คำถามสัมภาษณ์วิทยาศาสตร์ข้อมูล

คู่มืออาชีพนักวิทยาศาสตร์ข้อมูลของ BrainStation สามารถช่วยให้คุณก้าวแรกสู่อาชีพที่ร่ำรวยในด้านวิทยาศาสตร์ข้อมูล อ่านภาพรวมของคำถามสัมภาษณ์ทั่วไปสำหรับงานวิทยาศาสตร์ข้อมูลและวิธีตอบคำถามให้ดีที่สุด

มาเป็นนักวิทยาศาสตร์ข้อมูล

พูดคุยกับที่ปรึกษาการเรียนรู้เพื่อเรียนรู้เพิ่มเติมว่าหลักสูตรติวเข้มและหลักสูตรของเราสามารถช่วยให้คุณเป็นนักวิทยาศาสตร์ข้อมูลได้อย่างไร

การคลิกส่งแสดงว่าคุณยอมรับ เงื่อนไข .

ส่ง

ส่งไม่ได้! รีเฟรชหน้าแล้วลองอีกครั้งไหม

เรียนรู้เพิ่มเติมเกี่ยวกับ Data Science Bootcamp ของเรา

ขอขอบคุณ!

เราจะติดต่อกลับไปในไม่ช้า

ดูหน้า Data Science Bootcamp

ขั้นตอนการสัมภาษณ์วิทยาศาสตร์ข้อมูลอาจแตกต่างกันไปขึ้นอยู่กับบริษัทและอุตสาหกรรม โดยปกติพวกเขาจะรวมการคัดกรองโทรศัพท์เบื้องต้นกับผู้จัดการการจ้างงานตามด้วยการสัมภาษณ์ในสถานที่หนึ่งหรือหลายครั้ง

คุณจะต้องตอบคำถามสัมภาษณ์วิทยาศาสตร์ข้อมูลทางเทคนิคและพฤติกรรม และมีแนวโน้มว่าจะทำโครงงานที่เกี่ยวข้องกับทักษะให้เสร็จสิ้น ก่อนการสัมภาษณ์ทุกครั้ง คุณควรทบทวนประวัติย่อและผลงานของคุณ รวมทั้งเตรียมสำหรับคำถามในการสัมภาษณ์ที่อาจเกิดขึ้น

คำถามสัมภาษณ์ด้านวิทยาศาสตร์ข้อมูลจะทดสอบความรู้และทักษะด้านสถิติ การเขียนโปรแกรม คณิตศาสตร์ และการสร้างแบบจำลองข้อมูลของคุณ นายจ้างจะประเมินทักษะทางเทคนิคและทักษะที่อ่อนนุ่มของคุณ และคุณเหมาะสมกับบริษัทของพวกเขามากเพียงใด

โดยการเตรียมคำถามและคำตอบในการสัมภาษณ์วิทยาศาสตร์ข้อมูลทั่วไป คุณสามารถเข้าสู่การสัมภาษณ์ด้วยความมั่นใจ มีคำถามประเภท Data Scientist บางประเภทที่คุณสามารถคาดหวังได้ในระหว่างการสัมภาษณ์ด้านวิทยาศาสตร์ข้อมูลของคุณ

รายการคำถามสัมภาษณ์วิทยาศาสตร์ข้อมูล: คำถามที่เกี่ยวข้องกับข้อมูล

นายจ้างกำลังมองหาผู้สมัครที่มีความรู้ดีเกี่ยวกับเทคนิคและแนวคิดด้านวิทยาศาสตร์ข้อมูล คำถามสัมภาษณ์ที่เกี่ยวข้องกับข้อมูลจะแตกต่างกันไปตามตำแหน่งและทักษะที่จำเป็น

ต่อไปนี้คือตัวอย่างคำถามและคำตอบในการสัมภาษณ์ที่เกี่ยวข้องกับข้อมูลตัวอย่าง:

อะไรคือความแตกต่างระหว่างการเรียนรู้แบบมีผู้สอนและแบบไม่มีผู้ดูแล?

