कोर्स
इंटरमीडिएट Python
4 घंटा
1.4M
संक्षेप में
- डेटा साइंटिस्ट इंटरव्यू पाँच क्षेत्रों को परखते हैं: आँकड़े और प्रायिकता, मशीन लर्निंग, कोडिंग (Python/SQL), व्यवहारात्मक, और प्रोडक्ट सेंस।
- मुख्य तकनीकी विषय: लीनियर रिग्रेशन की मान्यताएँ, ओवरफिटिंग से बचाव, फीचर चयन विधियाँ (फिल्टर, रैपर, एम्बेडेड), डाइमेंशनलिटी रिडक्शन, और A/B टेस्टिंग।
- कोडिंग राउंड के लिए, Python (pandas, regex, सूची संचालन) और SQL (एग्रीगेशन, तिथि फिल्टरिंग, विंडो फंक्शन) का अभ्यास करें।
- व्यवहारात्मक प्रश्नों के लिए STAR-पद्धति के उत्तर तैयार करें—संचार, विवाद समाधान, और अस्पष्टता से निपटना।
- बिग टेक कंपनियाँ (Meta, Google, Amazon) मुख्य तकनीकी कौशलों के साथ-साथ मेट्रिक विश्लेषण, प्रोडक्ट सेंस, और अनुप्रयुक्त आँकड़ों का भी परीक्षण करती हैं।
- हमारे Data Science Interview Preparation गाइड का उपयोग करें ताकि आप सभी चरणों में अपनी अध्ययन योजना संरचित कर सकें।
गैर-तकनीकी डेटा साइंस इंटरव्यू प्रश्न
आइए शुरुआत कुछ सामान्य क्षमताओं वाले प्रश्नों से करें जो इंटरव्यू में पूछे जा सकते हैं। ये एक डेटा साइंटिस्ट के रूप में आवश्यक सॉफ्ट स्किल्स को परखते हैं:
ऐसा समय बताइए जब आपको किसी जटिल डेटा अवधारणा को गैर-तकनीकी पृष्ठभूमि वाले व्यक्ति को समझाना पड़ा। आपने कैसे सुनिश्चित किया कि उन्हें समझ आया?
यह प्रश्न आपकी संप्रेषण क्षमता और जटिल विषयों को सरल बनाने की योग्यता परखता है। यहाँ एक उदाहरण उत्तर है:
अपनी पिछली भूमिका में, मुझे हमारी मार्केटिंग टीम को मशीन लर्निंग की अवधारणा समझानी थी। मैंने एक बच्चे को अलग-अलग फल पहचानना सिखाने की उपमा दी। जैसे आप बच्चे को कई उदाहरण दिखाते हैं, वैसे ही मशीन लर्निंग मॉडल को डेटा से प्रशिक्षित किया जाता है। इस उपमा ने जटिल अवधारणा को अधिक संबंधित और आसानी से समझ में आने वाला बना दिया।
ऐसे प्रोजेक्ट का वर्णन कीजिए जिसमें आपको किसी कठिन टीम सदस्य के साथ काम करना पड़ा। आपने स्थिति को कैसे संभाला?
यह आपके टीम सहयोग और विवाद समाधान कौशल की पड़ताल करता है। आप कुछ इस तरह उत्तर दे सकते हैं:
एक प्रोजेक्ट में, मैं ऐसे सहकर्मी के साथ काम कर रहा था जिसकी कार्य-शैली बहुत भिन्न थी। मतभेद दूर करने के लिए, मैंने उनकी दृष्टि समझने के लिए एक बैठक तय की। हमने प्रोजेक्ट लक्ष्यों पर समानता पाई और साझा दृष्टिकोण पर सहमति बनाई। इस अनुभव ने खुला संवाद और सहानुभूति के महत्व को रेखांकित किया।
ऐसा उदाहरण साझा कीजिए जब आपको कड़े समय-सीमा में काम करना पड़ा। आपने कार्यों का प्रबंधन कैसे किया और समय पर डिलीवर कैसे किया?
यह प्रश्न समय-प्रबंधन और प्राथमिकता निर्धारण पर है। उदाहरण उत्तर:
एक बार मुझे बहुत कड़ी समय-सीमा में विश्लेषण देना था। मैंने प्रोजेक्ट के सबसे महत्वपूर्ण हिस्सों को प्राथमिकता दी, योजना टीम से साझा की, और कुशल निष्पादन पर ध्यान केंद्रित किया। कार्य को छोटे हिस्सों में बाँटकर और मिनी-डेडलाइन रखकर, मैंने गुणवत्ता से समझौता किए बिना समय पर प्रोजेक्ट पूरा किया।
क्या आपने कभी अपने विश्लेषण में कोई बड़ी गलती की है? आपने उसे कैसे संभाला और उससे क्या सीखा?
यहाँ इंटरव्यूअर आपकी गलती स्वीकार करने और उससे सीखने की क्षमता देखते हैं। आप इस तरह उत्तर दे सकते हैं:
एक बार मैंने डेटा मॉडल के परिणामों की गलत व्याख्या कर दी। गलती समझते ही, मैंने तुरंत टीम को सूचित किया और डेटा का पुनःविश्लेषण किया। इस अनुभव ने परिणामों को दोबारा जाँचने और कार्यस्थल में पारदर्शिता के महत्व को सिखाया।
आप डेटा साइंस में नवीनतम रुझानों और प्रगतियों से कैसे अपडेट रहते हैं?
