Skip to contentSkip to footer

Data Scientist Interview Questions

Salaries
Interviews

Data Scientist Interview Questions

Lors d’un entretien pour le poste de data scientist, les employeurs vont poser des questions leur permettant d’évaluer vos compétences en modélisation des données, résolution des problèmes et programmation. Soyez préparé à répondre à des questions générales testant vos connaissances en statistiques et en science des données. Vous devez également être prêt à répondre à des questions ouvertes permettant de tester votre créativité, vos compétences en communication et votre éducation formelle en modélisation des données et en programmation.

Questions d'entretien d'embauche fréquentes pour un data scientist (H/F) et comment y répondre

Question 1

Question 1 : Quelles techniques de modélisation des données préférez-vous et pourquoi ?

How to answer
Comment répondre : La transformation des données en informations compréhensibles et exploitables est un élément critique du métier de data scientist. Cette question permet aux employeurs de comprendre vos compétences en modélisation des données et votre cursus. Répertoriez et détaillez les techniques de modélisation des données que vous préférez, notamment leurs avantages comme leur facilité d’utilisation, leur flexibilité, etc.
Question 2

Question 2 : Comment détectez-vous les faux comptes Instagram utilisés pour escroquer les clients ?

How to answer
Comment répondre : Ce type de question permet à un employeur de tester vos compétences en résolution des problèmes. Lorsque vous répondez à des questions ouvertes comme celle-ci, n’hésitez pas à demander des précisions sur ces dernières et à utiliser un tableau pour présenter vos compétences en programmation et création de graphiques. Partagez votre processus de réflexion lorsque vous résolvez le problème.
Question 3

Question 3 : Décrivez des situations qui requièrent une liste, un uplet ou un ensemble sur Python.

How to answer
Comment répondre : Les intervieweurs posent ce type de question pour tester vos compétences en programmation sur Python. Révisez les rudiments de Python comme les listes, les uplets et les ensembles avant votre entretien. Vous devez être en mesure d’expliquer à quel moment et de quelle manière chaque outil est utilisé par les data scientists.

54,310 data scientist interview questions shared by candidates

write a code in R/SQL: Given a table with three column, (id, category, value) and each id has 3 or less category (price, size, color). Now, how can I find those id's for which the value of two or more category matches to one another? For eg: ID1 (price 10, size M, color Red), ID2 (price 10, Size L, Color Red) , ID3 (price 15, size L, color Red) Then the output should be two rows: ID1 ID2 and ID2 ID3
avatar

Data Scientist

Interviewed at Amazon

3.5★
Apr 13, 2018

write a code in R/SQL: Given a table with three column, (id, category, value) and each id has 3 or less category (price, size, color). Now, how can I find those id's for which the value of two or more category matches to one another? For eg: ID1 (price 10, size M, color Red), ID2 (price 10, Size L, Color Red) , ID3 (price 15, size L, color Red) Then the output should be two rows: ID1 ID2 and ID2 ID3

- What is over-fitting? How do you avoid it? - What types of regularization do we have? Which one is simpler to use? L1 or L2? - Explain decision trees? What are different metrics to classify dataset? - What is bagging? - We have two models, one with 85% accuracy, one 82%. Which one do you pick? - What is p-value and how can we use it?
avatar

Data Scientist

Interviewed at Amazon

3.5★
May 5, 2018

- What is over-fitting? How do you avoid it? - What types of regularization do we have? Which one is simpler to use? L1 or L2? - Explain decision trees? What are different metrics to classify dataset? - What is bagging? - We have two models, one with 85% accuracy, one 82%. Which one do you pick? - What is p-value and how can we use it?

Viewing 411 - 420 interview questions

Glassdoor has 54,310 interview questions and reports from Data scientist interviews. Prepare for your interview. Get hired. Love your job.