- Mainosteknologian teknisissä haastatteluissa keskitytään keskitason SQL-taitoihin, Pythoniin pandojen kanssa ja analyyttisiin taitoihin.
- On olennaista hallita JOIN-, GROUP BY-, alikysely- ja ikkunafunktiot sekä SQL:ssä että niiden vastineissa Pandasissa.
- Mallinarviointimittareiden, kuten tarkkuuden, F1:n tai ROC-AUC:n, ymmärtäminen tuo lisäarvoa edistyneissä analytiikkatehtävissä.
- Tehokas valmistautuminen yhdistää teorian, monia käytännön harjoituksia ja oppimisen selittää perustelut ääneen.
Jos valmistaudut haastatteluun mainosteknologian , digitaalisen analytiikan tai data-analyysin alalla , joudut ennemmin tai myöhemmin kohtaamaan pelätyn teknisen kokeen. Siinä yritykset tarkistavat, hallitsetko todella ansioluetteloosi kirjoittamasi asiat: SQL:n tiedon poimimiseen, Pythonin sen käsittelyyn ja analysointiin sekä analyyttisen ajattelun taidot, jotta et eksy kaikkien taulukoiden ja komentosarjojen joukkoon.
Hyvä uutinen on, että tekniset haastattelut eivät ole taikuutta: ne pyörivät yleensä samojen SQL:n, Pythonin ja mallien arvioinnin lohkojen ympärillä . Jos ymmärrät perusteet perusteellisesti, harjoittelet tosielämän harjoituksilla ja opit selittämään päättelysi, sinulla on merkittävä etu muihin ehdokkaisiin nähden.
Miksi tekniset haastattelut ovat pelottavia (ja miten niistä voi päästä eroon)
Mainosteknologian data-analyytikko- tai tuotetehtävissä teknisissä haastatteluissa yhdistetään tyypillisesti käsitteellisiä kysymyksiä ja käytännön harjoituksia . Sinua saatetaan pyytää selittämään SQL-lausekkeen toiminta tai ratkaisemaan ohjelmallisen mainoskampanjan dataan liittyvä liiketoimintatapaus.
Sinua arvioidaan tyypillisesti kolmella osa-alueella: keskitason SQL (JOIN, GROUP BY, alikyselyt, ikkunafunktiot), datakeskeinen Python (pandat, siivous, aggregaatiot, yhdistämiset) ja kykysi tulkita tuloksia ja viestiä löydöksistä . Hakija ei etsi kokenutta datatieteilijää, vaan henkilöä, joka osaa työskennellä datan kanssa vankalla ja luotettavalla tavalla.
Tyypillinen virhe, jonka monet ehdokkaat tekevät, on keskittyä syntaksin ulkoa opetteluun ja unohtaa harjoitella kokonaisia harjoituksia , samanlaisia kuin HackerRankilla, StrataScratchilla tai yritysten omilla sisäisillä testeillä. Tavoitteenasi tulisi olla, että olet jo ratkaissut kymmeniä hyvin samankaltaisia kyselyitä ja skriptejä haastatteluun saapuessasi.
SQL-taso, jota tyypillisesti vaaditaan mainosteknologia- ja data-analyytikkojen haastatteluissa
Mainosteknologia- tai digitaalisen markkinoinnin analyytikkoroolissa yritykset odottavat sinun hallitsevan klassisen relaatio-SQL:n : tiedon poimimisen useista taulukoista, yhdistämisen, ryhmittelyn, suodattamisen ja hyödyllisten mittareiden luomisen. Tietokannan hallintataitoja ei vaadita, mutta sinun tulisi hallita kohtalaisen monimutkaiset kyselyt.
Tyypillisesti testi sisältää kyselyitä, jotka yhdistävät INNER JOIN- ja LEFT JOIN -lausekkeita, suodattimia WHERE-lausekkeilla, aggregaatioita GROUP BY -lausekkeilla ja joitakin ehtoja aggregaateille HAVING-lausekkeiden avulla. Hieman edistyneemmissä tehtävissä on hyvin yleistä nähdä alikyselyitä ja ikkunafunktioita sijoituksia, kumulatiivisia kokonaissummia ja rivivertailuja varten.
