প্লেটো দ্বারা প্রকাশিত

অনুসরণকারী: 0

সর্বাধিক প্রচলিত ডেটা সায়েন্স ইন্টারভিউ প্রশ্ন এবং উত্তর

ট্যাগ্স: ডেটা বিজ্ঞান, সাক্ষাৎকার প্রশ্ন

বিগত কয়েক বছরে কোম্পানিগুলির থেকে 900+ ডেটা সায়েন্স ইন্টারভিউ প্রশ্ন বিশ্লেষণ করার পর, এই গাইডে সবচেয়ে সাধারণ ডেটা সায়েন্স ইন্টারভিউ প্রশ্ন শ্রেণীগুলি পর্যালোচনা করা হয়েছে, প্রতিটি উদাহরণ সহ ব্যাখ্যা করা হয়েছে।

মন্তব্য

By নাট রোসিদি, ডেটা সায়েন্টিস্ট এবং প্রোডাক্ট ম্যানেজার.

ডেটা সায়েন্টিস্ট হওয়া একটি মর্যাদাপূর্ণ বৈশিষ্ট্য হিসাবে বিবেচিত হয়। 2012 সালে, হার্ভার্ড বিজনেস রিভিউ 'ডেটা সায়েন্টিস্ট'কে 21 শতকের সবচেয়ে সেক্সি কাজ বলে অভিহিত করেছে এবং শিল্পে ভূমিকার ক্রমবর্ধমান প্রবণতা সেই বিবৃতিটিকে নিশ্চিত করছে বলে মনে হচ্ছে। এই যৌনতা এখনও চলছে তা নিশ্চিত করার জন্য, Glassdoor থেকে পাওয়া তথ্য দেখায় যে 2021 সালে আমেরিকাতে ডেটা সায়েন্টিস্ট হওয়া দ্বিতীয় সেরা কাজ।

সূত্র: গ্লাসডোর।

এমন একটি মর্যাদাপূর্ণ চাকরি পেতে, আপনাকে কঠোর চাকরির ইন্টারভিউয়ের মধ্য দিয়ে যেতে হবে। ডেটা বিজ্ঞানের প্রশ্নগুলি খুব বিস্তৃত এবং জটিল হতে পারে। এটি প্রত্যাশিত, একটি ডেটা বিজ্ঞানীর ভূমিকা বিবেচনা করে সাধারণত অনেকগুলি ক্ষেত্রকে অন্তর্ভুক্ত করে। ডেটা সায়েন্স চাকরির ইন্টারভিউয়ের জন্য আপনাকে প্রস্তুত করতে সাহায্য করার জন্য, আমি সমস্ত প্রযোজ্য প্রশ্ন পর্যালোচনা করেছি এবং সেগুলিকে বিভিন্ন প্রশ্নের বিভাগে আলাদা করেছি। এখানে আমি যে কিভাবে.

বিশ্লেষণের বর্ণনা এবং পদ্ধতি

আমি বিভিন্ন চাকরি অনুসন্ধান বোর্ড এবং ওয়েবসাইট এবং কোম্পানি পর্যালোচনা প্ল্যাটফর্ম যেমন Glassdoor, Indeed, Reddit এবং Blind অ্যাপ থেকে ডেটা সংগ্রহ করেছি। আরও সুনির্দিষ্টভাবে বলতে গেলে, গত চার বছরে 903টি প্রশ্ন সংগ্রহ করা হয়েছে।

প্রশ্নগুলি পূর্ব-নির্ধারিত বিভাগে ভাগ করা হয়েছে। এই বিভাগগুলি আমাদের উত্স থেকে নেওয়া ইন্টারভিউ অভিজ্ঞতা বর্ণনার বিশেষজ্ঞ বিশ্লেষণের ফলাফল।

বিভাগগুলি হল:

কোডিং
মূর্তিনির্মাণ
আলগোরিদিম
পরিসংখ্যান
সম্ভাবনা
পণ্য
ব্যবসায়িক ক্ষেত্রে
ব্যবস্থা পরিকল্পনা
কারিগরী

আপনি কি ধরনের ইন্টারভিউ প্রশ্ন আশা করা উচিত?

