Question 1

Rapid-fire raunduna necə hazırlaşmaq lazımdır?

Accepted Answer

Əsas prinsip: hazırlıq oxumaqla yox, ucadan danışmaqla olur. Səssiz oxuyanda hər şey aydın görünür; cümləni 30 saniyəyə qurmaq isə tamamilə başqa bacarıqdır və interview-da məhz o yoxlanılır. Konkret protokol: 20 əsas sualın siyahısını hazırla (array vs linked list, hash map, collision, stack/queue, heap, Big O, BFS/DFS, sorting, stabillik, binary search və s.) Cavabları örtüb hər sualı taymerlə 30 saniyəyə ucadan cavabla Hər cavabı 0-3 balla qiymətləndir: 3 = birbaşa cavab + niyə + nümunə, vaxta sığır; 1 = düzgün amma qeyri-müəyyən ("daha sürətlidir"); 0 = səhv və ya uydurma 0-1 alanları sabaha təkrar siyahısına at Bir dəfə özünü səsə yaz — narahatedicidir, amma ən çox fayda verən addımdır: uzun cavabları və doldurucu sözləri orada görürsən Nəyi əzbərləmək lazım deyil: dəqiq rəqəmlər, alqoritmlərin tam kodu, nadir strukturların invariantları. Bunlar bu raundda soruşulmur. Nəyi mütləq bilmək lazımdır: gündəlik strukturların mexanizmi və mürəkkəbliyi, Big O-nun mənası, iki alqoritmi müqayisə edə bilmək. Ən vacib bir cümlə — bunu cavabın sonunda de: "Hazırlığın məqsədi cavabları əzbərləmək deyil, hər cavabın arxasındakı səbəbi bilməkdir — çünki rapid-fire-da sual bir az fərqli formada gələndə əzbər dağılır, səbəb isə dağılmır."

Question 2

Rapid-fire zamanı səhv cavab verdiyini anlayırsan. Nə edirsən?

Accepted Answer

Qısa cavab: dərhal özün düzəlt. Bu, mənfi hal deyil — əksinə, ən güclü siqnallardan biridir. Necə: "Bağışlayın, əvvəlki cavabıma qayıdım — quicksort-un ən pis halını O(n log n) dedim, əslində O(n²)-dir. Pivot həmişə ən kənara düşəndə baş verir, məsələn artıq sıralanmış massivdə birinci elementi pivot seçsən." Bir cümlə düzəliş, bir cümlə səbəb — kifayətdir. Niyə bu güclü siqnaldır: intervyuerin gördüyü — sənin öz cavablarını izlədiyin, səhvi tanıdığın və onu gizlətmədiyin. Real işdə də dəyərli olan davranış budur: kodunu review-dan sonra deyil, özün göndərməzdən əvvəl yoxlayan mühəndis. Nə etməməli: Susmaq və ümid etmək ki, fərq etmədilər — çox vaxt fərq edirlər və qeyd edirlər; sonrakı suallara da şübhə ilə baxılır Səhvi "dəqiqləşdirmə" adı altında gizlətmək — "Yəni əslində mən onu nəzərdə tuturdum ki..." Bu, düzəlişdən pis oxunur Həddindən artıq üzr istəmək — bir "bağışlayın, düzəldim" kifayətdir Vaxt seçimi: cari sual bitəndən dərhal sonra de, raundun sonunu gözləmə. Nə qədər tez, bir o qədər təbii görünür. Əlavə nüans: bəzən səhv olub-olmadığından əmin deyilsən. O halda dürüst ol: "Bir az əvvəl dediyim cavabdan tam əmin deyiləm — yoxlamaq istərdim, amma indi düşünəndə mənə elə gəlir ki..." Bu, həm dürüstdür, həm də sənin öz biliyinin sərhədlərini bildiyini göstərir — bu, senior səviyyənin göstəricilərindəndir.

Question 3

İntervyuer "array və linked list arasında hansını seçərsən?" soruşur. Necə cavab verirsən?

