Unduh Data Science Interview Resources - Unduh kode sumber Data Science Interview Resources

Data Science Interview Resources

Kode Sumber AI

1.0.0

Unduh

Sumber Daya-Ilmu-Data-Wawancara-

Pembaruan : Berdasarkan pengalaman luas dalam wawancara selama beberapa tahun terakhir, saya baru-baru ini memutuskan untuk meluncurkan saluran khusus untuk membantu individu unggul dalam Ilmu Data. Tujuan saya adalah menciptakan sumber daya yang komprehensif bagi siapa saja yang ingin mempelajari kembali dasar-dasarnya sebelum wawancara mendatang atau menguasai keterampilan dan pengetahuan mendalam yang diperlukan untuk berhasil dalam wawancara Ilmu Data dan menerapkan Ilmu Data dalam praktik. Saluran ini bertujuan untuk memberikan pemahaman yang jelas tentang berbagai teknik yang digunakan sehari-hari, yang mencakup berbagai topik Pembelajaran Mesin. Silakan menjelajahinya di sini:

Pertama-tama, terima kasih telah mengunjungi repo ini, selamat telah membuat pilihan karir yang hebat, saya bertujuan untuk membantu Anda mendapatkan pekerjaan Ilmu Data luar biasa yang Anda impikan, dengan berbagi pengalaman saya, banyak melakukan wawancara di kedua perusahaan berbasis produk besar dan startup yang berkembang pesat, semoga bermanfaat.

Dengan meningkatnya permintaan akan begitu banyak Data Scientist, sangat sulit untuk berhasil disaring dan diterima dalam wawancara. Dalam repo ini, saya menyertakan segalanya mulai dari keberhasilan penyaringan dan wawancara yang sukses hingga mendapatkan posisi luar biasa itu, pastikan untuk menyelesaikannya dengan sumber daya berikut.

Setiap Sumber Daya yang saya cantumkan di sini diverifikasi secara pribadi oleh saya dan sebagian besar telah saya gunakan secara pribadi, yang telah banyak membantu saya.

Perhatian: Ilmu Data/Pembelajaran Mesin memiliki domain yang sangat besar dan ada banyak hal yang perlu dipelajari. Daftar ini bukanlah daftar yang lengkap dan hanya untuk membantu Anda jika Anda kesulitan menemukan sumber daya yang baik untuk memulai persiapan Anda. Namun, saya mencoba untuk meliput dan memperbarui hal ini sesering mungkin dan tujuan saya adalah untuk meliput dan menyatukan semuanya ke dalam satu sumber yang dapat Anda gunakan untuk mengguncang wawancara tersebut!

Silakan tinggalkan bintang jika Anda menghargai usahanya.

Catatan: Untuk kontribusi, lihat Contribution.md

Bagaimana cara mendapatkan wawancara?

