初心者データサイエンスの求人面接で成功するためのさらなるヒント

初心者データサイエンスの求人面接で成功するための5つのポイント

 

前の9つのヒントは、初心者データサイエンティストへの明らかなアドバイスをカバーしています。

次のラウンドの面接のヒントは、仕事のための最適な候補者として自分自身を表現するためのより微妙な側面について取り扱います。

以前の記事に基づいて、これらの追加のヒントは初心者データサイエンスの仕事面接であなたのチャンスをさらに高めます。

• 「データサイエンスは循環経済をどのように加速させるのか？」
• AIの障壁を越える：OpenAIがLLMsをメインストリームの成功へ導くまで
• 「Devtoolsを使ったRデータパッケージの作成と公開の詳細ガイド」

 

1. ポートフォリオの準備

 

データサイエンスのプロジェクトポートフォリオを作成することは、優れたデータサイエンティストであることを示す最良の方法の一つです。

初心者がポートフォリオに適したプロジェクトを選ぶのは困難です。ここでいくつかのデータサイエンスプロジェクトのアイデアを紹介します。また、Datacampの提案やStrataScratchのデータプロジェクトにも取り組むことができます。

 

 

2. ドメイン知識を活かしたコーディングの練習

 

ドメイン知識とは、特定の産業、セクター、または主題領域についての知識を指します。この知識には、その特定のドメインの複雑さ、課題、専門用語、プロセス、ニュアンスが含まれます。

コーディングスキルにも反映される必要があります。なぜなら、特定の企業や業界の問題を解決するためにそれらを使用するからです。

コーディングの練習をする際は、面接を受ける企業の実際の問題に取り組むことが理想的です。最初の記事でStrataScratchやLeetCodeを紹介しました。

もちろん、直接面接から来ない課題に取り組むこともできます。ただし、それらを選ぶ際には、関連する業界からデータサイエンスの面接の質問とデータセットを探すようにしてください。たとえば、Meta（テクノロジー業界）やPfizer（製薬業界）の面接を受けるとします。これらの企業は異なるデータを扱い、それらのデータは異なる動きをします。当然、質問も異なるでしょう。Metaの場合は、テック/ソーシャルメディアデータを使用し、Pfizerの場合は製薬データを使用します。

これにより、ドメイン知識も向上させることができます。不慣れなデータに遭遇する可能性がありますので、そのデータと業界内での重要性について学ぶ必要があります。

これにより、コーディングとドメイン知識を結びつけることができます！

 

3. データストーリーテリングのスキルを示す

 

データストーリーテリングとは、データプロジェクトからの洞察を明確かつ理解しやすく伝えることができることを意味します。なぜあるプロジェクトを始めたのか、そして何を達成したのかについて考えてみてください。そこには常に物語があります。

プロジェクトから物語を作成することで、非技術的な人々にデータをよりアクセスしやすくします。その結果、意思決定に対する影響力を持つことができます。

以下は、このスキルを示すためのいくつかのヒントです。

物語を作成する：良い物語には展開、問題、盛り上がり、クライマックス、下降、解決があります。これをデータを使用して物語を語る中に組み込んでください。

ビジネスの文脈から始めることができます。「会社は過去3年間に5つの新商品を発売しました」といった具体的な情報から始めます。その後、問題を提示します。売上は増えているが顧客の維持はされていないことがわかりました。そして、問題の原因を見つけるためにデータの詳細に入って調査します。ここでは、プロジェクトの技術的な側面に深く踏み込んで説明する必要があります。見つけた製品の売上高が高いが返品率も高いことがクライマックスです。下降の行為では、返品が多い理由についての議論をします。解決では、製品の改善についての提案をします。解決でもプロジェクトの達成した内容と関連付け、その製品の売上増加や会社へもたらした利益など具体的な数値で話すことができます。

クリアなビジュアライゼーションを使用する：物語をサポートするビジュアライゼーションを使用してください。

過去数年間の売上トレンドに関するプロジェクトでは、単に月間の売上データを表に表示するのではなく、売上の上下を視覚的に表現するために折れ線グラフを使用してください。これにより、観客はトレンドを把握することができます。売上の大幅な上昇については、グラフを使用して製品または製品カテゴリごとに売上を分解し、どの製品が上昇を引き起こしたかを強調してください。

