Domande per Colloquio da Data Scientist (2026)
I colloqui da data scientist coprono un'area ampia: probabilità e statistica, fondamenti di machine learning, SQL e manipolazione dei dati, un case study di prodotto/analitica, e domande comportamentali. Il mix esatto dipende dal fatto che il ruolo sia più orientato all'analitica, all'ingegneria ML o alla ricerca, quindi chiarire presto il focus del ruolo è già un buon segnale.
Nelle domande qui sotto, gli intervistatori tengono al rigore e alla comunicazione. Riesci a ragionare con precisione su un concetto statistico, scegliere il modello giusto per un problema e giustificarlo, scrivere SQL corretto, e tradurre una domanda di business ambigua in un'analisi misurabile? Dichiarare le ipotesi e spiegare i trade-off conta quanto il numero finale.
Esercitati a spiegare i concetti tecnici in modo semplice, come se fosse per uno stakeholder non tecnico. Gran parte del lavoro — e gran parte del colloquio — consiste nel rendere leggibile un'analisi solida per chi agirà di conseguenza.
Domande per Colloquio da Data Scientist e Come Rispondere
1. Spiega il trade-off tra bias e varianza.
Approccio: Definisci entrambe le fonti di errore, poi collegale alla complessità del modello: i modelli semplici vanno in underfitting (bias alto), i modelli complessi vanno in overfitting (varianza alta). Collega a leve concrete — regolarizzazione, più dati, cross-validation — e alla decomposizione dell'errore totale.
2. Cos'è il p-value, e cosa non ti dice?
Approccio: Definiscilo come P(dati così estremi | ipotesi nulla vera). Il 'non' è la chiave: non è la probabilità che l'ipotesi sia vera, e significatività ≠ importanza pratica. Menzionare i fraintendimenti comuni è il segnale.
3. Come gestiresti un dataset di classificazione sbilanciato?
Approccio: Parti dalla metrica (l'accuracy è ingannevole; usa precision/recall, F1, AUC-PR). Poi le tecniche: resampling (SMOTE, undersampling), pesi di classe, tuning della soglia. Sottolinea la valutazione sulla distribuzione reale.
4. Quando useresti random forest invece di gradient boosting?
Approccio: Contrapponi il bagging (parallelo, riduzione della varianza, robusto all'overfitting) al boosting (sequenziale, riduzione del bias, maggiore accuratezza ma più sensibile al tuning). Menziona il costo di addestramento e i trade-off di interpretabilità.
5. Scrivi una query SQL per trovare il secondo stipendio più alto per dipartimento.
Approccio: Usa una window function: DENSE_RANK() OVER (PARTITION BY dept ORDER BY salary DESC), filtrando rank = 2. Discuti la differenza nella gestione dei pareggi tra RANK, DENSE_RANK e ROW_NUMBER.
6. Come rilevi e gestisci gli outlier?
Approccio: Distingui gli errori di dati dagli estremi genuini. Metodi: IQR, z-score, soglie di dominio, visualizzazione. La decisione da verbalizzare: rimuovere un segnale reale può introdurre bias nel modello — indaga prima di eliminare.
7. Progetta un test A/B per un nuovo algoritmo di raccomandazione.
Approccio: Definisci ipotesi, metrica primaria e guardrail. Calcola la dimensione del campione a partire da MDE e potenza statistica. Affronta l'unità di randomizzazione, gli effetti novità, e quando fermarsi. Pre-registra il criterio di successo.
8. Spiega come valuteresti un modello che performa bene offline ma male in produzione.
Approccio: Indaga il distribution shift, il train/serve skew, il leakage nei dati offline, e i feedback loop. Proponi monitoraggio e un deployment in shadow. Viene testato il ragionamento sistemico.
9. Qual è la differenza tra regolarizzazione L1 e L2?
Approccio: L1 (Lasso) induce sparsità e fa selezione delle feature; L2 (Ridge) riduce i coefficienti in modo uniforme. Spiega geometricamente perché gli angoli di L1 azzerano i pesi, e quando preferire l'una o l'altra.
10. Parlami di una volta in cui la tua analisi ha cambiato una decisione di business.
Approccio: STAR. Mostra la domanda, il tuo metodo e, soprattutto, la comunicazione che ha guidato l'azione. Quantifica il risultato. I data scientist che non riescono a influenzare le decisioni non vengono assunti.
Ricevi aiuto in tempo reale nel tuo colloquio da data scientist
Durante un colloquio di data science dal vivo, Natively trascrive la domanda e può mostrare la definizione, la formula o il pattern SQL di cui hai bisogno in tempo reale, sul tuo dispositivo — utile quando il nervosismo fa momentaneamente sfuggire un concetto familiare.