Pertama dan terpenting, kembangkan keterampilan yang diperlukan dan pahami dasar-dasarnya , ini adalah beberapa cakrawala yang harus Anda kuasai -
- Pemahaman Bisnis (ini sangat penting di semua tingkat senioritas, namun khususnya untuk orang-orang dengan pengalaman lebih dari 3 tahun)
- SQL dan Database (sangat penting)
- Keterampilan Pemrograman (sebaiknya dengan Python, jika Anda tahu Scala, poin brownies tambahan untuk beberapa peran tertentu)
- Matematika (Probabilitas, Statistika, Aljabar Linier dan Kalkulus) - https://medium.com/@rbhatia46/essential-probability-statistics-concepts-before-data-science-bb787b7a5aef
- Pembelajaran Mesin (termasuk Pembelajaran Mendalam) dan pembuatan Model
- Struktur Data dan Algoritma (harus dan wajib bagi perusahaan berbasis produk unggulan seperti FAANG)
- Pemahaman Domain (Opsional untuk sebagian besar lowongan, meskipun sangat penting untuk beberapa peran berdasarkan kebutuhan perusahaan)
- Tinjauan Pustaka (harus untuk peran berbasis Penelitian): Mampu membaca dan memahami makalah penelitian baru adalah salah satu keterampilan paling penting dan menuntut yang dibutuhkan dalam industri saat ini, seiring dengan tumbuhnya budaya Penelitian dan Pengembangan, dan inovasi di sebagian besar organisasi yang baik .
- Keterampilan Komunikasi - Mampu menjelaskan analisis dan hasil kepada pemangku kepentingan dan eksekutif bisnis menjadi keterampilan yang sangat penting bagi Data Scientist saat ini
- Beberapa pengetahuan Teknik (Tidak wajib, tapi bagus untuk dimiliki) - Mampu mengembangkan API RESTful, menulis kode yang bersih dan elegan, pemrograman Berorientasi Objek adalah beberapa hal yang dapat Anda fokuskan untuk beberapa poin tambahan.
- Pengetahuan data besar (tidak wajib untuk sebagian besar lowongan, tetapi bagus untuk dimiliki) - Spark, Hive, Hadoop, Sqoop.
Bangun Merek pribadi
- Kembangkan GitHub/portofolio kasus penggunaan yang telah Anda selesaikan, selalu berupaya untuk menyelesaikan kasus penggunaan end-to-end, yang menunjukkan seluruh siklus hidup Ilmu Data, mulai dari pemahaman bisnis hingga penerapan model.
- Tulis blog, buat saluran YouTube jika Anda senang mengajar, tulislah buku.
- Kerjakan Resume/CV yang digital, mudah dibuka, mudah dibaca, bersih, ringkas, dan mudah disesuaikan, selalu sertakan tautan demo dan kode sumber dari setiap kasus penggunaan yang telah Anda selesaikan.
- Berpartisipasilah dalam kompetisi Kaggle, bangun profil Kaggle yang baik dan kirimkan ke calon pemberi kerja untuk meningkatkan peluang mendapatkan panggilan wawancara dengan sangat cepat.
Kembangkan koneksi yang baik , melalui LinkedIn, dengan menghadiri konferensi, dan melakukan semua yang Anda bisa, sangat penting untuk mendapatkan referensi dan memulai proses wawancara melalui koneksi yang baik. Terhubung secara teratur dengan Data Scientist yang bekerja di organisasi berbasis produk terkemuka, perusahaan rintisan yang berkembang pesat, membangun jaringan, secara perlahan dan pasti, ini sangat penting.`

Beberapa Tips Resume/CV:

Jelaskan peran masa lalu dan dampak yang Anda buat dengan cara yang dapat diukur , singkat dan saya ulangi, ukur dampaknya, daripada berbicara dengan fakta yang tidak ada relevansinya. Menurut Google Recruiters, gunakan rumus XYZ - Accomplished [X] as measured by [Y], by doing [Z]
Buatlah singkat, idealnya tidak lebih dari 2 halaman, seperti yang Anda ketahui, rata-rata perekrut memindai resume Anda hanya selama 6 detik, dan membuat keputusan berdasarkan itu.
Jika Anda masih baru dan belum memiliki pengalaman, cobalah menyelesaikan kasus penggunaan end-to-end dan sebutkan di CV Anda, sebaiknya dengan tautan demo (memudahkan perekrut) dan tautan ke kode sumber di GitHub.
Hindari terlalu banyak jargon teknis, dan tentu saja, jangan menyebutkan apa pun yang Anda tidak yakin, ini mungkin menjadi hambatan besar selama wawancara Anda.
Beberapa tautan bermanfaat:
- Saran dalam membangun Proyek Portofolio Data
- Cara menulis Resume Rekayasa Perangkat Lunak yang mematikan
- Dapatkan Resume Ilmu Data Anda melewati ATS
- Cara menulis resume pengembang yang benar-benar akan dibaca oleh manajer perekrutan

Jika Anda ingin segera merevisi dasar-dasar matematika Anda, ikuti ini: https://media-exp2.licdn.com/dms/document/C4D1FAQFzFmR919-Erw/feedshare-document-pdf-an dianalisis/0/1655384106479?e=1656547200&v=beta&t=9bm4OUyWfM1dQR8LWXsLrGDqYz_Yr_e7TJxHXLXe36I
Jika Anda ingin segera merevisi dasar-dasar Statistik dan ML Anda, ikuti ini: https://media-exp2.licdn.com/dms/document/C4D1FAQFLvzVgVxYAAA/feedshare-document-pdf-an dianalisis/0/1656265480370?e=1657152000&v=beta&t=RD90ZEx3x2VLUGSthO-1uYKadzwTRIxKRg3s8j2nvOc

