Resumo Radar: mandando bem na entrevista de ciência de dados com Jay Feng

À medida que a ciência de dados amadurece, as entrevistas técnicas para vagas na área estão ficando cada vez mais complexas. Se você está começando a carreira e buscando seu primeiro emprego em dados, as entrevistas técnicas costumam ser a etapa mais complicada e desafiadora do processo seletivo. Nelas, você precisa demonstrar não só domínio técnico, mas também comunicação, raciocínio para resolução de problemas e a capacidade de pensar sob pressão.

Como parte da DataCamp Radar Conference, fizemos uma sessão sobre como se sair muito bem na entrevista de ciência de dados com Jay Feng, CEO da Interview Query, uma plataforma remota de preparação para entrevistas em ciência de dados cuja missão é ajudar todo cientista de dados a conquistar uma vaga no mercado. 

Durante a sessão, Feng detalhou os pontos mais importantes que profissionais iniciantes e em início de carreira em dados precisam saber sobre entrevistas para cargos de ciência de dados. Neste post, trazemos um resumo do evento e os principais aprendizados.

Os diferentes tipos de entrevistas em ciência de dados

Um dos fatores que tornam as entrevistas técnicas em ciência de dados especialmente desafiadoras é a grande variedade de formatos que podemos encontrar. Ciência de dados é uma disciplina complexa e exigente, que requer conhecimento e competências em diversas áreas e ferramentas. Como as entrevistas técnicas são pensadas para testar essas habilidades, você pode esperar muitos tipos de abordagens, dependendo dos requisitos da vaga e do caminho de carreira que você escolheu (veja a próxima seção).

Segundo Feng, "existem cerca de 10 a 15 conjuntos de habilidades em ciência de dados". As perguntas podem envolver desde manipulação de dados com SQL ou Python, estatística e algoritmos por trás de machine learning, até estudos de caso analisando métricas de produto e questões relacionadas a desenho de sistemas (por exemplo, como você construiria um novo dataset do zero). 

Enquanto entrevistas para outras posições de TI, como engenharia de software, são majoritariamente focadas em código, a natureza multidisciplinar da ciência de dados dá mais liberdade para entrevistadores explorarem perguntas em diferentes frentes. Como apontou Feng, as questões que aparecem nas entrevistas técnicas são "os blocos de construção do que faremos no trabalho de verdade". 

caminhos de carreira típicos em ciência de dados

Ao buscar uma vaga em ciência de dados, é importante direcionar seus esforços para os cargos que exigem as habilidades em que você manda melhor. O bom de estruturar as vagas conforme as competências necessárias é que "você consegue alinhar suas habilidades à posição em que quer entrar".

Há várias trilhas de carreira em ciência de dados, e esse número só cresce, já que o avanço rápido da área tem gerado funções cada vez mais especializadas. Abaixo, você encontra uma lista (não exaustiva) de posições mencionadas na sessão do Jay:

• Data Analysts coletam, analisam e interpretam dados para resolver problemas de negócio de todos os tipos. Para isso, combinam ferramentas de programação e métodos estatísticos.  

• Product Analysts são parecidos com Data Analysts, mas focam principalmente em métricas que medem o crescimento e a saúde de um produto. Por exemplo, após o lançamento de um novo app, product analysts querem entender como os usuários interagem com ele. Para isso, acompanham métricas como usuários ativos diários e número de sessões por usuário.

• Data Scientists compartilham muitas tarefas com data analysts. Porém, espera-se que data scientists usem técnicas mais avançadas, como machine learning e deep learning, para extrair insights de grandes volumes de dados estruturados e não estruturados e construir modelos preditivos. 

• Machine Learning Engineers dedicam seu tempo a construir, treinar e colocar em produção modelos de machine learning que aprendem com dados para tomar decisões. Segundo Feng, a missão de machine learning engineers é "desenvolver modelos para transformar dados em produtos".

• Researchers estão constantemente buscando respostas para questões fundamentais e expandindo o corpo de conhecimento teórico em ciência de dados. É uma trilha altamente técnica que exige nível máximo de domínio em matemática e teoria de machine learning.

• Field Researchers são responsáveis por encontrar soluções para problemas práticos dentro da empresa. Eles focam em resultados comerciais imediatos, por exemplo, garantindo que novas técnicas de aprendizado possam ser aplicadas a dados do mundo real.

como se preparar para uma entrevista de ciência de dados 

De acordo com Feng, a preparação para uma entrevista de ciência de dados pode ser dividida em quatro passos simples:  

• Pesquise a função em ciência de dados. Como já comentamos, você deve focar nas funções de que mais gosta e onde tem mais chance de se destacar, considerando suas melhores habilidades. Por isso, vale sempre investir um tempo pesquisando antes de enviar qualquer candidatura.

• Faça um benchmark das suas habilidades. Como saber se suas habilidades estão maduras o suficiente para conseguir a vaga? Muita gente procura perguntas de entrevista na internet para se avaliar. Segundo Feng, essa não é uma boa estratégia, porque essas perguntas costumam tratar de tópicos básicos e simples e raramente aparecem em uma entrevista real. "Perguntas de entrevista são mais parecidas com um estudo de caso, normalmente apresentadas com um enunciado de problema". Esse é o tipo de questão real que você deve usar para testar suas habilidades.

• Monte um plano de estudos diário. Para fortalecer suas competências e aumentar suas chances de conquistar a vaga dos sonhos, você precisa de consistência. Segundo uma pesquisa da Interview Query, empresa do Feng, usuários que praticaram mais perguntas tiveram uma taxa de sucesso geral maior nas entrevistas. Como desenhar seu plano? Nas palavras do Feng: "Deixe resolver perguntas fácil, resolva uma pergunta por dia e pratique com problemas cada vez mais difíceis".

• Busque feedback sobre a entrevista. Por fim, é ótimo ter alguém com quem você possa compartilhar suas respostas e que possa te dar feedback e conselhos. Dá para fazer isso escrevendo seus pensamentos e compartilhando com mentores e especialistas, mas, como destacou Feng, a melhor forma de receber feedback é conversando com eles ao vivo. 

Se quiser se aprofundar, confira a sessão completa do Jay. Aproveite também para ver outras sessões do Radar que podem te interessar.