Proceso de Entrevista

La entrevista se realiza completamente en inglés. No es particularmente difícil si te preparas adecuadamente. Estudia definiciones técnicas y practica ejercicios de live coding. Practica explicando tu proceso paso a paso en voz alta en inglés. Los temas comunes incluyen: experiencia general y desafíos, principios de programación (SOLID, YAGNI, Dependency Injection), OOP vs Programación Funcional, diseño de sistemas, arquitectura Monolito vs Microservicios, seguridad web (XSS, Clickjacking, almacenamiento de tokens), optimización de rendimiento (bundle size, tree shaking, lazy loading), conceptos de testing (unit testing, E2E testing, integration testing, TDD), fundamentos de JavaScript (variables, hoisting, closures, async/await, event loop, memory leaks), TypeScript (type narrowing, generics, utility types, interface vs type alias) y React (hooks, optimización, reconciliation, SSR, portals, Higher-Order Components).

En Amazon, la dificultad de la entrevista técnica escala con el nivel. Las entrevistas para SDE I (Junior) son relativamente sencillas y se centran en fundamentos como estructuras de datos y algoritmos. SDE II (Mid-level) agrega preguntas de arquitectura y diseño de sistemas. Las entrevistas para SDE III (Senior) son significativamente más difíciles, con mayor énfasis en arquitectura de sistemas y resolución de problemas complejos.

El tiempo típico de espera es de aproximadamente dos semanas. Si después de ese período no has recibido ninguna comunicación, es probable que la empresa ya no te esté considerando para el puesto.

En teoría, las certificaciones de AWS pueden agregar valor a un perfil, pero en la práctica muchos puestos se consiguen sin tenerlas. Su peso varía según la empresa: algunas organizaciones les dan importancia significativa, mientras que otras se centran principalmente en la experiencia práctica y las habilidades reales. En la mayoría de los roles, se considera más importante tener un sólido conocimiento práctico de AWS que contar con la certificación en sí.

Una respuesta sólida debe cubrir los siguientes puntos: utilizar herramientas de IA (como Claude, Cursor u otros asistentes similares) principalmente para tareas repetitivas o fáciles de revisar, como generar mocks, DTOs o módulos pequeños y autocontenidos. Destacar que la IA acelera la escritura de documentación y la generación de pruebas. Puedes mencionar la aplicación de enfoques de desarrollo guiado por especificaciones (SDD) para producir artefactos como guías de diseño, PRDs o planes de prueba. Para roles que requieran específicamente experiencia en IA, puedes profundizar en usos más avanzados, como la orquestación de agentes que delegan trabajo a sub-agentes. Adapta siempre la profundidad de tu respuesta al puesto: si la IA no es un requisito explícito, una respuesta breve y práctica enfocada en ganancias de productividad es suficiente y suele satisfacer a los entrevistadores.

Los tipos más comunes de entrevistas de live coding son bug fixing y desafíos de algoritmia. Los problemas de algoritmia tienden a ser el formato más frecuente.

Un live challenge de Coderbyte típicamente incluye preguntas teóricas de opción múltiple seguidas de ejercicios de código. Los ejercicios de código pueden cubrir algoritmos, JavaScript, React u otras tecnologías dependiendo de los requisitos de la empresa. Hay muchos videos de ejemplo disponibles en YouTube para ayudarte a preparar.

El número de apretones de manos es x(x-1)/2. Es un problema de combinatoria equivalente a elegir 2 personas de x (C(x,2)). Por ejemplo, si se reúnen 5 personas, hay 5×4/2 = 10 apretones de manos.

La notación Big O describe las características de rendimiento de un algoritmo en términos de complejidad temporal y espacial. Representa el balance entre cuánta memoria y cuánto tiempo requiere un algoritmo a medida que crece la entrada. En entrevistas técnicas, poder explicar cómo tu solución mejora el rendimiento—por ejemplo, optimizar de O(n²) a O(n)—demuestra fuertes habilidades de resolución de problemas y suma puntos con los entrevistadores. Generalmente, se prioriza optimizar el tiempo (reducir iteraciones) sobre optimizar la memoria. El objetivo es identificar cuál solución es más eficiente y realiza menos operaciones.