Probabilitas, Statistik dan Aljabar Linier

Memahami dasar-dasar Statistik Deskriptif (Sangat Penting untuk wawancara)
40 Pertanyaan tentang probabilitas untuk Wawancara Ilmu Data
40 Soal Wawancara Statistika dan Jawaban Data Scientist
Probabilitas dan Statistik dalam konteks Deep Learning
Probabilitas vs Kemungkinan?
Metode Bootstrap - Pisau Swiss Army dari semua Ilmuwan Data
Interval Keyakinan Dijelaskan Secara Sederhana untuk Ilmuwan Data
Nilai P Dijelaskan Secara Sederhana untuk Ilmuwan Data
PDF bukanlah suatu kemungkinan
5 Algoritme pengambilan sampel yang harus diketahui oleh setiap Data Scientist
10 Teknik Statistik yang Perlu Dikuasai Ilmuwan Data
Kursus Singkat Aljabar Linier Terapan?

SQL dan Akuisisi Data

Ini mungkin merupakan titik masuk proyek Ilmu Data Anda, SQL adalah salah satu keterampilan terpenting bagi setiap Ilmuwan Data.

5 Masalah Umum Wawancara SQL untuk Ilmuwan Data
46 Pertanyaan untuk menguji Ilmuwan Data tentang SQL
30 Pertanyaan Wawancara SQL yang dikurasi untuk FAANG oleh Mantan Ilmuwan Data Facebook
Pertanyaan Wawancara SQL
Cara menguasai Wawancara Ilmu Data - SQL
3 Pertanyaan SQL yang Harus Diketahui agar lulus Wawancara Ilmu Data Anda
10 Pertanyaan SQL yang sering ditanyakan dalam Wawancara
Pertanyaan Wawancara Ilmu Data Teknis: SQL dan Coding
Cara mengoptimalkan Kueri SQL - Kamp Data
Sepuluh Konsep SQL yang Harus Anda Ketahui untuk Wawancara Ilmu Data

Persiapan dan Visualisasi Data

5 Algoritma Pemilihan Fitur yang harus diketahui oleh setiap Data Scientist
6 Cara Berbeda untuk Mengkompensasi Nilai yang Hilang dalam Kumpulan Data
Tinjauan Singkat Teknik Deteksi Pencilan
Membersihkan dan Mempersiapkan Data dengan Python untuk Ilmu Data — Praktik Terbaik dan Paket Bermanfaat
Kapan menggunakan plot yang mana untuk visualisasi
Cara mendeteksi dan menghapus Outlier
Mengatasi Ketidakseimbangan Kelas dalam Pembelajaran Mesin
Cara yang lebih cerdas untuk menyandikan data kategorikal
Lembar Cheat Numpy dan Pandas
3 Metode untuk menangani outlier
Teknik Pemilihan Fitur
Mengapa, bagaimana, dan Kapan menskalakan fitur Anda
Semua yang perlu Anda ketahui tentang plot Sebar
Bagaimana Cara Memilih Fitur untuk Pembelajaran Mesin?
10 cara untuk Pemilihan Fitur?

Algoritma Pembelajaran Mesin Klasik

Semua Algoritma Pembelajaran Dijelaskan dalam 14 Menit

1. Regresi Logistik

Semua tentang Regresi Logistik dalam satu artikel
Memahami Regresi Logistik selangkah demi selangkah
Regresi Logistik - Penjelasan Singkat dan Jelas - 9 Menit?
Regresi Linier vs Regresi Logistik?
30 Pertanyaan untuk menguji Ilmuwan Data tentang Regresi Logistik
Regresi Logistik - Memahami Segalanya (Teori + Matematika + Coding) dalam 1 video?
Lasso, Ridge, dan Regresi Logistik semuanya dalam satu video?

2. Regresi Linier

30 Pertanyaan untuk menguji Ilmuwan Data tentang Regresi Linier
Regresi Linier - Memahami Segalanya (Teori + Matematika + Coding) dalam 1 video?
5 Jenis Regresi dan Sifatnya
Regresi Ridge - Dijelaskan dengan Jelas?
Regresi Lasso - Dijelaskan dengan Jelas?

