Hướng dẫn phỏng vấn Data Scientist tại Airbnb

Các ứng viên mô tả phỏng vấn kỹ thuật cho biết có một vòng sàng lọc qua điện thoại với nhà tuyển dụng, một buổi phỏng vấn viết code về thuật toán sử dụng các test case thực tế, sau đó là buổi phỏng vấn trực tiếp bao gồm viết code, thiết kế hệ thống và văn hóa cùng giá trị công ty.

Để luyện tập cho vị trí Data Scientist, những mục dưới đây là các nhóm chuẩn bị chứ không phải tên vòng phỏng vấn đã được Airbnb xác nhận:

• Sàng lọc: Trình bày quá trình làm việc của bạn thông qua một dự án mà phân tích của bạn đã góp phần vào một quyết định. Tách biệt rõ đóng góp của bạn với công việc của cả nhóm.
• Bài tập mang về nhà: Luyện tập biến một tập dữ liệu thành một phân tích có thể tái lập, với các giả định rõ ràng, các bước kiểm tra chất lượng và một khuyến nghị ngắn gọn.
• Viết code: Viết SQL và các phép biến đổi dữ liệu trong khi giải thích tính đúng đắn, các trường hợp biên và cách bạn sẽ kiểm tra kết quả đầu ra.
• Tình huống: Chuyển một câu hỏi về sản phẩm thành các chỉ số, một thử nghiệm hoặc một cách tiếp cận mô hình hóa.
• Hành vi: Chuẩn bị các ví dụ về bất đồng quan điểm, phản hồi và các quyết định được đưa ra khi bằng chứng chưa đầy đủ.
• Phỏng vấn trực tiếp: Luyện tập chuyển đổi giữa chi tiết kỹ thuật và một cách giải thích mà người không chuyên cũng có thể hiểu được.

Trong các buổi phỏng vấn Data Scientist nói chung, hãy thể hiện rõ quá trình lập luận của bạn trong các lĩnh vực đánh giá sau:

• Thống kê và thử nghiệm: Xác định giả thuyết, chỉ số chính và các chỉ số bảo vệ. Giải thích cách ngẫu nhiên hóa, mức độ không chắc chắn và các sai lệch có thể xảy ra trước khi diễn giải một kết quả.
• SQL và viết code: Nêu rõ mỗi hàng dữ liệu đại diện cho điều gì. Xử lý các bản ghi trùng lặp, giá trị thiếu và các phép join có thể làm tăng số lượng một cách sai lệch, sau đó kiểm tra lại kết quả của bạn.
• Đánh giá mô hình: Thiết lập một mô hình cơ sở, tránh rò rỉ thông tin và chọn cách kiểm định phản ánh đúng cách các dự đoán sẽ được sử dụng. Giải thích những sai số nào quan trọng nhất.
• Truyền đạt kết quả: Đưa ra một khuyến nghị, gắn nó với bằng chứng và giải thích những gì vẫn còn chưa chắc chắn mà không cần dựa vào thuật ngữ chuyên môn.

Một câu trả lời hữu ích sẽ gắn kết mỗi phương pháp với quyết định mà nó hỗ trợ. Việc chỉ nêu tên một kỹ thuật thống kê hay một mô hình mới chỉ là điểm khởi đầu của lời giải thích đó.

Quy trình kỹ thuật được mô tả bao gồm thuật toán và thiết kế hệ thống. Đối với việc chuẩn bị chung cho vị trí Data Scientist, hãy chú ý thêm đến việc liệu một chỉ số có thực sự trả lời được câu hỏi về sản phẩm hay không, liệu một phép so sánh có đủ để hỗ trợ một khẳng định về quan hệ nhân quả hay không, và liệu một mô hình có cải thiện được một quyết định hay không.

Trong một tình huống luyện tập về một nền tảng du lịch, hãy xem xét khách thuê và chủ nhà một cách riêng biệt. Một thay đổi có thể mang lại lợi ích cho một nhóm trong khi tạo ra chi phí cho nhóm còn lại. Hãy giải thích cách bạn sẽ đo lường sự đánh đổi đó, tính đến các tương tác giữa những người tham gia và tìm hiểu những khác biệt bị che khuất bởi một mức trung bình chung.

Các ứng viên trải qua quy trình phỏng vấn kỹ thuật cấp cao cho biết thời gian phỏng vấn kéo dài từ 3 đến 5 tuần, và việc ghép đội đôi khi làm kéo dài thêm thời gian này. Hãy hỏi nhà tuyển dụng của bạn xem những vòng đánh giá nào áp dụng cho hồ sơ của bạn và việc lên lịch cho đội đó diễn ra như thế nào.

Đối với việc chuẩn bị cho vị trí Data Scientist, thách thức nằm ở việc kết hợp một phân tích chính xác với một khuyến nghị có cơ sở vững chắc. Hãy luyện tập xử lý các chỉ số mơ hồ, dữ liệu chưa đầy đủ và các kết quả không hỗ trợ rõ ràng cho việc ra mắt sản phẩm. Giải thích điều gì bạn có thể kết luận, điều gì bạn không thể kết luận và bằng chứng bổ sung nào sẽ làm thay đổi quyết định của bạn.

• Chuẩn bị bằng chứng từ dự án của bạn: Đối với phần luyện tập sàng lọc và hành vi, hãy mô tả quyết định, trách nhiệm của bạn, các phương án thay thế bạn đã cân nhắc và kết quả đạt được. Hãy đưa vào một trường hợp mà phản hồi đã làm thay đổi cách tiếp cận của bạn.
• Luyện nói to khi thực hành SQL và viết code: Làm việc với các bảng dữ liệu có liên quan, xác định mức độ chi tiết của chúng và kiểm tra các phép join cũng như phép tổng hợp. Giải thích cách bạn sẽ kiểm tra dữ liệu đầu vào trống, giá trị thiếu và các bản ghi trùng lặp.
• Hoàn thành một bài tập mang về nhà: Xây dựng một phân tích có thể tái lập và viết một bản tóm tắt ngắn dành cho người không chuyên. Nêu rõ những hạn chế của dữ liệu và phân biệt các quan sát với các kết luận nhân quả.
• Luyện tập các tình huống thử nghiệm và mô hình hóa: Chọn các chỉ số, xác định các yếu tố đe dọa tính hợp lệ và so sánh một mô hình cơ sở đơn giản với một cách tiếp cận phức tạp hơn. Gắn mỗi lựa chọn với quyết định và chi phí của các sai số.
• Luyện tập trình bày giải thích đầy đủ: Sử dụng một buổi phỏng vấn thử để luyện chuyển đổi giữa các phép tính, giả định và khuyến nghị. Xem lại những chỗ mà lập luận của bạn trở nên khó theo dõi.

Các câu hỏi dưới đây là những ví dụ tiêu biểu để luyện tập cho vị trí Data Scientist.