данным расчеты метрик нужны быстрее. С другой стороны, они должны быть более полными, чем какие-то сырые счетчики. Поэтому у нас есть расчет по получасовым данным, которые за каждый получасовой промежуток готовят логи. И в течение некоторого времени можно посмотреть эти более сложные метрики.
Так как у нас много экспериментов и метрик, их необходимо мониторить, и возникает другая проблема: когда много чисел, на них сложно посмотреть. Поэтому у нас есть инструмент для автоматического нахождения проблем. Все параметры всех метрик с экспериментов отправляются туда, и он с помощью алгоритмов анализа временных рядов определяет подозрительные точки, которые мы называем разладками. Ответственному потом уходит уведомление. У нас есть интерфейс просмотра метрик, где можно изучить данные по своему эксперименту за любой день по любому срезу, который вы заказали заранее. Еще иногда хочется исследовать эксперимент более детально, в процессе может прийти идея проверить что-то, хочется как-то повертеть данные. С этим поможет инструмент быстрого анализа по произвольным совокупностям указанных срезов.
Вы говорите: посчитайте мне за эти дни по таким-то метрикам и срезам предварительные данные для этого эксперимента. Потом вы можете быстро считать по любым совокупностям указанных срезов в метрике. Например, можно быстро посмотреть по всем возможным совокупностям браузеров, умноженным на регионы, умноженным на рекламные запросы, всевозможные значения метрик и увидеть, что где-то что-то не так. Возможно, найти ошибку, а возможно, придумать новый эксперимент.
Последняя важная часть инфраструктуры — это то, как мы убеждаемся, что у нас все корректно и адекватно. Мы можем все это построить, но мы хотим экспериментировать правильно, делать правильный вывод. Значит, должны быть механизмы того, как мы за этим следим.
Есть несколько групп людей на разных уровнях, которые следят за правильностью измерений. В первую очередь, это разработчики команды АБТ, куда входим мы с Данилом. Мы разрабатываем инфраструктуру экспериментов и инструменты анализа, а также разбираем возникающие проблемы. У нас есть понимание, что и как должно быть сделано, но мы больше уходим в инфраструктурную поддержку всего этого.
Также есть исследовательские команды, которые отвечают за разработку, валидацию и внедрение новых нетривиальных метрик и подходов. Данил упоминал простые метрики, но уже n лет у нас используются сложные статистические метрики, которые провалидированы на более простых, и они позволяют более чувствительно принимать решения и видеть изменения лучше. Некоторые команды специально разрабатывают метрики. Есть эксперты по направлениям, они отвечают за правильность проведения процедуры эксперимента.
Аналитики сервисов — один из предпоследних рубежей обороны. Они отвечают за адекватность изменений через призму особенностей сервиса. Кто-то может экспериментировать, но в каждом сервисе есть один или несколько аналитиков, которые понимают, что в их случае хорошо и что плохо, и могут предотвратить нечто странное. Есть некоторая экспертиза, которая пытается удержать нас от логических проблем.
Тема обширная, многие вещи были показаны не очень глубоко. Спасибо.
habr.com
Тест
Морфология Яндекса. Очень важно понимать, по каким принципам Яндекс отличает одни слова от других. Благодаря этому вы сможете найти такие однокоренные слова, о которых конкуренты даже не подумали, и получать оттуда клиентов по низкой цене. Рекомендуем к просмотру урок №2 в нашей бесплатной рассылке.
Принципы аукциона. Сложно рассчитывать на серьёзные результаты, если вы не понимаете, по каким принципам работает система. Чтобы управлять системой, нужно её понимать.
Поисковые объявления. Чтобы получать на сайт максимум заинтересованных клиентов, при этом отсекая нецелевой трафик, необходимо уметь писать грамотные объявления. Рекомендуем к просмотру урок №7 в нашей бесплатной рассылке.