3. Algoritma Berbasis Pohon/Ensemble

30 Pertanyaan untuk menguji Data Scientist pada model berbasis Pohon
Entropi Informasi indeks Gini v/s
Pohon Keputusan vs. Hutan Acak – Algoritma Mana yang Harus Anda Gunakan?
Mengapa Random Forest tidak berfungsi dengan baik untuk Time-Series?
Panduan komprehensif untuk Model Ensemble
Matematika Sederhana di balik 3 kriteria Pemisahan Pohon Keputusan

4. K-Tetangga Terdekat

Pertanyaan Wawancara Mendasar di KNN - Penyegaran cepat
30 Pertanyaan untuk menguji Data Scientist di KNN
Pro dan Kontra KNN
Algoritma KNN - Mengerti Segalanya (Teori + Matematika + Coding) dalam 1 video ?

5. Mendukung Mesin Vektor

Semua tentang SVM - Matematika, Terminologi, Intuisi, Kernel dalam satu artikel
25 Pertanyaan untuk menguji Ilmuwan Data di SVM

6. Bayes Naif

12 tips untuk memanfaatkan Naive Bayes secara maksimal
Naive Bayes - Memahami Segalanya (Teori + Matematika + Coding) dalam 1 video ?
6 langkah mudah mempelajari Naive Bayes

Rangkaian Waktu

40 Pertanyaan untuk menguji Ilmuwan Data di Time Series
11 Metode Peramalan Rangkaian Waktu Klasik
Pertanyaan Wawancara di ARIMA?

Pembelajaran Tanpa Pengawasan

Anjuran dan Larangan PCA (Analisis Komponen Utama)
Pengantar t-SNE : DataCamp
Pengurangan Dimensi Memperas hal-hal yang bagus
Pengurangan Dimensi untuk Dummies : Bagian 1 - Intuisi
Penjelasan Mendalam tentang Algoritma DBSCAN

Sistem Rekomendasi

Sekilas tentang Sistem Rekomendasi

Pembelajaran Mendalam

Mengapa Regularisasi mengurangi overfitting di Deep Neural Networks?
Pro dan Kontra Jaringan Neural
Kapan tidak menggunakan Jaringan Neural
40 Pertanyaan untuk menguji Ilmuwan Data tentang Pembelajaran Mendalam
21 Pertanyaan Wawancara Pembelajaran Mendalam yang Populer
Pertanyaan Wawancara Pembelajaran Mendalam - Edureka?
Fungsi Aktivasi di Jaringan Neural - Dijelaskan
Gradien Hilang dan Meledak - Dijelaskan dengan Jelas?
Bias dan Varians - Dijelaskan dengan sangat jelas?
Mengapa menggunakan ReLU melalui Sigmoid
25 Wawancara Pembelajaran Mendalam untuk menguji pengetahuan Anda
10 Praktik Terbaik Pembelajaran Mendalam yang Perlu Diingat di Tahun 2020

GenAI dan LLM

LoRA Dijelaskan?
RAG v/s Penyempurnaan v/s Rekayasa Cepat?
Cross-encoder vs Bi-encoder : Pembahasan mendalam tentang metode pengkodean teks
RAG 101
Singkatnya, AI Generatif?
Penjelasan mendalam Teori BERT dalam satu video?
Penjelasan mendalam Teori Transformers dalam satu video?
Matematika di balik matriks Perhatian: Kunci, Kueri, dan Nilai?

Desain Sistem Pembelajaran Mesin

Cara Menjawab Pertanyaan Wawancara Desain Sistem Pembelajaran Mesin

Interpretabilitas Pembelajaran Mesin

Empat Pertanyaan tentang Menguraikan Dunia Model Pembelajaran Mesin
Penjelasan Pembelajaran Mesin - Kursus Singkat oleh Kaggle
Nilai SHAP dijelaskan secara sederhana?

Studi Kasus

Studi kasus sangat penting untuk wawancara, berikut adalah beberapa sumber untuk berlatih, pikirkan dulu sebelum melihat solusinya.

