ok คือเคาน์เตอร์ครัวบ้าน Dev 5 ทุ่ม วันอังคาร pad thai หยดน้ำมันลงบนเคาน์เตอร์ ร้านนั้นบน mission street นั่นแหละ กระดาษทิชชู่เยอะเกินเหมือนเดิม Dev พูดว่า "อธิบาย Type I vs Type II errors ในบริบทของ A/B test หน่อย" ว่างเปล่าเลย ปากฉันอ้าออกแต่ไม่มีอะไรออกมา ฉันเรียน master's ด้าน stats มาเต็มๆ สองปีอยู่กับเรื่องพวกนี้ และตอนนี้ฉันยืนอยู่ในครัวบ้านเขาโดยพูดเรื่อง Type I errors ไม่ได้สักประโยค lol สูตรน่ะได้ คำอธิบายเป็นภาษาอังกฤษน่ะไม่เลย Dev เอนตัวกลับแล้วรอ สามวินาทีที่ยาวเหมือนหนึ่งปี โมเมนต์ตรงเคาน์เตอร์ครัวนั่นแหละคือเหตุผลที่ฉันเขียนบทความนี้ เพราะอีกสองสัปดาห์ต่อมา VP of product ของบริษัท fintech แห่งหนึ่งถามฉันคำถามแบบเดียวกันใน round สามของ onsite แล้วสมองฉันก็ทำแบบเดิมเป๊ะ ผ่านมาแล้วสี่ชั่วโมง round หนึ่งเป็น SQL window functions round สองโดนย่างเรื่อง stats round สามเป็น churn prediction pitch แล้วผู้ชายคนนี้ก็อยากให้ฉันอธิบายเหตุผลของ sample sizes สำหรับ A/B test และฉันไม่มีอะไรเลย master's ของฉันไม่ได้ช่วย Dev เตือนฉันแล้ว เขาเป็น data scientist ที่ Spotify อยู่มาสามปีแล้ว ตอนนี้ฉันติดเบียร์เขาเก้าแก้ว เขาเคยพูดกับฉันที่บาร์ว่า "DS interviews คือสี่ interviews ที่แกล้งทำเป็นหนึ่ง" แล้วตอนนั้นฉันก้มดูโทรศัพท์อยู่ ไม่ได้ฟังเลย lol
Dev พูดอะไรบางอย่างคืนนั้นที่ฉันเกลียด เขายืนพิงตู้เย็น เบียร์อยู่ในมือ กล้าพูดมาก "ถ้าคุณอธิบายคอนเซ็ปต์ให้ PM ฟังในสองประโยคไม่ได้ แปลว่าคุณยังไม่เข้าใจมันพอสำหรับ interview" แล้วคนบ้าคนนี้ก็ให้ฉันอธิบาย Bayesian updating ให้แฟนเขาชื่อ Lena ฟัง ครูอนุบาล ไม่มีพื้นฐาน stats เลยสักนิด เธอนั่งกิน trail mix แล้วหรี่ตามองฉัน ขณะที่ฉันพูดวกวนและไม่สามารถแปลง confidence intervals ให้เป็นคำธรรมดาได้ สี่ครั้ง สี่ ครั้ง ฉันหน้าแดงเห็นได้ชัด ครั้งที่สามฉันเกือบจะยอมแพ้แล้ว แต่เธอก็ยังหรี่ตาแล้วกิน trail mix ต่อ ครั้งที่สี่เธอพยักหน้า แล้วบางอย่างในสมองฉันก็ปลดล็อก ฉันนึกถึงหน้าหรี่ตาของ Lena ทุกครั้งที่มีคนให้ฉันอธิบาย p-values โดยห้ามใช้คำว่า probability หรือถามว่าเมื่อไรใช้ t-test vs chi-squared หรือให้ฉันพาไล่คณิตศาสตร์เรื่อง sample size ของ A/B test คำถามที่โผล่ในทุก DS loop ที่ฉันเคยได้ยินจากใครก็ตาม คอนเซ็ปต์เดิมห้าอย่าง แค่เปลี่ยนโลโก้บริษัท หนังสือเรียนราคา 140 ดอลลาร์สอนฉันน้อยกว่าผู้หญิงกิน trail mix คนนั้นอีก
