Gagnafræðiviðtalsspurningar

Ferilhandbók BrainStation Data Scientist getur hjálpað þér að taka fyrstu skrefin í átt að ábatasaman feril í gagnavísindum. Lestu áfram til að fá yfirlit yfir algengar viðtalsspurningar fyrir störf í gagnafræði og hvernig best er að svara þeim.

Gerast gagnafræðingur

Talaðu við námsráðgjafa til að læra meira um hvernig bootcamps okkar og námskeið geta hjálpað þér að verða gagnafræðingur.

Með því að smella á Senda samþykkir þú okkar Skilmálar .

Sendu inn

Gat ekki sent inn! Uppfæra síðuna og reyna aftur?

Lærðu meira um Data Science Bootcamp okkar

Þakka þér fyrir!

Við munum hafa samband fljótlega.

Skoða Data Science Bootcamp síðuna

Gagnafræðiviðtalsferli geta verið mismunandi eftir fyrirtæki og atvinnugrein. Venjulega munu þeir fela í sér fyrstu símaskoðun með ráðningarstjóranum fylgt eftir með einu eða fleiri viðtölum á staðnum.

Þú verður að svara spurningum um viðtal við tækni- og atferlisgagnavísindi og mun líklega ljúka færnistengdu verkefni. Fyrir hvert viðtal ættir þú að fara yfir ferilskrána þína og eignasafn, sem og búa þig undir hugsanlegar viðtalsspurningar.

Viðtalsspurningar í gagnafræði munu prófa þekkingu þína og færni í tölfræði, forritun, stærðfræði og gagnalíkönum. Vinnuveitendur munu meta tæknilega og mjúka færni þína og hversu vel þú myndir passa inn í fyrirtæki þeirra.

Með því að útbúa nokkrar algengar viðtalsspurningar og svör við gagnafræði geturðu farið inn í viðtalið með sjálfstrausti. Það eru nokkrar mismunandi gerðir af spurningum Data Scientist sem þú getur búist við að lenda í í gagnavísindaviðtalinu þínu.

Listi yfir gagnafræðiviðtalsspurningar: Gagnatengdar spurningar

Vinnuveitendur leita að umsækjendum sem hafa sterka þekkingu á gagnavísindatækni og hugtökum. Gagnatengdar viðtalsspurningar eru mismunandi eftir stöðu og færni sem krafist er.

Hér eru nokkur dæmi um sýnistengdar viðtalsspurningar og svör:

Hver er munurinn á námi undir eftirliti og án eftirlits?

Stærsti munurinn á námi undir eftirliti og án eftirlits felst í notkun merktra og ómerktra gagnasetta. Stýrt nám notar úttaks- og inntaksgögn sem eru merkt og reiknirit fyrir nám án eftirlits gera það ekki. Annar munur er sá að nám undir eftirliti hefur endurgjöfarkerfi á meðan nám án eftirlits hefur það ekki. Að lokum eru almennt notaðir eftirlitsnámsreiknirit sem innihalda logistic regression, support vektor vél og ákvörðunartré, en óeftirlitsbundið nám reiknirit eru k-means clustering, stigveldisþyrping og apriori algrím.

Hver er munurinn á djúpu námi og vélanámi?

Þessari spurningu getur verið erfitt að svara skýrt vegna þess að hér er augljóslega einhver skörun. Byrjaðu á því að útskýra að djúpt nám er í meginatriðum undirsvið vélanáms og að bæði falla undir regnhlíf gervigreindar. Þar sem vélanám notar reiknirit til að greina gögn og að lokum læra að taka ákvarðanir byggðar á því sem það færir út úr gögnunum, djúpt nám leggur þessi reiknirit til að búa til gervi tauganet sem geta lært og tekið upplýstar ákvarðanir.