यह आपके सतत सीखने के प्रति समर्पण को दर्शाता है। उदाहरण उत्तर:
मैं उद्योग जर्नल पढ़ता हूँ, वेबिनार अटेंड करता हूँ, और ऑनलाइन फ़ोरम में भाग लेता हूँ। साथ ही, हर सप्ताह नए टूल और तकनीकों के साथ प्रयोग करने के लिए समय निकालता हूँ। इससे मैं न केवल अपडेट रहता हूँ बल्कि अपने कौशल को भी लगातार निखारता हूँ।
क्या आप किसी ऐसे समय के बारे में बता सकते हैं जब आपको अस्पष्ट या लगातार बदलती आवश्यकताओं वाले प्रोजेक्ट पर काम करना पड़ा? आपने कैसे अनुकूलन किया?
यह प्रश्न अनुकूलनशीलता और समस्या-समाधान कौशल परखता है। उदाहरण:
एक पिछले प्रोजेक्ट में आवश्यकताएँ बार-बार बदलती रहीं। मैंने हितधारकों के साथ खुला संवाद बनाए रखकर उनकी जरूरतें समझीं। साथ ही, एजाइल पद्धतियाँ अपनाईं जिससे दृष्टिकोण अधिक लचीला हुआ और बदलाव प्रभावी ढंग से समायोजित हो पाए।
ऐसी स्थिति का वर्णन करें जहाँ आपको डेटा-आधारित निर्णय लेने को अन्य बातों (जैसे नैतिक चिंताएँ, व्यावसायिक आवश्यकताएँ, आदि) के साथ संतुलित करना पड़ा।
यह केवल डेटा से परे अन्य पहलुओं पर विचार करने की आपकी क्षमता को आँकता है। उदाहरण उत्तर:
अपनी पिछली भूमिका में, मुझे डेटा-आधारित निर्णयों को नैतिक विचारों के साथ संतुलित करना पड़ा। मैंने सुनिश्चित किया कि डेटा का उपयोग नैतिक मानकों और गोपनीयता कानूनों के अनुरूप हो, और आवश्यकता पड़ने पर विकल्प प्रस्तुत किए। इससे नैतिक सीमाओं का सम्मान करते हुए सूचित निर्णय लेने में मदद मिली।
सामान्य डेटा साइंस इंटरव्यू प्रश्न
लीनियर रिग्रेशन के लिए आवश्यक मान्यताएँ क्या हैं?
लीनियर रिग्रेशन की चार मान्यताएँ हैं:
- रेखीय संबंध: स्वतंत्र चर x और आश्रित चर y के बीच रेखीय संबंध होना चाहिए।
- स्वतंत्रता: क्रमिक अवशेषों में सहसंबंध नहीं होना चाहिए। यह प्रायः टाइम-सीरीज़ डेटा में होता है।
- समविसरी (Homoscedasticity): x के हर स्तर पर वैरिएंस स्थिर होना चाहिए।
- सामान्यता: अवशेष सामान्य वितरण का पालन करें।
छवि स्रोत: Statology
आप हमारे Introduction to Linear Modeling in Python पाठ्यक्रम के साथ लीनियर मॉडलों की अवधारणाओं और अनुप्रयोगों का अन्वेषण कर सकते हैं।
आप ऐसे डेटासेट को कैसे संभालते हैं जिसमें कई मान गायब हों?
मिसिंग डेटा को संभालने के कई तरीके हैं। आप कर सकते हैं:
- मिसिंग मान वाली पंक्तियाँ हटा दें।
- वे कॉलम हटा दें जिनमें कई मान गायब हों।
- मिसिंग मान को किसी स्ट्रिंग या संख्यात्मक कॉन्स्टेंट से भरें।
- कॉलम के औसत या माध्यिका मान से मिसिंग मानों को बदलें।
- मल्टीपल-रिग्रेशन विश्लेषण से मिसिंग मान का आकलन करें।
- कई कॉलमों का उपयोग कर औसत सिम्युलेटेड मानों और रैंडम त्रुटियों के साथ मिसिंग मानों को प्रतिस्थापित करें।
Handling Missing Data with Imputations in R पाठ्यक्रम पूरा करके मिसिंग डेटा का निदान, विज़ुअलाइज़ और उपचार करना सीखें।
आप अपने परिणामों के तकनीकी पहलुओं को गैर-तकनीकी पृष्ठभूमि वाले हितधारकों को कैसे समझाते हैं?
पहले, आपको हितधारक की पृष्ठभूमि के बारे में अधिक जानना होगा और उसी के अनुसार अपनी भाषा बदलनी होगी। यदि उनकी फाइनेंस पृष्ठभूमि है, तो फाइनेंस में प्रचलित शब्दों के बारे में जानें और उन्हीं की मदद से जटिल पद्धति समझाएँ।
दूसरा, आपको बहुत सारे विजुअल और ग्राफ का उपयोग करना चाहिए। लोग विजुअल लर्नर्स होते हैं और रचनात्मक संप्रेषण टूल्स से वे काफी बेहतर सीखते हैं।
छवि: लेखक द्वारा
तीसरा, परिणामों की भाषा में बात करें। पद्धतियाँ या आँकड़े समझाने की कोशिश न करें। इस पर फोकस करें कि विश्लेषण से मिली जानकारी का उपयोग वे व्यापार या वर्कफ़्लो सुधारने में कैसे कर सकते हैं।
अंत में, उनसे सवाल पूछने के लिए प्रोत्साहित करें। लोग अनजान विषयों पर सवाल पूछने में झिझकते या संकोच करते हैं। संवाद में उन्हें शामिल कर दो-तरफ़ा संचार चैनल बनाएँ।
हमारा Reporting in SQL पाठ्यक्रम लेकर अपने स्वयं के SQL रिपोर्ट और डैशबोर्ड बनाना सीखें।
p-value क्या है, और आप इसकी व्याख्या कैसे करते हैं?
p-value उस प्रायिकता को मापता है कि शून्य परिकल्पना सत्य मानते हुए, एकत्रित डेटा जितने या उससे अधिक चरम परिणाम देखने की कितनी संभावना है।
आपके सिग्निफिकेंस लेवल (आम तौर पर 0.05) से कम p-value शून्य परिकल्पना को खारिज करने का प्रमाण देती है। उदाहरण के लिए, A/B टेस्ट में p-value 0.03 का अर्थ है कि शून्य परिकल्पना के तहत इस परिणाम के होने की केवल 3% संभावना है, जो दर्शाता है कि वैरिएंट का वास्तविक प्रभाव था।
एक सामान्य गलतफहमी: p-value यह नहीं मापता कि शून्य परिकल्पना सत्य है या नहीं, बल्कि यह बताता है कि डेटा उसके साथ कितना संगत है।
Type I और Type II त्रुटि में क्या अंतर है?
