Przejdź do treści
Jobless Busters

Notatnik rekrutacyjny

Jobless Busters

Przygotowanie do rozmów na stanowiska full-stack i AI: czytaj wzorcowe odpowiedzi, sprawdzaj się, rozwiązuj krótkie zadania z kodem. Postęp zostaje w tej przeglądarce.

Zacznij od pierwszego pytania Zacznij ćwiczyć

Pytania

373

w tym 15 testowych

Z odpowiedzią

—

Poprawne odpowiedzi

—

Zaliczone zadania

—

i 4 do samodzielnej oceny

Kontynuuj naukę

Dobre miejsca na start:

Ostatnia aktywność

Tutaj pojawią się Twoje odpowiedzi i uruchomienia zadań.

Notatnik rekrutacyjny

Full Stack / JS

Od podstaw webu do pełnego stosu: HTML/CSS, JavaScript, React, Node.js, bazy danych i HR.

Wszystkie pytania (176)

Program AI

AI & Agents Engineer

LLM, RAG, agenci, MCP i ewaluacja — razem z backendem i infrastrukturą wokół nich.

Wszystkie pytania (197)

Ścieżki nauki

Uporządkowane ciągi pytań: od definicji do decyzji projektowej. Zatrzymaj się na pierwszym kroku, którego nie umiesz wyjaśnić.

  • Sieć i dane na żywo

    Przejście: „Co to jest?” → „Co może wysłać serwer?” → „Czy czat wymaga WebSocketu?” → „Co po utracie połączenia?”. Chodzi o umiejętność wybrania prostego rozwiązania, nie o stwierdzenie, że nowszy transport zawsze wygrywa.

  • Kolejka, powtórzenie i zapis

    Przejście: „Po co odkładać pracę?” → „Kto ją wykonuje?” → „Co po awarii po zapisie?” → „Jak rozpoznać tę samą operację?”. Dopiero na końcu łączymy dwa systemy, których nie obejmuje jedna transakcja.

  • Cloudflare, spójność i AWS

    Przejście: „Co oferuje platforma?” → „Dlaczego starsza kopia czasem wystarcza?” → „Kiedy nie wolno się na niej oprzeć?” → „Jak chronić ostatnie miejsce?”. O rzeczywisty wariant Twojej kampanii pytamy osobno po R01.

  • JavaScript i React

    Przejście: „Na co czeka funkcja?” → „Czy inne operacje ruszyły?” → „Jak skończyć je w odwrotnej kolejności?” → „Dlaczego UI pokazuje starą wartość?”. To dobra sekwencja do połączenia teorii z krótkim kodowaniem.

  • RAG i prywatność

    Przejście: „Skąd model zna dokument?” → „Jak go wyszukać?” → „Czy zły wynik powstał przed modelem?” → „Czy wolno ten fragment pokazać tej osobie?”. To ważniejsze niż wybór modnej bazy wektorowej.

  • Agent i kontrola działania

    Przejście: „Co wybiera model?” → „Kto wykonuje funkcję?” → „Czy poprawne argumenty dają uprawnienia?” → „Co jeśli połączenie padnie po zapisie?”. Model proponuje, ale system musi znać skutki.

  • Coding agent i jakość

    Przejście: „Co potrafi narzędzie?” → „Jakie ma prawa?” → „Co ma teraz zrobić?” → „Jaki dowód pokazuje, że działa?”. Gdy agent napisze dużo kodu, nadal musisz móc wyjaśnić najważniejszy fragment.

  • Jakość AI i własne projekty

    Przejście: „Co to znaczy dobry wynik?” → „Czy system nie pomija dobrych rzeczy?” → „Kto sprawdził sędziego?” → „Co naprawdę zmierzyłaś w swoim projekcie?”. Nie zastępuj brakującego pomiaru ładnie brzmiącą liczbą.