数据科学面试案例研究简介
当在面试机器学习工程师、数据科学家或其他类似职位时被问及商业案例挑战时，通常会变得紧张。如今，像 FAANG 这样的顶级公司喜欢将商业案例问题整合到他们的筛选过程中。其他一些领先公司也采用这种方法，例如 Uber 和 Twitter。大多数案例研究都是开放的和技术性的。它们特定于您正在面试的公司。
数据科学面试中的商业案例问题是什么？
基本而言，案例研究是您可能在公司从事的任何实际项目。您将被问到的案例研究问题的类型取决于您要面试的职位。在大多数面试中，您将有大约 45 分钟的时间来吸收问题描述并了解您的想法和可能的解决方案。
“如果你不能衡量它，你就无法改进它。”
彼得·德鲁克
为任何案例研究获取正确的指标很重要。由于不同的原因，例如新手或对该行业不了解，这可能会很困难。
注意： 商业案例问题没有单一的正确答案或简单的解决方案。
案例研究主要可以分为三种类型。它们是基于产品的案例研究、基于预测的案例研究（机器学习）和商业案例研究。
数据科学面试案例研究示例
假装你正在面试 Twitter 参与团队的一个职位。众所周知，Twitter 确实有新闻提要。它根据用户的兴趣向用户提供内容。在新闻提要排名算法的帮助下，它可以完成这项任务。作为参与团队的一员，您被分配了一项任务来评估算法的成功与否。
框架
当你遇到问题时，永远不要从激发你的技巧开始；相反，首先要阐明案例研究。确保面试官和你在同一页面上。因为这些问题往往令人困惑和不确定！提出问题将帮助您获得答案或额外信息。表明你对此感到好奇。由于案例研究是开放的，请避免使用“正确的方法是/将是”之类的词，因为该问题陈述可能有多种解决方案。
以这样的短语开头，例如“在解决问题之前，我想仔细检查一下我是否理解了这里的问题……。”。如果你记笔记，跟踪你的方法会容易得多。在继续解决方案之前暂停一段时间来考虑和计划是绝对可以的。
然后，为了证明你理解了这个问题，专注于真正的问题；例如，在我们的研究中，问题集中在 Twitter 的新闻提要和用户参与度上。结果，评估了算法的成功。
第一步是确定要评估的相关指标，例如分享、评论和点击率 (CTR)。您选择解决问题的策略是下一步。可能会包括这样的问题 “我还认为这些测量值并不总是遵循趋势。有些人可能会上升，而有些人可能会下降”。在这种情况下，您可以根据您的方法的观点来选择指标，例如您是想专注于业务还是用户体验。从商业角度考虑广告。点击率是一个强大的统计数据。因为并非所有用户都共享内容，所以用户体验的一个强大指标是评论或反应（例如，评论的文本处理）。
退后一步，询问面试官是否有任何问题要问你，或者你是否可以继续。完成流程的关键阶段后，请务必涵盖以下内容：
1. 澄清
2. 头脑风暴和
3. 战略
4。结论
确保您对案例研究的方法是完整的。此外，就问题陈述讨论你的方法的结果。
需要考虑的其他要点
1. 响应应该是结构化的。
2. 以端到端解决方案结束案例研究。
3. 明智的策略。
4. 了解你的目标受众。
你被困住了吗？
不要惊慌，或者说无关紧要的观点，而是告诉你的面试官你被卡住了。让他们知道你在想什么以及为什么你不能继续这些方法。在少数情况下，面试官可能会给你一些线索。
点错了？
当您确定您正在寻找可能不起作用的解决方案时！或导致死胡同。不要犹豫，提到这可能会导致某种情况。相反，专注于您将如何纠正并继续您遇到的问题的策略。在实际项目中，您需要识别这些问题并继续采用适当的方法。您可以添加解决问题的新方法将如何避免您遇到的问题。
不确定策略？
让面试官知道您不确定该方法，并大声思考以进入正轨。它总是比虚张声势好。
和自己一起练习！
问自己一些案例研究！在相机上记录自己，以观察和纠正自己。它可以帮助您在与同龄人练习之前获得信心。每次练习，你都会变得更好。记下你所有的实践研究将有助于将来参考。
我发现对实践案例研究有用的资源：https://www.interviewquery.com/blog-data-science-case-study-interview
结论
瞧！遵循这四个步骤来成功地响应案例研究（澄清、计划、策略和结论）。换句话说，可以将案例研究的方法记住为“CAPER”。其中 C- 澄清，A- 假设，P- 计划，E- 执行，R- 审查。
使面试尽可能参与。做笔记将有利于您构建您的回应。提及陷阱，让他们知道您选择的方法的优缺点。确保您了解有关公司及其产品的所有信息。与同龄人一起练习并进行模拟面试。如果您的前几次努力一团糟，请不要担心！认真对待反馈。我希望你喜欢我关于数据科学面试案例研究的文章。请在下面的评论部分分享您的反馈。
原文标题：Crack the Data Science Interview Case study!
原文作者：Usha Bhanu Komaragiri
原文地址：https://www.analyticsvidhya.com/blog/2022/06/crack-the-data-science-interview-case-study/
