oké szóval Dev konyhája. este 11. kedd. a pad thai zsírt csöpögtetett a pultra, arról a helyről a mission street-en, túl sok szalvéta mint mindig. Dev azt mondja „magyarázd el a I. típusú vs II. típusú hibákat A/B teszt kontextusban." semmi. kinyílik a szám és semmi nem jön ki. elvégeztem egy teljes statisztika mestert. két év ebből a dologból. és ott állok a konyhájában képtelenül kimondani egyetlen mondatot a I. típusú hibákról lol. képletek, persze. normális szavak, nem. Dev hátradőlt és várt. három másodperc ami egy évig tartott. az a konyhai jelenet az oka annak hogy ezt írom, mert két héttel később egy fintech cég termékes VP-je ugyanilyen típusú kérdést tett fel nekem az onsite harmadik körében és az agyam pontosan ugyanazt csinálta. négy óra benne. SQL ablakfüggvények első kör. statisztikai grillez második kör. churn előrejelzés pitch harmadik kör. aztán ez az ember azt akarja hogy igazoljam a mintaméretet egy A/B teszthez és nincs semmim. a mesterem nem mentett meg. Dev figyelmeztetett. data scientist a Spotify-nál, három éve ott van, kilenc sörrel tartozom neki ezen a ponton. egyszer mondta egy bárban „a DS interjúk négy interjú amik egynek tetteti magukat" és én a telefonomon voltam nem figyeltem. lol
Dev mondott valamit azon az estén amit utáltam. a hűtőjének dőlve, sör a kezében, micsoda pofátlanság. „ha nem tudod elmagyarázni egy koncepciót egy PM-nek két mondatban, nem érted az interjúra." aztán ez az őrült megkért hogy magyarázzam el a Bayesi frissítést a barátnőjének, Lenának. óvónő. nulla statisztikai háttér. ott ült mogyoró-mixet evett és hunyorogva nézett rám miközben hablatyoltam és nem tudtam a konfidencia-intervallumokat normális szavakra lefordítani. négy próbálkozás. NÉGY. láthatóan piros voltam. a harmadik próbálkozásnál majdnem feladtam és ő még mindig hunyorgott és ette a mogyoró-mixet. a negyediknél bólintott és valami kattant az agyamban. Lena hunyorgó arcára gondolok minden alkalommal amikor valaki megkér hogy magyarázzam el a p-értékeket a valószínűség szó nélkül, vagy mikor használj t-tesztet vs chi-négyzetet, vagy vezesd végig az A/B teszt mintaméret matek. a kérdések amik minden DS körben megjelennek amiről bárki mesél nekem. ugyanaz az öt koncepció különböző céglogókat viselve. a száznyolcvan dolláros tankönyv kevesebbet tanított mint a mogyoró-mix hölgy
a Meta DS telefonos szűrése viszont, 2025 végén, Dev ment végig rajta. szinte teljesen SQL, nehéz SQL. ablakfüggvények. CTE-k. self-joinnok. dátum-matematika. a kérdése az volt hogy találd meg azokat a felhasználókat egy bejelentkezési táblából akiknek a bejelentkezési gyakorisága több mint ötven százalékkal esett hónapról hónapra három egymást követő hónapon át. LAG, ablakfüggvények, dátum csoportosítás, húsz perc, megosztott szerkesztő, rajta. két másik ember akit ismerek megerősítette hogy a Meta DS ilyen. az SQL a kapu, írd meg fejből vagy a szűrés véget ért. a Google DS kódolás könnyebb mint SWE de valódi Pythont akarnak, konkrétan Pandast, adnak neked rendezetlen adatokat, tisztítsd meg, számolj metrikákat, aztán az interjúztató rád hunyorog és azt mondja „mit mond ez nekünk." lol. az emberek működő kódot írnak és aztán nem tudják normális szavakkal elmondani mit jelent a saját outputjuk. halott csend. voltam az a személy. bámulom a dataframe-et. elfelejtem hogyan működnek a számok
