Radar रिकैप: जे फ़ेंग के साथ डेटा साइंस इंटरव्यू में सफलता

जैसे-जैसे डेटा साइंस परिपक्व हो रही है, डेटा भूमिकाओं के तकनीकी इंटरव्यू अधिक जटिल होते जा रहे हैं। यदि आप अपना पहला डेटा जॉब ढूंढ रहे एक उभरते डेटा वैज्ञानिक हैं, तो तकनीकी इंटरव्यू अक्सर आवेदन प्रक्रिया का सबसे पेचीदा और चुनौतीपूर्ण हिस्सा होते हैं। इंटरव्यू के दौरान, आपको न सिर्फ अपनी तकनीकी कुशलता दिखानी होगी, बल्कि संचार और समस्या-समाधान कौशल के साथ-साथ दबाव में सोचने की क्षमता भी प्रदर्शित करनी होगी।

DataCamp Radar कॉन्फ्रेंस के हिस्से के रूप में, हमने Interview Query के CEO जे फ़ेंग के साथ डेटा साइंस इंटरव्यू में सफलता पाने पर एक सत्र आयोजित किया। Interview Query एक रिमोट डेटा साइंस इंटरव्यू प्रेप प्लेटफॉर्म है जिसका उद्देश्य हर डेटा वैज्ञानिक को उद्योग में नौकरी दिलाने में मदद करना है। 

सत्र के दौरान, फ़ेंग ने उन सबसे महत्वपूर्ण बातों को स्पष्ट किया जो डेटा साइंस भूमिकाओं के लिए इंटरव्यू देते समय उभरते और जूनियर डेटा प्रैक्टिशनर्स को पता होनी चाहिए। इस पोस्ट में, हम इस कार्यक्रम का सारांश और मुख्य सीखें प्रस्तुत करते हैं।

डेटा साइंस इंटरव्यू के विभिन्न प्रकार

डेटा साइंस में तकनीकी इंटरव्यू को विशेष रूप से चुनौतीपूर्ण बनाने वाले पहलुओं में से एक है इंटरव्यू के प्रकारों की व्यापक विविधता। डेटा साइंस एक जटिल और मांगपूर्ण विधा है, जिसमें डेटा पेशेवरों से अनेक डोमेन्स और टूल्स में ज्ञान और दक्षताओं की अपेक्षा की जाती है। चूँकि तकनीकी इंटरव्यू इन्हीं कौशलों को परखने के लिए बनाए जाते हैं, इसलिए आप नौकरी की आवश्यकताओं और चुने हुए करियर पथ (अगले खंड में देखें) के आधार पर अनेक प्रकार के इंटरव्यू की अपेक्षा कर सकते हैं।

फ़ेंग के अनुसार, “लगभग 10 से 15 डेटा साइंस स्किल सेट होते हैं”। आपसे पूछे जाने वाले प्रश्न SQL या Python के साथ डेटा मैनिपुलेशन, मशीन लर्निंग के पीछे की सांख्यिकी और एल्गोरिद्म, प्रोडक्ट मैट्रिक्स का विश्लेषण करने वाले यूज़ केस, और सिस्टम डिज़ाइन से जुड़े सवालों (जैसे कि आप एक नया डेटासेट शून्य से कैसे बनाएंगे) तक हो सकते हैं। 

जहाँ अन्य आईटी पदों, जैसे सॉफ्टवेयर इंजीनियर, के इंटरव्यू मुख्यतः कोडिंग पर केंद्रित होते हैं, वहीं डेटा साइंस की बहुविषयक प्रकृति इंटरव्यूअर्स को अलग-अलग क्षेत्रों में प्रश्न पूछने की अधिक गुंजाइश देती है। जैसा कि फ़ेंग ने बताया, तकनीकी इंटरव्यू में जिन सवालों से हम रूबरू होंगे, वे “उन कामों के बिल्डिंग ब्लॉक्स हैं जो हम अपनी वास्तविक नौकरी में करेंगे”। 

डेटा साइंस में सामान्य करियर पथ

डेटा साइंस की नौकरी ढूंढते समय, यह महत्वपूर्ण है कि आप अपना ध्यान उन भूमिकाओं पर केंद्रित करें जिनमें वे कौशल चाहिए जिनमें आप निपुण हैं। नौकरियों को आवश्यक दक्षताओं के अनुसार व्यवस्थित करने की अच्छी बात यह है कि “आप अपने कौशलों को उस पद से संरेखित कर सकते हैं जिसमें आप जाना चाहते हैं”।

डेटा साइंस में कई करियर पथ हैं, और इनकी संख्या बढ़ रही है, क्योंकि इस विधा के तीव्र विकास से अधिक विशिष्ट भूमिकाएँ उभर रही हैं। नीचे जे के सत्र में उल्लिखित पदों की एक अपूर्ण सूची दी गई है:

• डेटा एनालिस्ट तरह-तरह की व्यावसायिक समस्याओं को सुलझाने के लिए डेटा एकत्रित, विश्लेषित और व्याख्यायित करते हैं। अपने कार्यों के लिए वे प्रोग्रामिंग टूल्स और सांख्यिकीय विधियों का संयोजन उपयोग करते हैं।  