এই চার্টটি আপনাকে সংগৃহীত তথ্য অনুযায়ী বিভাগ প্রতি প্রশ্নের ধরন দেখায়।

শতাংশে অনুবাদ করা হয়েছে, চার্টটি এইরকম দেখাচ্ছে:

আপনি দেখতে পাচ্ছেন, কোডিং এবং মডেলিং প্রশ্নগুলি সর্বাধিক প্রভাবশালী। সব প্রশ্নের অর্ধেকের বেশি ওই এলাকা থেকে আসে। আপনি যখন এটি সম্পর্কে চিন্তা করেন তখন অবাক হওয়ার কিছু নেই। কোডিং এবং মডেলিং সম্ভবত একজন ডেটা বিজ্ঞানীর জন্য সবচেয়ে গুরুত্বপূর্ণ দুটি দক্ষতা। কোডিং-টাইপ প্রশ্নগুলি ব্যাপক, সমস্ত প্রশ্নের এক-তৃতীয়াংশেরও বেশি সমন্বিত। অন্যান্য প্রশ্নের ধরন, যেমন অ্যালগরিদম এবং পরিসংখ্যান, এছাড়াও মোটামুটি তাৎপর্যপূর্ণ; সমস্ত প্রশ্নের 24% এই দুটি বিভাগ থেকে আসে। অন্যান্য বিভাগ হিসাবে প্রতিনিধিত্ব করা হয় না. ডেটা সায়েন্টিস্ট ভূমিকার প্রকৃতি বিবেচনা করে আমি এটিকে যুক্তিসঙ্গত মনে করি।

এখন আমি আপনাকে প্রতিটি প্রশ্নের বিভাগে গাইড করতে চাই এবং আপনাকে জিজ্ঞাসা করা প্রশ্নের কয়েকটি উদাহরণ দেখাতে চাই।

ডেটা সায়েন্স ইন্টারভিউ প্রশ্নে সবচেয়ে পরীক্ষিত ধারণা

কোডিং

আপনি ইতিমধ্যে দেখেছেন, কোডিং প্রশ্নগুলি ডেটা বিজ্ঞানের একক সবচেয়ে গুরুত্বপূর্ণ বিষয়। অন্তর্দৃষ্টি সনাক্ত করতে কোড ব্যবহার করে এই ধরনের প্রশ্নগুলির জন্য কিছু ধরণের ডেটা ম্যানিপুলেশন প্রয়োজন হবে। প্রশ্নগুলি কোডিং ক্ষমতা, সমস্যা সমাধানের দক্ষতা এবং সৃজনশীলতা পরীক্ষা করার জন্য ডিজাইন করা হয়েছে। আপনি সাধারণত এটি একটি কম্পিউটার বা একটি হোয়াইটবোর্ডে করবেন।

কোডিং ইন্টারভিউ প্রশ্নের উদাহরণ

এক মাইক্রোসফ্ট থেকে উদাহরণ এই এক:

প্রশ্ন: “নতুন এবং বিদ্যমান ব্যবহারকারীদের ভাগ গণনা করুন। অনুপাত হিসাবে মাস আউটপুট, নতুন ব্যবহারকারীদের ভাগ এবং বিদ্যমান ব্যবহারকারীদের ভাগ। নতুন ব্যবহারকারীদের সেই ব্যবহারকারী হিসাবে সংজ্ঞায়িত করা হয় যারা বর্তমান মাসে পরিষেবাগুলি ব্যবহার করা শুরু করেছে৷ বিদ্যমান ব্যবহারকারীরা হলেন সেই ব্যবহারকারী যারা বর্তমান মাসে পরিষেবাগুলি ব্যবহার করা শুরু করেছিলেন এবং আগের কোনও মাসে পরিষেবাগুলি ব্যবহার করেছিলেন৷ অনুমান করুন যে তারিখগুলি সব 2020 সালের।"

আপনি টেবিল ব্যবহার করা হবে ঘটনা_ঘটনা, নমুনা তথ্য এই মত দেখাচ্ছে:

পছন্দসই আউটপুট পেতে, আপনাকে এই কোডটি লিখতে হবে:

সমস্ত_ব্যবহারকারীর সাথে ( SELECT date_part('month', time_id) হিসাবে মাস, গণনা (DISTINCT user_id) হিসাবে all_users FROM fact_events GROUP BY মাস), new_users হিসাবে ( SELECT date_part('month', new_user_start_date) হিসাবে মাস, গণনা(DISTINCT user_id) নতুন_ব্যবহারকারী হিসাবে FROM (SELECT user_id, min(time_id) new_user_start_date হিসাবে fact_events GROUP by user_id) বর্গ গ্রুপ মাস দ্বারা ) নির্বাচন করুন au.month, new_users / all_users::decimal as share_new_users, 1- (new_users_users: all_ex_users) FROM all_users au Join new_users nu ON nu.month = au.month