Ключевики. Существует огромное количество правил, вариантов, группировок, нюансов и техник при работе с ключевиками. Узнать некоторые из них можно в уроке №2 нашей бесплатной рассылки.
Операторы. Инструмент, которым многие пренебрегают, хотя он помогает значительно сэкономить, отсекая большое количество нецелевых показов. Рекомеднуем к просмотру урок №3 в нашей бесплатной рассылке.
РСЯ. Система, которая значительно отличается от поиска, и требует совершенно другого подхода. Если всё сделать грамотно — можно получить большое количество дополнительных заявок по низкой цене в большинстве ниш.
Минус-слова. Большинство их прорабатывает очень поверхностно, чем значительно снижают свой CTR и получают высокую цену клика. Если отсечь большую часть нецелевых показов, то можно значительно экономить. Рекомеднуем к просмотру урок №2 в нашей бесплатной рассылке.
Ведение и аналитика кампании. Важнейший процесс, который превращает Яндекс.Директ из случайной лотереи в управляемую и предсказуемую систему, в которой желаемый результат можно получить в 100% случаев. Рекомеднуем к просмотру урок №12 в нашей бесплатной рассылке.
Ретаргетинг. Мало кто пользуется этой функцией, но те кто в нём разбираются знают, что она является настоящей золотой жилой! Рекомеднуем к просмотру урок №11 в нашей бесплатной рассылке.
Базовые принципы. Есть смысл изучить принципы, без которых невозможно долго и эффективно конкурировать в Яндекс.Директ. Рекомеднуем к просмотру урок №1 в нашей бесплатной рассылке.’
direct-all-in.ru
Запись на тестирование — Яндекс.Такси
Запись на тестирование — Яндекс.Такси Ваш город Москва и область?ДаНет
Запись на курс по «Бизнесу» и «Бизнесу XL», «Премиуму» и «Ультиме» обязательна. Допуск к тарифам проходит в четыре этапа:
- Тест на знание города и сервисных стандартов.
- Интервью.
- Тренинг. На него могут попасть только водители, которые успешно прошли тесты и интервью.
- Фотосессия. В Центре работает профессиональный фотограф, который после тренинга сделает вам фотографию для профиля — чтобы пассажиры ещё больше доверяли сервису и чаще делали заказы. Все четыре этапа займут у вас около 3 часов.
Чтобы записаться, выберите в форме нужный курс. Если свободных мест нет, подождите, пока расписание обновится. Это бывает по понедельникам, средам и пятницам в 10:00.
После записи вам придёт SMS с датой и временем тестирования. Постарайтесь не задерживаться: нам придётся отменить запись, если вы опоздаете.
Пересдача «троек» и «четвёрок» по базовому курсу возможна в любое время на следующий день, а «двоек» — только через 90 дней.
Пересдать плохую оценку тестирования по «Бизнесу» и «Бизнесу XL», «Премиуму» и «Ультиме» можно уже на следующий день, только обязательно запишитесь. Если и во второй раз пройти тестирование не получилось, повторить попытку можно будет через 30 дней.
Какие документы взять с собой
Для прохождения теста нужно водительское удостоверение и паспорт: временное удостоверение не подходит.
Базовый курс в таксопарках
Пройти Базовый курс можно в некоторых таксопарках Москвы и Московской области — подробности и время работы вы можете уточнить по телефону. В Подмосковье тренинговые площадки работают по адресу:
- Реутов, таксопарк «Удача», ул. Транспортная, 1Д, офис 2. Тел. +7 499 340-64-63, +7 499 340-63-33.
- Подольск, таксопарк «ТаксиЛэнд», ул. Симферопольская, д. 35, «Гран Сити». Тел. +7 985 012-93-50.
- Зеленоград, таксопарк «Я-Таксист», 2-й Западный проезд, дом 2, стр. 2, офис 1. Тел. +7 925 914-71-97, +7 499 499-07-72.
