Guide d’entretien de data scientist chez Uber

Après avoir postulé, les candidats échangent d’abord avec un membre de l’équipe de recrutement d’Uber, puis rencontrent la personne qui dirige le travail.

• Évaluation technique : Pour les postes techniques, Uber prévoit une étape axée sur la manière dont les candidats conçoivent des solutions et résolvent des problèmes.
• Exercice lié au poste : Certains postes comprennent une tâche d’analyse, un exercice écrit, une revue de portfolio ou une simulation de travail.
• Entretiens avec l’équipe : Les candidats rencontrent des membres de l’équipe et des partenaires transversaux.
• Évaluation des performances : Les recruteurs collaborent avec l’équipe chargée du recrutement pour évaluer les performances au regard des critères du poste.

Pour votre préparation, considérez la présélection, l’exercice à domicile, le codage, l’étude de cas, l’entretien comportemental et les entretiens sur site comme des catégories d’entraînement, et non comme les noms officiels des étapes d’Uber.

• Présélection : Présentez clairement et succinctement votre parcours, vos choix analytiques et votre intérêt pour le travail.
• Exercice à domicile : Structurez une analyse, énoncez vos hypothèses, vérifiez la qualité des données et présentez une conclusion défendable.
• Codage : Entraînez-vous au SQL, à la manipulation des données, à la correction logique et à la vérification des cas limites.
• Étude de cas : Définissez des indicateurs, concevez des expériences, interprétez l’incertitude et prenez des décisions de modélisation solides.
• Entretien comportemental : Donnez des preuves de votre aptitude à collaborer, de votre discernement, de votre sens des responsabilités et de votre communication avec des non-spécialistes.
• Entretiens sur site : Entraînez-vous à passer des détails techniques au raisonnement produit et à des recommandations claires.

La préparation au poste de data scientist se situe entre l’exécution technique et la prise de décision. Par rapport à une préparation générale en génie logiciel, elle met davantage l’accent sur les statistiques, la conception expérimentale, les indicateurs et l’interprétation. Par rapport à une préparation en analyse axée sur le reporting, elle exige de mieux justifier le choix du modèle, l’incertitude et les compromis.

Comme les candidats chez Uber peuvent rencontrer des partenaires transversaux, présentez chaque exemple à deux niveaux : expliquez le raisonnement technique, puis traduisez-le en une décision qu’un non-spécialiste peut évaluer.

Uber ne publie pas la durée du processus. Interrogez votre contact au sein de l’équipe de recrutement sur l’ordre des étapes, leur planification et l’éventuelle présence d’un exercice lié au poste.

Pour un candidat au poste de data scientist, la difficulté tient à l’étendue des compétences requises : statistiques, expérimentation, SQL, codage, discernement en matière de modélisation et communication peuvent solliciter différents modes de réflexion. Entraînez-vous à passer de l’un à l’autre tout en maintenant la cohérence de vos hypothèses et de vos conclusions.

• Recensez vos preuves : Choisissez des exemples professionnels qui illustrent la définition des problèmes, le discernement analytique, la collaboration et des conséquences mesurables.
• Révisez l’expérimentation : Entraînez-vous à formuler des hypothèses, à sélectionner des indicateurs, à comprendre la randomisation, les biais et l’incertitude, ainsi qu’à interpréter les résultats.
• Renforcez votre aisance technique : Écrivez du SQL lisible, expliquez les transformations de données et testez les cas limites.
• Justifiez vos choix de modélisation : Comparez les méthodes en fonction de leurs hypothèses, de leur interprétabilité, de leur validation et du coût des erreurs.
• Entraînez-vous à présenter des études de cas : Commencez par la décision, repérez les informations manquantes et distinguez les constats des recommandations.
• Répétez un exercice : Réalisez une analyse ou une simulation de travail, puis vérifiez si une autre personne pourrait suivre votre raisonnement sans contexte supplémentaire.
• Préparez des récits comportementaux : Montrez ce que vous avez fait, pourquoi vous avez choisi cette voie, comment vous avez travaillé avec les autres et ce que vous avez appris.