Experiencia de entrevista de Deloitte | Conjunto 3 (perfil de ciencias de datos en el campus)

Deloitte visitó el IIT esta temporada de colocación para contratar consultores en Data Sciences Profile.

Ronda 1
En primer lugar, se realizó una prueba en línea (120 minutos de duración) que constaba de preguntas sobre Cuantitativo (30), Aptitud (30), Verbal (30) y Probabilidad y Estadística (30). Si te has preparado bien, esto no será muy difícil. Sin embargo, asegúrese de estudiar temas como prueba de hipótesis, ANOVA e inferencia estadística para descifrar la última sección, en la que se centró en las estadísticas.
De 900 estudiantes, 35 fueron preseleccionados y mantuvieron una lista de espera de 15 estudiantes. Luego, tuvimos un PPT en línea en el que los entrevistadores nos guiaron a través de las diversas etapas de la entrevista.

A continuación, hubo 3 rondas de entrevistas.

Entrevista de recursos humanos

Mi primera ronda de entrevistas fue solo de recursos humanos y fue tomada por el director del equipo de análisis y el equipo de actuarios y fue más como una conversación. Primero se presentaron y me pidieron que hiciera lo mismo. Luego, me pidieron que les guiara a través del CV.

• ¿Qué hiciste en tu tercer año de pasante? ¿Cuál es el aspecto comercial de esto?
• Explique un poco en detalle las diferentes soluciones que utilizó para esto y también díganos por qué las rechazó.
• ¿Qué quieres hacer en el futuro? ¿Gerenciales o técnicos? Le dije que quiero ser Data Scientist y no Data Analyst, me preguntó la diferencia
• Le pregunté si todavía le gusta hacer lo que hace después de pasar tanto tiempo en la industria. ¿Cómo cambian las prioridades después de 15 años?

 Entrevista técnica

El entrevistador era un tipo muy agradable y me preguntó cómo puedo lucir tan fresco durante las colocaciones y bromeé sobre ser guapo por naturaleza.

• Echó un vistazo a mi CV y ​​preguntó qué bosque de regresión es. ¿Cómo lo implementas?
• ¿Se le preguntó qué tipo de conjuntos de datos usamos y cómo los obtuvimos?
• ¿Cuál fue el problema principal con este conjunto de datos y cómo lo superamos? Respondí reducción de dimensionalidad y lo acompañé a través de la serie de pasos que tomé.
•  Dado un conjunto de datos donde todos los puntos de datos parecen correlacionados negativamente, pero en realidad son conjuntos de puntos de diferentes fuentes, que están correlacionados positivamente. ¿Cómo explicas esto?
• Le dije que esa es la base del bosque de regresión. En el supuesto de regresión IID, ¿cómo traer estacionariedad en series de tiempo?
• ¿Qué otras formas de llevar la estacionariedad? Respondí tomando registro, diferencia de primer orden, porcentaje, etc.
• Para lanzar un producto al mercado, ¿qué conjuntos de datos le gustaría obtener? ¿Qué mercados analizar?
• Sobre la canibalización de productos, ¿por qué Apple lanzó el iPad para eliminar el iPod?
• Sobre la autocanibalización del producto.

Entrevista técnica -2 
Era un alumno del IIT de mi departamento.

• Diferencia entre OLS y MLE.
• Diferentes métricas utilizadas para estimar el tamaño de los pesos.
• Serie de pasos para la reducción de la dimensionalidad. Respondí lo mismo que antes. Pero luego me pidió que ideara un enfoque completamente diferente para esto. Dije trazando gráficos en redes neuronales artificiales, ¿cómo encontramos pesos, por qué agregamos sesgo?
• Una pequeña charla sobre retropropagación.
• ¿La función de límite estricto del perceptrón es implementable, por qué? ¿Por qué no?
• ¿Cuál es el beneficio de usar una función sigmoidea para la función de límite estricto?
• ¿Por qué no usamos una línea inclinada por partes si queremos ajustar el umbral? ¿Por qué usar un sigmoide?
• Derive los pesos de la regresión lineal simple usando solo una variable
• Idioma preferido preguntado. Escriba código para implementar un cambio en el tamaño de una array en R. Usé un subconjunto, aplíquelo con un bucle for. Usó un paquete dplyr.
• Para prepararse, tome cursos en línea de Coursera (Andrew NG, ML) y edX (Analytics edge). Siga AnalyticsVidhya y r-bloggers y siga su página de curva de aprendizaje.

Finalmente seleccionaron a 4 personas de las 35 y yo fui una de ellas. Último consejo, aunque Deloitte no pidió algoritmos, la mayoría de las empresas lo hacen. Entonces, haga algo de codificación y algoritmos de geekforgeeks y Hackerrank. En general, fue una buena experiencia, ¡y memorable también!

Si le gusta GeeksforGeeks y le gustaría contribuir, también puede escribir un artículo y enviarlo por correo electrónico a contribuya@geeksforgeeks.org. Vea su artículo que aparece en la página principal de GeeksforGeeks y ayude a otros Geeks.

Escriba comentarios si encuentra algo incorrecto o si desea compartir más información sobre el tema tratado anteriormente.