- Троицк, таксопарк «Городское Такси», Калужское шоссе, д. 32. Тел. +7 903 790-05-82.
- Домодедово, таксопарк «Экипаж такси», ул. Северная, стр. 5 (территория многоуровнего паркинга). Тел. +7 916 228-92-99, +7 916 063-24-24.
- Серпухов, таксопарк «Смарт», ул. Ворошилова, д. 128. Тел. +7 901 577-77-71.
- Клин, таксопарк «Время», Ленинградское шоссе, д. 8, офис 246. Тел. +7 968 073-01-32.
- Красногорск, таксопарк «Такси Такса», ул. Мира, д. 23. Тел. +7 906 782-40-40.
Адрес Центра для водителей:
Огородный проезд, д. 10, стр. 6,
с 9:00 до 21:00, без перерывов и выходных.
К сожалению, браузер, которым вы пользуйтесь, устарел и не позволяет корректно отображать сайт. Пожалуйста, установите любой из современных браузеров, например:
Яндекс.Браузер Google Chrome Firefox Safaridriver.yandex
Асессор-тестировщик Яндекс: как устроиться | Работа в интернете
Я являюсь действующим асессором Яндекса. На досуге погуглил пояндексил и вижу следующую ситуацию. В общем, смотрю, в последнее время многих интересуют вакантные позиции в Яндексе, а инфы по ним не много. Решил исправить ситуацию и описать основные позиции в вакансиях асессоров Яндекс.
Сегодня про тестировщиков.
Устраиваюсь асессором-тестировщиком Яндекс
Не так давно в тесте на обычного асессора Яндекс появились задания, связанные с тестированием. Решил попробовать себя. Смогу ли я снова пройти тест на асессора? Дал ответы на тест асессора со свежерега и.. вуаля! Через неделю мне пришло письмо о том, что я прошел тест в асессоры.
Но это все про асессоров поиска, об этом я уже достаточно написал. Однако на странице вакансий есть вакансия именно асессора-тестировщика, и тест там другой и ответы другие. Попробую сегодня пройти этот тест. И, естественно, рассказать все вам.
Я по профессии программист, с тестированием так или иначе дело имел, сложностей возникнуть не должно. Впрочем, научить тому, что делает средний тестировщик, можно способного школьника за неделю. В общем, просто попробую пройти тест, а там будет видно. Поехали.
Кто такие асессоры-тестировщики
Прежде, чем приступлю к прохождению теста, вкратце напомню, кто такие тестировщики Яндекс. А также, что делают асессоры-тестировщики и сколько получают асессоры-тестировщики в Яндексе.
В Яндексе есть отдельные вакансии по направлению тестирование. С ними мы разбираться не будем (во всяком случае сегодня), там нужен какой-никакой опыт тестирования. Для асессора же опыт не нужен, асессора-тестировщика обещают всему научить.
Асессор-тестировщик проводит тестирование продуктов Яндекс по готовым сценариям, а также создает свои сценарии, проводит исследовательское тестирование новых возможностей. Так написано на сайте Яндекса. Работа удаленная, график свободный. Платят сдельно. Лично мне один человечек жаловался, что платят ничтожно мало. Однако четкой инфы о зарплате асессора-тестировщика в открытом доступе найти не удалось.
Именно поэтому я и решил сам попробовать устроиться на эту позицию в Яндексе. Оставайтесь со мной и вместе узнаем, сколько же им платят. Но для начала нужно устроиться, а это значит — пройти тест.
Как пройти тест асессора-тестировщика Яндекс
— 1,5 часа жизни. Вот я и прошел тест на асессора-тестировщика. Выкладывать готовые решения не стану. Это будет в некотором роде инсайд, а такое Яндекс не поощряет. Просто расскажу свои впечатления от прохождения теста.
