Gabay sa Panayam para sa Data Scientist ng Meta

Hindi inilalathala ng Meta kung gaano katagal ang proseso para sa Data Scientist. Ituring ang mga yugto sa ibaba bilang mga kategorya ng paghahanda, hindi bilang mga kumpirmadong pangalan ng round ng Meta.

• Screening: Sanayin ang maikling paglalahad ng iyong karanasan, mga pasyang analitikal, at interes sa tungkulin.
• Take-home: Magsanay na gawing isang nauulit na pagsusuri ang isang bukas na dataset, na may malinaw na mga palagay, pagsusuri, at konklusyon.
• Coding: Lutasin ang mga gawaing may SQL at pagmamanipula ng data habang ipinapaliwanag ang kawastuhan, mga edge case, at tradeoff.
• Case: Isaayos ang isang malabong tanong tungkol sa produkto, pumili ng mga sukatan, magmungkahi ng pagsusuri, at talakayin ang mga posibleng confounder.
• Behavioral: Maglahad ng mga tiyak na halimbawa ng pakikipagtulungan, hindi pagkakasundo, kabiguan, pagkatuto, at impluwensiya.
• Onsite: Magsanay na lumipat sa pagitan ng teknikal na pagsusuri, pangangatwiran tungkol sa produkto, at maikling komunikasyon nang hindi binabago ang iyong pangunahing ebidensya.

Karaniwang sinusuri sa mga panayam para sa Data Scientist ang ilang magkakaugnay na kakayahan. Dapat maging malinaw sa iyong mga sagot ang pagsusuri at pangangatwiran.

• Statistics at experimentation: Tukuyin ang mga hypothesis, pumili ng mga sukatan, mangatuwiran tungkol sa power at bias, bigyang-kahulugan ang uncertainty, at pag-ibahin ang correlation at causation.
• SQL at coding: Isalin ang mga tanong sa negosyo sa mga wastong query o code, subukan ang mga edge case, at ipaliwanag ang mga pansamantalang resulta.
• Pagpapasya sa modeling: Pumili ng mga pamamaraang angkop sa pasya, magtakda ng makatuwirang baseline, tukuyin ang leakage, at ipaliwanag ang mga tradeoff sa pagitan ng accuracy at interpretability.
• Komunikasyon: Unahing sabihin ang pasya, suportahan ito ng ebidensya, at ipaliwanag ang mga limitasyon sa wikang magagamit ng isang hindi eksperto sa pagkilos.

Inilalarawan ng Meta ang paunang teknikal na screening nito para sa software engineering bilang 45-minutong pag-uusap kasama ang isang engineer ng Meta: 5 minuto para sa pagpapakilala, 35 minuto para sa coding, at 5 minuto para sa mga tanong ng kandidato. Para sa remote na screening, nagpapadala ang engineer ng isang collaborative editing tool; whiteboard naman ang ginagamit ng kandidatong personal na dumalo.

Kasama sa buong loop para sa software engineering ang mga pangkalahatang tanong sa coding, design, at isang behavioral na panayam tungkol sa nakaraang trabaho at motibasyon. Parehong tumatagal nang 45 minuto ang design at behavioral na panayam, habang sumusunod din ang coding na panayam sa loop sa 45-minutong format na may 35 minutong nakalaan sa coding.

Huwag ipalagay na patakaran din ng kumpanya para sa tungkuling Data Scientist ang istrukturang iyon ng software engineering. Sa paghahanda para sa Data Scientist, dapat bigyan ng pantay na pansin ang experimental reasoning, SQL, mga pagpili sa modeling, at pagpapaliwanag ng mga resulta, sa halip na ituring ang pangkalahatang coding bilang nag-iisang teknikal na pokus.

Bumuo ng plano sa paghahanda na maaaring pahabain o paikliin kapag dumating na ang mga petsa mula sa recruitment. Magpanatili ng magkakahiwalay na set ng pagsasanay para sa SQL, statistics, experimentation, mga case, modeling, at behavioral na ebidensya upang madaling balikan ang mahihinang bahagi.

Ang hamon ay ang lawak: maaari pa ring hindi maging sapat ang isang teknikal na wastong sagot kung nananatiling hindi malinaw ang mga palagay o hindi nakatutulong sa isang pasya ang konklusyon. Kapag gipit sa oras, linawin ang tanong, sabihin ang iyong pamamaraan, isagawa ang pagsusuri, suriin ang resulta, at tapusin sa isang rekomendasyon at mga limitasyon.

Itugma ang paghahanda sa mga bahaging sinusuri sa halip na pag-aralan ang bawat paksa nang magkakahiwalay.

• Balikan ang mga pundasyon: Repasuhin ang probability, estimation, hypothesis testing, experimental design, mga panganib sa causal inference, at pagbuo ng mga sukatan.
• Sanayin ang implementation: Sumulat ng SQL at code mula sa blangkong editor, pagkatapos ay subukan ang mga null, duplicate, hindi pangkaraniwang grupo, at boundary condition.
• Sanayin ang pagpapasya: Paghambingin ang mga posibleng pamamaraan, tumukoy ng baseline, ipaliwanag ang validation, at tukuyin kung ano ang makapagpapabago sa iyong pinili.
• Sagutan ang mga case: Magsimula sa pasya at population, pagkatapos ay tukuyin ang tagumpay, magmungkahi ng pagsusuri, asahan ang bias, at magrekomenda ng susunod na hakbang.
• Maghanda ng ebidensya: Bumuo ng maiikling kuwento na nagpapakita ng iyong sariling ambag, pangangatwiran, pakikipagtulungan, at nasusukat na epekto nang hindi pinalalabis ang causality.
• Magsanay nang malakas: Gumamit ng mock interview upang magsanay ng maiikling paliwanag at mga follow-up na tanong sa teknikal at hindi teknikal na mga paksa.