Mainosteknologiassa tulet todennäköisesti vastaamaan liiketoimintakysymyksiin, kuten "Millä kampanjoilla on parempi klikkausprosentti kuin toimialallaan keskimäärin?" tai "Mitkä julkaisijat menettävät näyttökertoja viime kuuhun verrattuna?" Näiden tehokas ratkaiseminen edellyttää yleensä perusymmärrystä toisiinsa liittyvistä alikyselyistä ja ikkunafunktioista.
Yleisesti esiintyviä SQL-peruskysymyksiä (ja niiden vastaamista)
Lähes jokaisessa datakeskeisessä teknisessä haastattelussa on joukko SQL-teorian peruskysymyksiä . Niiden tarkoituksena ei ole huijata sinua, vaan varmistaa, että sinulla on vankka perusta.
Yksi useimmin kysytyistä kysymyksistä on WHERE- ja HAVING-operaattorien välinen ero . Selkein tapa selittää se on, että WHERE suodattaa yksittäiset rivit ennen ryhmittelyä , kun taas HAVING suodattaa jo koostetut ryhmät . Voit myös mainita, että koostefunktioita (COUNT, SUM, AVG jne.) sisältävät ehdot tulisi sijoittaa HAVING-operaattoriin, ei WHERE-operaattoriin.
Toinen klassinen kysymys on, minkä tyyppisiä JOIN-operaatioita on olemassa ja milloin kutakin käytetään: INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN ja joissakin tapauksissa CROSS JOIN tai self-join. Data-analyysissä LEFT JOIN -operaatiota käytetään laajasti, kun halutaan säilyttää koko ensisijainen tietojoukko (esimerkiksi kaikki käyttäjät), vaikka toissijaisessa taulukossa ei olisi siihen liittyviä tietueita (esimerkiksi ostokset).
Esimerkkejä SQL-peruskyselyistä ja niiden logiikasta
Jotta saisit käsityksen "kohtuullisesta vähimmäistasosta", sinun pitäisi pystyä kirjoittamaan kyselyitä muistista, kuten valitsemaan tiettyjä sarakkeita, suodattamaan rivejä ja lajittelemaan tuloksia . Hyvin perustasolla tyypillisiä kysymyksiä ovat: kuinka poimia kaikki sarakkeet taulukosta, kuinka valita vain osa sarakkeista tai kuinka käyttää luettavia aliaksia AS:n avulla.
Usein kysytään myös WHERE-lausekkeen käytöstä useissa ehdoissa, jotka yhdistävät operaattoreita AND, OR ja NOT, tai vertailuoperaattoreiden (<, <=, >, >=, =) käytöstä sekä numeerisille arvoille että päivämäärille. Monet yritykset painottavat NULL -suodattimia , joissa pelkkä yhtäläisyysmerkki ei riitä; on käytettävä IS NULL- tai IS NOT NULL -lauseketta.
Toinen klassinen esimerkki on tekstipohjainen suodatus LIKE- operaattorilla ja jokerimerkkejä % ja _ käyttävillä malleilla. Voit esimerkiksi löytää kampanjoita, joiden nimet sisältävät tietyn sanan, tai käyttäjiä, joiden sähköpostiosoitteet päättyvät tiettyyn verkkotunnukseen. On tärkeää selittää, että LIKE '%text%' etsii mallia mistä tahansa merkkijonosta.
Lopuksi tässä perusosiossa käsitellään yleensä tietueiden päivittämistä UPDATE-lausekkeella ja muokattujen rivien suodattamista WHERE-lausekkeella sekä rivien poistamista DELETE FROM -lausekkeella selkeiden ehtojen avulla. On erittäin tärkeää, että aina korostat tietyn WHERE-lauseen käytön tärkeyttä, jotta vältät vahingossa poistamasta puolta taulukosta.