ความแตกต่างที่ใหญ่ที่สุดระหว่างการเรียนรู้ภายใต้การดูแลและการเรียนรู้ที่ไม่ได้อยู่ภายใต้การดูแลคือการใช้ชุดข้อมูลที่มีป้ายกำกับและไม่มีป้ายกำกับ การเรียนรู้ภายใต้การดูแลจะใช้ข้อมูลเอาต์พุตและอินพุตที่มีป้ายกำกับ และอัลกอริธึมการเรียนรู้ที่ไม่มีผู้ดูแลจะไม่ใช้ ความแตกต่างอีกประการหนึ่งคือการเรียนรู้ภายใต้การดูแลมีกลไกการป้อนกลับในขณะที่การเรียนรู้ที่ไม่มีผู้ดูแลไม่มี สุดท้าย อัลกอริธึมการเรียนรู้ภายใต้การดูแลที่ใช้กันทั่วไป ได้แก่ การถดถอยโลจิสติก เครื่องเวกเตอร์สนับสนุน และแผนผังการตัดสินใจ ในขณะที่อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลคือการจัดกลุ่ม k-mean การจัดกลุ่มแบบลำดับชั้น และอัลกอริธึม apriori

อะไรคือความแตกต่างระหว่างการเรียนรู้เชิงลึกและการเรียนรู้ของเครื่อง?

คำถามนี้อาจตอบได้ยากอย่างชัดเจนเพราะมีความทับซ้อนกันอย่างชัดเจน เริ่มต้นด้วยการอธิบายว่าการเรียนรู้เชิงลึกนั้นเป็นสาขาย่อยของการเรียนรู้ของเครื่องและทั้งสองอยู่ภายใต้ปัญญาประดิษฐ์ ในที่ที่แมชชีนเลิร์นนิงใช้อัลกอริทึมในการวิเคราะห์ข้อมูลและเรียนรู้ที่จะตัดสินใจในท้ายที่สุดโดยพิจารณาจากสิ่งที่นำออกมาจากข้อมูล การเรียนรู้เชิงลึกจะจัดชั้นอัลกอริทึมเหล่านั้นเพื่อสร้างเครือข่ายประสาทเทียมที่สามารถเรียนรู้และตัดสินใจอย่างมีข้อมูล

• คุณสามารถให้คำอธิบายโดยละเอียดเกี่ยวกับอัลกอริธึม Decision Tree ได้หรือไม่?
• การสุ่มตัวอย่างคืออะไร? คุณคุ้นเคยกับวิธีการสุ่มตัวอย่างกี่วิธี?
• คุณแยกความแตกต่างระหว่างข้อผิดพลาดประเภท I กับประเภท II อย่างไร
• โปรดระบุการถดถอยเชิงเส้น
• ค่า p ค่าสัมประสิทธิ์และค่า r-squared หมายความว่าอย่างไร เหตุใดแต่ละองค์ประกอบจึงมีความสำคัญ
• โปรดกำหนดอคติในการเลือก
• โปรดกำหนดปฏิสัมพันธ์ทางสถิติ
• คุณช่วยยกตัวอย่างชุดข้อมูลที่มีการแจกแจงแบบไม่มีเกาส์เซียนได้ไหม
• โปรดอธิบายสูตรความน่าจะเป็นทวินาม
• คุณช่วยอธิบายความแตกต่างระหว่างการจัดกลุ่ม k-NN และ k-mean ได้ไหม
• แนวทางของคุณในการสร้างแบบจำลองการถดถอยโลจิสติกคืออะไร?
• กฎ 80/20 คืออะไร? การตรวจสอบแบบจำลองมีความสำคัญอย่างไร?
• กำหนดความแม่นยำและการเรียกคืน พวกเขาเกี่ยวข้องกับเส้นโค้ง ROC อย่างไร
• โปรดอธิบายวิธีแยกความแตกต่างระหว่างวิธีการทำให้เป็นมาตรฐาน L1 และ L2
• ก่อนใช้อัลกอริธึมการเรียนรู้ของเครื่อง มีขั้นตอนใดบ้างในการโต้แย้งข้อมูลและการล้างข้อมูล
• คุณช่วยอธิบายความแตกต่างระหว่างฮิสโตแกรมและพล็อตกล่องได้ไหม
• คุณกำหนดการตรวจสอบข้ามอย่างไร?
• คุณช่วยอธิบายได้ไหมว่า false positive และ false negative คืออะไร? คุณคิดว่าอะไรจะดีกว่า: ผลบวกลวงมากเกินไปหรือเชิงลบเท็จมากเกินไป
• เมื่อออกแบบโมเดลแมชชีนเลิร์นนิง อะไรสำคัญกว่า: ความแม่นยำของโมเดลหรือประสิทธิภาพของโมเดล
• ในความเห็นของคุณ อะไรจะดีไปกว่า: ต้นไม้การตัดสินใจขนาดเล็ก 50 ต้นหรือต้นไม้ใหญ่
• คุณนึกถึงโครงการวิทยาศาสตร์ข้อมูลของบริษัทที่คุณสนใจได้ไหม
• คุณช่วยนึกถึงตัวอย่างแนวทางปฏิบัติที่ดีที่สุดในวิทยาศาสตร์ข้อมูลได้ไหม

