ڈیٹا سائنٹسٹ انٹرویو سوالات، راؤنڈ کے حساب سے

آپ نے غالباً SQL اور تھوڑی مشین لرننگ کی تیاری کر لی ہوگی، لیکن آپ کو یقین نہیں کہ اور کیا آنے والا ہے۔ یہ سیکشن ان پانچ راؤنڈز کا نقشہ بناتا ہے جو ان انٹرویوز میں بار بار آتے ہیں، تاکہ آپ کی تیاری اسکورنگ سے میل کھائے۔ ہر راؤنڈ کچھ مختلف چیز کو جانچتا ہے، اور صرف دو تکنیکی راؤنڈز کی تیاری وہ سب سے عام طریقہ ہے جس سے مضبوط امیدوار آفرز کھو دیتے ہیں۔

• SQL اور کوڈنگ۔ کوئری لکھنا اور Python میں ڈیٹا کی ہیرا پھیری، عام طور پر لائیو۔
• اعداد و شمار اور احتمال۔ تشریح اور استدلال، ثبوت نہیں۔
• تجربے کا ڈیزائن۔ A/B ٹیسٹس: کیا ناپنا ہے، کتنی دیر چلانا ہے، کب نتیجے پر بھروسا کرنا ہے۔
• ماڈلنگ یا کیس۔ ایک کھلا مسئلہ جسے آپ متعین کرتے ہیں، پھر اعلیٰ سطح پر حل کرتے ہیں۔
• رویہ جاتی اور اسٹیک ہولڈر۔ آپ نے ابہام، اختلاف، اور ایسے نتائج سے کیسے نمٹا جو کوئی نہیں چاہتا تھا۔

عہدوں کے نام مختلف ہوتے ہیں۔ ایک کمپنی جو اس کردار کو ڈیٹا سائنٹسٹ کہتی ہے وہ اینالسٹ انٹرویو چلا سکتی ہے، اور اس کے برعکس بھی۔ اگر آپ کو اس صفحے کا اینالسٹ ورژن چاہیے، تو یہ کردار کے حساب سے انٹرویو سوالات کے حب میں موجود ہے۔

اعداد و شمار اور احتمال

• p ویلیو کا اصل مطلب کیا ہے، اور اس کا مطلب کیا نہیں ہے؟
• ایک پروڈکٹ منیجر کو دو جملوں میں کانفیڈنس انٹرول سمجھائیں۔
• آپ z ٹیسٹ کے بجائے t ٹیسٹ کب استعمال کریں گے؟
• سینٹرل لمٹ تھیورم کیا ہے اور یہ آپ کے کام کے لیے کیوں اہم ہے؟
• ایک میٹرک بدل گیا اور نتیجہ شماریاتی طور پر اہم ہے۔ یہ پھر بھی غلط کیوں ہو سکتا ہے؟
• اپنی ٹیم کے حقیقی فیصلے کی مثال دے کر ٹائپ I اور ٹائپ II ایرر سمجھائیں۔
• سلیکشن بائس کیا ہے اور آپ اسے اپنے ڈیٹا میں کیسے پکڑیں گے؟
• میڈین کب اوسط سے بہتر خلاصہ ہوتا ہے؟

تجربے کا ڈیزائن اور A/B ٹیسٹنگ

• آپ ایک نئے آن بورڈنگ فلو کو جانچنے کے لیے تجربہ کیسے ڈیزائن کریں گے؟
• آپ نمونے کا سائز کیسے چنتے ہیں، اور اگر آپ اس تک نہ پہنچ سکیں تو کیا ہوتا ہے؟
• آپ کا ٹیسٹ تین دن بعد شماریاتی طور پر اہم ہے۔ کیا آپ اسے شپ کریں گے؟
• ناولٹی ایفیکٹ کیا ہے، اور آپ اسے حقیقی اضافے سے کیسے الگ کریں گے؟
• جب کئی میٹرکس مختلف سمتوں میں حرکت کریں تو آپ کیسے نمٹتے ہیں؟
• اگر ٹیسٹ کے دوران رینڈمائزیشن خراب ہو جائے تو آپ کیا کریں گے؟
• آپ ایسی چیز کیسے ناپیں گے جسے رینڈمائز نہیں کیا جا سکتا، جیسے پورے مارکیٹ میں قیمت کی تبدیلی؟

وہ پیٹرن جو نوٹ کرنا چاہیے: ان میں سے تقریباً کسی کا بھی ایک ہی درست جواب نہیں ہے۔ انہیں اس بنیاد پر پرکھا جاتا ہے کہ آپ مفروضہ بیان کرتے ہیں، ٹریڈ آف واضح کرتے ہیں، اور بتاتے ہیں کہ آپ کیا چیک کریں گے۔