Keskitason kyselyt: GROUP BY, HAVING, alikyselyt ja UNION
Kun siirryt junioritasoa pidemmälle, lähes jokainen yritys alkaa arvostaa taitojasi GROUP BY -funktioiden, aggregaattifunktioiden ja HAVING-funktion suodattimien yhdistelmissä . Tätä käytät päivittäin kampanjoiden, yleisöjen ja luovien resurssien suorituskykyraporttien luomiseen.
Se toimii näin: GROUP BY ryhmittelee rivit yhden tai useamman sarakkeen mukaan, ja voit käyttää näihin ryhmiin SUM-, COUNT-, AVG-, MIN- ja MAX-funktioita mittareiden laskemiseksi. Seuraavaksi tulee HAVING, jolla säilytetään vain ryhmät, jotka täyttävät ehdon, esimerkiksi asiakkaat, joiden myynti ylittää tietyn kynnysarvon.
Toinen toistuva teema on alikyselyt : kysely toisen kyselyn sisällä. Niitä käytetään usein suodattamiseen edellisessä vaiheessa laskettujen arvojen perusteella, kuten valitsemalla asiakkaita, joiden myynti ylittää globaalin keskiarvon, tai kampanjoita, joiden näyttökerrat ovat yli 90. prosenttipisteen.
Sinulta kysytään usein myös UNIONin ja UNION ALLin eroista . UNION yhdistää kaksi saman kaavan mukaista tulosjoukkoa ja poistaa kaksoiskappaleet; UNION ALL tekee saman, mutta säilyttää kaikki rivit, vaikka ne toistuisivatkin. Data-analyysissä UNION ALL on usein parempi vaihtoehto suorituskykyyn liittyvistä syistä ja koska haluat säilyttää kaikki alkuperäiset tietueet.
Ikkunafunktiot: seuraava harppaus SQL:ssä
Ikkunafunktioista on tullut teknisen testauksen standardi tietyllä tasolla, erityisesti mainosteknologiaan liittyvissä rooleissa, joissa on analysoitava ajan kuluessa tapahtuvia trendejä, kampanjoiden sijoituksia tai investointien kokonaismääriä.
Keskeinen ajatus on, että ikkunafunktio laskee arvon joukolta rivejä, jotka liittyvät nykyiseen riviin , mutta ilman, että tulosta kutistetaan kuten GROUP BY -funktio tekee. Toisin sanoen näet edelleen jokaisen yksittäisen rivin, mutta niiden mukana tulee kooste, joka on laskettu tietyn data-ikkunan perusteella.
Tyypillinen syntaksi on käyttää funktiota (SUM, AVG, RANK jne.), jota seuraa OVER, ja OVERin sisällä määritellään osio (PARTITION BY) ja järjestys (ORDER BY). Esimerkiksi myyntijärjestyksen laskeminen myyjän mukaan tai näyttökertojen kumulatiivinen määrä päivässä.
Jos haluat osoittaa osaamisesi, sinun kannattaa tutustua funktioihin, kuten RANK, DENSE_RANK, ROW_NUMBER, LAG ja LEAD . Ne ovat erittäin hyödyllisiä kampanjoiden sijoittamisessa paremmuusjärjestykseen niiden suorituskyvyn perusteella, kunkin ajanjakson vertaamisessa edelliseen tai keskeisten mittareiden vuosittaisten vaihteluiden tunnistamisessa.
CTE, kumulatiiviset kokonaissummat ja liukuvat keskiarvot
Nykyaikaisissa työhaastatteluissa SQL-koodin luettavuus on erittäin tärkeää. Siksi sinulta kysytään usein Common Table Expressions (CTE) -lausekkeista . CTE on pohjimmiltaan nimetty väliaikainen taulukko, joka on määritelty WITH-lausekkeilla ja joka on olemassa vain kyselyn suorituksen aikana.
