تصویر توسط نویسنده
مصاحبه های علم داده هم مهارت های فنی سخت و هم مهارت های نرم را آزمایش می کنند. آماده بودن با پاسخ های قوی برای سوالات متداول مصاحبه علوم داده، کلید برجسته شدن است.
در این پست وبلاگ، با 26 سوال مصاحبه علوم داده آشنا خواهیم شد که باید انتظار داشته باشید. سوالات شامل آمار، Python، SQL، یادگیری ماشین، تجزیه و تحلیل داده ها، پروژه ها و موارد دیگر می شود. خواه دانشجو، تغییر شغل یا دانشمند داده با تجربه باشید، مرور این سؤالات می تواند آمادگی شما را راهنمایی کند و به شما کمک کند تا با اعتماد به نفس بیشتر و آمادگی برای تحت تأثیر قرار دادن وارد مصاحبه شوید.
1. توضیح مفاهیم پیچیده داده
س: زمانی را توصیف کنید که یک مفهوم پیچیده داده را برای یک فرد غیر فنی توضیح دادید. چگونه به درک آنها کمک کردید؟
2. درس گرفتن از اشتباهات
س: آیا تا به حال اشتباه مهمی در تحلیل خود مرتکب شده اید؟ آیا می توانید توضیح دهید که چگونه با این وضعیت برخورد کردید و چه بینش هایی از آن به دست آوردید؟
3. تطبیق با تغییر نیازمندی ها
س: آیا می توانید تجربه ای از کار روی یک پروژه با الزامات نامشخص یا دائماً در حال تغییر را به اشتراک بگذارید؟ چگونه خود را با شرایط وفق دادید؟
4. جستجوگر آناگرام
س: تابعی بنویسید تا بررسی کنید که آیا دو رشته آناگرام هستند یا خیر.
5. یافتن شماره گمشده
س: با توجه به آرایه ای حاوی n عدد متمایز که از 0 تا n گرفته شده است، عددی را که گم شده است پیدا کنید.
6. محاسبه فاصله اقلیدسی
س: تابعی برای محاسبه فاصله اقلیدسی در پایتون بنویسید؟
7. مقایسه JOIN ها
س: آیا LFT JOIN و FULL OUTER JOIN می توانند نتایج یکسانی داشته باشند؟ چرا و چرا نه؟
8. پرس و جو تفاوت زمانی
س: لطفاً سؤالات SQL بنویسید که به من کمک کند تفاوت زمانی بین دو رویداد را پیدا کنم.
9. مدیریت NULL ها در SQL
س: آیا می توانید راهنمایی هایی در مورد نحوه برخورد با مقادیر NULL هنگام پرس و جو از مجموعه داده ارائه دهید؟
10. گروه بر اساس منطق
س: وقتی بر اساس ستونی که در عبارت SELECT نیست گروه بندی می کنید چه اتفاقی می افتد؟
11. احتمال همان سوئیت
س: احتمال کشیدن دو کارت (از یک دسته کارت) که مجموعه یکسانی دارند چقدر است؟
12. مشکل احتمال آسانسور
س: چه شانسی وجود دارد که هر یک از چهار نفر در آسانسور در طبقه دیگری از ساختمان چهار طبقه پیاده شوند؟
13. توضیح p-value
س: چگونه به یک مهندس توضیح می دهید که چگونه یک مقدار p را تفسیر کند؟
14. حجم نمونه و حاشیه خطا
س: برای اندازه نمونه n، حاشیه خطا 3 است. چند نمونه دیگر نیاز داریم تا حاشیه خطا را به 0.3 کاهش دهیم؟
15. ارزیابی تصادفی بودن آزمون A/B
س: در آزمون A/B، چگونه می توانید بررسی کنید که تخصیص به سطل های مختلف واقعا تصادفی بوده است؟
16. رویکرد پروژه تجزیه و تحلیل داده ها
س: هنگام کار بر روی یک پروژه تجزیه و تحلیل داده چه فرآیندی را دنبال می کنید؟
17. درمان پرت
س: چگونه با موارد پرت در یک مجموعه داده رفتار می کنید؟
18. درک تجسم داده ها
س: آیا می توانید توضیحی در مورد تجسم داده ها ارائه دهید؟ علاوه بر این، چند نوع تجسم وجود دارد؟
19. اعتبارسنجی داده ها
س: اعتبار سنجی داده ها چیست؟ و روش های مختلفی که می توان برای اعتبارسنجی داده ها استفاده کرد چیست؟
20. ارزیابی عملکرد خوشه بندی
س: اگر برچسب ها در یک پروژه خوشه بندی شناخته شده باشند، عملکرد مدل را چگونه ارزیابی می کنید؟
21. روش های انتخاب ویژگی
س: از چه روش های انتخاب ویژگی برای تعیین مرتبط ترین متغیرها برای یک مدل استفاده می کنید؟
22. مبانی شبکه های عصبی
س: اجزای اصلی تشکیل دهنده یک شبکه عصبی را با استفاده از یک مثال ساده توضیح دهید.