รายการคำถามสัมภาษณ์วิทยาศาสตร์ข้อมูล: คำถามทักษะทางเทคนิค

คำถามทักษะทางเทคนิคในการสัมภาษณ์วิทยาศาสตร์ข้อมูลใช้เพื่อประเมินความรู้ ทักษะ และความสามารถด้านวิทยาศาสตร์ข้อมูลของคุณ คำถามเหล่านี้จะเกี่ยวข้องกับความรับผิดชอบงานเฉพาะของตำแหน่ง Data Scientist

คำถามสัมภาษณ์วิทยาศาสตร์ข้อมูลทางเทคนิคอาจมีคำตอบที่ถูกต้องเพียงข้อเดียวหรือวิธีแก้ปัญหาที่เป็นไปได้หลายข้อ คุณจะต้องแสดงกระบวนการคิดเมื่อแก้ปัญหาและอธิบายให้ชัดเจนว่าคุณได้คำตอบมาอย่างไร

ตัวอย่างคำถามสัมภาษณ์ทักษะวิทยาศาสตร์ข้อมูลทางเทคนิค ได้แก่

เครื่องมือและทักษะทางเทคนิคอันดับต้นๆ สำหรับ Data Scientist คืออะไร?

วิทยาศาสตร์ข้อมูลเป็นสาขาที่มีเทคนิคขั้นสูง และคุณจะต้องแสดงให้ผู้จัดการการจ้างงานเห็นว่าคุณเชี่ยวชาญด้วยเครื่องมือ ซอฟต์แวร์ และภาษาโปรแกรมมาตรฐานอุตสาหกรรมล่าสุดทั้งหมด จากภาษาการเขียนโปรแกรมทางสถิติต่างๆ ที่ใช้ในวิทยาศาสตร์ข้อมูล R และ Python มักใช้โดย Data Scientists สามารถใช้ทั้งสองอย่างสำหรับฟังก์ชันทางสถิติ เช่น การสร้างแบบจำลองไม่เชิงเส้นหรือเชิงเส้น การวิเคราะห์การถดถอย การทดสอบทางสถิติ การทำเหมืองข้อมูล และอื่นๆ เครื่องมือวิทยาศาสตร์ข้อมูลที่สำคัญอีกอย่างหนึ่งคือ RStudio Server ในขณะที่ Jupyter Notebook มักใช้สำหรับการสร้างแบบจำลองทางสถิติ การสร้างภาพข้อมูล ฟังก์ชันการเรียนรู้ของเครื่อง ฯลฯ แน่นอนว่ามีเครื่องมือสร้างภาพข้อมูลเฉพาะจำนวนหนึ่งที่ใช้กันอย่างแพร่หลายโดย Data Scientists รวมถึง Tableau, PowerBI , โบเก้ พล็อตลี่ และอินโฟแกรม นักวิทยาศาสตร์ข้อมูลยังต้องการประสบการณ์มากมายในการใช้ SQL และ Excel