Accepted Answer

Bu, sual formasında tələdir: birini adlandırmaq gözlənilmir, şərtə bağlı seçim gözlənilir. Düzgün açılış: "Nədən asılıdır — hansı əməliyyat üstünlük təşkil edir?" Sonra hər iki halı qısa aç. Array seçirəm: indekslə müraciət lazımdırsa (O(1)), və ya elementlər üzərində ardıcıl gəzişəcəyəmsə — cache-ə dostluğu praktikada böyük fərq yaradır. Real kodda default seçim budur. Linked list seçirəm: ortadan tez-tez əlavə/silmə varsa və node artıq əlimdədirsə — bu şərt vacibdir: node-u tapmaq üçün axtarmaq lazımdırsa, O(n) axtarış O(1) silməni mənasız edir. Həmçinin ölçü çox dəyişkəndirsə və böyük massiv köçürmələrindən qaçmaq istəyirəmsə. Ən güclü cümlə — bunu mütləq əlavə et, çünki namizədlərin çoxu klassik cavabı təkrarlayıb dayanır: "Praktikada linked list gözlədiyimizdən qat-qat az istifadə olunur. Nəzəri olaraq O(1) silmə cəlbedici görünür, amma real ölçmələrdə kiçik və orta massivlər cache lokallığına görə linked list-i üstələyir. Ona görə array-dən başlayıb yalnız ölçdükdən sonra dəyişərəm." Konkret nümunə əlavə et: "LRU cache-də isə linked list həqiqətən lazımdır — hash map node-a birbaşa göstərici verir, ona görə silmə həqiqətən O(1) olur. Bu, şərtin ödəndiyi klassik haldır." Bu cavab üç şey göstərir: nəzəriyyəni bilirsən, praktikanı bilirsən və nəzəriyyəni kor-koranə tətbiq etmirsən.

Question 4

"Bu strukturun mürəkkəbliyi nədir?" suallarına necə hazırlaşmalı — hər şeyi əzbərləmək lazımdırmı?

Accepted Answer

Qısa cavab: xeyr — çıxara bilmək əzbərləməkdən yaxşıdır, çünki əzbər tanımadığın strukturda dağılır, çıxarma isə dağılmır. Əvəzinə nə etmək lazımdır: hər struktur üçün bir cümlə "mexanizm" yadda saxla, mürəkkəblik ondan özü çıxır: Hash map: açar birbaşa indeksə çevrilir → axtarma yoxdur → O(1) Balanslı ağac: hər addımda yarısı atılır → hündürlük log n → O(log n) Heap: element ağacın hündürlüyü qədər qalxıb-enir → O(log n); kök həmişə əlində → peek O(1) Array: elementlər ardıcıl yaddaşdadır → ünvan hesablanır → indeks O(1); ortadan silmə hamısını sürüşdürür → O(n) Linked list: node-lar bir-birinə göstərir → k-cı elementə çatmaq üçün k addım → O(n); node əlindədirsə göstəriciləri dəyişmək → O(1) Binary search: hər addımda yarısı atılır → O(log n) Altı mexanizm onlarla mürəkkəblik sualına cavab verir. Xüsusi diqqət tələb edən üç nöqtə — bunları bilmək dəqiqlik göstərir: Orta və ən pis hal fərqi: hash map orta halda O(1), ən pis halda O(n); quicksort orta O(n log n), ən pis O(n²). "Orta halda" sözünü əlavə etmək cavabı dəqiqləşdirir Amortized: dinamik massivə əlavə adətən O(1), amma resize anında O(n) — ölçü ikiqat artdığına görə orta hesabla O(1) Yaddaş da mürəkkəblikdir: vaxtı deyib yaddaşı unutmaq yarımçıq cavabdır. Rekursiyanın stack yaddaşını da saymağı unutma İnterview davranışı: cavabı deyəndə səbəbi də bir sətirlə əlavə et — "O(log n), çünki hər addımda axtarış sahəsi yarıya bölünür." Bu, əzbərlə anlamağı ayıran cümlədir və intervyuerlər məhz ona qulaq asır.

Question 5

İntervyuer sənin bilmədiyin bir strukturu soruşur (məsələn B-tree və ya bloom filter). Nə edirsən?