แต่ phone screen ของ Meta DS ช่วงปลายปี 2025 Dev ผ่านมันมาแล้ว เกือบทั้งหมดเป็น SQL และเป็น SQL แบบโหด window functions, CTEs, self-joins, date math คำถามของเขาคือหาผู้ใช้จากตาราง logins ที่ความถี่ในการ login ลดลงมากกว่าห้าสิบเปอร์เซ็นต์ month over month ต่อเนื่องสามเดือน LAG, window functions, grouping ตามวันที่, ยี่สิบนาที, shared editor, เริ่มได้ อีกสองคนที่ฉันรู้จักก็ยืนยันว่า Meta DS เป็นแบบนั้น SQL คือประตู ถ้าเขียนไม่ออกสดๆ screen ก็จบ coding ของ Google DS เบากว่า SWE แต่พวกเขาต้องการ Python จริงๆ โดยเฉพาะ Pandas ให้ข้อมูลสกปรกมา คุณต้อง clean มัน คำนวณ metrics แล้ว interviewer จะหรี่ตามองแล้วถามว่า "แล้วสิ่งนี้บอกอะไรเรา" lol คนจำนวนมากเขียนโค้ดได้ แต่กลับอธิบายเป็นภาษาคนไม่ได้ว่า output ของตัวเองหมายความว่าอะไร dead air ฉันเคยเป็นคนนั้น นั่งจ้อง dataframe แล้วลืมไปเลยว่าตัวเลขทำงานยังไง
Dev ดูฉันทำ mock Google round ผ่าน FaceTime แล้ว mute ตัวเองเพื่อที่ฉันจะไม่ได้ยินว่าเขาหัวเราะ เขาส่งข้อความมาหลังจากนั้นว่า "เพื่อน นายเขียน pandas ถูกนะ แล้วเงียบไปสี่สิบวินาที" สี่สิบวินาทีนั่นแหละคือความเงียบแบบเดียวกับที่ฆ่าคุณใน ML rounds จริงๆ พวกเขาไม่ได้จะให้คุณ derive backpropagation Dev ได้คำถามว่า "เมื่อไรคุณจะเลือก gradient boosting แทน random forest" ที่ Amazon ส่วนฉันได้ "imbalanced classes what do you do" ตอน mock กับเขาที่เคาน์เตอร์ครัวเดิม คราบ pad thai เดิมบนเคาน์เตอร์เพราะเขาไม่เคยเช็ด แล้วฉันก็แข็งอีก เขาร่าย SMOTE, class weights, threshold tuning, precision-recall แทน accuracy, แล้วก็ business case ว่าทำไม false positives ถึงมีต้นทุนต่างจาก false negatives แล้วก็นั่งมองฉันเหมือน Lena ที่ถือ trail mix อยู่ ห้าอย่าง ฉันมีสองอย่าง สองในห้าฟังดูเหมือนคนเพิ่งอ่านบล็อกโพสต์มา คุณต้องมีครบทั้งห้าและต้องเชื่อมมันเข้าด้วยกัน นั่นแหละถึงจะผ่าน แต่ Amazon ML deep-dive round นี่เกือบฆ่า Dev จริงๆ คุณเลือกโปรเจกต์หนึ่งจากเรซูเม่ แล้วพวกเขาเจาะมันอยู่นานสามสิบนาที model อะไร ทำไม features อะไร evaluation แบบไหน จะเปลี่ยนอะไร interviewer คนนี้ใช้เวลา สิบห้า นาที ไปกับ feature engineering ของ rec system ที่ Dev สร้างที่ Spotify สิบห้า นาที กับแค่โปรเจกต์เดียว ฉัน prep เขาโดยนั่ง interrogate เรื่องโปรเจกต์นั้นอยู่หนึ่งชั่วโมงที่เคาน์เตอร์ครัว แล้วพอถึงนาทีที่ยี่สิบเขาก็เริ่มสะดุดกับการตัดสินใจที่ตัวเองเคยทำเมื่อแปดเดือนก่อน คืนนั้นเขาเขียนโน้ตใหม่ทั้งหมด ทั้งหมด Google จะออกแนวทฤษฎีมากกว่า bias-variance tradeoff, model complexity, regularization "โอเค แต่ทำไม L1 ถึงให้ sparse weights" คุณตอบว่า diamond constraint region แล้ว follow-up ก็คือมันหมายความว่าอะไรในเชิงเรขาคณิต และทำไมมันสำคัญกับ feature selection ใน prod Lena คงหรี่ตาหนักมากกับข้อนั้น lol สัญชาตญาณมาก่อนพิสูจน์เสมอ