El enfoque recomendado es configurar una clave SSH separada para cada cuenta (usando el correo correspondiente), agregar cada clave pública a su respectiva cuenta de GitHub y configurar ambas cuentas en el archivo ~/.ssh/config. Luego, clonar cada repositorio usando la URL SSH asociada a la cuenta correcta. Después de clonar, configurar el usuario Git localmente por repositorio con: git config user.name "nombre-trabajo" git config user.email "correo-trabajo@ejemplo.com" Se puede verificar la conexión con ssh -T git@github.com. GitHub identifica al usuario basándose en la clave SSH, no en el nombre de usuario local. Evitar clonar por HTTPS, ya que Git puede usar credenciales cacheadas de otra cuenta y hacer push con la identidad incorrecta.

Este problema se puede modelar como un recorrido de un DAG. Un enfoque de búsqueda en profundidad (DFS) funciona bien: para cada servicio, calcular recursivamente el tiempo total sumando su propia duración con el tiempo máximo entre sus dependencias. Se debe rastrear el camino que produce la mayor duración acumulada. Ejemplo en Python: python services = { "db": {"dur": 5, "deps": []}, "cache": {"dur": 2, "deps": []}, "api": {"dur": 3, "deps": ["db", "cache"]}, "gateway": {"dur": 4, "deps": ["api"]} } def FindCriticalPath(services): time = 0 bottleNeck = [] def getTimeOfService(name, services, path): serv = services[name] duration = serv['dur'] if len(serv['deps']) == 0: return duration maxTime = 0 maxDep = '' for d in serv['deps']: tempTime = getTimeOfService(d, services, path) if tempTime > maxTime: maxTime = tempTime maxDep = d path.append(maxDep) return duration + maxTime for key in services: path = [] tempTime = getTimeOfService(key, services, path) path.append(key) if tempTime > time: time = tempTime bottleNeck = path return (time, bottleNeck) Para el ejemplo anterior, la ruta crítica es gateway → api → db con una duración total de 12 (5 + 3 + 4). El servicio 'cache' (duración 2) se ejecuta en paralelo con 'db' (duración 5), por lo que solo cuenta la dependencia más larga.

Sí, los desafíos de live coding (por ejemplo, en plataformas como HackerRank) son un componente habitual de las entrevistas técnicas. Es recomendable preguntarle al recruiter o al contacto de RRHH con anticipación sobre el formato específico de la evaluación técnica. La noche anterior a la entrevista, se recomienda practicar ejercicios de algoritmos y programación en HackerRank o plataformas similares para afilar las habilidades de resolución de problemas y reducir la ansiedad durante la prueba real.

Los ejercicios de live coding varían entre entrevistas, pero los patrones más frecuentes incluyen: problemas algorítmicos como la secuencia de Fibonacci, encontrar el camino más corto a un nodo en un grafo y manipulación de strings (por ejemplo, contar cuántas veces se puede construir una palabra dada a partir de un string). En rondas enfocadas en React, las tareas típicas son implementar un componente de lista, construir scroll infinito, depurar un componente existente, refactorizar un componente para separar responsabilidades y optimizar para evitar re-renderizados innecesarios. El consumo de API con paginación del lado del servidor también se evalúa con frecuencia.

Asegúrate de tener dos computadoras disponibles por si surge algún problema técnico. Antes de la entrevista, familiarízate con la plataforma usando sus tutoriales oficiales para sentirte cómodo con el entorno. Según el nivel de dificultad esperado, repasa los algoritmos más comunes y practica algunos ejercicios de nivel medio de cada tipo. Sitios como algo.monster pueden ayudarte a cubrir las categorías de problemas más frecuentes.

Una práctica útil es utilizar una herramienta de inteligencia artificial (como ChatGPT) para generar una gran cantidad de preguntas de práctica relevantes para la tecnología y el rol. Trabajar con alrededor de 50 preguntas con anticipación permite cubrir una amplia variedad de temas que probablemente aparezcan en una entrevista real.

El pensamiento algorítmico es la principal habilidad que se evalúa. Los entrevistadores quieren entender cómo analizas el problema, cómo lo descompones y cómo razonas para llegar a una solución, no solo si la respuesta final es correcta. El proceso de pensamiento importa más que la solución en sí. En la práctica, muchas sesiones de live coding proporcionan código ya estructurado o parcialmente completo que solo necesitas modificar en secciones específicas, en lugar de escribir todo desde cero. Es importante verbalizar tu razonamiento en voz alta mientras trabajas en el problema.