Getur þú veitt nákvæma útskýringu á reikniriti ákvörðunartrés?
Hvað er sýnataka? Hversu margar sýnatökuaðferðir þekkir þú?
Hvernig gerir þú greinarmun á villu af tegund I og II?
Vinsamlega skilgreindu línulega aðhvarf.
Hvað þýða hugtökin p-gildi, stuðull og r-kvaðratgildi? Hvers vegna er hver þáttur mikilvægur?
Vinsamlega skilgreindu valhlutdrægni.
Vinsamlega skilgreindu tölfræðilega víxlverkun.
Geturðu gefið dæmi um gagnasett með dreifingu sem ekki er Gauss?
Vinsamlega útskýrðu tvíliðalíkindaformúluna.
Geturðu útskýrt muninn á k-NN og k-þýðir þyrping?
Hver er nálgun þín til að búa til skipulagslegt aðhvarfslíkan?
Hver er 80/20 reglan? Hvernig er mikilvægt að sannprófa líkan?
Skilgreindu nákvæmni og muna. Hvernig tengjast þeir ROC kúrfunni?
Vinsamlegast útskýrðu hvernig á að greina á milli L1 og L2 reglusetningaraðferða?
Áður en þú notar reiknirit fyrir vélanám, hver eru skrefin fyrir gagnaskil og gagnahreinsun?
Geturðu útskýrt muninn á söguriti og kassariti?
Hvernig skilgreinir þú krossgildingu?
Geturðu útskýrt hvað rangt jákvætt og rangt neikvætt eru? Hvað myndir þú segja að væri betra að hafa: of mikið af fölskum jákvæðum eða of mörgum fölskum neikvæðum?
Þegar vélanámslíkan er hannað, hvað er mikilvægara: nákvæmni líkans eða frammistaða líkans?
Hvað er betra að þínu mati: 50 lítil ákvörðunartré eða stór?
Geturðu hugsað þér gagnavísindaverkefni hjá fyrirtækinu okkar sem myndi vekja áhuga þinn?
Geturðu hugsað þér nokkur dæmi um bestu starfsvenjur í gagnavísindum?

Listi yfir gagnafræðiviðtöl: Spurningar um tæknifærni

Tæknilegar færnispurningar í gagnavísindaviðtali eru notaðar til að meta þekkingu þína, færni og getu í gagnavísindum. Þessar spurningar munu tengjast sérstökum starfsskyldum gagnafræðingsstöðunnar.

Viðtalsspurningar í tæknigögnum kunna að hafa eitt rétt svar eða nokkrar mögulegar lausnir. Þú munt vilja sýna hugsunarferli þitt þegar þú leysir vandamál og útskýra greinilega hvernig þú komst að svari.

Dæmi um kunnáttuviðtalsspurningar í tæknigagnavísindum eru:

Hver eru helstu verkfæri og tæknikunnáttur gagnafræðings?

Gagnafræði er mjög tæknilegt svið og þú munt vilja sýna ráðningarstjóranum að þú sért fær í öllum nýjustu iðnaðarstöðluðu verkfærunum, hugbúnaðinum og forritunarmálum. Af hinum ýmsu tölfræðilegu forritunarmálum sem notuð eru í gagnafræði eru R og Python oftast notuð af gagnafræðingum. Bæði er hægt að nota fyrir tölfræðilegar aðgerðir eins og að búa til ólínulegt eða línulegt líkan, aðhvarfsgreiningu, tölfræðileg próf, gagnavinnslu og fleira. Annað mikilvægt gagnavísindatól er RStudio Server, en Jupyter Notebook er oft notað fyrir tölfræðilega líkanagerð, gagnasýn, vélnámsaðgerðir o.s.frv. Að sjálfsögðu eru til nokkur sérstök gagnasjónunarverkfæri sem notuð eru mikið af gagnafræðingum, þar á meðal Tableau, PowerBI , Bokeh, Plotly og Infogram. Gagnafræðingar þurfa líka mikla reynslu af því að nota SQL og Excel.

Svarið þitt ætti einnig að nefna öll sérstök verkfæri eða tæknilega færni sem krafist er í starfinu sem þú ert að taka viðtal fyrir. Skoðaðu starfslýsinguna og ef það eru einhver verkfæri eða forrit sem þú hefur ekki notað gæti verið þess virði að kynna þér fyrir viðtalið.

Hvernig meðhöndlar þú fráleit gildi?

Sumar gerðir af útlægum má fjarlægja. Hægt er að sleppa ruslgildum eða gildum sem þú veist að geta ekki verið sönn. Einnig er hægt að fjarlægja útlínur með öfgagildi langt fyrir utan restina af gagnapunktunum sem eru í hópi. Ef þú getur ekki sleppt frávikum gætirðu endurskoðað hvort þú hafir valið rétta líkanið, þú gætir notað reiknirit (eins og tilviljanakennda skóga) sem verða ekki fyrir jafn miklum áhrifum frá útlægum gildum, eða þú gætir reynt að staðla gögnin þín.