case studies คือจุดที่ Dev ทำให้ฉันทึ่งจริงๆ "metrics ตกลงสิบสองเปอร์เซ็นต์เมื่อสัปดาห์ก่อน เกิดอะไรขึ้น" คุณต้องสร้างเส้นทางการสืบสวนสดๆ ขณะที่ interviewer เล่นบท PM ที่ตอบทุกอย่างแบบกำกวม case study ของเขาที่ Meta คือ "Instagram Reels daily active users ลดลงแปดเปอร์เซ็นต์ใน Brazil ลองพาผมดูวิธีคิดหน่อย" เขาใช้เวลาห้านาทีถามคำถามเพื่อทำให้ชัดก่อนจะเสนออะไรสักอย่าง ผู้ใช้ทั้งหมดหรือแค่บาง segment จังหวะของ app update รูปแบบตามฤดูกาลเฉพาะใน Brazil ห้านาทีแรกของการถามให้ชัดนี่ทำให้ interviewer ประทับใจมากกว่ากรอบวิเคราะห์ที่ตามมาหลังจากนั้นอีก ฉันน่าจะกระโดดไปตั้งสมมติฐานเลยแล้วน่าจะโดนหักคะแนน ปัญหาเดียวกับ dead pandas silence สี่สิบวินาทีนั่นแหละ lol สมองฉันอยากตอบก่อนมันอยากถาม behavioral rounds ใช้ วิธี STAR อย่าง "เล่าให้ฟังสักครั้งที่การวิเคราะห์ของคุณเปลี่ยนการตัดสินใจทางธุรกิจ" ต้องมีการวิเคราะห์แบบเฉพาะเจาะจง stakeholder คนไหน การตัดสินใจอะไรที่เปลี่ยน ผลลัพธ์ที่วัดได้คืออะไร คำตอบแบบ "ก็วิเคราะห์อะไรบางอย่างแล้วมันช่วย" คือ no-hire ชัดๆ บางบริษัทยังมี take-homes อยู่ dataset, prompt, เวลาสี่สิบแปดถึงเจ็ดสิบสองชั่วโมง ส่ง notebook กลับไป Dev เคย review take-home ของเพื่อนคนหนึ่ง โมเดล XGBoost tune มาอย่างเป๊ะ แต่ไม่มีคำอธิบายเลยว่าทำไมถึงเลือกทำ feature engineering แบบนั้น ไม่มีแม้แต่ประโยคเดียวว่าทำไมเธอเลือก features เหล่านั้น เธอไม่ได้ไปต่อ Dev มองแล้วพูดว่า "นี่มัน kaggle dump ไม่ใช่ memo" เขียนมันเหมือนคุณกำลังโน้มน้าว VP ให้ยอมใช้เงิน ทุกคนที่ฉันคุยด้วยแล้วได้ offer เขียนแบบนั้นหมด คุณพอจะรอดด้วย notebook สไตล์ kaggle ที่สะอาดไหม อาจจะ แต่ฉันไม่กล้าเดิมพันหลังจากเห็น submission นั้นโดนปัดตก
format ของแต่ละบริษัทถ้าคุณอยากรู้ เพราะ Dev ก็ quiz ฉันเรื่องนี้เหมือนกัน lol Meta DS คือ SQL phone screen แล้ว onsite ที่มี product sense บวก case study บวก technical deep-dive บวก behavioral โดย product sense เป็น round เฉพาะแบบ Meta ที่ให้คุณ reason เรื่อง metrics ของแอปพวกเขา และเป็น round ที่ Dev บอกว่ารู้สึกเหมือนโดน PM ที่เกลียดคุณ grill มากที่สุด Google DS คือ phone screen ที่มี coding กับ stats แล้ว onsite ที่มี coding กับแนวคิด ML และ case study กับ Googleyness round ซึ่งเป็นเวอร์ชันของพวกเขาสำหรับคำถามว่า "คุณเป็นคนที่เราอยากนั่งกินข้าวกลางวันด้วยไหม" Amazon DS เริ่มด้วย OA สำหรับ SQL และ stats พื้นฐาน แล้วต่อด้วย virtual loop ที่มี coding, ML deep-dive จากงานที่ผ่านมา, case