Uber Veri Bilimci Mülakat Rehberi

Başvurunun ardından adaylar önce Uber'in yetenek ekibinden biriyle bağlantı kurar, sonra çalışmayı yöneten kişiyle görüşür.

• Teknik değerlendirme: Uber, teknik roller için adayların nasıl çözüm geliştirdiğine ve problem çözdüğüne odaklanan bir aşama uygular.
• İşle ilgili alıştırma: Bazı roller bir analitik görevi, yazılı alıştırma, portföy incelemesi veya iş simülasyonu içerir.
• Ekip görüşmeleri: Adaylar ekip arkadaşlarıyla ve farklı işlevlerden paydaşlarla görüşür.
• Performans değerlendirmesi: İşe alım uzmanları, performansı işe özgü ölçütlere göre değerlendirmek için işe alım ekibiyle birlikte çalışır.

Hazırlanırken ön görüşme, ev ödevi, kodlama, vaka, davranışsal ve yerinde mülakatları Uber'in resmî aşama adları olarak değil, çalışma kategorileri olarak ele alın.

• Ön görüşme: Geçmişinizi, analitik tercihlerinizi ve işe duyduğunuz ilgiyi açık ve öz biçimde anlatın.
• Ev ödevi: Bir analizi yapılandırın, varsayımları belirtin, veri kalitesini kontrol edin ve savunulabilir bir sonuç sunun.
• Kodlama: SQL, veri işleme, mantıksal doğruluk ve uç durum kontrolleri üzerinde çalışın.
• Vaka: Metrikleri tanımlayın, deneyler tasarlayın, belirsizliği yorumlayın ve isabetli modelleme kararları verin.
• Davranışsal: İş birliği, muhakeme, sorumluluk alma ve uzman olmayan kişilerle iletişim konusunda kanıt sunun.
• Yerinde mülakat: Teknik ayrıntılar, ürün muhakemesi ve net öneriler arasında geçiş yapma pratiği yapın.

Veri Bilimci hazırlığı, teknik uygulama ile karar verme arasında yer alır. Genel yazılım mühendisliği çalışmasına kıyasla istatistik, deney tasarımı, metrikler ve yorumlamaya daha fazla önem verir. Raporlama odaklı analitik çalışmasına kıyasla model seçimini, belirsizliği ve ödünleşimleri daha güçlü biçimde savunmayı gerektirir.

Uber adayları farklı işlevlerden paydaşlarla görüşebileceği için her örneği iki düzeyde sunun: Önce teknik gerekçeyi açıklayın, ardından bunu uzman olmayan birinin değerlendirebileceği bir karara dönüştürün.

Uber, sürecin ne kadar sürdüğünü açıklamaz. Aşamaların sırasını, takvimi ve rolün işle ilgili bir alıştırma içerip içermediğini yetenek ekibindeki irtibat kişisine sorun.

Bir Veri Bilimci adayı için asıl zorluk kapsamın genişliğidir: İstatistik, deneyler, SQL, kodlama, modelleme muhakemesi ve iletişim farklı düşünme biçimleri gerektirebilir. Varsayımları ve sonuçları tutarlı tutarak bunlar arasında geçiş yapma pratiği yapın.

• Kanıtlarınızı eşleştirin: Problem tanımlama, analitik muhakeme, iş birliği ve ölçülebilir sonuçları gösteren iş örnekleri seçin.
• Deney bilgisini gözden geçirin: Hipotezler, metrik seçimi, rastgeleleştirme, yanlılık, belirsizlik ve yorumlama üzerinde çalışın.
• Teknik yetkinliğinizi güçlendirin: Okunabilir SQL yazın, veri dönüşümlerini açıklayın ve uç durumları test edin.
• Modelleme tercihlerinizi savunun: Yöntemleri varsayımlar, yorumlanabilirlik, doğrulama ve hataların maliyeti üzerinden karşılaştırın.
• Vaka anlatımı üzerinde çalışın: Kararla başlayın, eksik bilgileri belirleyin ve bulguları önerilerden ayırın.
• Bir alıştırmanın provasını yapın: Bir analiz veya iş simülasyonu tamamlayın, ardından başka birinin ek bağlama ihtiyaç duymadan muhakemenizi takip edip edemeyeceğini değerlendirin.
• Davranışsal hikâyeler hazırlayın: Ne yaptığınızı, neden o yolu seçtiğinizi, başkalarıyla nasıl çalıştığınızı ve ne öğrendiğinizi gösterin.