Vinsamlegast segðu okkur frá upprunalegu reikniritinu sem þú hefur búið til.
Hver er uppáhalds tölfræðihugbúnaðurinn þinn og hvers vegna?
Hefur þú unnið að gagnavísindaverkefni sem krafðist umtalsverðs forritunarþáttar? Hvað tókstu með þér úr reynslunni?
Lýstu hvernig á að tákna gögn með fimm víddum á áhrifaríkan hátt.
Þú þarft að búa til forspárlíkan með því að nota margfalda aðhvarf. Hvert er ferlið þitt til að staðfesta þetta líkan?
Hvernig tryggir þú að breytingarnar sem þú ert að gera á reiknirit séu framför?
Vinsamlegast gefðu upp aðferð þína til að meðhöndla ójafnvægi gagnasetts sem er notað til að spá (þ.e. mun fleiri neikvæðir flokkar en jákvæðir flokkar).
Hver er nálgun þín til að sannreyna líkan sem þú bjóst til til að búa til forspárlíkan af megindlegri útkomubreytu með því að nota margfalda aðhvarf?
Þú hefur tvær mismunandi gerðir af sambærilegum reikniframmistöðu og nákvæmni. Vinsamlegast útskýrðu hvernig þú ákveður hvaða þú vilt velja fyrir framleiðslu og hvers vegna.
Þú færð gagnasett sem samanstendur af breytum þar sem verulegan hluta vantar gildi. Hver er nálgun þín?

Listi yfir gagnafræðiviðtalsspurningar: Persónulegar spurningar

Samhliða því að prófa þekkingu þína og færni í gagnavísindum munu vinnuveitendur líklega einnig spyrja almennra spurninga til að kynnast þér betur. Þessar spurningar munu hjálpa þeim að skilja vinnustíl þinn, persónuleika og hvernig þú gætir passað inn í fyrirtækjamenningu þeirra.

Viðtalsspurningar Persónuupplýsingafræðings geta verið:

Hvað gerir góðan gagnafræðing?

Svar þitt við þessari spurningu mun segja ráðningarstjóra mikið um hvernig þú sérð hlutverk þitt og gildið sem þú færir fyrirtækinu. Í svari þínu gætirðu talað um hvernig gagnavísindi krefjast sjaldgæfra samsetningar hæfni og færni. Góður gagnafræðingur þarf að sameina tæknilega færni sem þarf til að flokka gögn og búa til líkön með viðskiptavitundinni sem er nauðsynlegt til að skilja vandamálin sem þeir eru að takast á við og viðurkenna raunhæfa innsýn í gögnin sín. Í svari þínu gætirðu líka rætt um gagnafræðing sem þú lítur upp til, hvort sem það er samstarfsmaður sem þú þekkir persónulega eða innsæi atvinnugrein.

Vinsamlegast segðu mér frá sjálfum þér.
Hverjir eru bestu eiginleikar þínir faglega? Hver eru veikleikasvæði þín?
Er einn gagnafræðingur sem þú dáist mest að?
Hvað vakti áhuga þinn á gagnafræði?
Hvaða einstaka hæfileika eða eiginleika kemur þú með sem myndi hjálpa liðinu?
Hvað varð til þess að þú ákvaðst að hætta í síðasta starfi þínu?
Hversu há laun ertu að búast við fyrir þetta starf?
Viltu frekar vinna einn eða sem hluti af teymi gagnafræðinga?
Hvar sérðu feril þinn eftir fimm ár?
Hver er nálgun þín til að meðhöndla streitu í starfi?
Hvernig finnurðu hvatningu?
Hver er aðferð þín til að mæla árangur?
Hvernig myndir þú lýsa kjöraðstæðum vinnuumhverfi þínu?
Hverjar eru ástríður þínar eða áhugamál utan gagnavísinda?

Listi yfir gagnafræðiviðtalsspurningar: Forysta og samskipti

Forysta og samskipti eru tveir dýrmætir hæfileikar fyrir gagnafræðinga. Vinnuveitendur meta umsækjendur um starf sem geta sýnt frumkvæði, deilt sérfræðiþekkingu sinni með liðsmönnum og miðlað markmiðum og aðferðum í gagnavísindum.

Hér eru nokkur dæmi um viðtalsspurningar um leiðtoga- og samskiptagagnavísindi:

Hvað finnst þér gaman að vinna í þverfaglegu teymi?

Gagnafræðingur vinnur með fjölbreyttu fólki í tæknilegum og ótæknilegum hlutverkum. Það er ekki óalgengt að gagnafræðingur vinni með hönnuðum, hönnuðum, vörusérfræðingum, gagnasérfræðingum, sölu- og markaðsteymum og yfirmönnum á efstu stigi, svo ekki sé minnst á viðskiptavini. Þannig að í svari þínu við þessari spurningu þarftu að sýna fram á að þú sért liðsmaður sem nýtur þess að fá tækifæri til að hitta og vinna með fólki víðs vegar um stofnun. Veldu dæmi um aðstæður þar sem þú tilkynntir til æðstu aðila í fyrirtæki til að sýna ekki aðeins að þér líði vel í samskiptum við hvern sem er, heldur einnig til að sýna hversu dýrmæt gagnadrifin innsýn þín hefur verið í fortíðinni.

