oké dus Dev z'n aanrecht. 23:00. dinsdag. pad thai die vet lekt over het aanrecht, van dat tentje in Mission Street, weer véél te veel servetten. Dev gaat "leg Type I vs Type II fouten uit in een A/B test context." niks. m'n mond gaat open en er komt gewoon niks uit. ik heb een complete master statistiek gedaan. twee jaar dit soort stof. en ik sta daar in z'n keuken en kan geen één zin over Type I fouten vormen lol. formules, prima. gewone woorden, nee. Dev leunde achterover en wachtte. drie seconden die aanvoelden als een jaar. dat aanrechtmoment is waarom ik dit schrijf, want twee weken later stelde een VP of Product bij een fintech me precies zo'n vraag in ronde drie van een onsite en m'n brein deed exact hetzelfde. vier uur ver. SQL window functions ronde één. stats-kruisverhoor ronde twee. churn prediction pitch ronde drie. en dan wil die man dat ik steekproefgroottes voor een A/B test onderbouw en ik heb niks. m'n master redde me niet. Dev had me gewaarschuwd. hij is data scientist bij Spotify, drie jaar daar, ik sta inmiddels negen biertjes bij hem in het krijt. hij zei een keer in de kroeg "DS interviews zijn vier interviews die doen alsof ze één zijn" en ik zat op m'n telefoon en luisterde niet. lol
Dev zei die avond iets waar ik een hekel aan had. geleund tegen z'n koelkast, biertje in z'n hand, de brutaliteit. "als je een concept niet in twee zinnen aan een PM kunt uitleggen, snap je het niet voor het interview." en toen liet die gek me Bayesian updating uitleggen aan z'n vriendin Lena. kleuterjuf. nul statistiekachtergrond. ze zat daar studentenhaver te eten en naar me te turen terwijl ik maar doorkletste en ik kreeg betrouwbaarheidsintervallen gewoon niet in normale woorden. vier pogingen. VIER. ik was zichtbaar rood. poging drie wilde ik bijna opgeven en zij zat nog steeds te turen en studentenhaver te eten. poging vier knikte ze en er klikte iets in m'n hoofd. ik denk aan Lena's turende gezicht elke keer als iemand me vraagt p-waarden uit te leggen zonder het woord waarschijnlijkheid te gebruiken, of wanneer gebruik je een t-toets vs chi-kwadraat, of loop me door de steekproefgrootte-berekening van een A/B test. de vragen die in elke DS loop opduiken waar ik van gehoord heb van wie dan ook. dezelfde vijf concepten met een ander bedrijfslogo erop. een studieboek van honderdveertig dollar leerde me minder dan de studentenhaverdame
Het Meta DS telefoonscreen trouwens, eind 2025, Dev heeft het doorlopen. vrijwel volledig SQL, pittige SQL. window functions. CTE's. self-joins. datumberekeningen. z'n vraag was: vind gebruikers uit een logins-tabel wier inlogfrequentie meer dan vijftig procent is gedaald maand over maand gedurende drie opeenvolgende maanden. LAG, window functions, datumgroepering, twintig minuten, gedeelde editor, go. twee andere mensen die ik ken bevestigden dat Meta DS zo is. SQL is de poort, schrijf het koud of het screen is voorbij. Google DS coding is lichter dan SWE maar ze willen echte Python, specifiek Pandas, je krijgt rommelige data, opschonen, metrics berekenen, en dan tuurt de interviewer je aan en gaat "wat zegt dit ons." lol. mensen schrijven werkende code en kunnen dan niet in woorden zeggen wat hun eigen output betekent. stilte. ik ben die persoon geweest. starend naar een dataframe. vergeten hoe getallen werken
Dev keek hoe ik een oefenronde voor Google deed via FaceTime en mute'de zichzelf zodat ik hem niet hoorde lachen. hij stuurde me daarna "bro je schreef correcte pandas en zei toen veertig seconden niks." die veertig seconden is dezelfde stilte die je doodmaakt in ML-rondes eerlijk gezegd. ze gaan je niet vragen om backpropagation af te leiden. Dev kreeg "wanneer kies je gradient boosting boven een random forest" bij Amazon en ik kreeg "ongebalanceerde klassen wat doe je" in een mock met hem aan datzelfde aanrecht, dezelfde pad thai-vetvlekken want hij maakt nooit schoon, en ik bevroor weer. hij somde SMOTE op en class weights en threshold tuning en precision-recall boven accuracy en de business case waarom false positives anders kosten dan false negatives en zat me aan te kijken als Lena met de studentenhaver. vijf dingen. ik had er twee. twee van de vijf klinkt alsof je een blogpost hebt gelezen. je hebt alle vijf nodig en je moet ze aan elkaar knopen en dát is wat slaagt. De Amazon ML deep-dive ronde is waar Dev bijna doodging trouwens, je kiest één project van je cv en ze doorboren je dertig minuten lang. welk model. waarom. welke features. evaluatie. wat zou je anders doen. z'n interviewer besteedde VIJFTIEN minuten aan feature engineering voor een aanbevelingssysteem dat Dev bij Spotify had gebouwd. vijftien. aan één project. ik heb hem voorbereid door hem een uur lang te ondervragen over dat project aan z'n aanrecht en bij minuut twintig struikelde hij over keuzes die hij acht maanden geleden had gemaakt. al z'n notities die avond herschreven. allemaal. Google gaat juist de theoretische kant op, bias-variance tradeoff, modelcomplexiteit, regularisatie. "oké maar WAAROM produceert L1 sparse gewichten." je zegt diamantbeperkingsgebied en de vervolgvraag is wat dat geometrisch betekent en waarom het uitmaakt voor feature selection in productie. Lena zou daar zo hard bij getuurd hebben lol. intuïtie boven bewijzen altijd