ये परिकल्पना परीक्षण में दो प्रकार की गलतियाँ हैं:
- Type I त्रुटि (फॉल्स पॉज़िटिव): जब शून्य परिकल्पना वास्तव में सत्य हो, तब उसे खारिज कर देना। इसे आपके सिग्निफिकेंस लेवल (α) से नियंत्रित किया जाता है। उदाहरण: निष्कर्ष निकालना कि नया मॉडल बेहतर है जबकि वास्तव में नहीं है।
- Type II त्रुटि (फॉल्स नेगेटिव): जब शून्य परिकल्पना असत्य हो, तब उसे खारिज करने में विफल रहना। इसे सांख्यिकीय पावर (1 − β) से नियंत्रित किया जाता है। उदाहरण: निष्कर्ष निकालना कि मॉडल में सुधार नहीं है जबकि वास्तव में है।
α घटाने से Type I त्रुटियाँ कम होती हैं पर Type II त्रुटियाँ बढ़ती हैं। सही संतुलन आपके उपयोग-केस में प्रत्येक गलती की लागत पर निर्भर करता है—यह धोखाधड़ी पहचान, चिकित्सा निदान, या A/B टेस्टिंग निर्णयों में अहम है।
और जानें हमारे Hypothesis Testing Made Easy ट्यूटोरियल में।
डेटा साइंस टेक्निकल इंटरव्यू प्रश्न
उचित चर चुनने के लिए फीचर चयन की कौन-सी विधियाँ प्रयोग होती हैं?
फीचर चयन की तीन मुख्य विधियाँ हैं: फिल्टर, रैपर, और एम्बेडेड विधियाँ।
फिल्टर विधियाँ
फिल्टर विधियाँ सामान्यतः प्रीप्रोसेसिंग चरणों में उपयोग होती हैं। ये विधियाँ किसी भी मशीन लर्निंग एल्गोरिथ्म से स्वतंत्र रूप से डेटासेट से फीचर चुनती हैं। ये तेज होती हैं, कम संसाधन लेती हैं, और डुप्लीकेट, सहसंबद्ध, तथा अनावश्यक फीचर हटाती हैं।
छवि: लेखक द्वारा
कुछ तकनीकें:
- वैरिएंस थ्रेशोल्ड
- कोरिलेशन कोएफ़िशिएंट
- काई-स्क्वेयर टेस्ट
- म्यूचुअल डिपेंडेंस
रैपर विधियाँ
रैपर विधियों में, हम फीचर के सबसेट का उपयोग कर मॉडल को क्रमवार प्रशिक्षित करते हैं। प्रशिक्षित मॉडल के परिणामों के आधार पर और फीचर जोड़े या हटाए जाते हैं। ये फिल्टर विधियों से अधिक गणनात्मक रूप से महँगी होती हैं पर मॉडल की सटीकता बेहतर देती हैं।
छवि: लेखक द्वारा
कुछ तकनीकें:
- फ़ॉरवर्ड सेलेक्शन
- बैकवर्ड एलीमिनेशन
- बाय-डायरेक्शनल एलीमिनेशन
- रिकर्सिव एलीमिनेशन
एम्बेडेड विधियाँ
एम्बेडेड विधियाँ फिल्टर और रैपर विधियों के गुणों को जोड़ती हैं। फीचर चयन एल्गोरिथ्म को सीखने वाले एल्गोरिथ्म का हिस्सा बनाया जाता है, जिससे मॉडल में अंतर्निहित फीचर चयन जुड़ जाता है। ये विधियाँ फिल्टर की तरह तेज, रैपर की तरह सटीक, और फीचरों के संयोजन को भी ध्यान में रखती हैं।
छवि: लेखक द्वारा
कुछ तकनीकें:
- रेग्युलराइज़ेशन
- ट्री-आधारित विधियाँ
हमारे Python Feature Selection Tutorial में सबसे अधिक परखी जाने वाली फीचर चयन तकनीकों को सीखें।
आप अपने मॉडल में ओवरफिटिंग से कैसे बच सकते हैं?