専門用語を避けて複雑な概念を簡素化する：必要な場合にのみ専門用語を使用してください。ポイントは、ビジネスパーソンに対してあなたのアイデアやプロジェクトを「売る」ことですので、彼らのために複雑な概念を簡単に説明してください。例えば、「残差の異方性が線形回帰モデルが最適な適合性を持たない可能性を示している」と言わずに、「データのパターンから初期モデルが効果的にすべての情報を捉えていない可能性があることがわかりました。」と言いましょう。ずっと良いです！

4. 失敗と学びについて話す

我々は皆、ミスをするものです。それらは学びの過程で必要です。面接官は完璧な候補者ではなく、学びたい意欲と能力を持つ人を探しています。

面接官にあなたのその側面を知ってもらいましょう。もし本当に自分の失敗とそこから学んだことを共有すれば、信頼を築き、失敗に対する回復力を示すことができます。

以下は、これについて話すためのいくつかのヒントです。

他人のせいにしない：自分の過ちを他の人や事柄のせいにすることは避けましょう。もちろん、自分のコントロールできない状況の文脈を与えてくださいが、被害者意識に陥らないでください。あなたの役割に責任を持ち、その状況から学んだこと、異なるやり方を話しましょう。

失敗の部分より学びを強調する：失敗について話すことは、ただ学んだことを示すためにのみ使用すべきです。重点をそこに置きましょう。

経験に基づいて話す：以前の仕事から実際の例を見つけましょう。データサイエンスの経験でなくても、学びと自己認識に焦点を当てて示すことができる場合があります。仕事の経験がない場合は、データプロジェクトで犯したミスとそこから学んだことについて話しましょう。

取った手段について話す：これは、ミスを修正するために行ったこと、またはその影響を最小限に抑えるために行ったことに関連します。例えば、データを変更したり、アルゴリズムを微調整したり、プロジェクトを全体的に捨てて新たに始めたりするなどです。

以下は、あなた（Y）と面接官（I）の間の会話の例です。

I: 「計画通りに進まなかったプロジェクトやタスクについて教えてください。その際にどのように対処しましたか？」

Y: もちろんです！以前のデータサイエンティストとしての役割では、顧客の離反を予測するプロジェクトに責任を持っていました。初期の理解に基づいてk最近傍法アルゴリズムを選択しましたが、結果は期待したほど正確ではありませんでした。

I: どうしてですか？気づいた時には何をしましたか？

Y: データの矛盾がいくつかあり、締め切りが非常に厳しかったため、私の探索的データ分析（EDA）は十分でありませんでした。それにもかかわらず、今ではもっと詳細なEDAを行うべきだったと分かります。矛盾が判明した後、データ品質チームと協力してそれらをより理解しました。他のアルゴリズムも検討し、評価しました。最終的に、XGBoostアルゴリズムに切り替えたことでモデルの予測精度が大幅に向上しました。EDAの重要性を過小評価しないことを学びました。また、モデルを信頼できないものとして使えないことを考えて、ミスを認めてゼロからやり直せたことにも満足しています。

結論

データサイエンスは、単なるデータ処理やコードの記述以上のものです。これにはデータのストーリーテリングとビジュアライゼーションを通じてあなたの作品を俗人の言葉に翻訳できる能力も含まれます。

面接でこれについて話すことで、それを証明しなければなりません。話す能力だけでなく、実際にそれを実行できることも証明しなければなりません。これは、コーディング、ストーリーテリング、ビジュアライゼーションのスキルが明白に見える堅実なデータプロジェクトのポートフォリオを持つことによって最も良い方法です。

プロジェクトを進める中でミスを犯すことがあります。それを隠さないでください。オープンに話し、面接官からフィードバックを求めましょう。

このことは、２つの単純なことに絞り込まれます：あなたがそれを達成した方法について、能力があり正直であることです。言うは易く行うは難しです！

しかし、この記事でお伝えしたいくつかのヒントを使えば、次のデータサイエンスの面接でうまくいくことを確信しています！

****[Nate Rosidi](https://twitter.com/StrataScratch)****さんはデータサイエンティストであり、製品戦略にも関与しています。彼はまた、実務経験を持つ副教授であり、StrataScratchというトップ企業の実際の面接の質問を使ってデータサイエンティストが面接の準備をするためのプラットフォームの創設者でもあります。彼についてはTwitter: StrataScratchやLinkedInで続きを読むことができます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!