Алгоритмы для аналитика — задачи с собесов 2026

Junior — базовые паттерны (5-7 задач)

Знание этих 5 задач = минимум для прохождения Junior-собеса в Яндекс/Ozon. Они тренируют распознавание паттернов: hash map, stack, two pointers, binary search.

• Two Sum — hash map за O(n)
• Reverse Linked List — итеративно + рекурсивно
• Valid Parentheses — stack pattern
• Binary Search — с overflow trap
• Best Time to Buy/Sell Stock — one-pass tracking min

Middle — собесные классики (10-15 задач)

На Middle ждут, что ты различаешь O(n log n) heap-подход и O(n) bucket для Top-K, знаешь когда LRU через OrderedDict, а когда вручную через двусвязный список + hash map.

• Merge Intervals — sort + greedy
• Group Anagrams — sorted str key vs Counter tuple key
• Top K Frequent — heap O(n log k) vs bucket O(n)
• Kth Largest — heap vs Quickselect
• Coin Change — DP bottom-up vs BFS
• LRU Cache — OrderedDict vs DLL+hash
• Sliding Window Maximum — monotonic deque

Senior — design + сложные паттерны

На Senior спрашивают design-задачи: реализуй LRU Cache, MedianFinder. Важно объяснить trade-off (память vs скорость, simplicity vs performance).

• Median from Data Stream — two heaps (max-heap + min-heap)
• Word Break — DP + memoization
• LIS — DP O(n²) + patience sorting O(n log n)
• Longest Substring Without Repeating — sliding window
• Sliding Window Maximum — monotonic deque O(n)

Big-O нотация — must know на собесе

На любой алго-задаче спросят сложность time и space. Знай разницу между worst case, average case, amortized analysis.

Топ-10 паттернов которые покрывают 80% задач

Если ты освоил эти 10 паттернов — справишься с 80% собесных задач. На задачу смотришь и распознаёшь «это типа sliding window» или «это типа Top-K через heap».

• Hash Map — Two Sum, Group Anagrams
• Two Pointers — Container with Most Water, 3Sum
• Sliding Window — Longest Substring, Sliding Window Max
• Binary Search — на отсортированном массиве + бинпоиск по ответу
• BFS/DFS — обходы графов, деревьев
• Dynamic Programming — Coin Change, LIS, Word Break
• Heap — Top K Frequent, Kth Largest, MedianFinder
• Monotonic Stack/Deque — Sliding Window Maximum
• Greedy — Merge Intervals, Activity Selection
• Linked List manipulation — reverse, detect cycle

Пример: Top K Frequent Elements

Классическая Middle-задача. Дан массив чисел, найди k самых частых элементов. Два подхода — heap O(n log k) и bucket O(n). На собесе ожидают что ты предложишь оба и обоснуешь trade-off.

from collections import Counter
import heapq

def topKFrequent(nums, k):
    # Подход 1: heap O(n log k)
    count = Counter(nums)
    return heapq.nlargest(k, count.keys(), key=count.get)

def topKFrequent_bucket(nums, k):
    # Подход 2: bucket sort O(n)
    count = Counter(nums)
    buckets = [[] for _ in range(len(nums) + 1)]
    for num, freq in count.items():
        buckets[freq].append(num)
    result = []
    for i in range(len(buckets) - 1, -1, -1):
        result.extend(buckets[i])
        if len(result) >= k:
            return result[:k]
    return result

Шпаргалка по сложности структур данных Python

Помни эти константы — на собесе спросят: «какая сложность dict.get?». Заодно поможет выбирать правильную структуру.

Как готовиться эффективно

Решай по 1-2 задачи в день на свежую голову. После решения смотри 2-3 чужих подхода — учись паттернам, а не зубри код. На собесе важнее озвучить approach и распознать паттерн, чем сразу написать идеально.

• Решай по 1-2 задаче в день — лучше регулярно, чем 20 раз в месяц
• После решения смотри 2-3 альтернативных подхода в open-source разборах задач
• Делай заметки по паттернам: «эта задача = sliding window because ...»
• Тренируй устное решение — говори вслух пока пишешь код
• Перед собесом — 3-5 mock interviews с алго-задачами