Récap Radar : réussir l’entretien data science avec Jay Feng

Au fur et à mesure que la data science arrive à maturité, les entretiens techniques pour les postes data gagnent en complexité. Si vous visez votre premier poste en data science, les entretiens techniques sont souvent l’étape la plus délicate du processus de recrutement. Vous devrez y démontrer non seulement votre maîtrise technique, mais aussi vos compétences en communication et en résolution de problèmes, ainsi que votre capacité à réfléchir sous pression.

Dans le cadre de la DataCamp Radar Conference, nous avons organisé une session sur l’art de réussir son entretien de data science avec Jay Feng, CEO d’Interview Query, une plateforme d’entraînement à distance aux entretiens de data science dont la mission est d’aider chaque data scientist à décrocher un poste dans le secteur. 

Pendant la session, Feng a détaillé l’essentiel de ce que les aspirants et jeunes professionnels de la data doivent savoir pour préparer des entretiens en data science. Dans cet article, nous vous proposons un résumé de l’événement et les principaux enseignements.

Les différents types d’entretiens en data science

L’une des raisons qui rendent les entretiens techniques en data science particulièrement exigeants est la grande variété de formats possibles. La data science est une discipline complexe et pluridisciplinaire qui demande aux professionnels de maîtriser de nombreux domaines et outils. Comme les entretiens techniques visent à évaluer ces compétences, vous pouvez vous attendre à différents types d’épreuves selon les exigences du poste et la trajectoire de carrière choisie (voir section suivante).

Selon Feng, « il existe environ 10 à 15 ensembles de compétences en data science ». Les questions peuvent aller de la manipulation de données en SQL ou Python, aux statistiques et algorithmes sous-jacents de l’apprentissage automatique, jusqu’aux cas d’usage autour des métriques produit, ainsi qu’à des questions de conception de systèmes (par exemple : comment construire un nouveau jeu de données à partir de zéro). 

Alors que les entretiens pour d’autres postes IT, comme les ingénieurs logiciels, se concentrent surtout sur le code, la nature multidisciplinaire de la data science laisse davantage de latitude aux recruteurs pour explorer différents sujets. Comme le souligne Feng, les questions posées lors des entretiens techniques constituent « les briques de base de notre travail au quotidien ». 

Parcours de carrière types en data science

Quand vous cherchez un poste en data science, il est important de cibler les rôles qui requièrent les compétences dans lesquelles vous excellez. L’intérêt de structurer les métiers data selon les compétences demandées est que « vous pouvez aligner vos compétences sur le poste que vous visez ».

Il existe de multiples parcours de carrière en data science, et leur nombre augmente : l’évolution rapide de la discipline entraîne des rôles de plus en plus spécialisés. Voici une liste non exhaustive des postes mentionnés lors de la session de Jay :

• Data analysts : ils collectent, analysent et interprètent les données pour résoudre des problèmes métiers de tous types. Ils utilisent pour cela une combinaison d’outils de programmation et de méthodes statistiques.  

• Product analysts : proches des data analysts, ils se concentrent toutefois sur les indicateurs qui mesurent la croissance et la santé d’un produit. Par exemple, après le lancement d’une nouvelle application, ils cherchent à comprendre comment les utilisateurs interagissent avec celle-ci, en suivant des métriques comme les utilisateurs actifs quotidiens ou le nombre de sessions par utilisateur.

• Data scientists : ils partagent de nombreuses missions avec les data analysts, mais on attend d’eux qu’ils mobilisent des techniques avancées (machine learning, deep learning) pour extraire des insights de volumes massifs de données structurées et non structurées et construire des modèles prédictifs. 

• Machine learning engineers : ils consacrent leur temps à construire, entraîner et déployer des modèles d’apprentissage automatique capables d’apprendre à partir des données pour prendre des décisions. Selon Feng, leur mission est de « développer des modèles pour transformer les données en produits ».

• Researchers : ils répondent à des questions fondamentales et enrichissent en continu les connaissances théoriques en data science. Il s’agit d’un parcours très technique qui exige un niveau élevé en mathématiques et en théorie de l’apprentissage automatique.

• Field researchers : ils cherchent des solutions à des problèmes concrets au sein de l’entreprise, avec un focus sur les résultats business immédiats : par exemple, s’assurer que de nouvelles techniques d’apprentissage sont applicables à des jeux de données réels.

Se préparer à un entretien de data science 

D’après Feng, la préparation à un entretien de data science peut se résumer en quatre étapes :  

• Recherchez le rôle visé. Comme indiqué plus haut, concentrez-vous sur les postes qui vous motivent et où vous avez le plus de chances de réussir au regard de vos compétences. Il vaut donc toujours la peine d’investir du temps dans la recherche avant d’envoyer une candidature.

• Évaluez vos compétences. Comment savoir si votre niveau est suffisant pour obtenir le poste ? Beaucoup de personnes cherchent des questions d’entretien sur Internet pour s’auto-évaluer. Ce n’est pas une bonne stratégie, selon Feng : ces questions portent généralement sur des notions de base et ont peu de chances d’apparaître en entretien. « Les questions d’entretien s’apparentent plutôt à une étude de cas, présentée à partir d’un énoncé de problème ». Ce sont ces questions réalistes que vous devez utiliser pour vous tester.

• Construisez un plan d’étude quotidien. Pour consolider vos compétences et maximiser vos chances de décrocher le poste de vos rêves, la régularité est clé. Selon une enquête menée par Interview Query, les utilisateurs qui pratiquent davantage de questions affichent un taux de réussite plus élevé aux entretiens. Comment concevoir votre plan ? Pour Feng : « Rendez la résolution de questions facile, résolvez-en une par jour et montez progressivement en difficulté ».

• Obtenez des retours sur vos entretiens. Idéalement, faites relire vos réponses par une personne de confiance qui pourra vous donner des conseils. Vous pouvez coucher vos idées sur papier et les partager avec des coachs et des spécialistes, mais, comme le rappelle Feng, le meilleur moyen d’obtenir des retours reste l’échange en direct. 

Si vous souhaitez aller plus loin, vous pouvez revoir l’intégralité de la session de Jay. Découvrez aussi les autres sessions de Radar susceptibles de vous intéresser.