ओवरफिटिंग वह स्थिति है जब मॉडल ट्रेनिंग डेटासेट पर बहुत अच्छा सीख लेता है पर टेस्ट और वैलिडेशन डेटासेट पर असफल रहता है।
आप ओवरफिटिंग से इस प्रकार बच सकते हैं:
- मॉडल को सरल रखें—जटिलता कम करें, कम वेरिएबल लें, और न्यूरल नेटवर्क में पैरामीटर घटाएँ।
- क्रॉस-वैलिडेशन तकनीकों का उपयोग करें।
- अधिक डेटा के साथ मॉडल को प्रशिक्षित करें।
- डेटा औग्मेंटेशन का उपयोग करें जिससे नमूनों की संख्या बढ़े।
- एन्सेम्बलिंग (बैगिंग और बूस्टिंग) का उपयोग करें।
- रेग्युलराइज़ेशन तकनीकें अपनाएँ जो कुछ पैरामीटरों को दंडित करती हैं यदि वे ओवरफिटिंग करा सकते हैं।
ओवरफिटिंग रोकने पर गहराई से पढ़ने के लिए देखें What is Overfitting? और हमारा Regularization in Machine Learning ट्यूटोरियल।
SQL में विभिन्न प्रकार के रिश्तों की सूची दें
SQL रिश्तों के चार मुख्य प्रकार हैं:
- वन-टू-वन: जब किसी तालिका का प्रत्येक रिकॉर्ड दूसरी तालिका के केवल एक रिकॉर्ड से संबंधित हो।
- वन-टू-मैनी और मैनी-टू-वन: सबसे आम संबंध, जहाँ एक तालिका का प्रत्येक रिकॉर्ड दूसरी में कई रिकॉर्ड से जुड़ा हो।
- मैनी-टू-मैनी: जब पहली तालिका का प्रत्येक रिकॉर्ड दूसरी तालिका के एक से अधिक रिकॉर्ड से संबंधित हो, और दूसरी तालिका का एक रिकॉर्ड पहली तालिका के एक से अधिक रिकॉर्ड से संबंधित हो सकता है।
- सेल्फ-रेफ़रेंसिंग रिलेशनशिप: जब एक तालिका को अपने आप से ही संबंध घोषित करना हो।
हमारे Exploratory Data Analysis in SQL पाठ्यक्रम को पूरा करके तालिकाओं, उनके रिश्तों, और संग्रहीत डेटा का अन्वेषण करना सीखें।
डाइमेंशनलिटी रिडक्शन क्या है और इसके लाभ क्या हैं?
डाइमेंशनलिटी रिडक्शन वह प्रक्रिया है जिसमें डेटासेट को कई आयामों से कम आयामों में परिवर्तित किया जाता है, जबकि सूचना लगभग समान बनी रहती है।
छवि: लेखक द्वारा | ग्राफ: howecoresearch
डाइमेंशनलिटी रिडक्शन के लाभ:
- डेटा को संपीड़ित करना और स्टोरेज स्पेस कम करना।
- गणनात्मक समय घटाना और तेज़ डेटा प्रोसेसिंग संभव करना।
- यदि कोई अनावश्यक फीचर हों, तो उन्हें हटाना।
Dimensionality Reduction in Python पाठ्यक्रम के माध्यम से तकनीकों का अभ्यास कर इस अवधारणा को समझें और महारत हासिल करें।
A/B टेस्टिंग का लक्ष्य क्या है?
छवि: लेखक द्वारा
A/B टेस्टिंग अनुमानबाज़ी को हटाती है और हमें प्रोडक्ट या वेबसाइट को अनुकूलित करने के लिए डेटा-आधारित निर्णय लेने में मदद करती है। इसे स्प्लिट टेस्टिंग भी कहा जाता है, जहाँ रैंडमाइज़्ड प्रयोगों के जरिए वेरिएबल्स (वेब पेज, ऐप फ़ीचर, आदि) के दो या अधिक संस्करणों का विश्लेषण कर यह निर्धारित किया जाता है कि कौन-सा संस्करण अधिक ट्रैफ़िक और व्यावसायिक मीट्रिक चलाता है।
हमारा Customer Analytics and A/B Testing in Python पाठ्यक्रम लेकर A/B टेस्ट बनाना, चलाना, और विश्लेषित करना सीखें।
डेटा साइंस कोडिंग इंटरव्यू प्रश्न
रूट्स वाली एक डिक्शनरी और एक वाक्य दिए गए हैं, वाक्य के सभी शब्दों को उनके रूट से स्टेम करें।
टेक्स्ट और सेंटिमेंट विश्लेषण में स्टेमिंग आम है। इस प्रश्न में, आप एक Python फ़ंक्शन लिखेंगे जो सूची के कुछ शब्दों को उनके रूट रूप में बदलेगा - Interview Query।
इनपुट:
फ़ंक्शन दो आर्गुमेंट लेगा: रूट शब्दों की सूची और वाक्य।
roots = ["cat", "bat", "rat"]
sentence = "the cattle was rattled by the battery"आउटपुट:
यह रूट शब्दों के साथ वाक्य लौटाएगा।
"the cat was rat by the bat"कोड लिखने से पहले समझ लें कि हमें दो कार्य करने हैं: जाँचना कि शब्द का कोई रूट है और उसे बदलना।
- आप वाक्य को शब्दों में बाँटेंगे।
- बाहरी लूप को सूची के प्रत्येक शब्द पर और आंतरिक लूप को रूट शब्दों की सूची पर चलाएँ।
- जाँचें कि शब्द रूट से शुरू होता है या नहीं। Python स्ट्रिंग का `startswith()` फ़ंक्शन यह कार्य करता है।
- यदि शब्द रूट से शुरू होता है, तो सूची इंडेक्स से उस शब्द को रूट से बदल दें।
- सभी शब्दों को जोड़कर वाक्य बनाएँ।
roots = ["cat", "bat", "rat"]
sentence = "the cattle was rattled by the battery"
def replace_words(roots, sentence):
words = sentence.split(" ")
# looping over each word
for index, word in enumerate(words):
# looping over each root
for root in roots:
# checking if words start with root
if word.startswith(root):
# replacing the word with its root
words[index] = root
return " ".join(words)
replace_words(roots, sentence)