23. مدیریت مجموعه داده های نامتعادل
س: چگونه یک مجموعه داده نامتعادل را مدیریت می کنید؟
24. اجتناب از نصب بیش از حد
س: چگونه می توانید از تطبیق بیش از حد مدل خود جلوگیری کنید؟
25. بررسی کاهش در تعامل با کاربر
برای این مطالعه موردی، مسئولیت شما شناسایی دلیل کاهش تعامل کاربر برای پروژه Xfinite است. مهم است که ابتدا یک نمای کلی از پروژه داشته باشید و سپس داده ها را از چهار جدول خاص تجزیه و تحلیل کنید.
26. اعتبارسنجی نتایج آزمون A/B
نتایج یک آزمون A/B را با تفاوتهای قابلتوجه بین گروههای کنترل و تیمار بررسی کنید تا از طریق تجزیه و تحلیل دقیق اعتبار یا بیاعتباری کنید.
مصاحبه های علم داده طیف وسیعی از مهارت ها را از فنی گرفته تا بین فردی آزمایش می کنند. این 26 سؤال، مروری کامل بر موضوعات کلیدی است که دانشمندان مشتاق داده احتمالاً در طول مصاحبه با آنها مواجه می شوند. آماده بودن برای این سوالات نه تنها به شما کمک می کند تا مصاحبه را انجام دهید، بلکه شما را به درک جامعی از جنبه های عملی و نظری علم داده مجهز می کند.
عابد علی اعوان (@1abidaliawan) یک متخصص دانشمند داده معتبر است که عاشق ساخت مدل های یادگیری ماشینی است. در حال حاضر، او بر تولید محتوا و نوشتن وبلاگ های فنی در زمینه یادگیری ماشین و فناوری های علم داده تمرکز دارد. عابد دارای مدرک کارشناسی ارشد در رشته مدیریت فناوری و مدرک کارشناسی در رشته مهندسی مخابرات است. چشم انداز او ساخت یک محصول هوش مصنوعی با استفاده از یک شبکه عصبی نمودار برای دانش آموزانی است که با بیماری های روانی دست و پنجه نرم می کنند.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://www.kdnuggets.com/26-data-science-interview-questions-you-should-know?utm_source=rss&utm_medium=rss&utm_campaign=26-data-science-interview-questions-you-should-know
- :است
- :نه
- $UP
- 26
- a
- درباره ما
- وفق دادن
- علاوه بر این
- AI
- همچنین
- an
- تحلیل
- علم تجزیه و تحلیل
- تحلیل
- و
- پاسخ
- هستند
- صف
- جنبه
- مشتاق
- ارزیابی
- اجتناب از
- اجتناب از
- BE
- پشت سر
- بودن
- میان
- بلاگ
- وبلاگ ها
- هر دو
- به ارمغان بیاورد
- ساختن
- بنا
- اما
- by
- محاسبه
- CAN
- کارت ها
- کاریابی
- مورد
- بررسی موردی
- مهندسان
- شانس
- صراف
- متغیر
- بررسی
- خوشه بندی
- ستون
- عموما
- مقایسه
- پیچیده
- اجزاء
- جامع
- مفهوم
- مطمئن
- محتوا
- تولید محتوا
- کنترل
- هسته
- پوشش
- ایجاد
- در حال حاضر
- داده ها
- تحلیل داده ها
- تجزیه و تحلیل داده ها
- علم اطلاعات
- دانشمند داده
- مجموعه داده ها