Fajar Agregator Taksi
Mengoptimalkan harga produk untuk vendor online
Tip untuk Wawancara Studi Kasus
Prediksi Harga Mercari
Pipa Klasifikasi Teks multikelas ujung ke ujung
Pipa Klasifikasi Gambar multikelas ujung ke ujung
Peramalan Skala Besar untuk 1000+ produk - Nagarro?
Clustering dan Klasifikasi dalam E-Commerce
ABC Belajar Memberi Peringkat
Studi Kasus Ilmu Data: Mengoptimalkan Penempatan Produk di Ritel

NLP

30 Pertanyaan untuk menguji Ilmuwan Data di NLP
11 Pertanyaan Wawancara NLP Paling Umum Ditanyakan Untuk Pemula
Bagaimana mengatasi 90% Masalah NLP
Pertanyaan yang diajukan untuk Peran NLP di Perusahaan
Metode Pencarian Kesamaan Berbasis Vektor (TF-IDF, BM25, SBERT)?
Memahami BERT secara mendetail - salah satu playlist terbaik untuk memahami dasar-dasar dan cara kerja BERT, teriakan keras untuk Chris McCormick?
Penyematan Kata, CBoW, dan Skipgram?
CBoW v/s Skipgram : Pertanyaan Wawancara Ilmu Data?

Wawancara Ilmu Data di FAANG dan Perusahaan Serupa

Masalah Praktik Wawancara Ilmuwan Data Amazon
Pertanyaan dan Jawaban Wawancara Ilmu Data Microsoft
Pertanyaan Pemecahan Masalah untuk wawancara Ilmu Data di Google

Menjadi Ilmuwan Data Rockstar (baca jika Anda punya waktu ekstra)

Mempelajari hal ini pasti akan menambah poin brownies ekstra, jadi jangan lewatkan ini jika Anda punya waktu.

13 Keterampilan Terbaik Untuk Menjadi Ilmuwan Data Rockstar
Pahami 4 konsep ML ini agar terdengar seperti seorang master
12 hal yang saya harap saya ketahui sebelum memulai sebagai Ilmuwan Data
Pahami alur Ilmu Data
Glosarium Ilmu Data Kaggle
Glosarium Pembelajaran Mesin Google
Menjalankan Prediksi ML Anda 50 kali lebih cepat - Hummingbird
3 Kesalahan yang tidak boleh Anda lakukan dalam Wawancara Ilmu Data
Bagaimana menemukan pentingnya Fitur untuk Model BlackBox?

Struktur Data dan Algoritma (Opsional)

Meskipun ini mungkin opsional, namun jangan lewatkan jika Uraian Pekerjaan secara eksplisit meminta hal ini, dan terutama jangan pernah melewatkan ini jika Anda melakukan wawancara di FAANG dan organisasi serupa, atau jika Anda memiliki Latar Belakang CS. Anda tidak harus sebaik seorang SDE dalam hal ini, tapi setidaknya ketahui dasar-dasarnya.

Panduan Ilmuwan Data tentang Struktur dan Algoritma Data
Menangani Pohon dalam Wawancara Algoritma Ilmu Data
Pengantar sederhana tentang Daftar Tertaut untuk Ilmuwan Data
Pemrograman Dinamis untuk Ilmuwan Data
3 Konsep pemrograman untuk Ilmuwan Data
Data Scientist, 5 Algoritma Grafik yang Perlu Anda Ketahui

Rekayasa dan Penempatan

Panduan Awam bagi Ilmuwan Data untuk membuat API dalam hitungan menit
Bawa Model Machine Learning Anda ke Produksi dengan 5 langkah sederhana ini
2 cara untuk menerapkan model ML Anda
Cara menerapkan model Keras sebagai aplikasi web melalui Flask
Bagaimana cara menulis aplikasi Web menggunakan Python sederhana untuk Ilmuwan Data?

Data Besar dan Percikan

55 Pertanyaan Wawancara Apache Spark
10 Pertanyaan yang dapat Anda harapkan dalam Wawancara Spark
Pertanyaan Wawancara Sarang
20 Pertanyaan Wawancara Apache Spark Teratas?
Pertanyaan Wawancara Spark - Seluruh daftar putar?
Daftar Putar luar biasa lainnya untuk Pertanyaan Wawancara Spark?
Kiat praktis PySpark untuk Ilmuwan Data
3 Cara memparalelkan kode Anda menggunakan Spark
Datashader - Mengungkap Struktur Data yang Benar-Benar Besar?
Lightnings Talk : Apa yang harus diketahui tentang Spark-MLlib?
Memecahkan Pengecualian “Container Killed by Yarn Karena Melebihi Batas Memori” di Apache Spark

Beberapa hal menakjubkan tentang Python dan Spark

Anda tidak boleh melewatkan ini jika Anda melakukan wawancara untuk peran Big data.