Accepted Answer

Bu vəziyyət hər müsahibədə mümkündür və cavabın necə qurulduğu bilikdən vacibdir. Addım 1 — dürüst ol, amma dayanma: "Bunu dərindən bilmirəm." Bir cümlə, bəhanəsiz. Amma burada bitirmə. Addım 2 — bildiyin hissəni dəqiq ver: çox vaxt adın özündən və kontekstdən nəsə bilirsən. "B-tree haqqında bildiyim: verilənlər bazası indekslərində istifadə olunur, çoxbudaqlı ağacdır və disk oxumalarını azaltmaq üçün nəzərdə tutulub. İnvariantlarını və balanslaşdırma qaydalarını izah edə bilmərəm." Bu, uydurma deyil — sərhədi dəqiq göstərilmiş bilikdir. Addım 3 — məntiqi təxmin təklif et, təxmin olduğunu deyərək: "Adından və istifadə yerindən çıxış edərək güman edirəm ki, hər node-da çox sayda açar saxlanılır ki, bir disk bloku bir node-a uyğun gəlsin və ağacın hündürlüyü aşağı düşsün — amma bu, təxmindir." İntervyuerlər bu cür əsaslandırılmış mühakiməni yüksək qiymətləndirir, çünki real işdə tanımadığın sistemlə qarşılaşanda məhz belə düşünürsən. Addım 4 — bağlantı qur: bildiyin yaxın anlayışa bağla. "Konseptual olaraq balanslı ağacın disk üçün optimallaşdırılmış variantı kimi başa düşürəm — mən indiyə qədər yaddaşda işləyən strukturlarla işləmişəm." Nə etməməli: adın hissələrindən cavab uydurmaq. "Bloom filter, deməli nəyisə filtrləyir..." — bu, dərhal hiss olunur. Vacib perspektiv: bir sualı bilməmək müsahibəni bitirmir. Uydurmaq isə bitirə bilər, çünki ondan sonra sənin bütün cavablarının etibarlılığı şübhə altına düşür. "Bilmirəm" deyə bilmək peşəkarlıq göstəricisidir — real işdə də bilmədiyini deyən mühəndis, uyduran mühəndisdən qat-qat dəyərlidir.