এসকিউএল-এ একটি কোড লেখা সবচেয়ে বেশি পরীক্ষিত ধারণা যখন এটি কোডিং আসে। এসকিউএল ডেটা সায়েন্সে সবচেয়ে বেশি ব্যবহৃত হাতিয়ার হওয়ায় এতে অবাক হওয়ার কিছু নেই। সাক্ষাত্কারে আপনি প্রায় এড়াতে পারবেন না এমন একটি ধারণা হল যোগদান। তাই নিশ্চিত করুন যে আপনি বিভিন্ন যোগদানের মধ্যে পার্থক্য জানেন এবং প্রয়োজনীয় ফলাফল পেতে কীভাবে তাদের ব্যবহার করবেন।

এছাড়াও, আপনি প্রায়শই GROUP BY ক্লজ ব্যবহার করে ডেটা গ্রুপ করার আশা করতে পারেন। কিছু অন্যান্য ধারণা যা সাধারণত জিজ্ঞাসা করা হয় WHERE এবং/বা HAVING clause ব্যবহার করে ডেটা ফিল্টার করা। আপনাকে স্বতন্ত্র ডেটা নির্বাচন করতেও বলা হবে। এবং এছাড়াও, নিশ্চিত করুন যে আপনি সমষ্টিগত ফাংশনগুলি জানেন, যেমন SUM(), AVG(), COUNT(), MIN(), MAX()৷

কিছু ধারণা প্রায়শই ঘটে না, তবে সেগুলি উল্লেখ করা এবং এই জাতীয় প্রশ্নের জন্য প্রস্তুত হওয়া মূল্যবান। উদাহরণস্বরূপ, কমন টেবিল এক্সপ্রেশন বা CTE গুলি এমন একটি বিষয়। অন্যটি হল CASE() ধারা। এছাড়াও, স্ট্রিং ডেটা প্রকার এবং তারিখগুলি পরিচালনা করার জন্য আপনার মেমরি রিফ্রেশ করতে ভুলবেন না।

মূর্তিনির্মাণ

মডেলিং আমাদের গবেষণা তথ্যের দ্বিতীয় বৃহত্তম বিভাগ ছিল, এখানে থেকে আসা সমস্ত প্রশ্নের 20%। এই প্রশ্নগুলি পরিসংখ্যানগত মডেল তৈরি এবং মেশিন লার্নিং মডেলগুলি বাস্তবায়নের বিষয়ে আপনার জ্ঞান পরীক্ষা করার জন্য ডিজাইন করা হয়েছে।

মডেলিং ইন্টারভিউ প্রশ্নের উদাহরণ

রিগ্রেশন, সাক্ষাত্কারে জিজ্ঞাসা করা সবচেয়ে সাধারণ প্রযুক্তিগত ডেটা বিজ্ঞান ধারণা। পরিসংখ্যানগত মডেলিংয়ের প্রকৃতি বিবেচনা করে এটি আশ্চর্যজনক নয়।

এক গ্যালভানাইজ থেকে উদাহরণ নিম্নলিখিত হবে:

প্রশ্ন: "রিগ্রেশনে নিয়মিতকরণ কি?"

আপনি কিভাবে এই প্রশ্নের উত্তর দিতে পারেন তা এখানে:

উত্তর: "একটি নিয়মিতকরণ হল একটি বিশেষ ধরনের রিগ্রেশন যেখানে সহগ অনুমানগুলি শূন্যে সীমাবদ্ধ (বা নিয়মিত)। এটি করার মাধ্যমে, মডেলের বৈচিত্র্য হ্রাস করা সম্ভব এবং একই সময়ে নমুনা ত্রুটি হ্রাস করা সম্ভব। ওভারফিটিং এড়াতে বা কমাতে নিয়মিতকরণ ব্যবহার করা হয়। ওভারফিটিং ঘটে যখন মডেলটি প্রশিক্ষণের ডেটা এত ভালভাবে শিখে যে এটি নতুন ডেটাতে মডেলের কার্যকারিতাকে দুর্বল করে। অতিরিক্ত ফিটিং এড়াতে, রিজ বা ল্যাসো নিয়মিতকরণ ব্যবহার করা হয়।

নিয়মিত পরীক্ষিত কিছু ধারণা হল, আবার, অন্যান্য রিগ্রেশন বিশ্লেষণের ধারণা, যেমন লজিস্টিক রিগ্রেশন, বায়েসিয়ান লজিস্টিক রিগ্রেশন এবং নেভ বেইস ক্লাসিফায়ার। আপনাকে এলোমেলো বন, সেইসাথে মডেল পরীক্ষা এবং মূল্যায়ন সম্পর্কে জিজ্ঞাসা করা যেতে পারে।