ماڈلنگ

• آپ گاہکوں کے چرن کی پیش گوئی کے لیے ماڈل کیسے بنائیں گے؟ پہلے یہ بتائیں کہ آپ چرن کی تعریف کیسے کریں گے۔
• آپ کے ماڈل کی درستگی ایک غیر متوازن ڈیٹاسیٹ پر 95 فیصد ہے۔ کیا یہ اچھا ہے؟
• ایک ایسے ماڈل کی مثال سے بائس ویرینس ٹریڈ آف سمجھائیں جسے آپ نے شپ کیا ہو۔
• آپ اس مسئلے کے لیے ایک سادہ اور ایک پیچیدہ ماڈل کے درمیان کیسے فیصلہ کریں گے؟
• آپ کو کیسے پتا چلے گا کہ ڈیپلائمنٹ کے بعد کوئی ماڈل کام کرنا بند کر چکا ہے؟
• ریگولرائزیشن کسی ایسے شخص کو سمجھائیں جس نے اسے کبھی استعمال نہ کیا ہو۔

SQL اور Python

• ایک کوئری لکھیں جو ہر صارف کی پہلی اور تازہ ترین خریداری کی تاریخ واپس کرے۔
• روزانہ فعال صارفین کے لیے سات دن کا رولنگ اوسط نکالیں۔
• کوہورٹ مہینے کے حساب سے کنورژن ریٹ معلوم کریں۔
• pandas میں ایک لمبی ٹیبل کو چوڑی ٹیبل میں تبدیل کریں اور بتائیں کہ آپ ایسا کب نہیں کریں گے۔
• آپ ٹرانزیکشنز ٹیبل میں ڈپلیکیٹ قطاریں کیسے تلاش اور حل کریں گے؟

پروڈکٹ سینس اور میٹرکس

• آپ کیسے ناپیں گے کہ کوئی نئی فیچر کامیاب ہے؟
• روزانہ فعال صارفین بڑھ رہے ہیں لیکن آمدنی جوں کی توں ہے۔ اس کی تحقیقات کریں۔
• آپ لیڈرشپ ڈیش بورڈ پر کون سا واحد میٹرک رکھیں گے، اور کون سا چھوڑ دیں گے؟
• آپ اچھے ریٹینشن کرو کو خراب کرو سے کیسے پہچانیں گے؟

سوالات کی فہرست پڑھنا شناخت پیدا کرتا ہے۔ انٹرویوز وقت کے دباؤ میں کارکردگی کو جانچتے ہیں جب کوئی آپ کو ٹوکتا ہے، اور یہ مختلف مہارتیں ہیں۔ یہ فرق تجربے اور کیس راؤنڈز میں سب سے زیادہ نظر آتا ہے، جہاں جواب ایک حقیقت نہیں بلکہ ایک منظم دلیل ہوتا ہے۔

• ٹائمر کے ساتھ، بلند آواز میں جواب دیں۔ ہر کیس سوال کے لیے چھ منٹ، بغیر نوٹس، بغیر دوبارہ شروع کیے۔
• پہلے اپنے مفروضے بتائیں۔ آپ جو فرض کر رہے ہیں اسے بیان کرنا پرکھا جاتا ہے، اور یہ آپ کو سوچنے کا وقت بھی دیتا ہے۔
• ٹوکے جانے کی مشق کریں۔ اصل انٹرویو لینے والے دوسرے منٹ میں ٹوک دیتے ہیں۔ بغیر رکاوٹ کے مونولاگ کی مشق آپ کو اس کے لیے تیار نہیں کرتی۔
• SQL ہاتھ سے لکھیں۔ لائیو راؤنڈز میں اکثر ایک سادہ ایڈیٹر استعمال ہوتا ہے جس میں آٹو کمپلیٹ نہیں ہوتا اور کوئری چلانے کا کوئی طریقہ نہیں ہوتا۔
• ہر نتیجہ دو بار سمجھائیں۔ ایک بار تکنیکی طور پر، اور ایک بار ایسے اسٹیک ہولڈر کے لیے جسے آپ کے طریقہ کار کی پروا نہیں۔

چار سال کے تجربے والی ایک ڈیٹا سائنٹسٹ نے ایک مارکیٹ پلیس انٹرویو کے لیے ایک دستاویز میں سو سوالات کا جائزہ لے کر تیاری کی، پھر وہ "آپ کا ٹیسٹ تین دن بعد شماریاتی طور پر اہم ہے، کیا آپ اسے شپ کریں گے" پر جم گئی کیونکہ اس نے کبھی اس کا جواب بلند آواز میں نہیں دیا تھا۔ مواد اس کے ذہن میں تھا؛ ادائیگی نہیں تھی۔ اگر آپ ان کی مشق فالو اپ سوالات کے ساتھ کرنا چاہتے ہیں، تو mock interview موڈ راؤنڈ چلاتا ہے اور آپ کے جوابات کو چیلنج کرتا ہے۔