Geturðu hugsað þér faglega aðstæður þar sem þú fékkst tækifæri til að sýna forystu?
Hver er nálgun þín við lausn átaka?
Hver er nálgun þín til að byggja upp fagleg tengsl við samstarfsmenn?
Hvert er dæmi um árangursríka kynningu sem þú fluttir? Hvers vegna var það svo sannfærandi?
Ef þú ert að tala við samstarfsmann eða viðskiptavin frá öðrum en tæknilegum bakgrunni, hvernig útskýrir þú flókin tæknileg vandamál eða áskoranir?
Vinsamlega mundu eftir aðstæðum þar sem þú þurftir að meðhöndla viðkvæmar upplýsingar. Hvernig nálgaðir þú stöðuna?
Frá þínu eigin sjónarhorni, hvernig myndir þú meta samskiptahæfileika þína?

Listi yfir gagnafræðiviðtalsspurningar: Hegðun

Með spurningum um hegðunarviðtal eru vinnuveitendur að leita að sérstökum aðstæðum sem sýna ákveðna færni. Spyrjandinn vill skilja hvernig þú tókst á við aðstæður í fortíðinni, hvað þú lærðir og hvað þú ert fær um að koma til fyrirtækisins.

Dæmi um hegðunarspurningar í gagnafræðiviðtali eru:

Manstu eftir aðstæðum þegar þú þurftir að þrífa og skipuleggja stórt gagnasett?

Rannsóknir hafa sýnt að gagnafræðingar eyða mestum tíma sínum í gagnagerð, öfugt við gagnanám eða líkanagerð. Þannig að ef þú hefur einhverja reynslu sem gagnafræðingur, þá er næstum öruggt að þú hafir reynslu af því að þrífa og skipuleggja stórt gagnasett. Það er líka rétt að þetta er verkefni sem fáir hafa virkilega gaman af. En gagnahreinsun er líka eitt mikilvægasta skref hvers fyrirtækis. Þannig að þú ættir að fara með ráðningarstjórann í gegnum ferlið sem þú fylgir við undirbúning gagna: fjarlægja tvíteknar athuganir, laga skipulagsvillur, sía frávik, takast á við gögn sem vantar og sannprófa gögn.

Hugsaðu til baka til gagnaverkefnis sem þú hefur unnið að þar sem þú lentir í vandamáli eða áskorun. Hver var staðan, hver var hindrunin og hvernig tókst þér að yfirstíga hana?
Vinsamlegast gefðu upp sérstakt dæmi um notkun gagna til að auka upplifun viðskiptavinar eða hagsmunaaðila?
Vinsamlegast gefðu upp sérstakar aðstæður þar sem þú náðir markmiði. Hvernig tókst þér það?
Vinsamlegast gefðu upp sérstakar aðstæður þar sem þér tókst ekki að ná markmiði. Hvað fór úrskeiðis?
Hver er nálgun þín til að stjórna og mæta þröngum tímamörkum?
Manstu þegar þú stóðst frammi fyrir átökum í vinnunni? Hvernig tókstu á við það?

Listi yfir gagnafræðiviðtalsspurningar frá helstu fyrirtækjum (Amazon, Google, Facebook, Microsoft)

Til að gefa þér hugmynd um aðrar spurningar sem gætu komið upp í viðtali tókum við saman lista yfir gagnafræðiviðtalsspurningar frá nokkrum af helstu tæknifyrirtækjum.

Hver er munurinn á stuðningsvektorvél og skipulagslegri aðhvarf? Vinsamlegast gefðu dæmi um aðstæður þar sem þú myndir velja að nota annað frekar en hitt.
Ef að fjarlægja vantar gildi úr gagnasafni veldur hlutdrægni, hvað myndir þú gera?
Þegar þú horfir á heilsu, þátttöku eða vöxt vöru, hvaða mælikvarða myndir þú meta?
Hvaða mælikvarða myndir þú meta þegar þú reynir að takast á við eða leysa viðskiptavandamál tengd vörunni okkar?
Hvernig metur þú frammistöðu vörunnar?
Hvernig veistu hvort ný athugun sé frávik?
Hvernig myndir þú skilgreina hlutdrægni og mismunun?
Hver er aðferð þín til að velja sýnishorn af handahófi úr hópi vörunotenda?
Hvert er ferlið þitt við gagnaþrif og hreinsun áður en þú notar vélræna reiknirit?
Hvernig myndir þú nálgast ójafnvæga tvíundarflokkun?
Hvernig gerir þú greinarmun á góðri og slæmri gagnasýn?
Vinsamlegast búðu til fall sem staðfestir hvort orð sé palindrome.