আলগোরিদিম

অ্যালগরিদমের প্রশ্নগুলি হল সমস্ত প্রশ্ন যার জন্য একটি গাণিতিক সমস্যা সমাধানের প্রয়োজন হয়, প্রধানত প্রোগ্রামিং ভাষাগুলির একটি ব্যবহার করে কোডের মাধ্যমে। এই প্রশ্নগুলি একটি ধাপে ধাপে প্রক্রিয়া জড়িত, সাধারণত একটি উত্তর তৈরি করতে সামঞ্জস্য বা গণনার প্রয়োজন হয়। এই প্রশ্নগুলি সমস্যা সমাধান এবং ডেটা ম্যানিপুলেশনের প্রাথমিক জ্ঞান পরীক্ষা করে, যা কর্মক্ষেত্রে জটিল সমস্যার জন্য প্রয়োগ করা যেতে পারে।

অ্যালগরিদম ইন্টারভিউ প্রশ্নের উদাহরণ

অ্যালগরিদমের অধীনে সবচেয়ে বেশি পরীক্ষা করা প্রযুক্তিগত ধারণা হল একটি প্রোগ্রামিং ভাষার সাথে একটি গাণিতিক বা বাক্য গঠনের সমস্যা সমাধান করা।

এখানে একটি উদাহরণ আপনি Leetcode এ খুঁজে পেতে পারেন:

প্রশ্ন: “আপনাকে দুটি অ-খালি লিঙ্কযুক্ত তালিকা দেওয়া হয়েছে যা দুটি অ-নেতিবাচক পূর্ণসংখ্যার প্রতিনিধিত্ব করে। অঙ্কগুলি বিপরীত ক্রমে সংরক্ষণ করা হয় এবং তাদের প্রতিটি নোডে একটি একক সংখ্যা থাকে। দুটি সংখ্যা যোগ করুন এবং যোগফল একটি লিঙ্ক তালিকা হিসাবে ফেরত দিন।"

তথ্য উদাহরণ এই মত কিছু হতে পারে:

সূত্র: লিটকোড।

উত্তর: জাভাতে লেখা কোডটি হওয়া উচিত:

পাবলিক লিস্টনোড অ্যাডটু নম্বর (লিস্টনোড l1, লিস্টনোড l2) { লিস্টনোড ডামিহেড = নতুন তালিকা নোড(0); ListNode p = l1, q = l2, curr = dummyHead; int বহন = 0; যখন (p != null || q != null) { int x = (p != null) ? p.val : 0; int y = (q != null) ? q.val : 0; int sum = বহন + x + y; বহন = যোগ / 10; curr.next = নতুন লিস্টনোড (সমষ্টি % 10); curr = curr.next; যদি (p != null) p = p.next; যদি (q != null) q = q.next; } যদি (বহন > 0) { curr.next = new ListNode(cary); } ফিরুন dummyHead.next; }

এই ধরনের প্রশ্ন দ্বারা প্রায়ই পরীক্ষিত অন্যান্য সাধারণ ধারণাগুলি হল অ্যারে, ডাইনামিক প্রোগ্রামিং, স্ট্রিং, লোভী অ্যালগরিদম, গভীরতা-প্রথম অনুসন্ধান, গাছ, হ্যাশ টেবিল এবং বাইনারি অনুসন্ধান।

পরিসংখ্যান

পরিসংখ্যান সাক্ষাত্কারের প্রশ্নগুলি পরিসংখ্যান তত্ত্ব এবং সংশ্লিষ্ট নীতিগুলির জ্ঞান পরীক্ষা করে। এই প্রশ্নগুলি ডেটা সায়েন্সের প্রতিষ্ঠাতা তাত্ত্বিক নীতিগুলির সাথে আপনি কতটা পরিচিত তা চেষ্টা করার উদ্দেশ্যে। করা বিশ্লেষণের তাত্ত্বিক এবং গাণিতিক পটভূমি বুঝতে সক্ষম হওয়া গুরুত্বপূর্ণ। এই প্রশ্নগুলির উত্তর ভালভাবে দিন, এবং প্রত্যেক ইন্টারভিউয়ার আপনাকে প্রশংসা করবে।

পরিসংখ্যান ইন্টারভিউ প্রশ্নের উদাহরণ

সর্বাধিক উল্লিখিত প্রযুক্তিগত ধারণা নমুনা এবং বিতরণ। একজন ডেটা সায়েন্টিস্টের জন্য, এটি হল সবচেয়ে বেশি ব্যবহৃত পরিসংখ্যান নীতিগুলির মধ্যে একটি যা ডেটা সায়েন্টিস্ট প্রতিদিন প্রয়োগ করে।

উদাহরণ স্বরূপ, আইবিএম থেকে একটি সাক্ষাত্কার প্রশ্ন জিজ্ঞেস করল:

প্রশ্ন: "একটি নন-গাউসিয়ান ডিস্ট্রিবিউশন সহ ডেটা টাইপের একটি উদাহরণ কী?"

