Я лично использовал эти методы, чтобы взломать интервью.
Я до сих пор помню, как изо всех сил пытался получить свою первую работу в качестве Data Scientist. Скажу вам, что попасть в поле совсем не просто.
Большинству должностей нужно, чтобы у вас был некоторый опыт, чтобы они рассмотрели вас для собеседования. Так что это порочный круг.
Но, следуя некоторым из приведенных ниже советов, вы наверняка сможете получить свою первую работу в качестве Data Scientist.
Если вам интересно узнать о моем прошлом, вот ссылка на мою историю перехода: https://medium.com/illumination/key-takeaways-for-successful-transition-to-data-science-from-my -путешествие-da0cb0215f31
Успешный продавец всегда ставит точку зрения клиента в основу своей стратегии продаж.
Точно так же, как кандидаты, мы должны думать с точки зрения интервьюера и резонировать с тем, что он ищет.
Все нижеперечисленные пункты помогут вам мыслить в этом направлении.
- Занимайтесь проектами, связанными с вашей областью:-
Я прошел сотни собеседований с первокурсниками/переходниками, и одна вещь, которая меня отталкивает, — это когда я вижу одни и те же старые проекты в резюме кандидатов.
Большинство кандидатов либо используют данные «Титаника», данные о жилье в Бостоне, данные «Айрис» и т. д.…
Либо выберите несколько проектов, которые имеют отношение к вашему прошлому опыту, либо, если вы новичок, проведите небольшое исследование того, в каких областях больше всего вакансий, и попытайтесь работать над проектами из этих областей.
Некоторые из областей с большим количеством вакансий, с которыми я столкнулся, - это банковское дело, страхование, розничная торговля, телекоммуникации.
2. Расскажите о проектах, связанных со сферой, в которой вы проводите собеседование:-
Самый распространенный вопрос в интервью Data Science: «Расскажите мне о проекте, над которым вы работали».
Пришло время проявить себя.
Вы видите, что наука о данных / машинное обучение — это обширная область, и никто не знает, о чем вас спросят. Но это тот вопрос, где мяч находится на вашей стороне.
Если вы провели исследование того, чем компания занимается здесь, вы можете продемонстрировать свои знания и доказать, что вы будете хорошим дополнением к команде.
Пример: - Если клиент работает в области страхования, расскажите о проекте, связанном со страхованием.
Пример: склонность к капитуляции.
Объясните, почему вы выбрали этот проект и как это может помочь компании заранее узнать, кто является клиентами, которые могут отказаться, и использовать наши прогнозы, как продавцы могут связаться с этими клиентами и удержать их.
Приведем некоторые цифры Пример: - Учитывая, что 20% клиентов имеют склонность сдаваться, и даже если мы сможем предотвратить 50% из них, это приведет к такой экономии в долларах и т. д.
Это покажет интервьюеру, что у вас есть навыки общения и вы можете говорить с деловыми людьми на понятном им языке.
3. Исследование интервьюера:-
Это очень очень важно.
Знание своей аудитории — это полдела.
Если интервьюер — технарь, подойдите к собеседованию именно так.
Объясните свой проект с технической точки зрения. Объясните набору данных, как вы работали над получением данных, предварительной обработкой, проектированием данных (насколько это наиболее важно), горячим кодированием, моделированием, методами оценки и т. д. и т. д.
Подробно объясните модели, которые вы использовали. Держите вещи очень техническими. Изучите наиболее часто используемые модели, объясните их подробно — это важно, так как все знают об общих моделях и могут оценить ваши ответы, а затем добавить новые модели, которые также можно изучить.
Но если интервьюер является функциональным менеджером (в основном второй раунд после технического раунда) - тогда обсуждайте вещи с высоты 50 футов (если только они не задают специально технические вопросы).
Вы должны быть в состоянии объяснить вещи на языке непрофессионала. Это ожидается, когда Data Scientist разговаривает с нетехническими людьми.
4. Объясните проекты от начала до конца:-
Многие кандидаты начинают с того, что мы получили данные от Kaggle. В реальном мире такое случается редко.
Во-первых, нужно получать данные из БД или откуда-то еще, во-вторых, данные никогда не бывают чистыми.
Поэтому начните с проектов, которые требуют от вас извлечения данных из Интернета или получения данных путем объединения данных из многих источников и т. д.
Попробуйте поговорить с друзьями, работающими в отрасли, и понять, как они работают.
Старайтесь, чтобы все было как можно ближе к реальной жизни
5. Честность - лучшая политика и демонстрация готовности учиться: -
Ни у кого, и я имею в виду, ни у кого нет ответов на все вопросы. Когда вы сталкиваетесь с любой такой ситуацией, признайте, что вы не знаете, а не давайте неправильные ответы и говорите, что подобные вещи для меня в новинку. Я хотел бы изучить и внедрить что-то подобное.
6. Исследование объяснимости модели: -
По статистике 85% разработанных моделей никогда не поступают в производство, а остальные редко используются.
Одна из основных причин заключается в том, что у бизнеса нет уверенности, чтобы начать жить.
Изучите методы объяснения глобальных функций, такие как Важность функции, и, что более важно, изучите и объясните методы объяснения локальных функций, такие как значения SHAP.
Поверьте, это меняет правила игры. Многие старшие специалисты по данным мало что знают о таких вещах, как SHAP.
Важность функций объясняет, какие функции являются наиболее важными на уровне набора данных.
Значения SHAPley объясняют, какая функция больше всего способствовала прогнозированию.
Итак, представьте, что вы строите модель погашения кредита.
Если вы можете объяснить, на основании каких особенностей наша модель отказывает в выдаче кредита конкретному клиенту. Бизнес обязательно рассмотрит нашу модель.
Надеюсь, вам понравилась эта статья. Если вы действительно подумайте о том, чтобы подписаться на меня, поскольку я намерен писать такие практические статьи, которые помогут сообществу.
