Как успешно пройти собеседование по заданным навыкам в области анализа данных
В эпоху искусственного интеллекта здесь выделяется главное, чем когда-либо. Вот три совета, которые помогут вам уверенно подойти к следующему собеседованию.
Делиться
Нет, это не «легкий» раунд.
Когда я только начал проводить собеседования в своей предыдущей компании, я думал, что поведенческая часть собеседования — это самая лёгкая часть. Что, если технический человек под прикрытием и сможет впечатать интервьюеров своим аналитическим складом ума, он будет главным претендентом на любую работу.
Затем я стал свидетелем того, как высококвалифицированный кандидат с техническими вопросами проиграл более общительному соискателю.
Не потому, что ему не хватает опыта. Он хорошо работал и, очевидно, знал свое дело. Просто он понятия не имел, рассказывал, как мы о своей работе, чтобы это произвело впечатление, и как связать свою работу в качестве специалиста по анализу данных с темой, что действительно волновало мою команду: сотрудничество, общение и принятие решений в условиях неопределенности.
Вот что важно знать о поведенческих собеседованиях, проводимых специалистами по анализу данных: они отличаются от поведенческих собеседований в других областях. Проверяйте не только свои коммуникативные навыки. Они хотят выяснить, можно ли преобразовывать технические задачи в бизнес-ценности, управлять отношениями с нетехническими заинтересованными сторонами и справляться с ситуациями, когда данные не дают однозначного ответа. class=»wp-block-heading»> 1. Рассмотрите каждую историю общения с заинтересованными сторонами.
Самая большая ошибка, которую я вижу у специалистов по анализу данных на поведенческих интервью, — это сложная сложная часть истории, когда интервьюер хочет услышать бизнес-историю.
Вас спрашивает: «Расскажите о случае, когда у вас был сложный проект». Вы начинаете подробно объяснять свой подход к кристаллической границе, переходу гиперпараметров, компромиссу между пространством и полнотой, с которым вам придется столкнуться. другие специалисты по анализу данных: в большинстве компаний специалист по анализу данных, способный простой язык объяснить влияние своей модели на бизнес, ценится больше, чем тот, кто лучше разбирается в математике.Интервьюеру не нужны технические подробности. Каждому нужно знать:
- В чем была заключена проблема?
- Что ты сделал?
- Почему это имело значение?
Я писала об этой же проблеме в своей работе с заинтересованными организациями: «Руководство для специалистов по анализу данных по работе с заинтересованными лицами».
Перед собеседованием потренируйтесь излагать свои истории, используя эту структуру:
- В чем заключалась бизнес-проблема (а не техническая)?
- Кто пострадал или был обработан?
- В чем заключил ваш вклад, если говорить простыми словами?
- результат можно измерить?
Вместо того, чтобы говорить: «Я создал модель прогнозирования временных рядов с использованием запаздывающих правила и алгоритм Random Forest, который уменьшил среднеквадратическую ошибку на 40%», формат: «У нас была повторяющаяся проблема, когда наша команда каждый месяц заказывала избыточное количество энергоресурсов, что имело реальные последствия для затрат. Я создал модель прогнозирования, позволяющую нам делать более точные прогнозы на неделю вперед, что напрямую сокращает наши дополнительные расходы».
Я рекомендую начать с простым поиском в Google: «[Название компании] вопросы для поведенческого собеседования».Вы можете найти информацию на Glassdoor, Reddit и других небольших сайтах. Что особенно важно для крупных компаний, вы часто встречаете темы, где бывшие кандидаты поднимались тем, какие вопросы они задавали, как выглядела форма собеседования и какие впечатления у них остались от них. Имейте в виду, что команда со временем меняет свои вопросы, поэтому не стоит воспринимать старые отзывы как основу в последних структурах, но они все равно дают вам хорошее представление о том, что ценит компания и как она предпочитает выявлять эти ценности. должность
Поищите на YouTube видеороликис проведенными пробными собеседованиями или видео от людей, которые провели множество раундов собеседований в сфере анализа данных. Просмотр ответов других людей даст вам больше знаний, чем чтение советов. Обратите внимание на:
- Какие ситуации потенциального кандидата, и в каких случаях обеспечены?