Dev nézte ahogy csinálok egy mock Google kört FaceTime-on és lenémította magát hogy ne halljam a nevetését. utána írt „tesó írtál helyes pandaszt és aztán negyven másodpercig nem mondtál semmit." az a negyven másodperc ugyanaz a csend ami megöl az ML körökben őszintén. nem fognak megkérni hogy deriváld a backpropagationt. Dev azt kapta hogy „mikor választanád a gradient boostingot random forest helyett" az Amazonnál és én azt kaptam hogy „kiegyensúlyozatlan osztályok mit csinálsz" egy mockon vele ugyanazon a konyhai pulton, ugyanaz a pad thai zsír a pulton mert soha nem takarít, és megint lefagytam. felsorolta a SMOTE-ot és a class weighteket és a küszöbérték-hangolást és a precision-recall-t az accuracy felett és az üzleti esetet amiért a hamis pozitívok máshogy kerülnek mint a hamis negatívok és ott ült rám nézve mint Lena a mogyoró-mixszel. öt dolog. nekem kettő volt belőlük. kettő az ötből úgy hangzik mintha olvastál volna egy blogposztot. mind az öt kell és össze kell kötni őket és ez az ami átmegy. az Amazon ML mélyfúrás kör ahol Dev majdnem meghalt, kiválasztasz egy projektet az önéletrajzodról és harminc percig fúrnak. milyen modell. miért. milyen jellemzők. értékelés. mit változtatnál. ez az interjúztató TIZENÖT percet töltött feature engineeringgel egy ajánlórendszerre amit Dev épített a Spotify-nál. tizenöt. egy projekten. felkészítettem őt azzal hogy kihallgattam erről a projektről egy órán át a konyhai pultján és a huszadik percre már botladozott olyan döntéseken amiket nyolc hónapja hozott. aznap éjjel újraírta az összes jegyzetét. az összeset. a Google ehelyett elméleti irányba megy, torzítás-variancia kompromisszum, modell-komplexitás, regularizáció. „oké de MIÉRT hoz létre L1 ritka súlyokat." mondod a gyémánt alakú korlátozási régiót és a következő kérdés az hogy mit jelent ez geometriailag és miért számít a jellemzőkiválasztásnál produkcióban. Lena nagyon erősen hunyorgott volna erre lol. intuíció a bizonyítások felett mindig
az esettanulmányok ahol Dev lenyűgözött őszintén. „a metrikák tizenkét százalékot estek múlt héten, mi történt." élőben építesz fel egy vizsgálatot miközben az interjúztató egy PM-et játszik aki homályos válaszokat ad mindenre. Dev Meta esettanulmánya az volt hogy „az Instagram Reels napi aktív felhasználói nyolc százalékkal estek Brazíliában, vezesd végig." öt perc pontosító kérdés mielőtt egyetlen dolgot javasolt volna. minden felhasználó vagy egy szegmens. az app frissítés időzítése. szezonális minták konkrétan Brazíliában. az az öt perc pontosítás jobban lenyűgözte az interjúztatóját mint az elemzési keretrendszer ami utána jött. én egyenesen a hipotézisekre ugrottam volna és valószínűleg pontot veszítettem volna érte. pontosan ugyanaz a probléma mint a negyven másodperc pandas csend lol. az agyam előbb akar válaszolni mint kérdezni. a viselkedési körök a STAR módszert használják, „mesélj egy alkalomról amikor az elemzésed üzleti döntést változtatott meg." konkrét elemzés, melyik érintett, milyen döntés változott, mérhető eredmény. „csináltam valami elemzést és segített" az egy nem-felvétel válasz. take-home-okat egyes cégek még mindig adnak, adathalmaz, feladat, negyvennyolc-hetvenkét óra, adj be egy notebookot. Dev egyszer átnézte valakinek a take-home-ját. XGBoost modell tökéletesen hangolva, nulla magyarázat hogy miért történt bármilyen feature engineering döntés. egyetlen mondat sem arról miért választotta azokat a jellemzőket. nem jutott tovább. Dev ránézett és azt mondta „ez egy kaggle dump nem egy memo." úgy írd mintha meggyőznél egy VP-t hogy költsön pénzt. minden ember akivel beszéltem aki kapott ajánlatot így írta. megúszhatnád egy tiszta kaggle stílusú notebookkal? talán. de nem fogadnék rá miután láttam azt a beadványt elutasítva