# 'the cat was rat by the bat'जाँचें कि कोई स्ट्रिंग पलिंड्रोम है या नहीं
दिया गया स्ट्रिंग text, यदि वह पलिंड्रोम है तो True लौटाएँ, अन्यथा False।
सभी अक्षरों को लोअरकेस करने और सभी गैर-अक्षरांकीय वर्ण हटाने के बाद, शब्द आगे और पीछे से समान पढ़ा जाना चाहिए।
छवि: लेखक द्वारा
Python इस चुनौती को हल करने के आसान तरीके देता है। आप स्ट्रिंग को इटेरेबल मानकर text[::-1] से रिवर्स कर सकते हैं या बिल्ट-इन reversed(text) विधि का उपयोग कर सकते हैं।
- पहले, टेक्स्ट को लोअर करें।
- regex का उपयोग कर गैर-अक्षरांकीय वर्ण हटाकर टेक्स्ट को साफ करें।
[::-1]से टेक्स्ट को रिवर्स करें।- साफ किए गए टेक्स्ट की तुलना रिवर्स किए हुए टेक्स्ट से करें।
import re
def is_palindrome(text):
# lowering the string
text = text.lower()
# Cleaning the string
rx = re.compile('\W+')
text = rx.sub('',text).strip()
# Reversing and comparing the string
return text == text[::-1]दूसरी विधि में, आप टेक्स्ट को रिवर्स करने के लिए ''.join(reversed(text)) का उपयोग करेंगे और उसकी तुलना साफ किए गए टेक्स्ट से करेंगे।
दोनों विधियाँ सीधी-सादी हैं।
def is_palindrome(text):
# lowering the string
text = text.lower()
# Cleaning the string
rx = re.compile('\W+')
text = rx.sub('',text).strip()
# Reversing the string
rev = ''.join(reversed(text))
return text == revपरिणाम:
हम is_palindrome() फ़ंक्शन को शब्दों की सूची देंगे और परिणाम प्रिंट करेंगे। जैसा कि आप देख सकते हैं, विशेष वर्णों के बावजूद, फ़ंक्शन ने “Level” और “Radar” को पलिंड्रोम के रूप में पहचाना है।
# Test cases
test_words = ['Anna', '**Radar****', 'Abid', '(Level)', 'Data']
for text in test_words:
print(f"Is {text} a palindrome? {is_palindrome(text)}")
# Is Anna a palindrome? True
# Is **Radar**** a palindrome? True
# Is Abid a palindrome? False
# Is (Level) a palindrome? True
# Is Data a palindrome? Falseहमारे इंटरैक्टिव पाठ्यक्रम के साथ Practicing Coding Interview Questions in Python करके अपनी अगली कोडिंग इंटरव्यू की तैयारी करें। गहन Python तैयारी के लिए, हमारा 2026 के लिए 41 शीर्ष Python इंटरव्यू प्रश्न और उत्तर देखें।
दूसरी सबसे अधिक सैलरी खोजें
सबसे अधिक और सबसे कम मान खोजना आसान है, लेकिन दूसरी सबसे अधिक या nवीं सबसे अधिक सैलरी खोजना कठिन हो सकता है।
इस प्रश्न में, आपको id और base_salary वाली तालिका दी गई है। आपको दूसरी सबसे अधिक सैलरी खोजने के लिए SQL क्वेरी लिखनी है।
छवि: लेखक द्वारा
इस क्वेरी में, आप यूनिक मान ढूँढेंगे और उन्हें अधिक से कम क्रम में व्यवस्थित करेंगे। फिर, केवल सबसे अधिक मान दिखाने के लिए LIMIT 1 का उपयोग करेंगे। अंत में, OFFSET 1 करके दूसरी सबसे अधिक संख्या प्रदर्शित करेंगे।
आप nवीं सबसे अधिक सैलरी पाने के लिए OFFSET मान बदल सकते हैं।
SELECT DISTINCT base_salary AS "Second Highest Salary"
FROM employee
ORDER BY base_salary DESC
LIMIT 1
OFFSET 1;दूसरी सबसे अधिक बेस सैलरी 8,500 है।
डुप्लिकेट ईमेल ढूँढें
इस प्रश्न में, आप सभी डुप्लिकेट ईमेल प्रदर्शित करने के लिए क्वेरी लिखेंगे।
छवि: लेखक द्वारा
इस क्वेरी में, आप email कॉलम दिखाएँगे और तालिका को email से समूहित करेंगे। उसके बाद, हम HAVING क्लॉज़ का उपयोग करेंगे ताकि वे ईमेल मिलें जो एक से अधिक बार आए हों।
HAVING का उपयोग एग्रीगेशन के साथ WHERE कथन के स्थान पर किया जाता है।
SELECT email
FROM employee_email
GROUP BY email
HAVING COUNT(email) > 1;केवल “matt@hotmail.com” एक से अधिक बार आता है।
हमारा Applying SQL to Real-World Problems पाठ्यक्रम लेकर व्यावसायिक प्रश्नों के उत्तर देने हेतु अनुरक्षित SQL कोड लिखना सीखें।
बिग टेक डेटा साइंस इंटरव्यू प्रश्न
Meta डेटा साइंस इंटरव्यू प्रश्न
Facebook कंपोज़र, पोस्टिंग टूल, पिछले महीने प्रति उपयोगकर्ता 3% पोस्ट से आज 2.5% पोस्ट पर आ गया। आप क्या जाँच करेंगे?
छवि: लेखक द्वारा
पोस्ट एक महीने पहले के 3% से आज 2.5% पर आ गए। निष्कर्ष पर कूदने से पहले, आपको समस्या का संदर्भ स्पष्ट करना होगा।
आपको प्रश्न पूछने चाहिए:
- क्या आज कार्यदिवस है?
- क्या आज से एक महीना पहले सप्ताहांत था?
- क्या कोई विशेष अवसर, कार्यक्रम, या मौसमी प्रभाव है?
- क्या यह क्रमिक गिरावट है या एक बार की घटना?