case studies zijn waar Dev indruk op me maakte eerlijk gezegd. "metrics zijn twaalf procent gedaald afgelopen week, wat is er gebeurd." je bouwt live een onderzoek op terwijl de interviewer een PM speelt die je vage antwoorden geeft op alles. z'n Meta case study was "Instagram Reels dagelijks actieve gebruikers zijn acht procent gedaald in Brazilië, loop me erdoorheen." vijf minuten verduidelijkende vragen voordat hij ook maar één ding voorstelde. alle gebruikers of een segment. timing van app-update. seizoenspatronen specifiek in Brazilië. die vijf verduidelijkende minuten maakten meer indruk op z'n interviewer dan het analysekader dat erna kwam. ik zou meteen naar hypotheses zijn gesprongen en daar waarschijnlijk punten voor zijn kwijtgeraakt. exact hetzelfde probleem als die veertig seconden dode pandas-stilte lol. m'n brein wil antwoorden voordat het wil vragen. gedragsrondes gebruiken de STAR-methode, "vertel over een moment dat je analyse een zakelijke beslissing veranderde." specifieke analyse, welke stakeholder, welke beslissing veranderde, meetbaar resultaat. "ik deed wat analyse en het hielp" is een niet-aannemen-antwoord. thuisopdrachten doen sommige bedrijven nog steeds, dataset, opdracht, achtenveertig tot tweeënzeventig uur, lever een notebook in. Dev reviewde een keer de thuisopdracht van een vriendin. XGBoost model perfect getuned, nul uitleg waarom welke feature engineering keuze was gemaakt. niet één zin over waarom ze die features had gekozen. ze kwam niet verder. Dev keek ernaar en zei "dit is een kaggle-dump, geen memo." schrijf het alsof je een VP probeert te overtuigen om geld uit te geven. elke persoon die ik heb gesproken die een aanbod kreeg schreef het zo. zou je wegkomen met een schoon kaggle-achtig notebook? misschien. maar ik zou er niet op wedden nadat ik die inzending zag worden afgewezen
bedrijfsformaten als je ze wilt want Dev overhoorde me hier ook op lol. Meta DS is SQL telefoonscreen dan onsite met product sense plus case study plus technische deep-dive plus gedrag, product sense is de Meta-specifieke ronde waar je redeneert over metrics voor hun apps en het is de ronde waarvan Dev zei dat het het meest voelde alsof je gegrild wordt door een PM die een hekel aan je heeft. Google DS is telefoonscreen met coding en stats dan onsite met coding en ML-concepten en case study en Googleyness-ronde wat hun versie is van "ben jij iemand met wie we willen lunchen." Amazon DS begint met een OA voor SQL en basisstatistiek dan virtuele loop met coding, ML deep-dive over eerder werk, case study, gedrag met leadership principles en als je die veertien leadership principles niet uit je hoofd kent, succes ermee. DS loops mixen coding en praten en daarom brengen ze mensen in de war. SQL en Python-rondes voelen als coding interviews waar live hulp syntaxblanco's opvangt of je herinnert aan een window function die je brein liet vallen (het mijne liet LAG vallen tijdens m'n Meta screen, uitgerekend lol). stats en case study rondes zijn meer conversatie, een duwtje bij een kaderstap voorkomt dat je gaat spiralen
ik gebruikte InterviewMan tijdens m'n tweede cyclus. SQL-ronde, gaf aan dat ik een gecorreleerde subquery schreef terwijl een window function schoner zou zijn. ik KEN window functions. druk zorgde ervoor dat ik greep naar wat ik het eerst had geleerd, wat de domste soort fout is. case study ronde bracht het naar voren: overweeg seizoensinvloeden, productwijzigingen, data pipeline-problemen toen ik een metrics-dalingsvraag kreeg, eigenlijk hetzelfde Brazilië Reels-verhaal dat Dev kreeg maar dan voor een betalingsbedrijf. precies wat Dev me had ingestampt aan dat aanrecht met pad thai. zenuwen wisten alles schoon. mocks daarmee leerden me eerlijk gezegd meer dan de echte rondes omdat ik precies zag waar m'n uitleg overging in handgezwaai en er was geen druk dus ik kon ze echt fixen. twaalf dollar per maand, geen limiet op sessies, en na twee jaar master en vernederd worden door de studentenhaverdame ging ik hier echt niet zuinig over doen lol. op een gegeven moment begon ik zelfs uit te kijken naar oefensessies wat me nog nooit in m'n leven is overkomen. ik keek eerst rond naar iets anders maar alles was alleen coding of alleen stats, niks dat de volledige DS loop raakte. stats en case study en gedrag en SQL in één tool. al het andere was een halve tool
hier is m'n domste zet. ik studeerde een week SQL. stats de week erna. ML daarna. losse vakjes alsof het aparte vakken zijn. liep m'n onsite in en ze gooiden alles in één middag op me af, vier uur, alles tegelijk, net als die fintech VP die A/B test-wiskunde wilde na drie rondes van al het andere. Dev zei me dat dit zou gebeuren, in de kroeg, aan z'n aanrecht, waarschijnlijk in een bericht dat ik negeerde terwijl ik pad thai at. negen biertjes. ik sta negen biertjes bij hem in het krijt en ben Lena waarschijnlijk een excuus schuldig voor het verminken van Bayesian updating in haar keuken terwijl ze gewoon studentenhaver probeerde te eten. ze tuurt nog steeds naar me als ik langskom lol
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