คำตอบของคุณควรระบุเครื่องมือเฉพาะหรือความสามารถทางเทคนิคที่ต้องการสำหรับงานที่คุณกำลังสัมภาษณ์ ทบทวนรายละเอียดงานและหากมีเครื่องมือหรือโปรแกรมใดที่คุณยังไม่เคยใช้ ควรทำความคุ้นเคยก่อนการสัมภาษณ์

คุณปฏิบัติต่อค่าผิดปกติอย่างไร?

ค่าผิดปกติบางประเภทสามารถลบออกได้ ค่าขยะหรือค่าที่คุณรู้ว่าไม่สามารถเป็นจริงได้ ค่าผิดปกติที่มีค่ามากนอกจุดข้อมูลที่เหลือที่คลัสเตอร์ในชุดสามารถลบออกได้เช่นกัน หากคุณไม่สามารถลบค่าผิดปกติได้ คุณอาจลองพิจารณาใหม่ว่าคุณเลือกแบบจำลองที่ถูกต้องหรือไม่ คุณสามารถใช้อัลกอริทึม (เช่น ฟอเรสต์แบบสุ่ม) ที่จะไม่ได้รับผลกระทบมากนักจากค่าผิดปกติ หรือคุณอาจลองปรับข้อมูลให้เป็นมาตรฐาน

• โปรดบอกเราเกี่ยวกับอัลกอริทึมดั้งเดิมที่คุณสร้างขึ้น
• ซอฟต์แวร์สถิติที่คุณชื่นชอบคืออะไร และเพราะเหตุใด
• คุณเคยทำงานในโครงการวิทยาศาสตร์ข้อมูลที่ต้องการส่วนประกอบการเขียนโปรแกรมจำนวนมากหรือไม่? คุณได้อะไรจากประสบการณ์นี้บ้าง?
• อธิบายวิธีการแสดงข้อมูลอย่างมีประสิทธิภาพด้วยมิติข้อมูลทั้งห้า
• คุณต้องสร้างแบบจำลองการคาดการณ์โดยใช้การถดถอยพหุคูณ กระบวนการของคุณในการตรวจสอบโมเดลนี้เป็นอย่างไร
• คุณแน่ใจได้อย่างไรว่าการเปลี่ยนแปลงที่คุณทำกับอัลกอริทึมนั้นเป็นการปรับปรุง
• โปรดระบุวิธีการของคุณในการจัดการชุดข้อมูลที่ไม่สมดุลซึ่งใช้ในการทำนาย (กล่าวคือ มีคลาสเชิงลบมากกว่าคลาสเชิงบวกอย่างมาก)
• แนวทางของคุณในการตรวจสอบแบบจำลองที่คุณสร้างขึ้นเพื่อสร้างแบบจำลองการคาดการณ์ของตัวแปรผลลัพธ์เชิงปริมาณโดยใช้การถดถอยพหุคูณคืออะไร
• คุณมีประสิทธิภาพและความแม่นยำในการคำนวณที่เปรียบเทียบกันได้สองแบบ โปรดอธิบายว่าคุณตัดสินใจเลือกวิธีการผลิตแบบใดและเพราะเหตุใด
• คุณจะได้รับชุดข้อมูลที่ประกอบด้วยตัวแปรที่มีค่าขาดหายไปจำนวนมาก แนวทางของคุณคืออะไร?

รายการคำถามสัมภาษณ์วิทยาศาสตร์ข้อมูล: คำถามส่วนตัว

นอกจากการทดสอบความรู้และทักษะด้านวิทยาศาสตร์ข้อมูลของคุณแล้ว นายจ้างมักจะถามคำถามทั่วไปเพื่อทำความรู้จักกับคุณมากขึ้น คำถามเหล่านี้จะช่วยให้พวกเขาเข้าใจรูปแบบการทำงาน บุคลิกภาพของคุณ และวิธีที่คุณอาจเข้ากับวัฒนธรรมองค์กรของพวกเขา

คำถามสัมภาษณ์นักวิทยาศาสตร์ข้อมูลส่วนบุคคลอาจรวมถึง:

อะไรทำให้ Data Scientist ดี?