दूसरे भाग में, आपको बताना होगा कि कमी किस वजह से आई। क्या उपयोगकर्ताओं की संख्या बढ़ी या पोस्टों की संख्या घटी? इसके बाद, इंटरव्यूअर इन में से एक या दोनों तर्कों पर चर्चा शुरू करने को कहेंगे।
आपको क्या लगता है कि Facebook पर प्रतिदिन बिताए गए समय का वितरण कैसा दिखता है? उस वितरण का वर्णन करने के लिए आप किन मीट्रिकों का उपयोग करेंगे?
Facebook पर प्रतिदिन बिताए गए समय के वितरण में, दो समूह माने जा सकते हैं:
- जो लोग फ़ीड को तेज़ी से स्क्रॉल करते हैं और अधिक समय नहीं बिताते।
- सुपर यूज़र्स जो Facebook पर बहुत अधिक समय बिताते हैं।
दूसरे भाग में, आपको वितरण का वर्णन करने के लिए सांख्यिकीय शब्दावली का उपयोग करना होगा, जैसे:
- केन्द्र: औसत (mean), माध्यिका (median), बहुलक (mode)
- प्रसार: मानक विचलन, इंटरक्वार्टाइल रेंज, रेंज
- आकृति: स्क्यूनेस, कर्टोसिस, यूनिमॉडल या बाइमॉडल
- आउटलायर्स
टेस्ट स्कोर के डेटासेट दिए गए हैं, pandas कोड लिखें जो <50, <75, <90, <100 बकेट्स में स्कोर पाने वाले छात्रों का संचयी प्रतिशत लौटाए।
इस प्रश्न में, आप पहले स्कोर को विभिन्न बकेट्स में बाँटने और फिर उन बकेट्स में स्कोर पाने वाले छात्रों का प्रतिशत निकालने के लिए pandas कोड लिखेंगे।
इनपुट:
हमारे डेटासेट में user_id, grade, और test_score कॉलम हैं।
छवि: लेखक द्वारा
आउटपुट:
आप एक फ़ंक्शन लिखेंगे जो grade और test_score कॉलम का उपयोग करेगा। और एक डेटाफ़्रेम दिखाएगा जिसमें ग्रेड्स, बकेट स्कोर, और बकेट स्कोर पाने वाले छात्रों का संचयी प्रतिशत होगा।
छवि: लेखक द्वारा
pandas.cut()फ़ंक्शन का उपयोग कर स्कोर को बिन्स और बकेट लेबल्स से बकेट स्कोर में बदलेंगे।- प्रत्येक समूह (grade और test_score) का आकार निकालें।
- प्रतिशत निकालने के लिए न्यूमेरेटर (संचयी योग) और डिनोमिनेटर (सभी मानों का योग) चाहिए।
- भिन्न मान को 100 से गुणा कर “%” जोड़कर उचित प्रतिशत में बदलें।
- इंडेक्स रीसेट करें और कॉलम का नाम "percentage" रखें।
def bucket_test_scores(df):
bins = [0, 50, 75, 90, 100]
labels = ["<50", "<75", "<90", "<100"]
# converting the scores into buckets
df["test_score"] = pd.cut(df["test_score"], bins, labels=labels, right=False)
# Calculate size of each group, by grade and test score
df = df.groupby(["grade", "test_score"]).size()
# Calculate numerator and denominator for percentage
NUM = df.groupby("grade").cumsum()
DEN = df.groupby("grade").sum()
# Calculate percentage, multiply by 100, and add %
percentage = (NUM / DEN).map(lambda x: f"{int(100*x):d}%")
# reset the index
percentage = percentage.reset_index(name="percentage")
return percentage
bucket_test_scores(df)आपको बकेट टेस्ट स्कोर और प्रतिशत के साथ उत्तम परिणाम मिला।
हमारे Data Manipulation with pandas पाठ्यक्रम के साथ डेटा साफ़ करना, आँकड़े निकालना, और विज़ुअलाइज़ेशन बनाना सीखें। और गहराई से पढ़ने के लिए, हमारा 2026 के लिए शीर्ष 35 मशीन लर्निंग इंटरव्यू प्रश्न गाइड देखें।
Amazon डेटा साइंस इंटरव्यू प्रश्न
विश्वास अंतराल (confidence intervals) समझाइए
विश्वास अंतराल किसी अज्ञात पैरामीटर के लिए अनुमानों की एक सीमा है, जो अपेक्षा की जाती है कि आप प्रयोग दोहराने या इसी तरह जनसंख्या से पुनः-नमूना लेने पर एक निश्चित प्रतिशत बार उसके बीच आएगी।
छवि स्रोत: omnicalculator
95% का विश्वास स्तर सांख्यिकीय प्रयोगों में आम है, और यह वह प्रतिशत है जब आप अपेक्षा करते हैं कि अनुमानित पैरामीटर पुनरुत्पादित होगा। विश्वास अंतराल में ऊपरी और निचली सीमाएँ होती हैं जिन्हें अल्फ़ा मान से सेट किया जाता है।
आप विभिन्न सांख्यिकीय अनुमानों के लिए विश्वास अंतराल का उपयोग कर सकते हैं, जैसे अनुपात, जनसंख्या माध्य, जनसंख्या माध्य या अनुपातों के बीच का अंतर, और समूहों के बीच भिन्नता के आकलन।
हमारा Statistical Thinking in Python (Part 1) पाठ्यक्रम पूरा कर आँकड़ों की नींव मजबूत करें।
आप असंतुलित (unbalanced) डेटासेट को कैसे प्रबंधित करते हैं?