• प्रोडक्ट एनालिस्ट डेटा एनालिस्ट के समान होते हैं, लेकिन प्रोडक्ट एनालिस्ट मुख्यतः किसी व्यावसायिक प्रोडक्ट की वृद्धि और सेहत को मापने वाली मैट्रिक्स पर केंद्रित रहते हैं। उदाहरण के लिए, नई ऐप लॉन्च होने के बाद, प्रोडक्ट एनालिस्ट जानना चाहेंगे कि उपयोगकर्ता उससे कैसे इंटरेक्ट कर रहे हैं। इसके लिए वे दैनिक सक्रिय उपयोगकर्ता और प्रति उपयोगकर्ता सत्रों की संख्या जैसी मैट्रिक्स को ट्रैक करेंगे।

• डेटा साइंटिस्ट कई कार्य डेटा एनालिस्ट के साथ साझा करते हैं। हालांकि, डेटा साइंटिस्ट से अपेक्षा की जाती है कि वे उन्नत डेटा तकनीकों, जैसे मशीन लर्निंग और डीप लर्निंग, का उपयोग करके विशाल संरचित और असंरचित डेटा से इनसाइट्स निकालें और प्रेडिक्टिव मॉडल बनाएँ। 

• मशीन लर्निंग इंजीनियर ऐसा समय लगाते हैं कि वे मशीन लर्निंग मॉडल बनाएं, प्रशिक्षित करें और डिप्लॉय करें, जो डेटा से सीखकर निर्णय ले सकें। फ़ेंग के अनुसार, मशीन लर्निंग इंजीनियरों का मिशन “मॉडल विकसित करना है ताकि डेटा को प्रोडक्ट में बदला जा सके”।

• रिसर्चर निरंतर बुनियादी प्रश्नों के उत्तर खोजते हैं और डेटा साइंस के सैद्धांतिक ज्ञान-कोश का विस्तार करते हैं। यह एक अत्यधिक तकनीकी ट्रैक है, जिसमें गणित और मशीन लर्निंग थ्योरी का उच्चतम स्तर का ज्ञान आवश्यक है।

• फ़ील्ड रिसर्चर किसी कंपनी के भीतर व्यावहारिक समस्याओं के समाधान खोजने के लिए जिम्मेदार होते हैं। फ़ील्ड रिसर्चर तात्कालिक व्यावसायिक परिणामों पर ध्यान केंद्रित करते हैं, जैसे यह सुनिश्चित करना कि नई लर्निंग तकनीकों को वास्तविक दुनिया के डेटासेट्स पर लागू किया जा सके।

डेटा साइंस इंटरव्यू की तैयारी 

फ़ेंग के अनुसार, डेटा साइंस इंटरव्यू की तैयारी प्रक्रिया को चार सरल चरणों में बाँटा जा सकता है:  

• डेटा साइंस भूमिका का अनुसंधान करें। जैसा कि पहले बताया गया, आपको उन भूमिकाओं पर ध्यान देना चाहिए जो आपको सबसे अधिक पसंद हैं और जहाँ आपके सर्वोत्तम कौशलों की रोशनी में आपकी सफलता की संभावना अधिक है। इसलिए, कोई भी आवेदन भेजने से पहले कुछ समय रिसर्च में लगाना हमेशा फायदेमंद है।

• अपने कौशल का बेंचमार्क करें। आप कैसे जानेंगे कि आपकी क्षमताएँ नौकरी पाने के लिए पर्याप्त रूप से मजबूत हैं? कई लोग अपने कौशल का बेंचमार्क करने के लिए इंटरनेट पर इंटरव्यू प्रश्न ढूँढते हैं। फ़ेंग के अनुसार यह अच्छी रणनीति नहीं है, क्योंकि ये प्रश्न सामान्यतः सरल, कोर विषयों से जुड़े होते हैं और इंटरव्यू में आने की संभावना बहुत कम होती है। “इंटरव्यू प्रश्न अधिकतर एक केस स्टडी की तरह होते हैं, जो आमतौर पर एक समस्या विवरण से शुरू होते हैं।” इन्हीं तरह के वास्तविक प्रश्नों का उपयोग आपको अपने कौशल परखने के लिए करना चाहिए।

• दैनिक अध्ययन योजना बनाएँ। अपने कौशल मजबूत करने और अपनी मनचाही नौकरी पाने की संभावना बढ़ाने के लिए निरंतरता जरूरी है। फ़ेंग की कंपनी Interview Query द्वारा किए गए एक सर्वे के अनुसार, जिन्होंने अधिक प्रश्नों का अभ्यास किया, उनकी समग्र इंटरव्यू सफलता दर अधिक रही। अपनी अध्ययन योजना कैसे बनाएँ? फ़ेंग के शब्दों में: “प्रश्न हल करना आसान बनाइए, रोज़ एक प्रश्न हल कीजिए, और धीरे-धीरे कठिन समस्याओं पर अभ्यास कीजिए”।

• इंटरव्यू फीडबैक लें। अंत में, यह हमेशा अच्छा होता है कि कोई ऐसा व्यक्ति हो जिससे आप अपने इंटरव्यू उत्तर साझा कर सकें और जो आपको फीडबैक और सलाह दे सके। यह आप अपने विचार लिखकर कोच और विशेषज्ञों के साथ साझा करके कर सकते हैं, फिर भी, जैसा कि फ़ेंग ने रेखांकित किया, फीडबैक पाने का सबसे अच्छा तरीका है उनसे आमने-सामने बात करना। 

यदि आप और जानने में रुचि रखते हैं, तो आप जे का पूरा सत्र यहाँ देख सकते हैं। साथ ही, Radar के अन्य सत्र भी देखें जिनमें आपकी रुचि हो सकती है।