Resumen Radar: cómo bordar la entrevista de ciencia de datos con Jay Feng

A medida que la ciencia de datos madura, las entrevistas técnicas para puestos de datos son cada vez más complejas. Si aspiras a tu primer trabajo en datos, las entrevistas técnicas suelen ser la parte más delicada y exigente del proceso. En ellas tendrás que demostrar no solo tu dominio técnico, sino también tu comunicación, tu capacidad para resolver problemas y tu temple bajo presión.

Como parte de la conferencia DataCamp Radar, organizamos una sesión sobre cómo triunfar en la entrevista de ciencia de datos con Jay Feng, CEO de Interview Query, una plataforma remota de preparación de entrevistas de ciencia de datos cuya misión es ayudar a que cada científico de datos consiga trabajo en el sector. 

Durante la sesión, Feng desglosó lo más importante que deben saber las personas que empiezan y los perfiles júnior a la hora de entrevistarse para roles de ciencia de datos. En este artículo te traemos un resumen del evento y las ideas clave.

Los distintos tipos de entrevistas en ciencia de datos

Uno de los aspectos que hacen especialmente desafiantes las entrevistas técnicas en ciencia de datos es la gran variedad de formatos que puedes encontrarte. La ciencia de datos es una disciplina compleja y exigente que requiere conocimientos y competencias en múltiples dominios y herramientas. Como las entrevistas técnicas están diseñadas para evaluar estas habilidades, puedes esperar muchos tipos de entrevistas según los requisitos del puesto y el itinerario profesional que elijas (ver siguiente sección).

Según Feng, “hay alrededor de 10 a 15 conjuntos de habilidades en ciencia de datos”. Las preguntas pueden abarcar desde manipulación de datos con SQL o Python, y la estadística y algoritmos que sustentan el aprendizaje automático, hasta casos de uso analizando métricas de producto y cuestiones de diseño de sistemas (p. ej., cómo crearías un nuevo conjunto de datos desde cero). 

Mientras que las entrevistas para otros puestos de TI, como ingeniería de software, se centran mayoritariamente en programación, la naturaleza multidisciplinar de la ciencia de datos da a los entrevistadores más margen para hacer preguntas en distintas áreas. Como señaló Feng, las preguntas que nos encontraremos en las entrevistas técnicas son “los ladrillos de lo que haremos en el trabajo real”. 

Itinerarios profesionales habituales en ciencia de datos

Al buscar trabajo en ciencia de datos, conviene centrar tus esfuerzos en los roles que requieren las habilidades en las que mejor te desenvuelves. Lo bueno de estructurar los puestos según las competencias necesarias es que “puedes alinear tus habilidades con el puesto al que quieres optar”.

Existen múltiples itinerarios profesionales en ciencia de datos, y cada vez más, ya que el rápido desarrollo de la disciplina está dando lugar a roles más especializados. A continuación tienes una lista no exhaustiva de posiciones que se mencionaron en la sesión de Jay:

• Data analysts recopilan, analizan e interpretan datos para resolver todo tipo de problemas de negocio. Para ello usan una combinación de herramientas de programación y métodos estadísticos.  

• Product analysts son similares a los data analysts, pero se centran principalmente en métricas que miden el crecimiento y la salud de un producto. Por ejemplo, tras el lanzamiento de una nueva app, querrán saber cómo interactúan los usuarios. Para ello seguirán métricas como los usuarios activos diarios y el número de sesiones por usuario.

• Data scientists comparten muchas tareas con los data analysts. Sin embargo, se espera que utilicen técnicas más avanzadas, como machine learning y deep learning, para extraer información de grandes volúmenes de datos estructurados y no estructurados y construir modelos predictivos. 

• Machine learning engineers dedican su tiempo a construir, entrenar y desplegar modelos de aprendizaje automático que aprendan de los datos para tomar decisiones. Según Feng, su misión es “desarrollar modelos para convertir datos en productos”.

• Researchers buscan respuestas a preguntas fundamentales y amplían el conocimiento teórico en ciencia de datos. Es un itinerario altamente técnico que exige el máximo nivel en matemáticas y teoría de machine learning.

• Field researchers se encargan de encontrar soluciones a problemas prácticos dentro de una empresa. Se centran en resultados comerciales inmediatos; por ejemplo, asegurar que nuevas técnicas de aprendizaje puedan aplicarse a conjuntos de datos reales.

Preparación para una entrevista de ciencia de datos 

Según Feng, el proceso de preparación para una entrevista de ciencia de datos puede dividirse en cuatro pasos sencillos:  

• Investiga el rol de ciencia de datos. Como comentábamos, deberías concentrarte en los puestos que más te atraen y donde tienes más opciones de destacar según tus habilidades. Por eso, siempre merece la pena dedicar tiempo a investigar antes de enviar ninguna candidatura.

• Contrasta tus habilidades. ¿Cómo saber si tus competencias son lo bastante sólidas para conseguir el puesto? Mucha gente busca preguntas de entrevista en internet para medirse, pero según Feng no es buena estrategia, porque suelen tratar temas básicos y es poco probable que aparezcan en una entrevista real. «Las preguntas de entrevista se parecen más a un caso práctico, normalmente planteado con un enunciado del problema». Ese es el tipo de preguntas reales que deberías usar para ponerte a prueba.

• Diseña un plan de estudio diario. Para reforzar tus habilidades y aumentar tus opciones de lograr el trabajo que quieres, necesitas constancia. Según una encuesta de Interview Query, los usuarios que practicaron con más preguntas tuvieron una tasa de éxito en entrevistas superior. ¿Cómo diseñar tu plan? En palabras de Feng: “Facilita el resolver preguntas, resuelve una al día y ve practicando con problemas cada vez más difíciles”.

• Pide feedback sobre tus entrevistas. Por último, siempre viene bien contar con alguien con quien compartir tus respuestas y que pueda darte comentarios y consejos. Puedes hacerlo escribiendo tus ideas y compartiéndolas con mentores y especialistas, pero, como subrayó Feng, la mejor forma de recibir feedback es hablar con ellos en persona. 

Si te interesa saber más, puedes ver la sesión completa de Jay. Echa también un vistazo a otras sesiones de Radar que te puedan interesar.