Preguntas de entrevista de data scientist, por ronda

Seguramente has preparado SQL y algo de machine learning, y no estás seguro de qué más viene. Esta sección mapea las cinco rondas que reutilizan estos procesos para que tu preparación coincida con la evaluación. Cada ronda evalúa algo distinto, y preparar solo las dos técnicas es la forma más común en que los candidatos fuertes pierden ofertas.

• SQL y programación. Escribir consultas más manipulación de datos con Python, casi siempre en vivo.
• Estadística y probabilidad. Interpretación y razonamiento, no demostraciones.
• Diseño de experimentos. Pruebas A/B: qué medir, cuánto tiempo correrlas, cuándo confiar en el resultado.
• Modelado o caso. Un problema abierto que planteas y resuelves a alto nivel.
• Comportamiento y stakeholders. Cómo manejaste la ambigüedad, el desacuerdo y resultados que nadie quería.

Los títulos varían. Una empresa que llama al puesto data scientist puede en realidad correr un proceso de analista, y viceversa. Si quieres la versión para analista de esta página, está en el hub de preguntas de entrevista por rol.

Estadística y probabilidad

• ¿Qué significa realmente un valor p, y qué no significa?
• Explica un intervalo de confianza a un product manager en dos frases.
• ¿Cuándo usarías una prueba t en lugar de una prueba z?
• ¿Qué es el teorema del límite central y por qué importa para tu trabajo?
• Una métrica se movió y el resultado es significativo. ¿Por qué podría estar mal igual?
• Explica el error de Tipo I y Tipo II usando una decisión que tu equipo realmente toma.
• ¿Qué es el sesgo de selección y cómo lo detectarías en tus datos?
• ¿Cuándo es la mediana un mejor resumen que la media?

Diseño de experimentos y pruebas A/B

• ¿Cómo diseñarías un experimento para probar un nuevo flujo de onboarding?
• ¿Cómo eliges el tamaño de muestra, y qué pasa si no lo alcanzas?
• Tu prueba es significativa después de tres días. ¿La lanzas?
• ¿Qué es un efecto novedad, y cómo lo separarías de una mejora real?
• ¿Cómo manejas varias métricas que se mueven en direcciones distintas?
• ¿Qué harías si la aleatorización se rompió a mitad de la prueba?
• ¿Cómo medirías algo que no puedes aleatorizar, como un cambio de precio en todo un mercado?

El patrón a notar: casi ninguna de estas tiene una única respuesta correcta. Se evalúan según si nombras el supuesto, planteas la disyuntiva y dices qué verificarías.

Modelado

• ¿Cómo construirías un modelo para predecir el churn de clientes? Empieza por cómo definirías el churn.
• Tu modelo tiene 95 por ciento de accuracy en un dataset desbalanceado. ¿Es bueno?
• Explica el equilibrio sesgo-varianza usando un modelo que hayas puesto en producción.
• ¿Cómo decidirías entre un modelo simple y uno complejo para este problema?
• ¿Cómo sabes que un modelo dejó de funcionar después del despliegue?
• Explica la regularización a alguien que nunca la ha usado.

SQL y Python

• Escribe una consulta que devuelva la primera y la más reciente fecha de compra de cada usuario.
• Calcula un promedio móvil de siete días de usuarios activos diarios.
• Encuentra la tasa de conversión por mes de cohorte.
• En pandas, transforma una tabla larga a ancha y explica cuándo no lo harías.
• ¿Cómo encontrarías y manejarías filas duplicadas en una tabla de transacciones?

Product sense y métricas

• ¿Cómo medirías si una nueva función es exitosa?
• Los usuarios activos diarios suben pero los ingresos están planos. Investiga.
• ¿Qué única métrica pondrías en el dashboard de liderazgo, y cuál dejarías fuera?
• ¿Cómo distinguirías una buena curva de retención de una mala?

Leer una lista de preguntas genera reconocimiento. Las entrevistas evalúan tu desempeño bajo presión de tiempo con alguien interrumpiéndote, y esas son habilidades distintas. La brecha se nota más en las rondas de experimentos y casos, donde la respuesta es un argumento estructurado y no un dato suelto.

• Responde en voz alta, con cronómetro. Seis minutos por pregunta de caso, sin notas, sin reiniciar.
• Di tus supuestos primero. Nombrar lo que estás asumiendo se evalúa, y además te da tiempo para pensar.
• Practica que te interrumpan. Los entrevistadores reales interrumpen al minuto dos. Ensayar un monólogo sin interrupciones no te prepara para eso.
• Escribe SQL a mano. Las rondas en vivo suelen usar un editor simple sin autocompletado y sin forma de ejecutar la consulta.
• Explica cada resultado dos veces. Una técnicamente, otra a un stakeholder al que no le importa tu método.

Una data scientist con cuatro años de experiencia se preparó para un proceso de marketplace repasando cien preguntas en un documento, y luego se quedó en blanco con "tu prueba es significativa después de tres días, ¿la lanzas?" porque nunca había dicho una respuesta en voz alta. El contenido estaba en su cabeza; la entrega no. Si quieres practicar estas con seguimiento, el modo de entrevista simulada corre la ronda y cuestiona tus respuestas.