26 запитань для інтерв’ю Data Science, які ви повинні знати - KDnuggets

Перевидано Платоном

читають: 0

26 запитань для співбесіди з науки про дані, які ви повинні знати
Зображення автора

Інтерв’ю з науковими даними перевіряють як жорсткі технічні навички, так і м’які навички. Бути добре підготовленим із сильними відповідями на поширені питання інтерв’ю з науковими даними є ключовим фактором, щоб виділитися.

У цій публікації блогу ми дізнаємося про 26 запитань на інтерв’ю з науковими даними, які ви повинні очікувати. Запитання стосуються статистики, Python, SQL, машинного навчання, аналізу даних, проектів тощо. Незалежно від того, чи ви студент, змінюєте кар’єру чи досвідчений фахівець із обробки даних, перегляд цих запитань допоможе вам підготуватися та допоможе вам йти на співбесіду з більшою впевненістю та готовністю справити враження.

1. Пояснення концепцій складних даних

З: Опишіть випадок, коли ви пояснювали концепцію складних даних людині, яка не має технічного досвіду. Як ви допомогли їм зрозуміти?

2. Навчання на помилках

З: Чи робили ви коли-небудь серйозну помилку у своєму аналізі? Чи можете ви пояснити, як ви впоралися з цією ситуацією, і які ідеї ви отримали з цього?

3. Адаптація до мінливих вимог

З: Чи можете ви поділитися досвідом роботи над проектом із незрозумілими або постійно змінюваними вимогами? Як ви адаптувалися до ситуації?

4. Перевірка анаграм

З: Напишіть функцію, щоб перевірити, чи є два рядки анаграмами.

5. Знаходження пропущеного числа

Q: Дано масив, що містить n різних чисел, узятих від 0 до n, знайдіть те, якого не вистачає.

6. Обчислення евклідової відстані

З: Написати функцію для обчислення евклідової відстані в Python?

7. Порівняння JOIN

З: Чи можуть LEFT JOIN і FULL OUTER JOIN давати однакові результати? Чому або чому ні?

8. Запит на різницю в часі

З: Будь ласка, напишіть запити SQL, які допоможуть мені знайти різницю в часі між двома подіями.

9. Обробка NULL в SQL

З: Чи можете ви надати деякі вказівки щодо того, як працювати зі значеннями NULL під час запиту до набору даних?

10. ГРУПУЙТЕ ЗА ЛОГІКОЮ

З: Що станеться, якщо ви згрупуєте стовпець, якого немає в операторі SELECT?

11. Імовірність того самого набору

З: Яка ймовірність взяти дві карти (з однієї колоди карт), які мають однакову масу?

12. Задача ймовірності ліфта

З: Яка ймовірність того, що кожен із чотирьох людей у ліфті вийде на інший поверх чотириповерхової будівлі?

13. Пояснення p-value

З: Як би ви пояснили інженеру, як інтерпретувати p-значення?

14. Розмір вибірки та межа похибки

З: Для розміру вибірки n похибка становить 3. Скільки ще зразків нам потрібно, щоб зменшити похибку до 0.3?

15. Оцінка випадковості тесту A/B

З: Як у A/B-тесті можна перевірити, чи призначення до різних сегментів було дійсно випадковим?

16. Проектний підхід аналізу даних

З: Якого процесу ви б дотримувалися під час роботи над проектом аналітики даних?

17. Лікування викидів

З: Як ви обробляєте викиди в наборі даних?

18. Розуміння візуалізації даних

З: Чи можете ви пояснити візуалізацію даних? Крім того, скільки типів візуалізацій існує?

19. Перевірка даних

З: Що таке перевірка даних? І які різні методи можна використовувати для перевірки даних?

20. Оцінка ефективності кластеризації

З: Якщо мітки в проекті кластеризації відомі, як би ви оцінили продуктивність моделі?

21. Методи вибору ознак

З: Які методи відбору функцій ви використовуєте для визначення найбільш відповідних змінних для моделі?

22. Основи нейронних мереж

З: Поясніть на простому прикладі основні компоненти нейронної мережі.

23. Керування незбалансованими наборами даних

З: Як ви керуєте незбалансованим набором даних?

24. Уникайте переобладнання

З: Як можна уникнути переобладнання вашої моделі?

25. Розслідування падіння залученості користувачів

У цьому прикладі ваша відповідальність полягає в тому, щоб визначити причину зниження залучення користувачів до проекту Xfinite. Важливо спочатку отримати огляд проекту, а потім проаналізувати дані з чотирьох конкретних таблиць.

26. Перевірка результатів A/B тесту

Ознайомтеся з результатами тесту A/B зі значними відмінностями між контрольною та лікувальною групами, щоб підтвердити або визнати недійсними шляхом детального аналізу.

Співбесіди з науковими даними перевіряють широкий спектр навичок, від технічних до міжособистісних. 26 запитань надають детальний огляд ключових тем, з якими починаючі дослідники даних можуть зіткнутися під час співбесід. Гарна підготовка до цих запитань не тільки допоможе вам успішно пройти співбесіду, але й дасть вам повне розуміння практичних і теоретичних аспектів науки про дані.

Абід Алі Аван (@1abidaliawan) є сертифікованим фахівцем із дослідження даних, який любить створювати моделі машинного навчання. Зараз він зосереджується на створенні контенту та написанні технічних блогів про технології машинного навчання та науки про дані. Абід має ступінь магістра з управління технологіями та ступінь бакалавра в галузі телекомунікаційної інженерії. Його бачення полягає в тому, щоб створити продукт AI з використанням нейронної мережі графа для студентів, які борються з психічними захворюваннями.