a cégformátumok ha akarod mert Dev engem is lekérdezett ezekből lol. Meta DS az SQL telefonos szűrés aztán onsite product sense plusz esettanulmány plusz technikai mélyfúrás plusz viselkedési, a product sense a Meta-specifikus ahol metrikákat gondolkozol az appjaikra és ez az a kör amiről Dev azt mondta úgy érezte mintha egy PM grillezné aki utál téged. Google DS az telefonos szűrés kódolással és statisztikával aztán onsite kódolással és ML koncepciókkal és esettanulmánnyal és Googleyness körrel ami az ő verziójuk annak hogy „olyan személy vagy akivel ebédelni akarunk." Amazon DS egy OA-val kezdődik SQL-re és alap statisztikára aztán virtuális ciklus kódolással, ML mélyfúrás korábbi munkán, esettanulmány, viselkedési leadership elvekkel és ha nem memorizáltál tizennégy leadership elvet sok sikert. a DS ciklusok keverik a kódolást és a beszélgetést ezért zavarják össze az embereket. az SQL és Python körök úgy éreznek mint kódolási interjúk ahol az élő segítség elkapja a szintaxis hiányokat vagy emlékeztet egy ablakfüggvényre amit az agyad elejtett (az enyém a LAG-ot ejtette el a Meta szűrésem alatt, minden dolog közül lol). a statisztika és esettanulmány körök inkább társalgásiak, egy lökés egy keretrendszer lépésen megtart a spiráltól
használtam az InterviewMan-t a második ciklusom alatt. SQL kör, jelezte hogy korrelált subqueryt írok amikor egy ablakfüggvény tisztább lett volna. TUDOM az ablakfüggvényeket. a nyomás arra késztetett hogy nyúljak amihez először tanultam ami a legbutább fajta hiba. az esettanulmány kör felszínre hozta vedd figyelembe a szezonalitást, termékváltozásokat, adatfolyamat problémákat amikor metrika-esés kérdést kaptam, alapvetően ugyanaz mint a Brazília Reels dolog amit Dev kapott de egy fizetési cégre. pontosan amit Dev belém vert azon a konyhai pulton a pad thai felett. az idegek mindent letöröltek. a mockok vele őszintén többet tanítottak mint az éles körök mert pontosan láttam hol változtak a magyarázataim kézlengetéssé és nem volt nyomás szóval tényleg meg tudtam javítani őket. tizenkét dollár havonta, nincsenek korlátok a munkamenetekre, ami miután két évet töltöttem egy mesteren és a mogyoró-mix hölgy szétszedett nem álltam szándékomban spórolni ezen lol. valójában elkezdtem várni a mock munkameneteket egy ponton, ami soha nem történt velem életemben. először kerestem mást de minden csak kódolás volt vagy csak statisztika, semmi ami lefedi a teljes DS ciklust. statisztika és esettanulmány és viselkedési és SQL egyetlen eszközben. minden más fél eszköz volt
itt a legbutább lépésem. SQL-t tanultam egy hétig. statisztikát a következő héten. ML-t utána. külön rekeszek mintha külön tárgyak lennének. besétáltam az onsite-omra és mindent rám dobtak egy délután alatt, négy óra, minden egyszerre, ugyanúgy mint az a fintech VP aki A/B teszt matekot akart három kör minden más után. Dev megmondta hogy ez fog történni, a bárban, a konyhai pultján, valószínűleg egy üzenetben amit figyelmen kívül hagytam miközben pad thait ettem. kilenc sör. kilenc sörrel tartozom neki és valószínűleg tartozom Lenának egy bocsánatkéréssel amiért lemészároltam a Bayesi frissítést a konyhájában miközben ő mogyoró-mixet próbált enni. még mindig hunyorog rám amikor átmegyek lol
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
