Cómo hacer un simulacro de entrevista para científico de datos

Los procesos de entrevista para científico de datos varían más de una empresa a otra que los de analista, y querer prepararse para absolutamente todo es la forma más segura de llegar agotado a la ronda final. Esta sección reduce la preparación a las cuatro rondas que cubren la mayoría de los procesos, para que tu tiempo de simulacro refleje la distribución real.

Las cuatro son: una conversación sobre estadística y machine learning, un caso de experimento o métricas, una ronda de programación en SQL y a menudo Python, y un análisis a fondo de un proyecto que hayas liderado. Los puestos muy centrados en analítica de producto dan más peso a la ronda de caso; los puestos muy centrados en machine learning dan más peso a las preguntas de modelado y, a veces, a una conversación sobre diseño de sistemas de machine learning. Lee la descripción del puesto y reparte tu simulacro con ese mismo peso.

Practica cada ronda por separado al principio, y luego únelas en un proceso completo la semana antes de las entrevistas; la página de simulacro de entrevista explica cómo realizar sesiones cronometradas con un entrevistador de IA que hace preguntas de seguimiento.

El fallo habitual aquí no es la falta de conocimiento, sino explicar mal cosas que sí se dominan cuando alguien te está observando. Practica en voz alta el conjunto estándar de preguntas, cada una en dos niveles de profundidad: una frase en lenguaje sencillo que un product manager pueda seguir, y luego la versión técnica nombrando explícitamente los supuestos.

• Qué es y qué no es un valor p, y qué te aporta la potencia estadística.
• El equilibrio entre sesgo y varianza, y cómo la regularización negocia entre ambos.
• Cuándo importa más la precisión que la exhaustividad, con un caso concreto.
• Por qué un modelo con buenas métricas fuera de línea puede fallar igualmente en producción.
• Sobreajuste: cómo lo detectas y qué cambias cuando lo encuentras.

Este ejercicio en dos niveles importa porque los entrevistadores reales hacen la misma pregunta de las dos formas, y saber cambiar de nivel con fluidez es lo que se percibe como un perfil senior.

En la ronda de caso te dan un cambio de producto y te piden diseñar el experimento. Practica una estructura fija: elige la métrica de éxito y su denominador, define la unidad de aleatorización, nombra las métricas de contención, calcula aproximadamente el tamaño de la muestra teniendo en cuenta la potencia estadística, y enuncia la regla de decisión antes de que lleguen los datos. Después, menciona las trampas clásicas: mirar los resultados demasiado pronto, unidades de aleatorización mal emparejadas, efectos de novedad e interferencia entre variantes.

Un ejemplo concreto: una científica de datos que se prepara para un puesto en un marketplace se da 15 minutos para decidir si debe lanzarse un nuevo algoritmo de clasificación, recorre la estructura en voz alta y al final comprueba una sola cosa: si su unidad de aleatorización resiste la interacción entre compradores y vendedores. Esa única comprobación es lo que decide este tipo de casos, y practicarlo es lo que la convierte en algo automático.

Hay más enunciados de caso y bancos de preguntas por puesto reunidos en el centro de bancos de preguntas.

Un simulacro sin retroalimentación escrita se olvida en un día. Termina cada sesión con tres líneas: qué funcionó, dónde te atascaste, y la pregunta que quieres repetir la próxima vez. Empieza la siguiente sesión con esa pregunta. Después de cinco o seis sesiones, esto converge hacia tus verdaderos puntos débiles, que es precisamente el sentido de hacer simulacros en lugar de solo leer.

Para el análisis a fondo del proyecto, practica un mismo proyecto en tres profundidades: un resumen de 2 minutos, un recorrido de 10 minutos y un interrogatorio de 30 minutos en el que se cuestiona cada decisión. Los entrevistadores insisten hasta encontrar el límite de lo que realmente lideraste; saber dónde está ese límite antes que ellos mantiene la ronda tranquila. Cómo son las sesiones completas y la retroalimentación generada se explica en el centro de simulacros de entrevista.