Data Scientist Sollicitatievragen, per Ronde

Je hebt waarschijnlijk SQL en wat machine learning voorbereid, maar weet niet zeker wat er verder komt. Dit gedeelte brengt de vijf rondes in kaart die deze trajecten steeds opnieuw gebruiken, zodat je studie aansluit op de beoordeling. Elke ronde test iets anders, en alleen de twee technische rondes voorbereiden is de meest voorkomende manier waarop sterke kandidaten aanbiedingen mislopen.

• SQL en coderen. Query's schrijven plus Python-datamanipulatie, meestal live.
• Statistiek en kansrekening. Interpretatie en redenering, geen bewijzen.
• Experimentontwerp. A/B-tests: wat te meten, hoe lang te laten lopen, wanneer je het resultaat kunt vertrouwen.
• Modellering of case. Een open probleem dat je zelf kadert en op hoog niveau oplost.
• Gedrag en stakeholders. Hoe je omging met onduidelijkheid, onenigheid en resultaten die niemand wilde.

Functietitels variëren. Een bedrijf dat de rol data scientist noemt, kan een analistentraject draaien, en andersom. Wil je de analistversie van deze pagina, die staat in de sollicitatievragen per rol-hub.

Statistiek en kansrekening

• Wat betekent een p-waarde eigenlijk, en wat betekent hij niet?
• Leg een betrouwbaarheidsinterval in twee zinnen uit aan een product manager.
• Wanneer zou je een t-toets gebruiken in plaats van een z-toets?
• Wat is de centrale limietstelling en waarom is die belangrijk voor je werk?
• Een metric is veranderd en het resultaat is significant. Waarom kan het toch fout zijn?
• Leg Type I- en Type II-fouten uit aan de hand van een beslissing die je team echt neemt.
• Wat is selectiebias en hoe zou je die in je data opsporen?
• Wanneer is een mediaan een betere samenvatting dan een gemiddelde?

Experimentontwerp en A/B-testen

• Hoe zou je een experiment ontwerpen om een nieuwe onboardingflow te testen?
• Hoe kies je de steekproefgrootte, en wat gebeurt er als je die niet haalt?
• Je test is na drie dagen significant. Ga je live?
• Wat is een noviteitseffect, en hoe onderscheid je dat van een echte stijging?
• Hoe ga je om met meerdere metrics die verschillende kanten op bewegen?
• Wat zou je doen als de randomisatie halverwege de test kapot ging?
• Hoe zou je iets meten dat je niet kunt randomiseren, zoals een prijswijziging in een hele markt?

Het patroon om te zien: bijna geen van deze vragen heeft één juist antwoord. Ze worden beoordeeld op of je de aanname benoemt, de afweging verwoordt en zegt wat je zou controleren.

Modellering

• Hoe zou je een model bouwen om klantverloop te voorspellen? Begin met hoe je verloop definieert.
• Je model heeft 95 procent nauwkeurigheid op een ongebalanceerde dataset. Is dat goed?
• Leg de bias-variance-afweging uit aan de hand van een model dat je hebt uitgebracht.
• Hoe kies je tussen een eenvoudig en een complex model voor dit probleem?
• Hoe weet je dat een model na deployment is gestopt met werken?
• Leg regularisatie uit aan iemand die het nog nooit heeft gebruikt.

SQL en Python

• Schrijf een query die de eerste en meest recente aankoopdatum van elke gebruiker teruggeeft.
• Bereken een voortschrijdend gemiddelde van zeven dagen voor dagelijks actieve gebruikers.
• Vind de conversieratio per cohortmaand.
• Herschik in pandas een lange tabel naar breed en leg uit wanneer je dat niet zou doen.
• Hoe zou je dubbele rijen in een transactietabel vinden en afhandelen?

Product sense en metrics

• Hoe zou je meten of een nieuwe feature succesvol is?
• Dagelijks actieve gebruikers stijgen, maar de omzet blijft vlak. Onderzoek dit.
• Welke ene metric zou je op het leiderschapsdashboard zetten, en wat zou je weglaten?
• Hoe onderscheid je een goede retentiecurve van een slechte?

Een vragenlijst lezen bouwt herkenning op. Sollicitatiegesprekken testen productie onder tijdsdruk terwijl iemand je onderbreekt, en dat zijn andere vaardigheden. Het verschil komt het meest naar voren in de experiment- en caserondes, waar het antwoord een gestructureerd argument is in plaats van een feit.

• Antwoord hardop, met een timer. Zes minuten per casevraag, geen aantekeningen, niet opnieuw beginnen.
• Noem eerst je aannames. Benoemen wat je aanneemt telt mee bij de beoordeling en geeft je ook denktijd.
• Oefen met onderbroken worden. Echte interviewers vallen je op minuut twee in de rede. Een ononderbroken monoloog oefenen bereidt je daar niet op voor.
• Schrijf SQL met de hand. Live rondes gebruiken vaak een gewone editor zonder autocomplete en zonder manier om de query uit te voeren.
• Leg elk resultaat twee keer uit. Eén keer technisch, één keer aan een stakeholder die niet om je methode geeft.

Een data scientist met vier jaar ervaring bereidde zich voor op een marketplace-traject door honderd vragen in een document door te nemen, en bevroor toen bij "je test is na drie dagen significant, ga je live" omdat ze daar nog nooit hardop een antwoord op had gegeven. De inhoud zat in haar hoofd; de levering niet. Wil je dit met vervolgvragen oefenen, dan doorloopt de mock interview-modus de ronde en gaat die in tegen je antwoorden.