Sual — data strukturları	Model cavab (20-30 saniyə)
Array ilə linked list fərqi?	Array elementləri ardıcıl yaddaşda saxlayır — indekslə müraciət `O(1)`, amma ortadan əlavə/silmə `O(n)`, çünki elementlər sürüşür. Linked list-də hər node növbətinə göstərir — node əlindədirsə silmə `O(1)`, amma indekslə müraciət `O(n)`. Praktikada array cache-ə dost olduğuna görə çox vaxt daha sürətlidir.
Hash map necə işləyir?	Açar hash funksiyasından keçirilir, nəticə massivdəki bucket indeksinə çevrilir və dəyər ora yazılır. Ona görə axtarış orta halda `O(1)`-dir. Məsələn ID-yə görə istifadəçi tapmaq üçün idealdır — amma sıra saxlamadığı üçün "ən kiçik ID" sualına `O(n)`-dən başqa cavabı yoxdur.
Hash collision nədir, necə həll olunur?	İki fərqli açarın eyni bucket-ə düşməsidir — bucket sayı məhdud olduğuna görə qaçılmazdır. İki əsas həll: chaining (bucket-də siyahı və ya ağac saxlamaq) və open addressing (növbəti boş yeri tapmaq). Çox collision olanda `O(1)` `O(n)`-ə deqradasiya edir; ona görə müasir implementasiyalar yükü izləyib massivi böyüdür (resize).
Stack ilə queue fərqi?	Stack LIFO-dur — sonuncu girən birinci çıxır; undo, mötərizə yoxlaması, rekursiyanın iterativ variantı. Queue FIFO-dur — birinci girən birinci çıxır; tapşırıq növbəsi, BFS. Hər ikisində əlavə/çıxarma `O(1)`; fərq yalnız hansı ucdan çıxarılmasındadır.
Heap nədir və nəyə lazımdır?	Kökündə həmişə minimum (və ya maksimum) duran ağac formalı strukturdur; əlavə və çıxarma `O(log n)`, kökə baxmaq `O(1)`. Priority queue kimi istifadə olunur: top-K, Dijkstra, task scheduler. Vacib nüans: heap sıralanmış siyahı deyil — onu gəzsən elementlər sıralı gəlmir.
Set-i nə vaxt array əvəzinə seçirsən?	"Bu dəyər var?" sualı təkrarlananda. Array-də bu yoxlama `O(n)`, set-də `O(1)`-dir. Klassik nümunə: massivdə təkrar tapmaq — hər element üçün set-də yoxlayırsan, ümumi `O(n)`, iç-içə döngəli `O(n²)` əvəzinə. Güzəşt: `O(n)` əlavə yaddaş və sıranın itməsi.
Binary search tree nədir və niyə balanslı olmalıdır?	Hər node-un solunda ondan kiçik, sağında böyük dəyərlərin olduğu ağacdır; axtarış hər addımda yarısını atır — `O(log n)`. Amma sıralanmış data daxil edilsə, ağac zəncirə çevrilir və `O(n)` olur. Ona görə praktikada özünü balanslaşdıran variantlar (AVL, Red-Black) istifadə olunur — `TreeMap` və `SplayTreeMap` məhz bunlardır.
Hash map ilə tree map arasında nə vaxt tree map seçirsən?	Sıra lazım olanda. Hash map `O(1)` verir, amma aralıq sorğusu, min/max, "ən yaxın dəyər" və sıralı gəzmə üçün yararsızdır. Tree map `O(log n)`-dir, amma bunların hamısını dəstəkləyir. Nümunə: reytinq cədvəlində "bu istifadəçidən yuxarıda kim var" sualı tree map istəyir.
Dinamik massivə əlavə niyə "amortized O(1)" adlanır?	Adətən əlavə `O(1)`-dir, amma massiv dolanda yeni, iki dəfə böyük massiv ayrılır və hər şey köçürülür — o bir əməliyyat `O(n)`. Ölçü hər dəfə ikiqat artdığına görə belə köçürmələr getdikcə seyrəlir və `n` əlavənin ümumi dəyəri `O(n)` olur, yəni orta hesabla əməliyyat başına `O(1)`.
Trie nədir?	Prefiks ağacıdır: hər node bir simvol, kökdən node-a qədər olan yol isə prefiksdir. Axtarış prefiksin uzunluğundan asılıdır, saxlanılan söz sayından yox. Avtotamamlama və lüğət yoxlaması üçün ideal; əvəzində yaddaş tələbkardır, ona görə kiçik lüğətdə sadə filtr daha praktikdir.
Stack yaddaş ilə heap yaddaş fərqi?	Stack funksiya çağırışlarının çərçivələrini və lokal dəyişənləri saxlayır; ayırma çox sürətlidir və funksiya bitəndə avtomatik təmizlənir, amma ölçüsü məhduddur — dərin rekursiya stack overflow verir. Heap dinamik obyektlər üçündür: ayırma daha bahalıdır, ömrü uzundur, təmizləmə isə ya GC, ya da əl ilə olur. Fasiləsiz "data strukturu heap"i ilə qarışdırmamaq lazımdır — adları eynidir, məzmunları fərqli.

