Углублённые материалы по темам собеседования. От SQL-оконных функций до A/B-методологии.
Зачем считать sample size заранее, как 4 параметра влияют на цифру, готовый калькулятор-формула.
MDE, statistical power, как объяснить PM почему 2 недели мало
Variance reduction через pre-experiment data. Microsoft, Booking, Netflix используют это в проде.
Когда трафик распределяется не 50/50 — твой тест сломан.
Sequential testing, always-valid p-values, mSPRT.
Считаем конверсию воронки правильно. Уникальные юзеры, окна, последовательность шагов и top errors.
D1/D7/D30 retention, flat-tail, как обнаружить hooked product. С казахстанскими примерами.
Как анализировать многошаговую воронку и находить узкие места.
D1/D7/D30 retention, flat-tail, hooked product.
Почему .apply() в 100 раз медленнее. Когда apply оправдан.
Параметр validate в merge — самый недооценённый аргумент.
Парсинг дат, timezone, resample — где джуны падают чаще всего.
Полный гайд по оконным функциям: PARTITION BY, frame clause, и 3 классические задачи с решениями.
PARTITION BY, frame clause, и 3 классические задачи которые спросят на собесе
Разница JOIN-ов на реальных примерах. Cardinality bug и как его поймать.
WITH AS — почему он не всегда быстрее. Materialized vs inlined.
Как из плана выполнения найти узкое место запроса.
Центральная предельная теорема — фундамент A/B-тестов. Объяснение на пальцах + симуляция в Python.
Самая частая ошибка джуна — неправильная интерпретация p-value.
Power, MDE, alpha — что это и как они связаны.
Какое распределение использовать для каких метрик.
Encoding, scaling, целевая переменная — главные шаги.