Очень долго пришлось себя заставлять взяться за его прохождение — я не большой фанат тестирования. Но при первом беглом просмотре задания не показались особо сложными. Рекомендуемое время выполнения — 80 минут. Примерно столько я и потратил. Хотя, думаю, можно было выполнить его и быстрее. Сейчас на часах 4 утра, мозг требует сна и подтупливает.
Сами задания показались мне крайне простыми. Основное время съело ознакомление с инструкцией и документирование процесса. А, собственно, выполнение кейсов и написание комментариев к ним не заняло много времени. Если работа будет схожая, то ничего сложного. Хотя, пожалуй, немного нудно.
Но, как говорится, пока что яичко в гнезде. Что ж, посмотрим, насколько хорошо я справился со всеми кейсами. Отправил анкету с пройденным тестом в Яндекс, ждем ответа.
Оставайтесь со мной и узнаете, смогу ли я устроиться в Яндекс асессором-тестировщиком.
А вот и продолжение. Рассказываю, взяли меня все же или нет.
И итог: отзыв о работе асессором-тестировщиком в Яндексе.
rabotaip.ru
Как пройти экзамен Яндекс.Такси для водителей
Нужен ли экзамен водителя Яндек.Такси
Требуется ли экзамен для работы водителем в Яндекс.Такси?
Нет, водитель спокойно может работать в Яндекс.Такси без экзамена. Экзамен нужен только для того, чтобы поднять свой средний рейтинг в системе и получать больше заказов.
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Зачем экзамен водителю Янденкс.Такси
Зачем нужен экзамен или тестирование для водителей Яндекс.Такси?
Успешное прохождение теста или экзамена Яндекс.Такси позволяет водителю существенно повысить свой рейтинг, а значит, получать больше заказов и больше зарабатывать за час работы.
Как проходит экзамен для водителя Яндекс.Такси
Что включает в себя тест или экзамен для водителей Яндекс.Такси?
Тест состоит из трех частей: понимание основных принципов работы в Яндекс.Такси, знание русского языка на уровне школьной программы и знание города.
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Сколько стоит экзамен для водителя Яндекс.Такси
Сколько стоит экзамен Яндекс.Такси для водителей?
Экзамен, обучение и тестирование Яндекс.Такси для водителей бесплатны, водитель никому никогда ничего не платит.
Список вопросов теста Яндекс.Такси
Список вопросов экзамена или тестирования для водителей Яндекс.Такси
На этой странице приведены примерные вопросы экзамена для водителей Яндекс.Такси, а также ответы на вопросы экзамена. Пройти пробный тест для водителей можно на сайте Яндекс.Такси. Записаться на обучение и тест для водителей можно на сайте Яндекс.Такси.
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Что в первую очередь влияет на рейтинг водителя Яндекс.Такси?
- Отмена заказов
- Пропущенные заказы
- Оценки пассажиров и оценка за экзамен.
Что произойдет, если поступают заказы Яндекс.Такси, и водитель несколько раз не нажимает кнопки Принять/ Пропустить и просто дожидается, когда заказ исчезнет?
- Заказы Яндекс.Такси перестанут приходить на 12 часов
- Система автоматически переведет водителя в статус Занят
- Водитель не сможете в течение дня выполнять Эконом-заказы.
Как отменить заказ Яндекс.Такси без снижения процента выполнения, если водитель подъехал по адресу, а пассажир не выходит?
- Отменить заказ в Таксометре самостоятельно
- Позвонить пассажиру и попросить отменить заказ
- После 10 минут ожидания позвонить пассажиру и уточнить, планирует ли он совершить поездку. Если не планирует, отменить заказ в Таксометре.
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Как водитель Яндекс.Такси может узнать о блокировке?
- Из сообщения в Таксометре
- Обратившись к своему партнеру
- Увидеть сообщение и красный индикатор в разделе Рейтинг.
Зачем проводится фотоконтроль автомобиля в Яндекс.Такси?
Какое радио не стоит включать в машине Яндекс.Такси, потому что это может привести к плохим оценкам?
Когда нужно звонить пассажиру?
- Как только подъехал, не надо ждать
- Подъезжая к точке подачи машины, за 300 метров
- Подъехав к точке подачи машины, нажать кнопку На месте и позвонить, если прошло более 5 минут ожидания
- Вообще не надо звонить, это не обязательно.
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Как реагировать, если пассажир рассказывает о своем предыдущем неудачном опыте поездки в Яндекс.Такси?
Пассажир молча сел в машину Яндекс.Такси и не ответил на приветствие водителя. Что вы будете делать?
Какую температуру рекомендует поддерживать Яндекс.Такси в салоне машины?
- 15—18 градусов
- 18—21 градусов
- 26—28 градусов
- 22—25 градусов.
Какое поведение водителя Яндекс.Такси вы считаете неверным?
- При обнаружении забытых вещей позвонить партнеру или сообщить в Яндекс.Такси
- Если пассажир с багажом, помочь его погрузить
- Немного нарушать правила, чтобы пассажир остался доволен
- Всегда иметь в салоне зонт, воду и салфетки для пассажиров.
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Какое время опоздания к пассажиру Яндекс.Такси (в минутах) считается нормой?
Какого вида проверки контроля качества в Яндекс.Такси не бывает?
За что может быть заблокирован водитель Яндекс.Такси после проверки фотоконтроля машины (ДКК)?
- Нет фото багажника, нет фото кресел
- Нечеткое фото
- Очень грязная машина.
Пассажир Яндекс.Такси попросил у вас разрешения покурить в салоне. Как вы поступите?
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Чем нужно прежде всего руководствоваться в работе водителя Яндекс.Такси?
В каких случаях не нужно отказываться от поездки Яндекс.Такси и отменять ее через партнера?
- Пассажир с ребенком, и машина не оборудована подходящим детским креслом или пассажир не желает оплачивать эту дополнительную услугу
- Пассажир кажется подозрительным или неадекватным
- Пассажир хочет ехать в область, где может быть мало обратных заказов
- Пассажир хочет курить в салоне и не соглашается сделать остановку и покурить на улице.
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Выберите неверный ответ. Что делать, если пассажир Яндекс.Такси стал буянить?
Как правильно следить за своими показателями в Яндекс.Таксометре?
- Перед выходом на линию проверять вкладку Рейтинг в Таксометре. Все показатели должны быть в зеленой зоне
- После каждого заказа заходить во вкладку Рейтинг в Таксометре. Все показатели должны быть в зеленой зоне
- Показатели можно не проверять, они ни на что не влияют
- Перед выходом на линию проверять вкладку Рейтинг в Таксометре. Показатели в желтой и зеленой зоне — это отличный результат.
За что машина Яндекс.Такси не будет заблокирована?
- Существенные повреждения салона
- Нечеткие фотографии на фотоконтроле
- Отсутствие освежителей воздуха в салоне машины
- Грязный кузов или салон.
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Должен ли водитель Яндекс.Такси иметь разменные купюры, чтобы выдать пассажиру сдачу?
В какой момент следует сообщить пассажиру Яндекс.Такси, что дополнительные услуги оплачиваются отдельно?
- При добавлении дополнительных услуг в Таксометре
- Перед началом поездки (до оказания услуг)
- Сообщать не нужно. Пассажир изначально знает об этом.
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Примеры вопросов для водителей Яндекс.Такси на знание города
- До какого аэропорта из указанных можно доехать по Киевскому шоссе?
- Какая улица из указанных не пересекается с Каширским шоссе?
- Какая улица из указанных пересекается с Ленинским проспектом?
- Какие два вокзала из указанных находятся на Садовом кольце?
- Какой торговый центр из указанных находится за пределами Бульварного кольца?
- Какой торговый центр из указанных находится на площади Киевского вокзала?
- Между какими двумя вокзалами из указанных самый короткий маршрут?
- На каком шоссе из указанных находится метро Тимирязевская?