CTE-kyselyitä käytetään monimutkaisten kyselyiden jakamiseen loogisiin lohkoihin ja välitulosten uudelleenkäyttöön. Esimerkiksi CTE:ssä lasketaan ensin päivittäiset mittarit kampanjaa kohden ja sitten pääkyselyssä suoritetaan lisäkoosteita tai suodatuksia kyseiselle tulokselle.
Toinen hyvin yleinen harjoitus on juoksevan kokonaissumman laskeminen käyttämällä SUM-funktiota ikkunafunktiona. Mainosteknologiaympäristöissä on normaalia, että sinulta kysytään kumulatiivisia näyttökertoja, klikkauksia tai kulutusta, jotta nähdään, miten kampanja toimii ajan kuluessa.
Tähän liittyvät liukuvat keskiarvot , joissa AVG:tä käytetään ikkunafunktiona siirretyn rivikehyksen yli (esimerkiksi kahden edellisen päivämäärän ja nykyisen). Tämä on yksinkertainen tapa tasoittaa aikasarjoja ja havaita trendejä ilman, että nojataan niin paljon päivittäisiin huippuihin.
Data-analyytikolta tyypillisesti vaadittava Python-taso
Useimmissa data-analyytikon rooleissa (mukaan lukien mainosteknologia) yritykset eivät odota sinun olevan koneoppimisen guru, mutta he odottavat sinun hallitsevan Pythonin käytännön pandojen kanssa . Tyypillisesti sinua pyydetään lataamaan datajoukkoja, puhdistamaan niitä, muuntamaan niitä ja hankkimaan yksinkertaisia mittareita tai visualisointeja.
Python-testit keskittyvät tyypillisesti operaatioihin, kuten datan lukemiseen CSV-tiedostoista , null-arvojen ja saraketyyppien tarkasteluun, rivien suodattamiseen, uusien sarakkeiden luomiseen, aggregaatioihin groupby-funktiolla ja liitoksiin DataFrame-elementtien välillä. Monissa tapauksissa sanamuoto on lähes identtinen SQL-osan kanssa, mutta pandas-muodossa.
Analyytikkotesteissä ei ole yleistä, että monimutkaisia malleja joudutaan rakentamaan tyhjästä, vaikka he saattavat arvostaa kykyäsi olla yhteydessä scikit-learniin perusmallin kouluttamiseksi ja ennen kaikkea tietämystäsi perusmittareista sen suorituskyvyn mittaamiseksi.
Pandan perustoiminnot, jotka sinun tulisi hallita
Python-dataharjoituksen suorittaminen edellyttää DataFrames-perusoperaatioiden hallintaa. Ensimmäinen vaihe on yleensä tiedoston lataaminen `read_csv`- metodilla ja sen rakenteen tutkiminen metodeilla, kuten `head()`, `info()` tai `describe()`.
Yleensä esiintyy myös null-arvojen tyhjentämistä koskeva osa : sarakkeessa olevien null-arvojen määrän laskeminen isnull().sum()-funktiolla, kokonaisten rivien tai sarakkeiden poistamisen päättäminen dropna()-funktiolla tai puuttuvien täyttäminen fillna()-funktiolla, esimerkiksi sarakkeen keskiarvon tai mediaanin käyttäminen.
Suodattimien osalta sinua pyydetään luomaan ehtoja numeerisille tai kategorisille sarakkeille, esimerkiksi valitsemalla tietyn summan ylittävän myynnin tai rivejä, jotka täyttävät useita ehtoja yhdistettynä &- ja |-merkkeihin. Tärkeintä on osata kirjoittaa df-funktio epäröimättä.
Pandasissa `groupby` -operaattorin selitys on lähes aina mukana, koska se on suora vastine SQL:n `GROUP BY`-operaattorille. Ryhmitellään yhden tai useamman sarakkeen mukaan ja sitten käytetään koosteita, kuten `sum`, `mean`, `count` jne. Syntaksi `groupby('column').agg()` on olennainen.