- Отражение Вы видите кандидата и его общее поведение
3. Подготовьтесь к изменению ситуации заранее.
Многие советы по подготовке к поведенческим собеседованиям содержат следующие положения: «Расскажите о случае, если вы не столкнетесь с коллегой» или «Опишите ситуацию, в которой вы потерпели неудачу». Эти вопросы важны, но для вакансий в области анализа данных более сложной категории является неопределенность. class=»wp-block-list-item»> «Опишите проект, в котором были изменены требования в процессе его выполнения».
Эти вопросы специально разработаны для оценки того, что имеет большое значение в науке о данных: ваша терпимость к неопределенности и ваши способности двигаются вперед, не принимая во внимание всю информацию. STAR означает:
- Ситуация : Каков был контекст/предыстория?
- Задание: Что именно вам было поручено сделать/решить?
- Действие : Какие шаги вы предприняли для решения проблем?
- Результат : Каков был исход?
Давайте рассмотрим конкретный пример метода STAR: «Расскажите о случае, когда вам пришлось принять решение, не принимая во внимание всю информацию». период, который я планирую использовать.
Задача: Моим заинтересованным сторонам потребовалась рабочая модель к завершению спринта. Мне нужно было решить, стоит ли отложить проект для дальнейшего изучения проблемы с данными или продолжить работу с измененным подходом и указать на риск.
Действие:Я удалил проблемное окно из обучающего набора данных, переобучил модель на более точных данных и провел быстрый анализ, чтобы количественно оценить, насколько известно, вероятно, я теряю точность прогнозирования. Я представил заинтересованную сторону обоих предложений (предложил с большей уверенностью или в срок с документально оформленными оговорками) и дал ей возможность принять решение, при условии полной информации. Мы добились снижения средней абсолютной ошибки на 12% по сравнению с существующим базовым уровнем, а наши прогнозы на неделю вперед оказались достаточно точными, чтобы сократить избыточные заказы на энергетику примерно на 18% в первый месяц развития. Позже заинтересованная сторона сообщила мне, что прозрачность в отношении данных фактически повышает их уверенность в безопасности, а не наоборот.
Не торопитесь, запишите на бумагу несколько заметок об этих примерах (и не только). Так что вы не окажетесь в сложном положении, когда возникнет вопрос. Даже если это будет вопрос, будут ли различаться те события, которые вы изначально предполагали, наличие нескольких соответствующих явлений, на которые можно опереться, все равно гораздо лучше, чем полное неразбериха в данный момент.За первый год работы в качестве специалиста по анализу данных я понял, что суть работы редко сводится к поиску идеального ответа. Речь идет о поиске обоснованного ответа, достаточно быстрого, чтобы он был представлен. Заинтересованные стороны не ждут идеальных данных. Бизнес-решения принимаются срочно. Умение сказать: «Вот что подтверждает данные на данный момент, и вот какой противник я сделал» — это само по себе ценный навык.
Поэтому перед собеседованием подумайте о моментах, когда вы:
- Предложил решение ещё до того, как модель стала идеальной.
- Выявил изменение масштаба проекта и встроенные корректировки.
- Принял взвешенное решение и взял на себя ответственность за последствия.
- Четко выразил неуверенность, а не скрывал ее.
Запишите несколько таких ситуаций перед собеседованием. Так они будут свежи в вашей памяти.
И еще один бонусный совет: не буднично улыбайтесь, сохраняйте позитивный настрой и хорошее настроение. Это может сыграть гораздо большую роль на собеседовании, чем вы думаете. Постарайтесь завязать непринужденную беседу с интервьюерами. Найдите что-нибудь общее с ними. Не бойтесь пошутить. Вы удивите официально, это может помочь вам выделиться среди других кандидатов. LinkedIn
- Купите мне кофе , чтобы поддержать мою работу!
Хейден Пеллетье. Все работы Хейдена Пеллетье.
Источник: towardsdatascience.com
Оцените материал:
