Data science : ce qu’attendent les recruteurs lors d’un entretien
L’entretien est une première étape importante pour obtenir un emploi et c’est d’autant plus vrai dans le domaine de la data science. Voici des conseils pour se préparer aux questions et aux besoins des employeurs.
Qu’ils soient experts ou jeunes diplômés, lors d’un entretien d’embauche, les data scientists doivent réfléchir à la manière de mettre en valeur à la fois leur sens technique et leurs compétences générales auprès des employeurs potentiels. La préparation d’une entrevue dans ce domaine doit commencer par l’examen de l’entreprise cible, des genres de questions qu’elle pourrait poser, et par l’étude des moyens pour mettre en évidence vos points forts.
Les meilleurs data scientists construisent des modèles efficaces, utilisent des techniques appropriées pour différents types de problèmes et élaborent des stratégies pour augmenter les ensembles de données. Ils doivent également être d’excellents communicants dotés d’une intuition commerciale, avoir une présence dans les salles de réunion et être capables de constituer des équipes solides pour les soutenir.
« Il est essentiel de comprendre le rôle des data scientists et ce que l’on attend d’eux avant de commencer le processus d’entretien », déclare Vivek Ravisankar, PDG de HackerRank.
Maintenir de grands ensembles de données propres est la priorité numéro un de nombreux projets de data science. Sachin Gupta, PDG de HackerEarth, recommande aux data scientists de passer en revue leurs points forts dans quatre compétences clés : programmation, statistiques et probabilités, machine learning et analyse des données. Les recruteurs poseront couramment des questions sur ces sujets, comme les suivantes :
Programmation : Étant donné un tableau de nombres aléatoires non triés (décimaux), trouvez la distance interquartile.
Statistiques et probabilités : Disons que vous lancez trois dés, un par un. Quelle est la probabilité que vous obteniez trois nombres dans un ordre strictement croissant ?
Machine learning : Supposons que vous ayez une variable catégorielle avec des milliers de valeurs distinctes. Comment la coder ?
Analyse de données : À partir d’un tableau sur les actions des utilisateurs, écrivez une requête pour connaître la rétention des usagers actifs par mois.
Sachin Gupta recommande de s’entraîner à répondre à des questions de programmation sur différents sujets. Il est aussi utile de se préparer aux interrogations sur la conception de systèmes et au codage lors d’entretiens en binôme avec vos pairs.
« Ainsi, vous serez plus confiant lors de l’entretien final », ajoute-t-il.
Les data scientists en devenir devraient également envisager d’affiner leurs compétences générales, car ils sont amenés à travailler de manière transversale au sein des organisations et doivent savoir communiquer avec leurs collègues. Cela aidera non seulement les candidats à briller lors de l’entrevue, mais aussi à se préparer au poste lui-même.
Avant l’entretien
Un autre aspect est essentiel pour briguer un poste de data scientist. Avant l’entretien, il faut comprendre les motivations de la société qui embauche.
Magda Klimkiewicz, partenaire RH chez Bold LLC, recommande de consulter la page « À propos de nous » du site Web de l’entreprise concernée et de se renseigner sur Glassdoor avant l’entretien. Assurez-vous de lire les valeurs fondamentales, la vision et les énoncés de mission de l’organisation pour avoir un aperçu de ce que l’employeur pourrait rechercher chez les candidats.
« Si vous pouvez prouver aux employeurs que vous comprenez leur activité et leurs besoins en matière de programmation, ils seront à vos pieds pour vous proposer des offres », ajoute-t-elle.
Avant que la procédure d’entretien ne commence, vous devriez examiner les questions spécifiques auxquelles vous pourriez être amené à répondre pour vous préparer au processus de sélection technique. Jen Hsin, responsable de la data science chez SetSail, suggère de lire la description du poste pour identifier le profil spécifique que l’équipe souhaite embaucher.
Certains des profils possibles peuvent inclure des descriptions similaires à celles-ci :
Statisticien/chercheur. Les rôles et responsabilités pourraient mentionner des connaissances d’A/B testing, en test d’hypothèses, en étude d’utilisateurs, etc. Dans ce cas, vous pourriez être interrogé sur la mise en place d’un plan d’expériences, l’estimation de la taille de l’échantillon, le calcul de l’intervalle de confiance et sur le moment où il faut accepter ou rejeter une hypothèse sur la base de statistiques.
Scientifique ML. Une telle fiche de poste peut évoquer la création de modèles de machine learning pour résoudre un problème commercial ou améliorer les caractéristiques d’un produit. On peut vous demander de parler de votre expérience antérieure en ML : Quel problème avez-vous essayé d’élucider avec l’apprentissage automatique ? Quels algorithmes avez-vous évalués et utilisés ? Pourquoi cet algorithme est-il adapté au problème par rapport aux autres options ? Comment mesurez-vous les performances du modèle ? Quel est l’impact du modèle dans la vie réelle ?
Spécialiste du NLP ou de la Computer vision. Les auteurs des offres d’emploi concernées réclament spécifiquement une expérience en traitement de texte ou d’image. Dans ce cas, une familiarité avec les méthodes modernes d’apprentissage profond (Deep Learning) est indispensable. Les questions pourraient être les suivantes : quels sont les nouveaux développements qui vous enthousiasment particulièrement ? Quel nouvel algorithme vient d’être lancé et que vous êtes sur le point d’essayer ? Quels sont selon vous les réseaux de neurones les plus performants actuellement ? Pourquoi ? Peut-on les déployer en entreprise ?
Se préparer à l’entretien
Jennifer Raimone, directrice du service d’orientation professionnelle et de soutien aux étudiants de Metis, recommande de prendre l’habitude d’en savoir plus sur l’entreprise lors du premier entretien téléphonique.
« Il est surprenant de constater que beaucoup de demandeurs d’emploi ont peur de se renseigner sur le déroulement de l’entretien, mais c’est compréhensible, car on ne nous apprend pas vraiment à nous repérer dans ce processus », déclare-t-elle.
Voici quelques bonnes questions à poser lors du premier entretien téléphonique, peu importe la nature du poste :
Quel est le délai pour pourvoir le poste ?
S’agit-il d’un nouveau poste ou d’un remplacement ?
En quoi consiste le processus d’entretien ?
Quel est votre style de communication préféré pour le suivi et les mises à jour ?
Le fait de demander un calendrier prévisionnel vous aidera à mieux planifier votre temps afin de ne pas être surchargé de travail et de pouvoir donner le meilleur de vous-même. Si le poste est pourvu, vous pouvez réfléchir aux compétences à mettre en avant. Se renseigner sur les étapes du processus d’entretien vous permet de vous préparer techniquement, et comprendre le style de communication des recruteurs peut vous servir à gérer vos attentes.
Sean Downes, directeur du Pasayten Institute, recommande de faire un brainstorming sur les types de difficultés auxquelles l’organisation pourrait être confrontée et d’essayer de trouver des solutions concrètes pour des problématiques spécifiques. Par exemple, une entreprise spécialisée dans les réseaux sociaux pourrait chercher des moyens de sélectionner les meilleurs clusters sur un graphique. Une entreprise d’e-commerce pourrait demander de l’aide pour déployer ou améliorer un système de recommandation.
Dans le cadre de votre préparation à cet entretien, vous pouvez rédiger un tableau que vous utiliseriez comme une feuille de formule lors d’un appel téléphonique pour vous rappeler tous les détails importants qui pourraient être perdus dans le feu de la conversation. Il peut également être utile de créer une carte avec des problèmes connexes sur lesquels vous avez travaillé et qui comprennent des détails sur les logiciels, les packages ou les méthodes que vous avez employés, ce qui a fonctionné et ce qui n’a pas fonctionné.
Se préparer à l’examen technique
« Il est bon de réviser sa capacité à rédiger des requêtes SQL complexes, et de se préparer à des exercices de codage simples axés sur le traitement des données et impliquant l’écriture d’un script. »
Rudy ZenChef produit, Fast AF Inc.
Pour l’entretien technique, il est bon de réviser sa capacité à rédiger des requêtes SQL complexes et de se préparer à des exercices de codage simples axés sur le traitement des données et impliquant l’écriture d’un script, explique Rudy Zen, chef de produit chez Fast AF Inc. Ces exercices sont censés refléter les compétences techniques nécessaires pour une journée dans la vie d’un data scientist.
Les exercices peuvent porter sur la façon dont vous traiteriez les agrégations de données par groupe, les fonctions de fenêtrage telles que les classifications, les jointures compliquées et les sous-requêtes. Envisagez de regarder des exemples d’exercices SQL et de les passer en revue ; cela peut être particulièrement efficace pour vous préparer si vous n’utilisez pas SQL régulièrement.
Si SQL demeure un langage de requêtes largement répandu en entreprise, il n’est pas forcément l’outil principal des équipes de data science. Paul Bilodeau, PDG et cofondateur de Filtered.ai, recommande de trouver sur LinkedIn des personnes qui travaillent dans la compagnie pour laquelle vous passez un entretien. Ensuite, jetez un coup d’œil à ce qu’ils ont énuméré comme projets sur lesquels ils travaillent et les outils qu’ils utilisent actuellement.
Vous pouvez également explorer ce qu’ils publient sur Twitter et GitHub, ce qui peut vous aider à savoir quel sujet vous souhaitez examiner.
Lister les types de problèmes sur lesquels le recruteur pourrait travailler s’avère particulièrement intéressant. Par exemple, si vous passez un entretien pour un rôle axé sur l’analyse de données, vous devez connaître la différence entre les distributions statistiques, savoir à quoi elles servent et être capable de les mettre en pratique. Si votre entrevue porte sur un poste orienté vers le machine learning, soyez prêt à expliquer les modèles que vous avez utilisés et à évoquer d’éventuelles difficultés de déploiement.
« La plupart des questions techniques qu’ils se posent sont probablement liées aux sujets sur lesquels ils œuvrent activement », conclut Sean Down.