Sual — alqoritmlər və mürəkkəblik	Model cavab (20-30 saniyə)
Big O nədir və niyə ən pis hal götürülür?	Big O giriş böyüdükcə işin necə artdığını təsvir edir — sabitləri və kiçik hədləri atır, çünki miqyasda onlar əhəmiyyətini itirir. Ən pis hal götürülür, çünki zəmanət lazımdır: "orta halda sürətlidir" cümləsi 10 milyonluq girişdə düşən servisi izah etmir. Nümunə: quicksort orta halda `O(n log n)`, amma ən pis halda `O(n²)` — və məhz bu, onu real-time sistemdə riskli edir.
`O(n log n)` nə vaxt qaçılmazdır?	Elementləri yalnız bir-biri ilə müqayisə edərək sıralayanda. `n` elementin `n!` düzülüşü var və ikili qərar ağacının hündürlüyü ən azı `log₂(n!) ≈ n log n` olmalıdır. Bu, məlumat nəzəriyyəsi həddidir. Həddi keçmək üçün müqayisədən imtina etmək lazımdır: counting sort `O(n + k)` verir, amma dəyərlərin dar diapazonda olmasını tələb edir.
BFS, yoxsa DFS — hansını, niyə?	İkisi eyni alqoritmdir, sadəcə BFS queue, DFS stack işlədir. "Minimum addım sayı" və ya "ən yaxın" soruşulursa BFS, çünki təbəqə-təbəqə gedir və ilk çatdığı an ən qısadır. "Var/yoxdur", "neçə komponent", "cycle var?", "sıralama çıxar" — DFS. Hər ikisi `O(V + E)`.
Quicksort praktikada niyə merge sort-dan sürətlidir?	Hər ikisi `O(n log n)` olsa da, quicksort yerində işləyir və yaddaşa ardıcıl müraciət edir — CPU cache-i yaxşı istifadə olunur. Merge sort isə hər səviyyədə əlavə massivə yazır. Big O eyni, sabit əmsal fərqlidir. Merge sort stabillik lazım olanda, linked list-də və xarici sorting-də qalib gəlir.
Sorting-də stabillik nədir?	Bərabər açara malik elementlərin ilkin nisbi sırasının qorunmasıdır. Praktik nəticə: əvvəlcə ada, sonra şöbəyə görə sıralasan, hər şöbənin daxilində adlar əlifba sırasında qalır. Stabil: merge sort, insertion sort, TimSort. Stabil deyil: quicksort, heap sort. Dart-ın `List.sort`-u stabilliyə zəmanət vermir — bu, real bug mənbəyidir.
Binary search niyə sıralanmış giriş tələb edir?	Çünki hər addımda yarısını atmaq qərarı sıraya əsaslanır: `a[mid]` hədəfdən kiçikdirsə, soldakıların hamısının da kiçik olduğunu bilirsən. Sıra yoxdursa, bu nəticə etibarsızdır. Daha ümumi ifadə: əsl şərt monotonluqdur — ona görə binary search massiv olmadan, birbaşa cavab diapazonunda da işləyə bilir.
Rekursiya ilə iterasiya arasında nə vaxt hansını seçirsən?	Məsələ özü rekursivdirsə — ağac gəzişi, backtracking, böl-və-hökm et — rekursiya kodu qat-qat oxunaqlı edir. İterasiyanı isə dərinlik böyük ola biləndə seçirəm, çünki hər rekursiv çağırış stack çərçivəsi yeyir və 10⁵ dərinlikdə stack overflow olur. Bəzi dillərdə tail-call optimallaşdırması var, amma JavaScript-də praktikada ona güvənmək olmaz.
İç-içə döngəni (`O(n²)`) necə `O(n)`-ə endirirsən?	Daxili döngənin nə etdiyinə baxıram: adətən "bu dəyər varmı" və ya "buna uyğun cütü tap" axtarışıdır. Həmin axtarışı hash map ilə `O(1)` edəndə ümumi mürəkkəblik `O(n)` olur. Klassik nümunə two sum-dır. Sıralanmış datada isə iç-içə döngəni two pointers əvəz edir — `O(n)`, üstəlik `O(1)` yaddaşla.
Memoization bir cümlə ilə nədir?	Eyni arqumentlərlə təkrar çağırılan funksiyanın nəticəsini yadda saxlayıb ikinci dəfə hesablamamaqdır. Klassik nümunə: sadə rekursiv Fibonacci `O(2ⁿ)`-dir, çünki eyni alt-məsələləri dəfələrlə hesablayır; memoization onu `O(n)`-ə endirir. Bu, dynamic programming-in "yuxarıdan aşağı" formasıdır.
`O(1)` yaddaş dedikdə nə nəzərdə tutulur?	Girişin ölçüsündən ASILI OLMAYAN əlavə yaddaş — bir neçə dəyişən, pointer, sayğac. Girişin özü sayılmır. Ona görə two pointers `O(1)`, hash map isə `O(n)`-dir. Diqqət: rekursiya da yaddaş yeyir — `O(log n)` dərinlikli rekursiya `O(1)` deyil, `O(log n)` yaddaşdır və bunu qeyd etmək dəqiqlik göstərir.
Dijkstra mənfi weight-lərdə niyə işləmir?	Dijkstra node-u priority queue-dan çıxaran kimi onun məsafəsini yekun elan edir. Bu qərar yalnız edge-lər yolu uzada bilirsə təhlükəsizdir. Mənfi edge sonradan tapılan uzun yolun məsafəni azaltmasına imkan verir, amma node artıq bağlanıb. Nəticə səssizcə səhv olur — xəta atılmır. Bu halda `O(V × E)` olan Bellman-Ford işlədilir.

Rapid-fire nəzəri suallar