- تجسم داده ها
- مقدار
- عرشه
- کاهش
- درجه
- توصیف
- دقیق
- مشخص کردن
- DID
- تفاوت
- تفاوت
- مختلف
- فاصله
- متمایز
- do
- پایین
- رسم
- قطره
- در طی
- هر
- رویارویی
- نامزدی
- مهندس
- مهندسی
- خطا
- ارزیابی
- ارزیابی
- حوادث
- تا کنون
- همیشه در حال تغییر
- مثال
- وجود داشته باشد
- انتظار
- تجربه
- با تجربه
- توضیح دهید
- توضیح داده شده
- توضیح دادن
- توضیح
- ویژگی
- احساس
- پیدا کردن
- پیدا کردن
- نام خانوادگی
- طبقه
- تمرکز
- به دنبال
- برای
- چهار
- از جانب
- کامل
- تابع
- به دست آورد
- دریافت کنید
- می شود
- داده
- گراف
- شبکه عصبی گراف
- گروه
- گروه ها
- راهنمایی
- راهنمایی
- اداره
- اتفاق می افتد
- سخت
- آیا
- he
- کمک
- خود را
- دارای
- چگونه
- چگونه
- HTTPS
- شناسایی
- if
- بیماری
- مهم
- in
- بینش
- مصاحبه
- سوالات مصاحبه
- مصاحبه
- به
- IT
- پیوستن
- kdnuggets
- کلید
- دانستن
- شناخته شده
- برچسب ها
- یاد گرفتن
- یادگیری
- ترک کرد
- احتمالا
- لینک
- دوست دارد
- دستگاه
- فراگیری ماشین
- ساخته
- ساخت
- مدیریت
- مدیریت
- مدیریت
- بسیاری
- حاشیه
- استاد
- me
- روانی
- بیماری روانی
- روش
- گم
- اشتباه
- مدل
- مدل
- بیش
- اکثر
- نیاز
- شبکه
- شبکه
- عصبی
- شبکه های عصبی
- شبکه های عصبی
- غیر فنی
- تعداد
- of
- خاموش
- on
- ONE
- فقط
- or
- خارج
- مروری
- مردم
- کارایی
- شخص
- افلاطون
- هوش داده افلاطون
- PlatoData
- لطفا
- پست
- عملی
- تهیه
- احتمال
- روند
- تولید کردن
- محصول
- حرفه ای
- پروژه
- پروژه ها
- ارائه
- پــایتــون
- نمایش ها
- سوالات
- تصادفی
- محدوده
- RE
- اماده
- دلیل
- مربوط
- مورد نیاز
- مسئوليت
- نتایج
- بازبینی
- s
- همان
- علم
- دانشمند
- دانشمندان
- را انتخاب کنید
- انتخاب
- تنظیم
- اشتراک گذاری
- باید
- قابل توجه
- ساده
- وضعیت
- اندازه
- مهارت ها
- نرم
- برخی از
- خاص
- SQL
- ایستاده
- بیانیه
- ارقام
- قوی
- تلاش
- دانشجو
- دانشجویان
- مهاجرت تحصیلی
- دنباله
- صورت گرفته
- فنی
- مهارتهای فنی
- فن آوری
- پیشرفته
- ارتباط از راه دور
- آزمون
- که
- La
- آنها
- سپس
- نظری
- اینها
- این
- از طریق
- زمان
- به
- تاپیک
- درمان
- رفتار
- صادقانه
- دو
- انواع
- غیر واضح
- فهمیدن
- درک
- استفاده کنید
- استفاده
- کاربر
- با استفاده از
- تصدیق
- اعتبار سنجی
- اعتبار سنجی
- ارزشها
- مختلف
- دید
- تجسم
- راه رفتن
- بود
- we
- چی
- چه شده است
- چه زمانی
- چه
- در حین
- WHO
- چرا
- وسیع
- دامنه گسترده
- اراده
- با
- کارگر
- خواهد بود
- نوشتن
- نوشته
- شما
- شما
- زفیرنت