প্রশ্নের উত্তর দিতে, আপনি প্রথমে একটি গাউসিয়ান ডিস্ট্রিবিউশন সংজ্ঞায়িত করতে পারেন। তারপর আপনি নন-গাউসিয়ান বিতরণের উদাহরণ দিয়ে এটি অনুসরণ করতে পারেন। এটার মতো কিছু:

উত্তর: "একটি গাউসিয়ান ডিস্ট্রিবিউশন হল একটি বন্টন যেখানে গড় থেকে স্ট্যান্ডার্ড বিচ্যুতি পরীক্ষা করার সময় ডেটার একটি নির্দিষ্ট পরিচিত শতাংশ পাওয়া যায়, অন্যথায় এটি একটি সাধারণ বিতরণ হিসাবে পরিচিত। নন-গাউসিয়ান ডিস্ট্রিবিউশনের কিছু উদাহরণ সূচকীয় বণ্টন বা দ্বিপদ বন্টন হতে পারে।"

চাকরির ইন্টারভিউয়ের জন্য প্রস্তুতি নেওয়ার সময়, নিশ্চিত করুন যে আপনি নিম্নলিখিত বিষয়গুলিও কভার করেছেন: প্রকরণ এবং মানক বিচ্যুতি, সহভঙ্গি এবং পারস্পরিক সম্পর্ক, পি-মান, গড় এবং মধ্যম, হাইপোথিসিস পরীক্ষা এবং বায়েসিয়ান পরিসংখ্যান। এই সমস্ত ধারণাগুলি আপনার ডেটা বিজ্ঞানী হিসাবে প্রয়োজন, তাই চাকরির ইন্টারভিউতেও সেগুলি আশা করুন।

সম্ভাবনা

এই প্রশ্নগুলি শুধুমাত্র সম্ভাব্যতা ধারণার উপর তাত্ত্বিক জ্ঞান প্রয়োজন। সাধারণত কর্মক্ষেত্রে সম্পাদিত জটিল ডেটা অধ্যয়নগুলি সম্পূর্ণ করার সম্ভাব্যতার পদ্ধতি এবং ব্যবহার সম্পর্কে আপনার জ্ঞানের গভীর বোঝার জন্য ইন্টারভিউয়াররা এই প্রশ্নগুলি জিজ্ঞাসা করে।

সম্ভাব্যতা ইন্টারভিউ প্রশ্নের উদাহরণ

এটি অত্যন্ত সম্ভাব্য, শ্লেষের উদ্দেশ্য, আপনি যে প্রশ্নটি পাবেন তা হল ডাইস/কার্ডের সেট থেকে একটি নির্দিষ্ট কার্ড/নম্বর পাওয়ার সম্ভাবনা গণনা করা। এটি আমাদের গবেষণায় বেশিরভাগ কোম্পানির জন্য প্রশ্ন করার সবচেয়ে সাধারণ উপাদান বলে মনে হচ্ছে, কারণ তাদের মধ্যে অনেকেই এই ধরনের প্রশ্ন জিজ্ঞাসা করেছে।

যেমন একটি উদাহরণ Facebook থেকে সম্ভাব্যতা প্রশ্ন:

প্রশ্ন: "52-কার্ডের ডেকে আলাদাভাবে দুটি কার্ড আঁকলে একটি জোড়া পাওয়ার সম্ভাবনা কত?"