Meningkatkan kinerja Python dan Spark?
Python Kinerja Tinggi di Spark?
UDF yang divektorkan: Analisis yang Dapat Diskalakan dengan Python dan PySpark?

Pertanyaan Wawancara Umum di Seluruh Spektrum (Video)

Pertanyaan Wawancara Ilmu Data Umum - Edureka
Pertanyaan Wawancara Pembelajaran Mesin Umum - Edureka
5 algoritma teratas yang digunakan dalam Ilmu Data
Pertanyaan Wawancara Ilmu Data Umum - Universitas Analytics
3 jenis Pertanyaan Wawancara Ilmu Data
Pelajaran yang didapat dari pengalaman pahit - Meretas Wawancara Ilmu Data
Bagaimana rasanya Wawancara sebagai Ilmuwan Data
5 Tips untuk mendapatkan Pekerjaan Ilmu Data
8 Algoritma Ilmu Data yang Sering Digunakan
Wawancara Praktis Berbasis Skenario
KNN v/s K Berarti

Pertanyaan Wawancara Umum di Seluruh Spektrum (Membaca)

Panduan Wawancara Ilmu Data
30 Pertanyaan Wawancara Ilmu Data Teratas
35 Pertanyaan Wawancara Ilmu Data Penting
100 Pertanyaan Wawancara Ilmu Data di FAANG
Panduan Wawancara Ilmu Data Paling Komprehensif
41 pertanyaan wawancara ML penting - Springboard
30 hari Persiapan Wawancara Ilmu Data - iNeuron
109 Pertanyaan Wawancara Ilmu Data - Batu Loncatan
Pertanyaan wawancara Ilmu Data yang paling banyak ditanyakan di India - Springboard
Daftar Startup AI di India dan sumber daya untuk mempersiapkan wawancara
5 pertanyaan wawancara untuk memprediksi Data Scientist yang baik
8 cara terbukti untuk meningkatkan akurasi model ML Anda
60 Pertanyaan Wawancara tentang Pembelajaran Mesin - AnalyticsIndiaMag
Daftar Besar Sumber Daya Wawancara DS dan ML
100 Pertanyaan Wawancara Ilmu Data Dasar beserta jawabannya
40 pertanyaan wawancara ditanyakan di Startups dalam Wawancara ML/DS
Pengalaman Wawancara Kerja Ilmu Data/Pembelajaran Mesin Saya : Daftar Pertanyaan DS/ML/DL – Pembelajaran Mesin dalam Tindakan
Bagaimana saya mempersiapkan diri untuk wawancara telepon Ilmu Data di Airbnb
Algoritma ML terbaik untuk masalah regresi
Cara menguasai Wawancara Ilmu Data Secara Langsung
Cara mendapatkan pekerjaan Data Scientist di Airbnb
120 Pertanyaan Wawancara Ilmu Data (dari semua domain)
Memahami Pengorbanan Bias-Varians
Anda memerlukan Cheatsheet ini jika Anda menangani algoritma ML
Bendera Merah dalam Wawancara Ilmu Data
Pandangan Seorang Ilmuwan Data tentang Pertanyaan Wawancara
Apa itu Cross Entropy (Penjelasan Bagus dan Singkat)
Seperti apa profil Data Scientist yang ideal
25 Pertanyaan Menyenangkan untuk wawancara Machine Learning
Cara Mempersiapkan Wawancara Machine Learning
Cara mengembangkan Model Pembelajaran Mesin dari awal
Panduan ujung ke ujung untuk Proyek Pembelajaran Mesin
Klasifikasi v/s Regresi
Harus Mengetahui ukuran matematika untuk Setiap Ilmuwan Data
Dari mana asal kuadrat terkecil?
Regularisasi dalam Pembelajaran Mesin - Dijelaskan