Hvorfor 2000 kodede oppgaver ikke garantrerer deg en FAANG-jobb

Tenk deg dette: En kandidat fra et prestisjetungt universitet, med 500 algoritmemønstre i bagasjen og over 2000 oppgaver bak seg. Burde ikke det være en solid garanti for en god stilling hos et av de store tech-selskapene?

Ikke nødvendigvis.

Dette er ikke et tenkt scenario. Det er en historie jeg hører om igjen og igjen i ulike utviklermiljøer. Og den avslører en fundamental misforståelse om hva store tech-selskaper faktisk ser etter når de ansetter.

Myten om algoritmene

Vi har bygget en hel industri rundt leetcode-trening. Bøker, kurs, premium-abonnementer – alt som lover at du skal låse opp dørene til topptech hvis du bare memoriserer nok mønstre. Her er det ubehagelige faktum: å løse oppgaver korrekt er bare en liten del av det som faktisk fører til ansettelse.

Når jeg snakker med ingeniører som utfører intervjuer hos store tech-selskaper, dukker det opp et mønster. De tester ikke om du kan huske innlærte løsninger. De tester noe mye vanskeligere å øve på: hvordan du tenker.

Det virkelige intervjuet

Her er hva som faktisk skjer i et godt teknisk intervju hos selskaper som Google, Meta eller Amazon:

De observerer deg når du står fast.

Det er ikke grusomhet – det er data. Hvordan du takler et problem du aldri har sett før, forteller dem alt. Fryser du? Still du avklarende spørsmål? Kommuniserer du tankeprosessen din, eller koder du i komplett stillhet? Tenker du på edge cases? Kan du tilpasse deg når de endrer på betingelsene midt i oppgaven?

Kandidaten som har memorisert løsninger og spytter dem ut perfekt, får kanskje til oppgaven. Men kandidaten som tenker høyt, samarbeider med intervjueren og viser ekte problemløsningsfleksibilitet? Det er ingeniøren disse selskapene vil bygge videre på.

Hvorfor mønster-memoriserere feiler

Tre konkrete områder sinker selv teknisk dyktige kandidater:

1. Kommunikasjonsproblemer

Du kan ha den perfekte løsningen i hodet, men hvis du ikke kan forklare resonnementet ditt, er du lite verdt i et samarbeidsmiljø. Store tech-selskaper bygger produkter gjennom team. Intervjuet ditt er en proxy for hvordan du vil jobbe med fremtidige kolleger.

2. Oppfølgingsfella

«Hva om vi trengte å skalere dette til en million brukere?» Det oppfølgingsspørsmålet er ikke en felle – det er jobben. Kandidater som bare har lært mønstre, går helt glipp av disse nyansene. De løste problemet, men feilet intervjuets egentlige mål: å demonstrere tilpasningsevne.

3. Kultursammenfall

FAANG-selskaper har spesifikke verdier de ansetter basert på. Google vil ha byggere. Amazon fokuserer på eierskap. Meta verdsetter hurtighet. Hvis du løser oppgaver på «riktig» måte ifølge læreboken din, men ikke demonstrerer atferdene disse selskapene setter pris på, så består du ikke vibe-sjekken – selv om koden din kompilerer.

Hva som faktisk fungerer

Så hva er alternativet til å trene på 2000 oppgaver?

Tenk høyt. Øv på å forklare løsningene dine mens du bygger dem. Ta opp deg selv. Snakk med gummiandaen din. Hva som helst som fungerer.

Fokuser på fundamentals framfor mønstre. Å forstå hvorfor en løsning fungerer slår å vite at den fungerer, hver gang. Når du virkelig forstår datastrukturer og algoritmer, blir nye problemer bare variasjoner over temaer du allerede kan.

Omfavn kampen. Ubehaget ved å møte et ukjent problem? Det er poenget. Bli komfortabel med å sitte med usikkerhet. Det er der ekte engineering skjer.

Jobb med prosjekter. Praktisk anvendelse lærer deg å gjøre avveininger, håndtere tvetydighet og levere resultater – alt sammen ting algoritmer ikke kan måle.

Det store bildet

Her er hva som plager meg med hele denne situasjonen: Vi har skapt en intervjuprosess som noen ganger velger ut eksaminander framfor byggere. FAANG-intervjusystemet har virkelige svakheter. Men inntil det endrer seg, gir forståelsen av hvordan det faktisk fungerer deg en fordel.

Kandidaten fra det prestisjetunge universitetet i historien vår ble ikke avvist fordi hun manglet ferdigheter. Hun ble avvist fordi teknisk ferdighet alene ikke er filteret. Intervjuprosessen leter etter noe mer nyansert – en kombinasjon av teknisk evne, kommunikasjon, samarbeid og tilpasningsevne.

Kanskje det gjør systemet feil. Eller kanskje det bare leter etter noe annet enn det tusen kodede oppgaver kan lære deg.

Konklusjonen: Slutt ikke å øve på algoritmer. Men slutt ikke å tro at den øvelsen er det samme som forberedelse. De beste ingeniørene jeg kjenner, ble ikke ansatt fordi de memoriserte løsninger. De ble ansatt fordi de visste hvordan de skulle tenke – og kunne vise det.

Lei for å bygge noe som viser hvordan du tenker, ikke bare hva du har memorisert? NameOcean's Vibe Hosting gir deg infrastrukturen til å skape, distribuere og iterere. Porteføljen din med virkelige prosjekter snakker høyere enn noen algoritme-poengsum.