- По какой улице можно доехать в Сокольники?
Читайте также:
Аренда авто под такси в Москве
Как стать самозанятым водителем Яндекс.Такси
Есть вопрос о работе в Яндекс.Такси или что-то не понятно? Задайте свой вопрос в комментариях. Отвечу за 60 сек.!
Эта страница о том, как сдать экзамен или тест Яндекс.Такси для водителей.
экзамен для водителей Яндекс.Таксиubervoditel.ru
Курс от Яндекса о том, что должен знать каждый разработчик, который хочет делать большие системы. Модное слово DevOps и другое
Всю рутину, которую можно отдать роботам, нужно отдать роботам. Большие системы без этого невозможны. В разработке и тестировании очень много похожих задач, которые не требуют высокой квалификации, но отнимают много времени. Человек, который умеет обеспечить разработку, тестирование и деплой – это редкий специалист и его на количество страничек никак не масштабируешь.В Яндексе тестировщику невозможно без автоматизации. Мы даже развиваем экспериментального робота, который способен брать на себя функциональное тестирование. В какой-то момент мы поняли, что не так много людей осознают, сколько сейчас есть возможностей работать не 12 часов, а головой. Собрав весь свой опыт в тестировании и деплое, мы открыли в питерском офисе Яндекса Школу автоматизации процессов разработки. У нас получилась школа, где каждый, кто пишет код, может получить базовый набор знаний о том, как собрать, запустить и поддерживать сервис в продакшене так, чтобы это стоило недорого.
Курс открывает моя лекция о том, зачем вообще автоматизировать процесс разработки. Из нее вы получите представление о то, что будут рассказывать мои коллеги.
Сейчас занятия закончились, и мы, как и обещали, выкладываем записи лекций, которые перемежаются с мастер-классами, для всех желающих. Понятно, что наш опыт и знания – не 42, но мы надеемся, что они принесут вам пользу.
Системы хранения исходного кода
Марат Мавлютов занимается автоматизацией тестирования той части Яндекса, надежная работа которой напрямую влияет на доходы компании – рекламных технологий.
В лекции Марат расскажет, зачем вообще нужны системы хранения исходного кода, их историю и уделит отдельное внимание рассказу о Git и Github.
Автоматизация сборки Java-проекта
Иван vaniaPooh Крутов занимается вопросами, связанными с применением облачных технологий для целей тестирования. Он один из разработчиков проекта Allure Framework. Он служит для получения отчетов о прохождении автотестов. Отчеты отображают информацию в понятном виде и для тестировщиков, и для менеджеров проекта. К ним можно прикладывать скриншоты, логи и любые другие файлы. Allure позволяет разбивать сложные тесты на шаги, включать информацию о параметрах тестов и тестового окружения.
Из лекции вы узнаете, почему промышленная разработка невозможна без использования инструментов сборки, услышите краткую историю их развития. Иван расскажет о наиболее популярных инструментах сборки для Java-платформы и некоторых других языков программирования, поговорит об основных возможностях Maven.
Инструменты непрерывной интеграции
Денис dchr Чернилевский руководит работой команды, которая занимается тестированием системы медийной рекламы и Яндекс.Браузера. У Дениса есть опыт и в интернет-сервисах, и в софтовых продуктах. В Яндексе он с 2012 года, а до этого четыре года был сначала инженером, а потом руководителем в Parallels.
Лекция посвящена основам автоматизации различных процессов при разработке ПО. Она о том, что и для чего можно автоматизировать, какими инструментами для этого стоит пользоваться. Представлены несколько самых популярных CI-систем, на основе которых можно строить всю дальнейшую автоматизацию.
Автоматизация тестирования
Эту лекцию читаю я. Я в Яндексе уже шесть лет.
В этой лекции подробно рассказывается об интеграционных, системных и юнит-тестах, а также об их отрицательных и положительных сторонах.
