Perguntas de Entrevista para Data Scientist (2026)
As entrevistas de data scientist abrangem uma área vasta: probabilidade e estatística, fundamentos de machine learning, SQL e manipulação de dados, um caso de produto/analítica, e perguntas comportamentais. A mistura exata depende de a função estar mais orientada para analítica, engenharia de ML ou investigação, por isso esclarecer o foco da função desde o início já é um bom sinal.
Nas perguntas abaixo, os entrevistadores valorizam o rigor e a comunicação. Consegue raciocinar com precisão sobre um conceito estatístico, escolher o modelo certo para um problema e justificá-lo, escrever SQL correto, e traduzir uma questão de negócio ambígua numa análise mensurável? Declarar pressupostos e explicar trade-offs importa tanto quanto o número final.
Pratique explicar conceitos técnicos de forma simples, como se fosse para um stakeholder não técnico. Grande parte do trabalho — e grande parte da entrevista — é tornar uma análise sólida compreensível para quem vai agir com base nela.
Perguntas de Entrevista para Data Scientist e Como Respondê-las
1. Explique o trade-off entre bias e variância.
Abordagem: Defina as duas fontes de erro, depois ligue-as à complexidade do modelo: modelos simples sofrem underfitting (bias elevado), modelos complexos sofrem overfitting (variância elevada). Associe a mecanismos concretos — regularização, mais dados, validação cruzada — e à decomposição do erro total.
2. O que é o p-value, e o que não lhe diz?
Abordagem: Defina-o como P(dados tão extremos | hipótese nula verdadeira). O 'não' é a chave: não é a probabilidade de a hipótese ser verdadeira, e significância ≠ importância prática. Mencionar os erros de interpretação comuns é o sinal.
3. Como lidaria com um dataset de classificação desequilibrado?
Abordagem: Comece pela métrica (accuracy é enganadora; use precision/recall, F1, AUC-PR). Depois as técnicas: resampling (SMOTE, undersampling), pesos de classe, ajuste de threshold. Enfatize a avaliação sobre a distribuição real.
4. Quando usaria random forest em vez de gradient boosting?
Abordagem: Contraste bagging (paralelo, redução de variância, robusto a overfitting) com boosting (sequencial, redução de bias, maior precisão mas mais sensível ao tuning). Mencione o custo de treino e os trade-offs de interpretabilidade.
5. Escreva uma query SQL para encontrar o segundo salário mais alto por departamento.
Abordagem: Use uma window function: DENSE_RANK() OVER (PARTITION BY dept ORDER BY salary DESC), filtrando rank = 2. Discuta a diferença no tratamento de empates entre RANK, DENSE_RANK e ROW_NUMBER.
6. Como deteta e trata outliers?
Abordagem: Distinga erros de dados de extremos genuínos. Métodos: IQR, z-score, limiares de domínio, visualização. A decisão a verbalizar: remover um sinal real pode introduzir bias no modelo — investigue antes de eliminar.
7. Conceba um teste A/B para um novo algoritmo de recomendação.
Abordagem: Defina a hipótese, a métrica principal e as guardrails. Calcule o tamanho da amostra a partir do MDE e do poder estatístico. Aborde a unidade de randomização, efeitos de novidade, e quando parar. Pré-registe o critério de sucesso.
8. Explique como avaliaria um modelo que tem bom desempenho offline mas mau em produção.
Abordagem: Investigue o distribution shift, o train/serve skew, o leakage nos dados offline, e os loops de feedback. Proponha monitorização e um deployment em shadow. O que está a ser testado é o raciocínio sistémico.
9. Qual é a diferença entre regularização L1 e L2?
Abordagem: L1 (Lasso) induz esparsidade e faz seleção de variáveis; L2 (Ridge) reduz os coeficientes de forma suave. Explique geometricamente por que razão os cantos de L1 anulam pesos, e quando cada uma é preferível.
10. Fale-me de uma vez em que a sua análise mudou uma decisão de negócio.
Abordagem: STAR. Mostre a questão, o seu método, e, crucialmente, a comunicação que levou à ação. Quantifique o resultado. Data scientists que não conseguem influenciar decisões não são contratados.
Receba ajuda em tempo real na sua entrevista de data scientist
Durante uma entrevista de data science ao vivo, o Natively transcreve a pergunta e pode mostrar a definição, fórmula ou padrão SQL de que precisa em tempo real, no seu dispositivo — útil quando o nervosismo faz com que um conceito familiar momentaneamente nos escape.
