Pytania na rozmowę kwalifikacyjną dla Data Scientist (2026)
Rozmowy kwalifikacyjne dla data scientist obejmują szeroki obszar: prawdopodobieństwo i statystykę, podstawy machine learning, SQL i manipulację danymi, case study produktowe/analityczne oraz pytania behawioralne. Dokładna mieszanka zależy od tego, czy rola jest bliższa analityce, inżynierii ML czy badaniom, więc wyjaśnienie wcześnie, na czym skupia się rola, jest już dobrym sygnałem.
W poniższych pytaniach rekruterom zależy na rzetelności i komunikacji. Czy potrafisz precyzyjnie rozumować o koncepcji statystycznej, wybrać właściwy model dla problemu i go uzasadnić, napisać poprawny SQL, i przełożyć niejasne pytanie biznesowe na wymierną analizę? Podawanie założeń i wyjaśnianie trade-offów liczy się tak samo jak finalna liczba.
Ćwicz wyjaśnianie technicznych koncepcji prosto, jakby dla interesariusza bez wiedzy technicznej. Duża część tej pracy — i rozmowy kwalifikacyjnej — to uczynienie solidnej analizy zrozumiałą dla ludzi, którzy będą na jej podstawie działać.
Pytania na rozmowę kwalifikacyjną dla Data Scientist i jak na nie odpowiadać
1. Wyjaśnij trade-off między obciążeniem (bias) a wariancją.
Podejście: Zdefiniuj obie źródła błędu, a potem połącz je ze złożonością modelu: proste modele mają underfitting (wysokie obciążenie), złożone mają overfitting (wysoka wariancja). Połącz z konkretnymi narzędziami — regularyzacją, większą ilością danych, walidacją krzyżową — i rozkładem całkowitego błędu.
2. Co to jest p-value, i czego nie mówi?
Podejście: Zdefiniuj jako P(dane tak ekstremalne | hipoteza zerowa prawdziwa). 'Nie' jest kluczowe: to nie jest prawdopodobieństwo, że hipoteza jest prawdziwa, a istotność statystyczna ≠ praktyczne znaczenie. Wspomnienie częstych błędnych interpretacji jest sygnałem.
3. Jak poradziłbyś sobie z niezbalansowanym zbiorem danych do klasyfikacji?
Podejście: Zacznij od metryki (accuracy jest myląca; użyj precision/recall, F1, AUC-PR). Potem techniki: resampling (SMOTE, undersampling), wagi klas, dostosowanie progu. Podkreśl ocenę na rzeczywistym rozkładzie.
4. Kiedy użyłbyś random forest zamiast gradient boosting?
Podejście: Porównaj bagging (równoległy, redukcja wariancji, odporny na overfitting) z boosting (sekwencyjny, redukcja obciążenia, wyższa dokładność, ale bardziej czuły na tuning). Wspomnij o koszcie treningu i trade-offach interpretowalności.
5. Napisz zapytanie SQL, które znajduje drugą najwyższą pensję w każdym dziale.
Podejście: Użyj funkcji okna: DENSE_RANK() OVER (PARTITION BY dept ORDER BY salary DESC), filtrując rank = 2. Omów różnicę w obsłudze remisów między RANK, DENSE_RANK i ROW_NUMBER.
6. Jak wykrywasz i obsługujesz wartości odstające?
Podejście: Odróżnij błędy danych od prawdziwych wartości ekstremalnych. Metody: IQR, z-score, progi domenowe, wizualizacja. Decyzja do wyrażenia: usunięcie prawdziwego sygnału może wprowadzić bias do modelu — zbadaj przed usunięciem.
7. Zaprojektuj test A/B dla nowego algorytmu rekomendacji.
Podejście: Zdefiniuj hipotezę, główną metrykę i guardrails. Oblicz wielkość próby na podstawie MDE i mocy. Zajmij się jednostką randomizacji, efektami nowości, i momentem zatrzymania. Zarejestruj kryterium sukcesu wcześniej.
8. Wyjaśnij, jak oceniłbyś model, który dobrze działa offline, ale źle w produkcji.
Podejście: Zbadaj przesunięcie rozkładu (distribution shift), train/serve skew, przeciek (leakage) w danych offline, i pętle sprzężenia zwrotnego. Zaproponuj monitorowanie i shadow deployment. Testowane jest myślenie systemowe.
9. Jaka jest różnica między regularyzacją L1 i L2?
Podejście: L1 (Lasso) wywołuje rzadkość (sparsity) i dokonuje selekcji cech; L2 (Ridge) łagodnie zmniejsza współczynniki. Wyjaśnij geometrycznie, czemu narożniki L1 zerują wagi, i kiedy każda z nich jest preferowana.
10. Powiedz mi o sytuacji, w której twoja analiza zmieniła decyzję biznesową.
Podejście: STAR. Pokaż pytanie, swoją metodę, i co najważniejsze, komunikację, która doprowadziła do działania. Skwantyfikuj wynik. Data scientistów, którzy nie mogą wpływać na decyzje, się nie zatrudnia.
Zyskaj pomoc w czasie rzeczywistym na swojej rozmowie kwalifikacyjnej na data scientist
Podczas rozmowy data science na żywo Natively transkrybuje pytanie i może wyświetlić potrzebną definicję, wzór lub wzorzec SQL w czasie rzeczywistym, na twoim urządzeniu — przydatne, gdy nerwy sprawiają, że znana koncepcja na chwilę umyka.