study, behavioral กับ leadership principles และถ้าคุณยังไม่ได้ท่อง leadership principles ทั้งสิบสี่ข้อก็ขอให้โชคดี DS loops ผสมทั้ง coding และการพูด นั่นแหละทำไมคนถึงพัง rounds SQL และ Python รู้สึกเหมือน coding interviews ที่ live help ช่วยจับตอนคุณ blank syntax หรือเตือนเรื่อง window function ที่สมองคุณทำหล่นไป (ของฉันทำ LAG หล่นใน Meta screen เองเนี่ย lol) ส่วน rounds stats และ case study จะคุยกันมากกว่า แค่มีการสะกิดในหนึ่งขั้นของ framework ก็ช่วยไม่ให้คุณไถลลงเหวได้
ฉันใช้ InterviewMan ในรอบสมัครงานครั้งที่สอง SQL round มัน flag ว่าฉันกำลังเขียน correlated subquery ทั้งที่ใช้ window function จะสะอาดกว่า ฉันรู้ window functions นะ แรงกดดันทำให้ฉันคว้าอะไรที่เคยเรียนมาก่อนสุด ซึ่งเป็นความผิดพลาดที่โง่ที่สุด ใน case study round มันเด้ง consider seasonality, product changes, data pipeline issues ขึ้นมาตอนฉันได้คำถาม metrics drop ซึ่งก็แทบจะเป็นเรื่อง Brazil Reels แบบเดียวกับที่ Dev เคยเจอแต่เป็นของบริษัท payments พอดี สิ่งที่ Dev ตอกใส่หัวฉันตรงเคาน์เตอร์ครัวเหนือ pad thai นั่นแหละ ความประหม่าล้างทุกอย่างหายหมด ม็อกกับมันสอนฉันมากกว่า live rounds ซะอีก เพราะฉันเห็นชัดเลยว่าตรงไหนที่คำอธิบายของฉันกลายเป็น hand-waving และไม่มีแรงกดดัน ฉันเลยแก้ได้จริง เดือนละสิบสองดอลลาร์ ไม่มี session caps ซึ่งหลังจากใช้เวลาสองปีกับ master's แล้วยังโดนผู้หญิง trail mix สอนบทเรียน ฉันก็ไม่ได้จะมางกกับเรื่องนี้หรอก lol มีอยู่ช่วงหนึ่งฉันถึงขั้นเริ่มตั้งตารอ mock sessions ซึ่งไม่เคยเกิดขึ้นในชีวิตมาก่อน ฉันลองมองหาตัวอื่นก่อน แต่ทุกอย่างมีแต่ coding อย่างเดียวหรือ stats อย่างเดียว ไม่มีอะไรที่แตะทั้ง DS loop ได้ stats, case study, behavioral และ SQL อยู่ใน tool เดียว ของอย่างอื่นเหมือนเป็นแค่ครึ่ง tool
นี่คือความพลาดที่โง่ที่สุดของฉัน ฉันอ่าน SQL หนึ่งสัปดาห์ สัปดาห์ถัดมาอ่าน stats แล้วค่อย ML หลังจากนั้น แยกเป็นถังเล็กๆ เหมือนมันเป็นคนละวิชา ฉันเดินเข้า onsite แล้วพวกเขาโยนทุกอย่างใส่ฉันในบ่ายเดียว สี่ชั่วโมง ทุกอย่างพร้อมกัน เหมือนกับ VP fintech คนนั้นที่อยากได้คณิต A/B test หลังผ่านสามรอบของทุกอย่างมาก่อน Dev บอกแล้วว่ามันจะเกิดขึ้น ที่บาร์ ที่เคาน์เตอร์ครัวบ้านเขา หรืออาจอยู่ในข้อความที่ฉันไม่อ่านตอนกำลังกิน pad thai ก็ได้ เก้าเบียร์ ฉันติดเขาเก้าเบียร์ และน่าจะติด Lena คำขอโทษด้วย ที่ไป butcher Bayesian updating ในครัวบ้านเธอตอนที่เธอแค่อยากกิน trail mix เธอยังหรี่ตามองฉันทุกครั้งที่ฉันแวะไปเลย lol
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