असंतुलित डेटासेट में कक्षाएँ असमान रूप से वितरित होती हैं। उदाहरण के लिए, धोखाधड़ी पहचान डेटासेट में 300,000 गैर-धोखाधड़ी मामलों की तुलना में केवल 400 धोखाधड़ी के मामले हों। असंतुलित डेटा मॉडल को धोखाधड़ी पहचानने में कमजोर बनाता है।
छवि: लेखक द्वारा
असंतुलित डेटा को सँभालने के लिए आप उपयोग कर सकते हैं:
- अंडरसैंपलिंग
- ओवरसैंपलिंग
- सिंथेटिक डेटा बनाना
- अंडर और ओवर सैंपलिंग का संयोजन
अंडरसैंपलिंग
यह बहुसंख्यक वर्ग के नमूनों को फिर से सैंपल कर उन्हें अल्पसंख्यक वर्ग के बराबर कर देता है।
धोखाधड़ी डेटासेट में, दोनों कक्षाओं के 400-400 नमूने होंगे। आप imblearn.under_sampling का उपयोग कर आसानी से डेटासेट को रिसैंपल कर सकते हैं।
from imblearn.under_sampling import RandomUnderSampler
RUS = RandomUnderSampler(random_state=1)
X_US, y_US = RUS.fit_resample(X_train, y_train)ओवरसैंपलिंग
यह अल्पसंख्यक वर्ग के नमूनों को फिर से सैंपल कर उन्हें बहुसंख्यक वर्ग के बराबर करता है। पुनरावृत्ति या वेटेज वाली पुनरावृत्ति सामान्य तरीके हैं। संक्षेप में, दोनों कक्षाओं के 300K-300K नमूने होंगे।
from imblearn.over_sampling import RandomOverSampler
ROS = RandomOverSampler(random_state=0)
X_OS, y_OS = ROS.fit_resample(X_train, y_train)सिंथेटिक डेटा बनाना
पुनरावृत्ति की समस्या यह है कि यह अतिरिक्त जानकारी नहीं देती, जिससे मॉडल का प्रदर्शन खराब हो सकता है। इसका समाधान SMOTE (Synthetic Minority Oversampling Technique) से सिंथेटिक डेटा प्वाइंट बनाना है।
from imblearn.over_sampling import SMOTE
SM = SMOTE(random_state=1)
X_OS, y_OS = SM.fit_resample(X_train, y_train)अंडर और ओवर का संयोजन
मॉडल के बायस और प्रदर्शन सुधारने के लिए आप ओवर और अंडर-सैंपलिंग का संयोजन अपना सकते हैं। हम ओवर-सैंपलिंग के लिए SMOTE और सफ़ाई के लिए EEN (Edited Nearest Neighbours) का उपयोग करेंगे।
imblearn.combine हमें कई फ़ंक्शन देता है जो स्वतः दोनों सैंपलिंग कार्य करते हैं।
from imblearn.combine import SMOTEENN
SMTN = SMOTEENN(random_state=0)
X_OUS, y_OUS = SMTN.fit_resample(X_train, y_train)मार्च 2022 माह के लिए प्रत्येक उत्पाद की कुल बिक्री लौटाने हेतु क्वेरी लिखिए।
एक डेटा साइंटिस्ट के रूप में, आप डेटा निकालने और विश्लेषण के लिए इसी प्रकार की क्वेरियाँ लिखेंगे। इस चुनौती में, आप या तो WHERE क्लॉज़ के साथ तुलना चिह्नों का उपयोग करेंगे या WHERE के साथ BETWEEN क्लॉज़ से फ़िल्टरिंग करेंगे।
तालिका: orders
छवि: लेखक द्वारा
नमूना आउटपुट:
छवि: लेखक द्वारा
- orders तालिका से product_id और quantity का योग दिखाएँ।
- WHERE और AND क्लॉज़ का उपयोग कर दिनांक ‘2022-03-01’ से '2022-04-01' तक का डेटा फ़िल्टर करें। समान कार्य के लिए BETWEEN भी उपयोग कर सकते हैं।
- प्रत्येक उत्पाद की कुल बिक्री पाने के लिए product_id से समूहित करें।
SELECT product_id,
SUM(qty)
FROM orders
WHERE order_dt >= '2022-03-01'
AND order_dt < '2022-04-01'
GROUP BY product_id;Google डेटा साइंस इंटरव्यू प्रश्न
यदि क्लस्टरिंग प्रोजेक्ट में लेबल ज्ञात हों, तो आप मॉडल के प्रदर्शन का मूल्यांकन कैसे करेंगे?
अनसुपरवाइज़्ड लर्निंग में क्लस्टरिंग प्रोजेक्ट का प्रदर्शन खोजना पेचीदा हो सकता है। अच्छे क्लस्टरिंग के मानदंड हैं—अलग-अलग समूह और उनके बीच कम समानता।
क्लस्टरिंग मॉडलों में कोई एक्यूरेसी मीट्रिक नहीं होती, इसलिए हम समूहों के बीच समानता या भिन्नता से प्रदर्शन आँकते हैं।
छवि स्रोत: scikit-learn documentation
तीन प्रचलित मीट्रिक हैं:
- सिल्हूट स्कोर
- कैलिंस्की-हराबाज़ इंडेक्स
- डेविस-बोल्डिन इंडेक्स
सिल्हूट स्कोर
यह औसत इन्ट्रा-क्लस्टर दूरी और औसत निकटतम-क्लस्टर दूरी से निकाला जाता है।
scikit-learn से मीट्रिक निकाला जा सकता है। सिल्हूट स्कोर -1 से 1 के बीच होता है; अधिक स्कोर का अर्थ समूहों के बीच कम समानता और अधिक स्पष्ट क्लस्टर हैं।
from sklearn import metrics
model = KMeans().fit(X)
labels = model.labels_
metrics.silhouette_score(X, labels)कैलिंस्की-हराबाज़ इंडेक्स
यह समूहों के बीच विभेदन और समूहों के भीतर विभेदन से विशिष्टता मापता है। मीट्रिक की कोई सीमा नहीं; सिल्हूट की तरह, अधिक स्कोर बेहतर प्रदर्शन दर्शाता है।
metrics.calinski_harabasz_score(X, labels)डेविस-बोल्डिन इंडेक्स
यह प्रत्येक क्लस्टर की अपने सबसे समान क्लस्टर से औसत समानता को मापता है। अन्य मीट्रिक के विपरीत, कम स्कोर बेहतर प्रदर्शन और बेहतर पृथक्करण बताता है।
metrics.davies_bouldin_score(X, labels)
हमारा Cluster Analysis in R पाठ्यक्रम लेकर हाइरार्किकल और के-मीन्स क्लस्टरिंग लागू करना सीखें।
एक लिफ्ट में चार लोग हैं और एक इमारत में चार फ़्लोर हैं। यह क्या प्रायिकता है कि प्रत्येक व्यक्ति अलग-अलग फ़्लोर पर उतरे?