আপনি কীভাবে এটির উত্তর দিতে পারেন তা এখানে:

উত্তর: “আপনি যে প্রথম কার্ডটি আঁকেন তা যাই হোক না কেন, তাই এটি ফলাফলকে প্রভাবিত করে না যে ডেকে একটি কার্ড কম বাকি আছে। একবার প্রথম কার্ডটি আঁকা হয়ে গেলে, ডেকের মধ্যে তিনটি অবশিষ্ট কার্ড রয়েছে যা একটি জোড়া পেতে আঁকা যেতে পারে। সুতরাং, একটি জোড়ার সাথে আপনার প্রথম কার্ডের মিল হওয়ার সম্ভাবনা 3টির মধ্যে 51টি (বাকি কার্ড)। এর মানে হল এই ঘটনা ঘটার সম্ভাবনা 3/51 বা 5.89%।

যেহেতু এটি এক ধরণের "বিশেষ" প্রশ্ন যা শুধুমাত্র সম্ভাব্যতা নিয়ে কাজ করে, অন্য কোন ধারণা জিজ্ঞাসা করা হয় না। পার্থক্য হল প্রশ্নটি কতটা কল্পনাপ্রসূত। কিন্তু মূলত, আপনাকে সবসময় কিছু ইভেন্টের সম্ভাব্যতা গণনা করতে হবে এবং আপনার চিন্তাভাবনা দেখাতে হবে।

পণ্য

পণ্য ইন্টারভিউ প্রশ্ন আপনাকে ডেটার মাধ্যমে পণ্য/পরিষেবার কার্যকারিতা মূল্যায়ন করতে বলবে। এই প্রশ্নগুলি যে কোনও পরিবেশে ডেটা বিজ্ঞানের নীতিগুলিকে মানিয়ে নেওয়া এবং ব্যবহার করার বিষয়ে আপনার জ্ঞান পরীক্ষা করে, যেমনটি দৈনন্দিন কাজের ক্ষেত্রে হয়।

পণ্য ইন্টারভিউ প্রশ্নের উদাহরণ

এই বিভাগে সবচেয়ে বিশিষ্ট প্রযুক্তিগত ধারণা হল একটি কোম্পানির পণ্য চিহ্নিত করা এবং ডেটা বিজ্ঞানীর দৃষ্টিকোণ থেকে উন্নতির প্রস্তাব করা। পণ্যের দিকে পরীক্ষা করা প্রযুক্তিগত ধারণাগুলির উচ্চ বৈচিত্র্য পণ্য প্রশ্নের প্রকৃতি এবং এইগুলির উত্তর দেওয়ার জন্য প্রয়োজনীয় সৃজনশীলতার উচ্চ স্তরের দ্বারা ব্যাখ্যা করা যেতে পারে।

একটি উদাহরণ ফেসবুক থেকে পণ্য প্রশ্ন হবে:

প্রশ্ন: "আপনার প্রিয় Facebook পণ্য কি, এবং আপনি কিভাবে এটি উন্নত করবেন?"

উত্তর: প্রশ্নের প্রকৃতির কারণে, আমরা আপনাকে নিজেই এর উত্তর দিতে দেব।

পরীক্ষা করা সাধারণ ধারণাগুলি আপনার সাক্ষাত্কার নিচ্ছে এমন কোম্পানির উপর নির্ভর করে। শুধু নিশ্চিত করুন যে আপনি কোম্পানির ব্যবসা এবং তাদের পণ্যগুলির সাথে পরিচিত (আদর্শভাবে, আপনি তাদের ব্যবহারকারীও), এবং আপনি ভাল থাকবেন।

ব্যবসায়িক ক্ষেত্রে

এই বিভাগে কেস স্টাডি এবং ব্যবসার সাথে সম্পর্কিত জেনেরিক প্রশ্ন রয়েছে যা ডেটা বিজ্ঞানের দক্ষতা পরীক্ষা করবে। এই প্রশ্নগুলির উত্তর কীভাবে দিতে হয় তা জানার তাত্পর্য অনেক বেশি হতে পারে কারণ কিছু সাক্ষাত্কারকারী প্রার্থীরা তাদের নিয়োগের আগে একটি কোম্পানির নির্দিষ্ট সমস্যা সমাধানের জন্য ডেটা বিজ্ঞানের নীতিগুলি কীভাবে প্রয়োগ করতে হয় তা জানতে চান।

ব্যবসায়িক ক্ষেত্রে প্রশ্নের উদাহরণ

প্রশ্নের ধরন প্রকৃতির কারণে, আমি একটি একক প্রযুক্তিগত ধারণা সনাক্ত করতে পারিনি যা দাঁড়িয়েছে। যেহেতু এখানে শ্রেণীবদ্ধ করা বেশিরভাগ প্রশ্নই কেস স্টাডি, তাই সেগুলি একটি নির্দিষ্ট উপায়ে অনন্য।

যাইহোক, এখানে একটি উদাহরণ Uber থেকে ব্যবসায়িক ক্ষেত্রে প্রশ্ন:

প্রশ্ন: “এমন একটি পুল রয়েছে যারা কাছাকাছি দুটি শহর থেকে উবার রাইড নিয়েছিল, উদাহরণস্বরূপ, মেনলো পার্ক এবং পালো অল্টো, এবং আপনি যে কোনও ডেটা সংগ্রহ করতে পারেন। আপনি কোন ডেটা সংগ্রহ করবেন যাতে যাত্রীটি কোন শহর থেকে রাইড নিয়েছিলেন তা নির্ধারণ করা যেতে পারে?