Liitokset ja yhdistämiset DataFrame-kehysten välillä
Aivan kuten JOIN-ominaisuuden hallinta on olennaista SQL:ssä, pd.merge-ominaisuuden hallinta on pakollista pandoissa . Yritykset haluavat selvittää, osaatko liittää tietojoukkoja, jotka jakavat avaimen, esimerkiksi käyttäjätaulukon, toisen tapahtuma- tai ostotaulukkoa käyttävän taulukon kanssa.
Yhdistämisfunktio ottaa kaksi liitettävää DataFrame-kehystä, avainsarakkeen (on) ja liitostyypin (how), joka voi olla 'left', 'right', 'inner' tai 'outer', aivan kuten SQL:ssä. Data-analyysissä vasenta liitosta käytetään ensisijaisesti päätietojoukon säilyttämiseen ja attribuuttien tai mittareiden lisäämiseen toissijaisista taulukoista.
Haastattelussa on hyvä mainita yksityiskohtia, kuten mitä tapahtuu, kun jommallakummalla puolella on kaksoisavaimia tai miten sarakenimien ja parametriliitteiden ristiriitoja käsitellään. Tämä viestii korkeammasta kypsyysasteesta.
Tyypillisiä, teoreettisempia Python-kysymyksiä
Pandojen lisäksi moniin haastatteluihin sisältyy lyhyt osio yleisiä Python-kysymyksiä, joilla tarkistetaan kielen ymmärtämistäsi. Nämä ovat yleensä lyhyitä kysymyksiä ominaisuuksista, muistista, tietotyypeistä tai pienistä syntaksin osista.
Toistuvasti esiin tulevien aiheiden joukossa on Pythonin automaattinen muistinhallinta , joka perustuu yksityiseen kekoon, johon käyttäjällä ei ole suoraa pääsyä, ja roskienkerääjään, joka vastaa viittauksettomien objektien vapauttamisesta.
On myös yleistä, että sinua pyydetään vertaamaan Pythonia ja Javaa , ei voittajan julistamiseksi, vaan osoittaaksesi, että ymmärrät erot: Python on dynaamisempi, ytimekkäämmällä syntaksilla, täydellinen prototyyppien tekoon ja datatieteeseen, kun taas Java on yleensä hallitsevampi yritysmaailman ja korkean suorituskyvyn ekosysteemeissä.
Muita tyypillisiä kysymyksiä ovat lambda-lausekkeet (anonyymit funktiot yksinkertaisiin operaatioihin), objektien tavuiksi sarjoittamiseen ja niiden hakemiseen liittyvät peittaus-/purkuprosessit tai listojen ja tuplejen välinen ero, joista edelliset ovat muutettavissa ja määritelty hakasulkeilla ja jälkimmäiset ovat muuttumattomia ja määritelty sulkeilla.
Lisää keskeisiä Python-käsitteitä haastatteluissa
Pythonissa usein kysytään, miten objekti poistetaan tai kopioidaan . Yleensä riittää, kun selitetään, että viittauksen poistamiseen voi käyttää `del`-lausetta ja että pinnalliset kopiot tehdään `copy.copy()`-lausekkeella, kun taas syvät kopiot vaativat `copy.deepcopy()`-lauseen.
Toinen käsite, joka saattaa esiintyä erityisesti useammissa taustaprofiileissa, on niin kutsuttu dogpile-ilmiö , joka kuvaa tilannetta, jossa useat käyttäjät tai prosessit hyökkäävät resurssiin (esimerkiksi verkkosivustoon tai välimuistiin) samanaikaisesti ja ylikuormittavat järjestelmän.
Ekosysteemiin liittyen saatat myös kohdata kysymyksiä Pythonin kanssa käytettävistä tietokannoista . Järkevin lähestymistapa on mainita joitakin suosittuja, kuten MySQL, PostgreSQL, SQLite, MongoDB ja Oracle, ja huomata, että Python integroituu yleensä hyvin monenlaisiin relaatio- ja NoSQL-tietokantamoottoreihin.