คำตอบของคุณสำหรับคำถามนี้จะบอกผู้จัดการการจ้างงานได้มากเกี่ยวกับวิธีที่คุณเห็นบทบาทของคุณและคุณค่าที่คุณมอบให้กับองค์กร ในคำตอบของคุณ คุณสามารถพูดคุยเกี่ยวกับวิธีที่วิทยาศาสตร์ข้อมูลต้องการการผสมผสานระหว่างความสามารถและทักษะที่หายาก นักวิทยาศาสตร์ข้อมูลที่ดีจำเป็นต้องรวมทักษะทางเทคนิคที่จำเป็นในการแยกวิเคราะห์ข้อมูล และสร้างแบบจำลองที่มีความรู้สึกทางธุรกิจที่จำเป็นในการทำความเข้าใจปัญหาที่พวกเขากำลังจัดการ รวมทั้งรับรู้ข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้ในข้อมูลของตน ในคำตอบของคุณ คุณยังสามารถพูดคุยเกี่ยวกับ Data Scientist ที่คุณมองหา ไม่ว่าจะเป็นเพื่อนร่วมงานที่คุณรู้จักเป็นการส่วนตัวหรือบุคคลในอุตสาหกรรมที่เฉียบแหลม

• กรุณาบอกฉันเกี่ยวกับตัวคุณ
• อะไรคือคุณสมบัติที่ดีที่สุดของคุณอย่างมืออาชีพ? จุดอ่อนของคุณคืออะไร?
• มี Data Scientist คนใดคนหนึ่งที่คุณชื่นชมมากที่สุด?
• อะไรเป็นแรงบันดาลใจให้คุณสนใจวิทยาศาสตร์ข้อมูล
• คุณนำทักษะหรือคุณลักษณะเฉพาะตัวใดบ้างที่จะช่วยทีมได้
• อะไรทำให้คุณตัดสินใจออกจากงานล่าสุด
• คาดหวังผลตอบแทนจากงานนี้ระดับไหน?
• คุณชอบที่จะทำงานคนเดียวหรือเป็นส่วนหนึ่งของทีม Data Scientists หรือไม่?
• คุณเห็นอาชีพของคุณในห้าปีที่ไหน?
• คุณมีวิธีจัดการกับความเครียดในงานอย่างไร?
• คุณหาแรงจูงใจได้อย่างไร?
• วิธีการของคุณในการวัดความสำเร็จคืออะไร?
• คุณจะอธิบายสภาพแวดล้อมการทำงานในอุดมคติของคุณว่าอย่างไร?
• ความหลงใหลหรืองานอดิเรกของคุณนอกเหนือจากวิทยาศาสตร์ข้อมูลคืออะไร?

รายการคำถามสัมภาษณ์วิทยาศาสตร์ข้อมูล: ความเป็นผู้นำและการสื่อสาร

ความเป็นผู้นำและการสื่อสารเป็นสองทักษะที่มีคุณค่าสำหรับนักวิทยาศาสตร์ข้อมูล นายจ้างให้ความสำคัญกับผู้สมัครงานที่สามารถแสดงความริเริ่ม แบ่งปันความเชี่ยวชาญกับสมาชิกในทีม และสื่อสารวัตถุประสงค์และกลยุทธ์ด้านวิทยาศาสตร์ข้อมูล

ต่อไปนี้คือตัวอย่างบางส่วนของคำถามสัมภาษณ์ด้านวิทยาศาสตร์ข้อมูลความเป็นผู้นำและการสื่อสาร:

คุณชอบอะไรในการทำงานกับทีมสหสาขาวิชาชีพ?