উত্তর: “শহর নির্ধারণ করতে, আমাদের অবস্থান/ভৌগলিক ডেটাতে অ্যাক্সেস থাকতে হবে। সংগৃহীত ডেটা জিপিএস স্থানাঙ্ক, দ্রাঘিমাংশ/অক্ষাংশ এবং জিপ কোড হতে পারে।"

ব্যবস্থা পরিকল্পনা

সিস্টেম ডিজাইন প্রশ্নগুলি প্রযুক্তি সিস্টেম ডিজাইনিং সম্পর্কিত সমস্ত প্রশ্ন। তাদের গ্রাহক/ক্লায়েন্টদের সাহায্য করার জন্য সমস্যা সমাধান, তৈরি এবং সিস্টেম ডিজাইন করার ক্ষেত্রে প্রার্থীর প্রক্রিয়া বিশ্লেষণ করতে বলা হয়। সিস্টেম ডিজাইন জানা একজন ডেটা সায়েন্টিস্টের জন্য বেশ গুরুত্বপূর্ণ হতে পারে; এমনকি আপনার ভূমিকা একটি সিস্টেম ডিজাইন করা না হলেও, আপনি সম্ভবত একটি প্রতিষ্ঠিত সিস্টেমে একটি ভূমিকা পালন করবেন এবং আপনার কাজ করার জন্য এটি কীভাবে কাজ করে তা জানতে হবে।

সিস্টেম ডিজাইন ইন্টারভিউ প্রশ্নের উদাহরণ

এই প্রশ্নগুলি বিভিন্ন বিষয় এবং কাজ কভার করে। কিন্তু যেটি দাঁড়িয়েছে তা হল একটি ডাটাবেস তৈরি করা। ডেটা বিজ্ঞানীরা প্রতিদিন ডাটাবেসগুলির সাথে ব্যাপকভাবে ডিল করেন, তাই আপনি স্ক্র্যাচ থেকে একটি ডাটাবেস তৈরি করতে পারেন কিনা তা দেখতে এই প্রশ্নটি জিজ্ঞাসা করা বোধগম্য।

এখানে একটি Audible থেকে প্রশ্নের উদাহরণ আমাদের গবেষণায় উন্মোচিত:

প্রশ্ন: "আপনি কিভাবে একটি সুপারিশ সিস্টেম তৈরি করবেন তার মাধ্যমে আপনি আমাদের পথ চলতে পারেন?"

উত্তর: যেহেতু এই প্রশ্নের উত্তর দেওয়ার জন্য বিভিন্ন ধরনের পন্থা রয়েছে, তাই আমরা আপনাকে আপনার নিজস্ব উপায় তৈরি করার জন্য ছেড়ে দেব।

আবার, এই প্রশ্নের উত্তর দেওয়ার জন্য, কোম্পানির ব্যবসা জানা অপরিহার্য। ডাটাবেসগুলি সম্পর্কে একটু চিন্তা করুন যা কোম্পানির সম্ভবত সবচেয়ে বেশি প্রয়োজন, এবং সাক্ষাত্কারের একটু আগে আপনার পদ্ধতির বিস্তারিত করার চেষ্টা করুন।

কারিগরী

প্রযুক্তিগত প্রশ্ন হল সমস্ত প্রশ্ন যা বিভিন্ন তথ্য বিজ্ঞান প্রযুক্তিগত ধারণার ব্যাখ্যা সম্পর্কে জিজ্ঞাসা করছে। প্রযুক্তিগত প্রশ্নগুলি তাত্ত্বিক এবং আপনি কোম্পানিতে যে প্রযুক্তি ব্যবহার করবেন সে সম্পর্কে জ্ঞান প্রয়োজন। প্রকৃতির কারণে, তারা কোডিং প্রশ্নের অনুরূপ মনে হতে পারে। আপনি যা করছেন তার পিছনে তত্ত্বটি জানা বেশ গুরুত্বপূর্ণ, তাই প্রায়শই ইন্টারভিউতে প্রযুক্তিগত প্রশ্ন জিজ্ঞাসা করা যেতে পারে।

প্রযুক্তিগত ইন্টারভিউ প্রশ্নের উদাহরণ

সবচেয়ে পরীক্ষিত এলাকা পাইথন এবং SQL এর তাত্ত্বিক জ্ঞান। আশ্চর্যের কিছু নেই, যেহেতু এই দুটি ভাষা ডাটা সায়েন্সে প্রভাবশালী, পাইথনের পরিপূরক R এর সাথে।

একটি উদাহরণ Walmart থেকে বাস্তব বিশ্বের প্রযুক্তিগত প্রশ্ন হবে:

প্রশ্ন: "পাইথনে ডেটা স্ট্রাকচার কি কি?"