Фреймворки автоматизации тестирования
Леонид leonsabr Руденко руководит командой, которая отвечает за автоматизацию тестирования поисковых интерфейсов. Сам он закончил физфак СПбГУ, пришел в Яндекс в 2010 году стажером, а сейчас – ведущий инженер.
Все хотят писать тесты быстро и понятно, легко запускать их и анализировать результаты. Лёня расскажет, какие инструменты позволяют наладить процесс создания автотестов и что выбрать, чтобы не прогадать? В лекции вы познакомитесь с идеологией xUnit, а также Java-фреймворками JUnit и TestNG.
Отчеты автотестов
Дмитрий Баев – выпускник ИТМО. В Яндексе уже более двух лет. Занимается разработкой инструментов тестирования. Один из разработчиков Allure — фреймворка для получения отчетов о прохождении тестов.
Зачем нужны отчёты автотестов, какими они бывают и какой выбрать? В лекции вы познакомитесь с системами Surefire, Thucydides, Allure, а также узнаете, как сделать свой отчёт.
Запахи тестов
Кирилл Lanwen Меркушев пришел в Яндекс стажером в начале 2012 года. Начинал с автоматизации тестирования Яндекс.Почты. Сейчас его команда занимается автоматизацией тестирования персональных сервисов Яндекса: внутренних почтовых компонентов, Почты, Диска. Очень любит OpenSource и Jenkins.
Из лекций Кирилла вы узнаете, почему тестовый проект требует внимания больше, чем приносит пользы, от чего страдают некачественные тесты и как это «почуять». То есть как не автоматизировать все так, чтобы после этого стало хуже, чем было. Вы узнаете о необходимой профилактике, которая поможет избежать проблем с тестами.
Статический анализ кода
Артём art_koshelev Кошелев – один из создателей фреймворка Allure и человек, который отвечает за тестирование самой посещаемой страницы рунета – главной Яндекса. Работает в Яндексе уже больше пяти лет.
Артём расскажет от особенностях, достоинствах и недостатках динамического и статического анализа, устройстве статического анализатора. Вы услышите, почему составляющие качественного кода —понятность, простота и архитектура. Также в лекции затрагиваются популярные инструменты статического анализа и есть обзор SonarQube.
Покрытие кода
Илья smecsia Садыков в Яндексе около года. Он не только разрабатывает внутренние инструменты автоматизации процессов тестирования, но и различные открытые проекты команды qatools. Кандидат технических наук.
Это лекция о способах измерить качество тестирования кода. Подробный рассказ о тестовом покрытии и факторах, которые на него влияют. Илья затронет инструменты для измерения тестового покрытия и особенности их работы, и расскажет о возможностях, которые даёт инструментирование кода.
Нагрузочное тестирование
Олесь doctornkz Писаренко в Яндексе уже шесть лет. При нем у нас появился Танк и Лунапарк, о которых он рассказывал. Сейчас он руководит нагрузочным тестированием и занимается поддержкой нашего опенсорсного Танка. Это инструмент для нагрузочного тестирования и анализа производительности веб-сервисов и приложений. Танк был разработан в Яндексе в 2006 году для проверки на прочность баннерной системы. Сейчас это один из основных инструментов измерения производительности.
Это обзорная лекция о тестировании производительности для слушателей самого начального уровня. В ней рассматриваются самые базовые вопросы: смысл нагрузочного тестирования, его основные инструменты, отличия разных утилит, существующие виды тестов, критерии качества тестируемого продукта и т.д. Лекция полезна для расширения кругозора не только тестировщикам, но и менеджерам, разработчикам и администраторам высоконагруженных сервисов.
Как я говорил, помимо лекций у нас еще проводились мастер-классы. Для тех, кому удобнее смотреть их подряд вместе с лекциями, мы собрали отдельный плейлист с материалами Школы в канале Яндекс.Образование, где и дальше будут выкладываться материалы всех наших образовательных проектов.
habr.com