นักวิทยาศาสตร์ข้อมูลทำงานร่วมกับผู้คนมากมายในบทบาทด้านเทคนิคและที่ไม่ใช่ด้านเทคนิค ไม่ใช่เรื่องแปลกที่ Data Scientist จะทำงานร่วมกับนักพัฒนา นักออกแบบ ผู้เชี่ยวชาญด้านผลิตภัณฑ์ นักวิเคราะห์ข้อมูล ทีมขายและการตลาด และผู้บริหารระดับบนสุด ไม่ต้องพูดถึงลูกค้า ดังนั้นในคำตอบของคุณสำหรับคำถามนี้ คุณต้องแสดงให้เห็นว่าคุณคือผู้เล่นในทีมที่ชอบโอกาสในการพบปะและทำงานร่วมกับผู้คนทั่วทั้งองค์กร เลือกตัวอย่างสถานการณ์ที่คุณรายงานต่อบุคคลระดับสูงสุดในบริษัทเพื่อแสดงว่าคุณไม่เพียงแต่สะดวกที่จะสื่อสารกับใครก็ตาม แต่ยังแสดงให้เห็นว่าข้อมูลเชิงลึกที่มาจากข้อมูลของคุณมีคุณค่าเพียงใดในอดีต

• คุณนึกถึงสถานการณ์ทางวิชาชีพที่คุณมีโอกาสแสดงความเป็นผู้นำได้หรือไม่?
• แนวทางของคุณในการแก้ไขข้อขัดแย้งคืออะไร?
• แนวทางของคุณในการสร้างความสัมพันธ์แบบมืออาชีพกับเพื่อนร่วมงานคืออะไร?
• อะไรคือตัวอย่างของการนำเสนอที่ประสบความสำเร็จของคุณ? ทำไมมันจึงน่าสนใจ?
• หากคุณกำลังพูดคุยกับเพื่อนร่วมงานหรือลูกค้าที่ไม่มีพื้นฐานทางเทคนิค คุณจะอธิบายปัญหาหรือความท้าทายทางเทคนิคที่ซับซ้อนได้อย่างไร
• โปรดระลึกถึงสถานการณ์เมื่อคุณต้องจัดการกับข้อมูลที่ละเอียดอ่อน คุณเข้าใกล้สถานการณ์อย่างไร?
• จากมุมมองของคุณเอง คุณจะให้คะแนนทักษะการสื่อสารของคุณอย่างไร

รายการคำถามสัมภาษณ์วิทยาศาสตร์ข้อมูล: เกี่ยวกับพฤติกรรม

ด้วยคำถามสัมภาษณ์เชิงพฤติกรรม นายจ้างกำลังมองหาสถานการณ์เฉพาะที่แสดงทักษะบางอย่าง ผู้สัมภาษณ์ต้องการทำความเข้าใจว่าคุณจัดการกับสถานการณ์ในอดีตอย่างไร สิ่งที่คุณได้เรียนรู้ และสิ่งที่คุณสามารถนำไปใช้กับบริษัทของพวกเขาได้

ตัวอย่างคำถามเชิงพฤติกรรมในการสัมภาษณ์วิทยาศาสตร์ข้อมูล ได้แก่

คุณจำสถานการณ์ที่คุณต้องทำความสะอาดและจัดระเบียบชุดข้อมูลขนาดใหญ่ได้หรือไม่?

จากการศึกษาพบว่า Data Scientists ใช้เวลาส่วนใหญ่ในการเตรียมข้อมูล ต่างจากการทำเหมืองข้อมูลหรือการสร้างแบบจำลอง ดังนั้น หากคุณมีประสบการณ์ในฐานะ Data Scientist แทบจะแน่นอนว่าคุณมีประสบการณ์ในการทำความสะอาดและจัดระเบียบชุดข้อมูลขนาดใหญ่ เป็นความจริงที่ว่านี่เป็นงานที่มีเพียงไม่กี่คนที่สนุกจริงๆ แต่การล้างข้อมูลก็เป็นขั้นตอนที่สำคัญที่สุดขั้นตอนหนึ่งสำหรับบริษัทใดๆ ดังนั้น คุณควรนำผู้จัดการการว่าจ้างผ่านกระบวนการที่คุณปฏิบัติตามในการเตรียมข้อมูล: ลบการสังเกตที่ซ้ำกัน แก้ไขข้อผิดพลาดของโครงสร้าง การกรองค่าผิดปกติ การแก้ปัญหาข้อมูลที่ขาดหายไป และการตรวจสอบข้อมูล

