«С какой вероятностью вы достанете белый шарик?»
Как проводят собеседования на «лучшую должность 2016 года»
Пользователи сайта Glassdoor, на котором бывшие и действующие сотрудники различных компаний оценивают своих работодателей, назвали должность специалиста по data science лучшей работой 2016 года. Издание Business Insider изучило вопросы, которые задают соискателям в крупных компаниях при собеседовании на эту позицию. Редакция vc.ru приводит наиболее интересные из них.
Медианный годовой доход специалиста по data science в Америке составит в 2016 году $117 тысяч. «Поскольку теперь все компании так или иначе работают в интернете, им нужны люди, которые знают, как управлять данными, чтобы на их основе принимать лучшие решения о развитии бизнеса. Думаю, что спрос на таких специалистов будет в ближайшие годы оставаться высоким», — считает главный экономист Glassdoor Эндрю Чемберлен.
Особенно актуальна такая работа для технологических компаний. Пользователи процитировали некоторые вопросы, которые можно услышать на собеседованиях в ИТ-гигантах.
LinkedIn
- «Мне предложили назвать какие-либо параметры, которые можно использовать для построения определенных алгоритмов. Например, построить алгоритм, который будет определять, что кто-то из моих знакомых начал поиски работы»
- «У вас самолет до Сиэттла. Вы хотите знать, стоит ли захватить зонтик. Вы звоните трем случайным друзьям из Сиэттла и каждого из них спрашиваете, идёт ли дождь. Каждый друг с вероятностью 2/3 скажет правду и с вероятностью 1/3 соврёт. Все трое сообщают, что на улице дождь. Какова вероятность, что в Сиэттле действительно идёт дождь?»
Uber
- «Какие параметры вы бы использовали, чтобы оценить, привлекает ли клиентов наружная реклама Uber? И как бы в этом случае вы определили приемлемую стоимость привлечения клиента?»
Microsoft
- «Создайте алгоритм, который проверяет, является ли заданное слово палиндромом»
- «В сумке шесть шариков, один из них — белый. У вас есть 100 попыток достать один из них. После каждой попытки вы встряхиваете сумку и кладете шарик обратно. С какой вероятностью вы достанете белый шарик хотя бы один раз?»
Apple
- «Есть миллионы пользователей, каждый из которых совершил сотни транзакций при наличии десятков тысяч продуктов. Как сгруппировать эти данные так, чтобы извлечь из этого пользу?»
IBM
- «Как вы решаете проблему недостающих данных?»
- «Оперируя пользовательскими данными Twitter, как вы будете оценивать уровень вовлеченности?»