Lopuksi esiin nousee usein yksinkertaisempia kysymyksiä, kuten miten sanakirja lajitellaan käyttämällä lajittelua alkioiden mukaan, mikä nimiavaruus on ja mihin sitä käytetään (nimien liittäminen eri vaikutusalueilla oleviin objekteihin) tai miten aliprosessi käynnistetään käyttämällä aliprosessimoduulia funktioilla, kuten run() tai Popen().
Python-mallien arviointiin käytettävät mittarit: vähimmäistiedot, jotka sinun tulisi tietää
Vaikka monet analyytikkotehtävät eivät vaadi syväoppimisen arkkitehtuurien suunnittelua, on yleistä tuntea luokittelumallien arvioinnin perusmittarit , varsinkin jos rooliin liittyy datatuotteita, kampanjoiden attribuutiota tai petosten havaitsemista mainosteknologiassa.
Lähtökohtana on sekaannusmatriisi , joka tiivistää binäärisen tai moniluokkaisen luokittelijan onnistumiset ja epäonnistumiset. Binäärisessä tapauksessa se jaetaan oikeisiin positiivisiin (TP), oikeisiin negatiivisiin (TN), vääriin positiivisiin (FP) ja vääriin negatiivisiin (FN). Näiden neljän kategorian perusteellinen ymmärtäminen on avainasemassa.
Matriisista johdetaan mittarit, kuten tarkkuus , joka mittaa oikeiden ennusteiden prosenttiosuutta kokonaismäärästä; täsmällisyys (TP / positiiviset ennusteet); ja herkkyys (TP / todelliset positiiviset). Nämä kaksi viimeistä ovat erityisen tärkeitä, kun luokat ovat epätasapainossa.
F1 -pisteytys yhdistää tarkkuuden ja muistamisen harmonisen keskiarvon avulla, rankaisemalla erityisen alhaisia pisteitä kummastakin. Se on yleinen mittari tilanteissa, joissa sekä väärät positiiviset että väärät negatiiviset tulokset ovat kalliita, kuten petosten havaitsemisessa, liidien pisteytyksessä tai tautien havaitsemisessa.
Muita edistyneitä mittareita: ROC-AUC, logloss, Jaccard ja muita
Vahvempiin datatieteen tai markkinointianalytiikan komponentteihin keskittyvissä tehtävissä yritykset tarkastelevat, hallitsetko edistyneempiä mittareita, kuten ROC-AUC:n , joka mittaa ROC-käyrän alla olevaa pinta-alaa ja heijastaa mallin kykyä erottaa luokat.
ROC-käyrä kuvaa todellisen positiivisen osuuden (muistaminen) ja väärien positiivisten osuuden (1 – spesifisyys) välistä suhdetta eri päätöskynnysarvoilla. Satunnainen malli osuisi diagonaaliviivalle, kun taas hyvä malli olisi lähempänä vasenta yläkulmaa. Mitä suurempi käyrän alla oleva pinta-ala on, sitä parempi erottelukyky.
Toinen yleinen mittari on logaritmihäviö (logloss) , joka arvioi ennustettujen todennäköisyyksien laatua ja rankaisee voimakkaasti ylimitoituksesta ja virheistä. Täydellisessä mallissa logaritmihäviö olisi 0, ja yleensä mitä pienempi logaritmihäviö, sitä parempi.
He saattavat myös kysyä sinulta Jaccard-indeksistä , joka mittaa kahden joukon samankaltaisuutta jakamalla leikkauspisteen koon yhdisteen koolla. Sitä käytetään muun muassa luokittelijoiden, segmentoinnin ja suositusjärjestelmien arviointiin.