উত্তর: “ডেটা স্ট্রাকচার ডাটা সংরক্ষণের জন্য ব্যবহার করা হয়। পাইথনে চারটি ডেটা স্ট্রাকচার রয়েছে: তালিকা, অভিধান, টুপল এবং সেট। সেগুলি অন্তর্নির্মিত ডেটা স্ট্রাকচার। তালিকাগুলি বিভিন্ন ধরণের ডেটা ধারণ করতে পারে এমন তালিকা তৈরি করতে ব্যবহৃত হয়। অভিধান মূলত কীগুলির একটি সেট; এগুলি একটি কী দিয়ে একটি মান সংরক্ষণ করতে এবং একই কী ব্যবহার করে ডেটা পেতে ব্যবহৃত হয়। Tuples তালিকা হিসাবে একই. পার্থক্য হল যে একটি টিপলে, ডেটা পরিবর্তন করা যাবে না। সেটে কোনো ডুপ্লিকেট ছাড়াই সাজানো উপাদান রয়েছে। অন্তর্নির্মিত ডেটা স্ট্রাকচারের পাশাপাশি ব্যবহারকারী-সংজ্ঞায়িত ডেটা স্ট্রাকচারও রয়েছে।"

এগুলি ধরা-সব ধরণের প্রশ্ন। এটি এমন সমস্ত প্রশ্নের জন্য একটি বিভাগ যা অন্যান্য বিভাগে পরিষ্কারভাবে ফিট করতে পারে না। সেই কারণে, এমন কোন নির্দিষ্ট ধারণা নেই যা কমবেশি প্রায়ই ঘটে।

উপসংহার

এই ডেটা সায়েন্স ইন্টারভিউ গাইডটি ডেটা সায়েন্স ইন্টারভিউতে জিজ্ঞাসা করা প্রশ্নগুলির ধরন বোঝার জন্য গৃহীত গবেষণাকে সমর্থন করার জন্য লেখা হয়েছে। সাক্ষাত্কারের প্রশ্নগুলির ডেটা চার বছরের মেয়াদে কয়েক ডজন কোম্পানি থেকে নেওয়া হয় এবং বিশ্লেষণ করা হয়। প্রশ্নগুলোকে নয়টি ভিন্ন ধরনের প্রশ্নের (অ্যালগরিদম, ব্যবসায়িক ক্ষেত্রে, কোডিং, মডেলিং, সম্ভাব্যতা, পণ্য, পরিসংখ্যান, সিস্টেম ডিজাইন এবং প্রযুক্তিগত প্রশ্ন) এর অধীনে শ্রেণিবদ্ধ করা হয়েছে।

বিশ্লেষণের অংশ হিসাবে, আমি প্রতিটি প্রশ্নের ধরন বিভাগ থেকে কিছু সাধারণ প্রযুক্তিগত ধারণা সম্পর্কে কথা বলেছি। উদাহরণস্বরূপ, সর্বাধিক জিজ্ঞাসিত পরিসংখ্যান প্রশ্নগুলি নমুনা এবং বিতরণের সাথে সম্পর্কিত। প্রতিটি প্রশ্নের বিভাগ বাস্তব প্রশ্নের একটি ব্যবহারিক উদাহরণ দ্বারা সমর্থিত।

নিবন্ধটি আপনাকে সাক্ষাত্কারের প্রস্তুতি বা ডেটা সায়েন্স সম্পর্কে আরও শেখার জন্য একটি গুরুত্বপূর্ণ নির্দেশিকা হিসাবে পরিবেশন করার উদ্দেশ্যে। আমি আশা করি আমি আপনাকে ডেটা সায়েন্স ইন্টারভিউ প্রক্রিয়া সম্পর্কে আরও স্বাচ্ছন্দ্য বোধ করতে সাহায্য করেছি। আপনার সাক্ষাত্কারের সাথে সৌভাগ্য কামনা করছি!

মূল। অনুমতি নিয়ে পোস্ট করা।

সম্পর্কিত: