Realmente depende de la posición que está solicitando. Creo que una buena manera de responder a su pregunta es dividir las posiciones de ciencia de datos en varias categorías. Me centraré en los más populares: Business Intelligence Analyst, Data Analyst y, por supuesto, Data Scientist.
Comenzaré con las responsabilidades principales, para que pueda entender por qué estas preguntas son relevantes. Luego le daré mi opinión sobre por qué le harían esa pregunta específica.
Analista de Inteligencia de Negocios. El analista de BI tiene dos rasgos definitorios: trabaja con datos (a menudo datos internos) y tiene una base comercial sólida.
- ¿Cómo ingresa un estudiante de física en el campo de la ciencia de datos?
- ¿Qué habilidades se necesitan para los trabajos de aprendizaje automático?
- ¿Cuáles son algunos algoritmos utilizados en un sistema de recomendación de música?
- Cómo cambiar mi carrera de desarrollador front-end a ciencia de datos / informática científica
- ¿Cuánta variedad hay en un puesto de ciencia de datos?
Supongamos que necesita ayudar a una tienda minorista con su gestión de inventario. Deberá recopilar los datos, diseñar las métricas y, finalmente, analizarlas. Posteriormente, es probable que deba visualizarlo de manera amigable para el administrador.
Entonces, ¿preguntas frecuentes en las entrevistas para un analista de BI?
- Describa las diferentes partes de una consulta SQL.
Es posible que quieran verificar si está familiarizado con el lenguaje de programación SQL. Si el trabajo involucra SQL, asegúrese de que le pregunten muchos de esos. - Estamos pensando en implementar una solución de BI, como Tableau o Power BI. ¿Cómo realizarías el proceso de implementación?
La ciencia de datos está aumentando, por lo que muchas empresas quieren crear un equipo de ciencia de datos pero realmente no saben cómo abordarlo. Pueden confiar en ti para eso. Alternativamente, es posible que se le pregunte acerca de su experiencia con una solución de BI, ya que ya tienen una y están buscando a alguien que la utilice. - Obtiene visitas A en un sitio web en el que está anunciando. B personas hacen clic en un anuncio. C personas compran su producto. ¿Cuál es la tasa de conversión? ¿Cómo calcularía el costo para adquirir un cliente?
Un analista de BI también puede participar en los esfuerzos de marketing de una empresa. Aún así, un poco de preparación comercial y una lógica sólida serán suficientes para la mayoría de las preguntas de este tipo.
Analista de datos. Un analista de datos tiene diferentes responsabilidades; por lo tanto, puede esperar diferentes preguntas frecuentes. Se espera que pueda trabajar con datos en muchos niveles. Desde la limpieza de datos, pasando por el análisis real, hasta la presentación de resultados. A menudo hay algunos modelos involucrados, como regresión, factor, análisis de conglomerados.
Por ejemplo, se le puede pedir que proyecte las ventas de una empresa, en función de algunas métricas (o tendencias) comunes. Tal vez necesite descargar los datos, preprocesarlos, por lo que es útil para la codificación, y crear una regresión que arroje una predicción sobre las ventas futuras.
Entonces, preguntas frecuentes:
- Tienes un cubo de 10x10x10. ¿Cuál es la superficie exterior?
Se espera que seas una persona muy analítica. A menudo, los entrevistadores verifican su pensamiento crítico a través de un acertijo. - ¿Cuál es la diferencia entre DELETE y TRUNCATE?
Algunos SQL nunca están de más. - Identificar problemas en una hoja de cálculo.
No solo en ciencia de datos, sino también en auditoría y consultoría, pueden pedirle que encuentre errores. Están probando su atención al detalle y competencia al mismo tiempo. - ¿Qué datos pediría si necesita predecir la retención del cliente?
Es posible que no puedan verificar sus habilidades de regresión en la entrevista, pero seguramente se asegurarán de que sepa cómo abordar un problema.
Científico de datos. Probablemente su pregunta fue diseñada para abordar este puesto de trabajo. La posición del científico de datos es difícil de definir exactamente, pero en general, él / ella debe comprender los procesos de negocios, mientras que tiene la preparación técnica relacionada con las habilidades estadísticas, la programación. Cada vez más, el aprendizaje automático parece ser imprescindible.
Si tiene un problema, por ejemplo, para predecir qué clientes se quedarán con la empresa (retención de clientes), lo más probable es que usted sea el que diseñe un algoritmo de aprendizaje automático. Deberá poder identificar los datos necesarios, recopilarlos, preprocesarlos y finalmente analizarlos mediante alguna técnica de aprendizaje automático. Si hay un equipo completo de ciencia de datos, es posible que también desee que el científico de datos tenga habilidades de gestión y liderazgo. Finalmente, también se requieren habilidades de presentación, narración de cuentos y la capacidad de explicar un problema complicado de una manera simple.
Preguntas frecuentes:
- ¿Qué significa para usted el término “ciencia de datos”?
Si está solicitando el puesto, seguramente sabe qué es la ciencia de datos. Aún así, dado que no solo necesita habilidades técnicas, sino también excelentes habilidades comunicativas, esta es una buena manera de ver cómo su persona piensa y estructura sus pensamientos. - ¿Cuáles son los supuestos de una regresión lineal?
Las regresiones lineales se usan cada vez menos en presencia de algoritmos de aprendizaje automático, pero aún así, este es un conocimiento técnico que estas personas deberían tener (ya que es un punto de partida). - Dibuje un gráfico relevante para un anuncio de pago por clic.
Esta pregunta verifica sus habilidades analíticas, habilidades técnicas y conocimiento de los procesos comerciales. Naturalmente, muchos problemas de ciencia de datos están relacionados con el marketing, por lo tanto, es probable que le pregunten algo en ese sentido. - ¿Cómo puede probar que una mejora que introdujo en un modelo realmente está funcionando?
Este punto se refiere a modelos que verifican si otros modelos funcionan. Desea que su científico de datos no solo implemente algoritmos, sino que pueda medir el impacto. - ¿Cómo explicaría NNs / Random Forest / etc. a una persona no técnica?
Una vez más: habilidades de presentación y capacidad para expresar pensamientos complicados de una manera simple. - ¿Qué tipos de aprendizaje automático hay? Explica las diferencias entre ellos.
Esa es también una pregunta fácil para alguien que ha hecho aprendizaje automático, pero es una muy buena manera de verificar la estructura de pensamientos del solicitante. - Dé ejemplos donde el falso positivo / falso negativo sea más importante.
Esa es una pregunta común que verifica el conocimiento estadístico y el conocimiento del diseño del modelo. - Cuéntanos sobre algunos prejuicios que es probable que encuentres cuando …
Los prejuicios son un gran problema en la economía del comportamiento. Esta pregunta se refiere a su intuición, conocimiento y capacidad para formular hipótesis sobre sus datos o interpretar resultados, después de haber analizado los datos.
Entonces, estas son algunas preguntas frecuentes. Obviamente, depende del país, la compañía, el equipo y el puesto al que se postula, pero, en general, la mayoría de las preguntas son similares.
¡Espero que ayude!