Joissakin yhteyksissä mainitaan voitto- ja nousukaavioita , jotka näyttävät, kuinka suuren prosenttiosuuden kohteista saat käyttämällä vain osaa populaatiosta (esimerkiksi 20 % mallisi arvioimista käyttäjistä). Tätä käytetään laajalti markkinoinnissa päätettäessä, kehen kohdistaa mainonta ensin.
Kolmogorov-Smirnov, Gini-kerroin ja perusteellinen arviointi
Jos yritys keskittyy vahvasti pisteytykseen tai riskimalleihin, voi esiintyä mittareita, kuten Kolmogorov-Smirnov (KS) -tilasto , joka mittaa positiivisten ja negatiivisten pistemäärien jakaumien välistä eroa.
Lähellä 100 oleva KS-arvo (prosentteina) osoittaa, että malli erottaa kaksi populaatiota lähes täydellisesti; lähellä 0 oleva arvo viittaa siihen, että malli ei erottele niitä sattumaa paremmin. Käytännössä reaalimaailman mallit sijoittuvat näiden väliarvojen sisään ja niitä verrataan toisiinsa parhaan valitsemiseksi.
Gini -kerroin on toinen ROC-AUC-arvosta johdettu mittari, joka käyttää kaavaa Gini = 2 × AUC – 1. Se on erittäin suosittu luotto- ja vakuutusalalla, ja sitä tulkitaan myös eriarvoisuuden mittarina: mitä korkeampi Gini, sitä parempi mallin kyky keskittää todelliset positiiviset arvot korkeampiin pistemääriin.
Edistyneemmissä haastatteluissa sinua saatetaan pyytää selittämään, miten nämä mittarit toteutetaan Pythonissa scikit-learnin avulla (esim. confusion_matrix, accuracy_score, roc_auc_score, f1_score…), ja kommentoimaan, milloin käyttäisit kutakin mittaria ongelman luonteen ja luokkien epätasapainon perusteella.
Kuinka jäsentää vastauksesi teknisessä haastattelussa
Kirjoittamaasi koodia lukuun ottamatta haastattelijat kiinnittävät tarkkaa huomiota siihen, miten ajattelet ja miten selität itseäsi . Huonosti jäsennelty vastaus voi saada sinut vaikuttamaan nuoremmalta kuin todellisuudessa olet, vaikka tietäisitkin oikean ratkaisun.
Erittäin hyödyllinen lähestymistapa teknisiin kysymyksiin vastaamiseen on seuraava: selitä ensin käsite yhdellä lauseella , anna sitten konkreettinen esimerkki (mieluiten liittyen johonkin omaan projektiisi) ja mainitse tarvittaessa vaihtoehtoja tai vivahteita . Tämä toimii yhtä hyvin SQL:n, Pythonin tai mallimetriikoiden kanssa.
Jos sinulta esimerkiksi kysytään, mihin CTE:tä käytetään, voisit sanoa, että se on nimetty väliaikainen alikysely, joka parantaa monimutkaisten kyselyiden luettavuutta, lisätä, että käytät sitä, kun sinun on käytettävä välitulosta useita kertoja, ja mainita, että joissakin tapauksissa se voitaisiin korvata sisäkkäisillä alikyselyillä, vaikka se olisi vähemmän selkeää.
Myös ääneen ajatteleminen on avainasemassa . Jos juutut jumiin, älä jää hiljaa: pukeudu sanoiksi, mitä yrität tehdä, mitä tietoja sinulta puuttuu ja mitä oletuksia teet. Tämä auttaa haastattelijaa näkemään ajatusprosessisi ja joskus jopa antaa sinulle vihjeitä tai selvennyksiä, jotka helpottavat eteenpäin siirtymistä.
Yleisimmät virheet teknisissä datahaastatteluissa
Monet ehdokkaat hylätään riittämättömien SQL- tai Python-taitojen, vaan huonon valmistautumisen ja kommunikaatiovirheiden yhdistelmän vuoksi . On erittäin tärkeää olla täysin tietoinen yleisistä sudenkuopista niiden välttämiseksi.
