отже, кухня Дева. 11 вечора. вівторок. пад тай стікав жиром на стільницю, з того закладу на mission street, як завжди забагато серветок. Дев каже «поясни помилки Типу I проти Типу II в контексті A/B тесту.» нічого. рот відкривається і нічого не виходить. я пройшов повну магістратуру зі статистики. два роки цього. і стою на його кухні нездатний сказати одне речення про помилки Типу I лол. формули, звісно. людські слова, ні. Дев відхилився назад і чекав. три секунди, які тривали рік. та сцена на кухні -- причина, чому я це пишу, бо через два тижні VP з продукту у фінтех компанії задав мені такий самий тип питання в третьому раунді онсайту і мій мозок зробив точно те саме. чотири години. SQL віконні функції раунд один. статистичний допит раунд два. пітч прогнозу відтоку раунд три. потім цей чоловік хоче, щоб я обґрунтував розміри вибірок для A/B тесту і в мене нічого. магістратура мене не врятувала. Дев мене попереджав. він data scientist у Spotify, три роки там, я вже завинив йому дев'ять пив. він сказав мені якось у барі «DS інтерв'ю -- це чотири інтерв'ю, які прикидаються одним» а я сидів у телефоні не слухаючи. лол
Дев сказав щось тієї ночі, що я зненавидів. спершись на холодильник, пиво в руці, яка нахабність. «якщо ти не можеш пояснити концепцію PM-у двома реченнями, ти не розумієш її для інтерв'ю.» потім цей божевільний змусив мене пояснити байєсівське оновлення його дівчині Лені. вихователька дитячого садка. нуль знань зі статистики. сиділа там, їла суміш горіхів і щурилася на мене, поки я безладно говорив, і не міг перекласти довірчі інтервали на нормальні слова. чотири спроби. ЧОТИРИ. я був помітно червоний. на третій спробі майже здався, а вона все ще щурилася і їла суміш горіхів. на четвертій кивнула і щось розблокувалось у моєму мозку. я думаю про цей примружений погляд Лени щоразу, коли хтось просить мене пояснити p-values без слова ймовірність, або коли використовувати t-test проти chi-squared, або проведи мене через математику розміру вибірки A/B. питання, які з'являються в кожному DS циклі, про який я чув від когось. ті самі п'ять концепцій під різними логотипами компаній. підручник за сто сорок баксів навчив мене менше, ніж пані з горіховою сумішшю
телефонний скринінг Meta DS, кінець 2025, Дев пройшов через нього. майже повністю SQL, складний SQL. віконні функції. CTE. self-join. математика дат. його питання було знайти користувачів з таблиці логінів, чия частота входу впала більш ніж на п'ятдесят відсотків з місяця в місяць протягом трьох послідовних місяців. LAG, віконні функції, групування по датах, двадцять хвилин, спільний редактор, поїхали. двоє інших людей, яких я знаю, підтвердили, що DS Meta такий. SQL -- це ворота, пиши його напам'ять або скринінг закінчено. кодинг Google DS легший за SWE, але вони хочуть справжній Python, конкретно Pandas, дають тобі брудні дані, очисти їх, порахуй метрики, потім інтерв'юер щуриться на тебе і каже «що нам це говорить.» лол. люди пишуть робочий код і потім не можуть сказати нормальною мовою, що означає їхній власний вивід. тиша. я був тією людиною. дивлюся на dataframe. забуваю, як працюють числа
Дев спостерігав, як я роблю мок раунд Google по FaceTime і замутив себе, щоб я не чув його сміх. написав мені після «бро, ти написав правильний pandas і потім мовчав сорок секунд.» ті сорок секунд -- це та сама тиша, яка вбиває тебе в ML раундах, чесно. вони не будуть просити тебе вивести backpropagation. Дев отримав «коли б ви обрали gradient boosting замість random forest» на Amazon, а я отримав «незбалансовані класи, що робиш» на моці з ним на тій самій кухонній стільниці, та сама жирна пляма від пад тай на стільниці, бо він ніколи не прибирає, і я знову завис. він перерахував SMOTE і class weights і налаштування порогу і precision-recall над accuracy і бізнес-кейс чому false positives коштують інакше ніж false negatives і сидів там дивлячись на мене як Лена з горіховою сумішшю. п'ять речей. в мене було дві. дві з п'яти звучить як ніби ти прочитав блог-пост. тобі потрібні всі п'ять і треба їх з'єднати -- ось що проходить. раунд deep-dive ML на Amazon -- це де Дев майже помер, ти обираєш один проект зі свого резюме і тебе дриляють тридцять хвилин. яка модель. чому. які фічі. оцінка. що б ти змінив. цей інтерв'юер витратив П'ЯТНАДЦЯТЬ хвилин на feature engineering для рекомендаційної системи, яку Дев побудував у Spotify. п'ятнадцять. на одному проєкті. я готував його, допитуючи про цей проєкт годину на його кухонній стільниці, і до двадцятої хвилини він спотикався на рішеннях, які приймав вісім місяців тому. переписав усі свої нотатки тієї ночі. усі. Google натомість йде теоретично, компроміс зміщення-дисперсії, складність моделі, регуляризація. «ок але ЧОМУ L1 створює розріджені ваги.» кажеш область обмежень у формі ромба і далі -- що це означає геометрично і чому це важливо для відбору фіч у продакшені. Лена б так сильно примружилась від цього лол. інтуїція над доказами завжди