• ลองนึกย้อนกลับไปถึงโครงการข้อมูลที่คุณเคยทำงานเมื่อพบปัญหาหรือความท้าทาย สถานการณ์เป็นอย่างไร อุปสรรคคืออะไร และคุณเอาชนะมันได้อย่างไร
• โปรดให้ตัวอย่างเฉพาะของการใช้ข้อมูลเพื่อยกระดับประสบการณ์ของลูกค้าหรือผู้มีส่วนได้ส่วนเสีย?
• โปรดระบุสถานการณ์เฉพาะที่คุณบรรลุเป้าหมาย คุณบรรลุเป้าหมายได้อย่างไร
• โปรดระบุสถานการณ์เฉพาะที่คุณไม่บรรลุเป้าหมาย เกิดอะไรขึ้น?
• แนวทางของคุณในการจัดการและดำเนินการตามกำหนดเวลาที่รัดกุมคืออะไร?
• คุณจำเวลาที่คุณเผชิญกับความขัดแย้งในที่ทำงานได้หรือไม่? คุณจัดการกับมันอย่างไร?

รายชื่อคำถามสัมภาษณ์ Data Science จากบริษัทชั้นนำ (Amazon, Google, Facebook, Microsoft)

เพื่อให้คุณมีแนวคิดเกี่ยวกับคำถามอื่นๆ ที่อาจเกิดขึ้นในการสัมภาษณ์ เราได้รวบรวมรายการคำถามสัมภาษณ์ด้านวิทยาศาสตร์ข้อมูลจากบริษัทเทคโนโลยีชั้นนำบางแห่ง

• อะไรคือความแตกต่างระหว่างเวกเตอร์เครื่องสนับสนุนกับการถดถอยโลจิสติก? โปรดยกตัวอย่างสถานการณ์ที่คุณจะเลือกใช้อย่างใดอย่างหนึ่งมากกว่าที่อื่น
• หากการนำค่าที่หายไปออกจากชุดข้อมูลทำให้เกิดอคติ คุณจะทำอย่างไร
• เมื่อพิจารณาถึงสุขภาพ การมีส่วนร่วม หรือการเติบโตของผลิตภัณฑ์ คุณจะประเมินเมตริกใด
• เมื่อพยายามจัดการหรือแก้ปัญหาทางธุรกิจที่เกี่ยวข้องกับผลิตภัณฑ์ของเรา คุณจะประเมินเมตริกใดบ้าง
• คุณตัดสินประสิทธิภาพของผลิตภัณฑ์อย่างไร?
• คุณรู้ได้อย่างไรว่าการสังเกตใหม่เป็นค่าผิดปกติ?
• คุณจะนิยามการแลกเปลี่ยนความแปรปรวนอคติอย่างไร
• วิธีการของคุณในการสุ่มเลือกตัวอย่างจากประชากรผู้ใช้ผลิตภัณฑ์คืออะไร?
• กระบวนการของคุณสำหรับการโต้แย้งและทำความสะอาดข้อมูลก่อนใช้อัลกอริธึมการเรียนรู้ของเครื่องเป็นอย่างไร
• คุณจะเข้าถึงการจำแนกไบนารีที่ไม่สมดุลอย่างไร?
• คุณแยกความแตกต่างระหว่างการสร้างภาพข้อมูลที่ดีและไม่ดีอย่างไร?
• โปรดสร้างฟังก์ชันที่ตรวจสอบว่าคำนั้นเป็นพาลินโดรมหรือไม่