Ensimmäinen on ulkoa opettelu ilman ymmärrystä . RANK- tai lambda-funktion syntaksin tunteminen ei ole kovin hyödyllistä, jos et pysty selittämään, missä tapauksissa käyttäisit näitä työkaluja tai miksi ne ovat parempia kuin muut vaihtoehdot.
Toinen hyvin yleinen virhe on datan laadun arvioimatta jättäminen harjoituksissa. Jos sinulle annetaan datajoukko, ennen sen aggregoinnin aloittamista on suositeltavaa tarkistaa nolla-arvot, duplikaatit tai poikkeavat arvot, jotka voisivat vääristää analyysiä. Tämä osoittaa hyvää harkintakykyä ja käytännön kokemusta.
On myös erittäin haitallista välttää selventäviä kysymyksiä . Esimerkiksi mainoskampanjoita koskevassa liiketoimintatapauksessa on täysin järkevää kysyä kausivaihtelusta, tavoiteaikataulusta, siitä, haetaanko mittareita käyttäjää vai näyttökertaa kohden, ja niin edelleen. Hiljaisuus ja oletusten tekeminen johtavat usein ratkaisuihin, jotka eivät ole linjassa sen kanssa, mitä haastattelija tarkoitti.
Lopuksi, vältä "ylikoodausta": tarpeettoman monimutkaisten ratkaisujen luomista, kun kysely tai skripti voisi olla yksinkertaisempi. Todellisissa työympäristöissä arvostetaan selkeyttä, ylläpidettävyyttä ja tehokkuutta , eivät palapelimäisiä ratkaisuja.
Intensiivinen kahden viikon harjoitussuunnitelma
Jos sinulla on rajoitetusti aikaa ennen haastattelua, voit noudattaa tiivistettyä suunnitelmaa, joka kattaa kolme keskeistä osa-aluetta: SQL:n, Pythonin pandoilla ja käytännön sovellukset. Et tee ihmeitä 14 päivässä, mutta voit saapua paikalle vankan taitotason ja kohtuullisen itsevarmana.
Muutaman ensimmäisen päivän aikana on hyvä keskittyä aloittelijan ja keskitason SQL-tiedon käyttöön : kerrataan perussyntaksi, JOIN-lausekkeet, GROUP BY -lausekkeet, alikyselyt ja yleisimmät ikkunafunktiot. Varaa aikaa sekä esimerkkien lukemiseen että omien kyselyiden kirjoittamiseen.
Toisessa vaiheessa keskitytään pandoihin : datan lataamiseen, puhdistamiseen, suodattamiseen, ryhmittelyyn, yhdistämiseen ja nopeaan visualisointiin matplotlibillä tai seabornilla. Sinun ei tarvitse rakentaa monimutkaisia koontinäyttöjä, mutta sinun on kyettävä toistamaan Pythonissa samat muunnokset, jotka tekisit SQL:ssä.
Varaa sitten useita päiviä käytännön harjoitusten tekemiseen alustoilla , kuten HackerRank tai teknisten haastattelujen arkistoissa. Tavoitteena on tottua formaattiin, aikarajoitteisiin ja koodin kirjoittamisen paineisiin kontrolloidussa ympäristössä.
Kokeile lopuksi yhtä tai kahta kokonaista haastattelusimulaatiota : ota julkinen aineisto, kysy kohtuullisia liiketoimintaan liittyviä kysymyksiä, ratkaise ne SQL:llä tai Pythonilla ja selitä koko päättelysi ääneen alustavasta selvityksestä loppupäätelmiin.
Hyvän teoreettisen katsauskurssin, ohjatun harjoittelun ja realististen harjoitusten yhdistelmän avulla sinulla on haastattelupäivään mennessä vankka perusta SQL:n keskitason osaamisessa, Pythonin data-analyysissä ja mallimetriikassa – juuri sitä, mitä useimmat mainosteknologian ja data-analytiikan yritykset odottavat näkevänsä.