кейс-стаді -- це де Дев мене вразив, чесно. «метрики впали на дванадцять відсотків минулого тижня, що сталось.» ти будуєш розслідування наживо, поки інтерв'юер грає PM-а, який дає тобі розмиті відповіді на все. його Meta кейс-стаді був «щоденні активні користувачі Instagram Reels впали на вісім відсотків у Бразилії, проведи мене по кроках.» п'ять хвилин уточнюючих питань перед тим, як запропонувати хоч щось. всі користувачі чи сегмент. час оновлення додатка. сезонні патерни конкретно в Бразилії. ті п'ять хвилин уточнень вразили його інтерв'юера більше, ніж аналітичний фреймворк, який був далі. я б одразу стрибнув до гіпотез і мабуть отримав би штраф за це. точно та сама проблема, як сорок секунд тиші з pandas лол. мій мозок хоче відповісти раніше, ніж хоче запитати. поведінкові раунди використовують метод STAR, «розкажи про час, коли твій аналіз змінив бізнес-рішення.» конкретний аналіз, який стейкхолдер, яке рішення змінилось, вимірюваний результат. «зробив якийсь аналіз і це допомогло» -- це відповідь на не-найм. take-home деякі компанії все ще дають, датасет, завдання, сорок вісім до сімдесяти двох годин, здай ноутбук. Дев якось переглянув чийсь take-home. модель XGBoost ідеально налаштована, нуль пояснень чому було зроблено хоч одне рішення щодо feature engineering. жодного речення про те, чому вона обрала ті фічі. не пройшла далі. Дев подивився і каже «це kaggle дамп, а не меморандум.» пиши так, ніби переконуєш VP витратити гроші. кожна людина, з якою я спілкувався і яка отримала офер, писала саме так. чи можна пройти з чистим ноутбуком у стилі kaggle? може. але я б не ставив на це після того, як побачив, що ту роботу відхилили
формати компаній, якщо хочете, бо Дев мене й на цьому тестував лол. Meta DS -- телефонний скринінг SQL, потім онсайт з product sense плюс кейс-стаді плюс технічний deep-dive плюс поведінковий, product sense -- це специфічний для Meta раунд, де ти міркуєш про метрики для їхніх додатків, і це раунд, про який Дев сказав, що відчувається як допит від PM-а, який тебе ненавидить. Google DS -- телефонний скринінг з кодингом і статистикою, потім онсайт з кодингом і ML концепціями і кейс-стаді і раундом Googleyness, що є їхньою версією «чи ти та людина, з якою ми хочемо обідати.» Amazon DS починається з OA на SQL і базову статистику, потім віртуальний цикл з кодингом, ML deep-dive по попередній роботі, кейс-стаді, поведінковий з принципами лідерства і якщо ти не запам'ятав чотирнадцять принципів лідерства -- удачі. DS цикли змішують кодинг і розмову, тому вони збивають людей. SQL і Python раунди відчуваються як кодинг інтерв'ю, де допомога наживо ловить прогалини в синтаксисі або нагадує тобі віконну функцію, яку твій мозок загубив (мій загубив LAG під час мого Meta скринінгу, з усіх речей лол). раунди статистики і кейс-стаді більш розмовні, підказка на кроці фреймворку тримає тебе від спіралі
я використовував InterviewMan під час мого другого циклу. SQL раунд, вказав мені, що я пишу корельований підзапит, коли віконна функція була б чистішою. я ЗНАЮ віконні функції. тиск змусив мене потягнутися до того, що я вивчив першим, що є найтупішим видом помилки. раунд кейс-стаді підказав врахувати сезонність, зміни продукту, проблеми з data pipeline, коли я отримав питання про падіння метрик, по суті та сама штука з Бразилією і Reels, яку отримав Дев, але для платіжної компанії. точно те, що Дев вбивав мені в голову на тій кухонній стільниці за пад таєм. нерви все стерли. моки з ним чесно навчили мене більше, ніж реальні раунди, бо я бачив точно де мої пояснення перетворювались на махання руками і не було тиску, тож я міг їх справді виправити. дванадцять баксів на місяць, без обмежень на сесії, що після двох років магістратури і знищення від пані з горіховою сумішшю я не збирався на цьому економити лол. насправді почав чекати мок-сесій з нетерпінням в якийсь момент, чого ніколи в житті зі мною не було. спершу шукав щось інше, але все було тільки кодинг або тільки статистика, нічого що покривало б повний DS цикл. статистика і кейс-стаді і поведінковий і SQL в одному інструменті. все інше було половиною інструменту
ось мій найтупіший хід. я вчив SQL тиждень. статистику наступний тиждень. ML після того. окремі відсіки, ніби це окремі предмети. зайшов на свій онсайт і вони кинули все в мене за одну після обіду, чотири години, все одразу, так само як той фінтех VP, який хотів математику A/B тесту після трьох раундів усього іншого. Дев казав мені, що так буде, в барі, на своїй кухонній стільниці, мабуть у повідомленні, яке я проігнорував, поки їв пад тай. дев'ять пив. я завинив йому дев'ять пив і мабуть завинив Лені вибачення за те, що спотворив байєсівське оновлення на її кухні, поки вона намагалася їсти суміш горіхів. вона все ще щуриться на мене, коли я заходжу лол
Ready to Ace Your Next Interview?
Join 57,000+ professionals using InterviewMan to get real-time AI assistance during their interviews.