छवि: लेखक द्वारा
हम उपयोग करेंगे:
- F = फ़्लोरों की संख्या
- P = लोगों की संख्या
समस्या सुलझाने के लिए, पहले सभी तरीकों की कुल संख्या निकालें जिनसे लोग फ़्लोर पर उतर सकते हैं: 44 = 4x4x4x4 = 256 तरीके।
उसके बाद, वह संख्या निकालें जिससे प्रत्येक व्यक्ति अलग फ़्लोर पर उतर सकता है: 4! = 24।
प्रायिकता पाने के लिए, अलग-अलग फ़्लोर पर उतरने के तरीकों की संख्या को कुल तरीकों की संख्या से विभाजित करें।
24/256 = 3/32
R के साथ पेचीदा प्रायिकता प्रश्नों के उत्तर देने की रणनीतियाँ सीखने हेतु हमारा Probability Puzzles in R पाठ्यक्रम लें।
ऐसा फ़ंक्शन लिखिए जो नॉर्मल डिस्ट्रीब्यूशन से N सैंपल जनरेट करे और हिस्टोग्राम प्लॉट करे।
नॉर्मल डिस्ट्रीब्यूशन से N सैंपल जनरेट करने के लिए, आप या तो Numpy (np.random.randn(N)) या SciPy (sp.stats.norm.rvs(size=N)) का उपयोग कर सकते हैं।
हिस्टोग्राम प्लॉट करने के लिए, आप Matplotlib या Seaborn में से किसी का भी उपयोग कर सकते हैं।
- आप Numpy randn फ़ंक्शन से रैंडम नॉर्मल डिस्ट्रीब्यूशन सैंपल जनरेट करेंगे।
- Seaborn से KDE के साथ हिस्टोग्राम प्लॉट करेंगे।
- 10K सैंपल के लिए हिस्टोग्राम प्लॉट कर Numpy ऐरे लौटाएँगे।
import numpy as np
import seaborn as sns
N = 10_000
def norm_dist_hist(N):
# Generating Random normal distribution samples
x = np.random.randn(N)
# Plotting histogram
sns.histplot(x, bins = 20, kde=True);
return x
X = norm_dist_hist(N)
हमारा Introduction to Data Visualization with Seaborn पाठ्यक्रम पूरा कर सेकंडों में सूचनात्मक और आकर्षक विज़ुअलाइज़ेशन बनाना सीखें।
डेटा साइंस इंटरव्यू की तैयारी कैसे करें
छवि: लेखक द्वारा
डेटा साइंस इंटरव्यू चार से पाँच चरणों में बँटे होते हैं। आपसे आँकड़ों और मशीन लर्निंग, कोडिंग (Python, R, SQL), व्यवहारात्मक, प्रोडक्ट सेंस, और कभी-कभी नेतृत्व से जुड़े प्रश्न पूछे जाएँगे।
आप सभी चरणों के लिए इस प्रकार तैयारी कर सकते हैं:
- कंपनी और नौकरी की ज़िम्मेदारियों पर शोध: यह आपको डेटा साइंस के किसी विशेष क्षेत्र में अपने प्रयास प्राथमिकता देने में मदद करेगा।
- अपने पिछले पोर्टफोलियो प्रोजेक्ट की समीक्षा: हायरिंग मैनेजर आपके प्रोजेक्ट्स पर प्रश्न पूछकर आपके कौशल आँकेंगे।
- डेटा साइंस मूलभूतों की पुनरावृत्ति: प्रायिकता, आँकड़े, परिकल्पना परीक्षण, वर्णनात्मक और बेयesian आँकड़े, और डाइमेंशनलिटी रिडक्शन। चीट शीट्स मूल बातें तेज़ी से सीखने का उत्तम तरीका हैं।
- कोडिंग का अभ्यास: आकलन परीक्षण लें, ऑनलाइन कोड चुनौतियाँ हल करें, और सबसे अधिक पूछे जाने वाले कोडिंग प्रश्नों की समीक्षा करें।
- एंड-टू-एंड प्रोजेक्ट्स पर अभ्यास: डेटा क्लीनिंग, मैनिपुलेशन, विश्लेषण, और विज़ुअलाइज़ेशन से अपने कौशल तराशें।
- सबसे आम इंटरव्यू प्रश्न पढ़ना: प्रोडक्ट सेंस, सांख्यिकीय, विश्लेषणात्मक, व्यवहारात्मक, और नेतृत्व प्रश्न।
- मॉक इंटरव्यू देना: किसी मित्र के साथ इंटरव्यू का अभ्यास करें, अपनी सांख्यिकीय शब्दावली सुधारें, और आत्मविश्वासी बनें।
Data Science Interview Preparation ब्लॉग पढ़ें ताकि आप जानें क्या अपेक्षा करें और इंटरव्यू को कैसे अप्रोच करें।