คอร์สสัมภาษณ์ Data Science

สัมภาษณ์ Data Science รวมสถิติ การเขียนโปรแกรม SQL Machine Learning และการตัดสินใจทางธุรกิจ ต้องอธิบายแนวคิด เขียนโค้ด อ่านเมตริก และแก้เคส เริ่มจากสถิติ แล้ว Python และ pandas SQL Machine Learning สุดท้ายเมตริกผลิตภัณฑ์และ A/B testing อธิบาย p-value และ confidence interval เขียน pandas join ตาราง SQL อธิบาย precision recall และออกแบบการทดลอง คอร์สนี้แบ่งห้าบทเรียนพร้อมข้อสอบต้นฉบับ 60 ข้อ

คำถามสถิติวัดความเข้าใจความไม่แน่นอนและการสรุปข้อมูล p-value คือความน่าจะเป็นของข้อมูลสุดขีดภายใต้สมมติฐานว่าง Confidence interval ให้ช่วงของค่าพารามิเตอร์ ค่าเบี่ยงเบนมาตรฐานวัดการกระจาย และมัธยฐานทนค่าผิดปกติ ความสัมพันธ์ไม่พิสูจน์เหตุผล การทดสอบทั่วไป t-test สองกลุ่ม chi-square ANOVA Poisson จำลองการนับและ Bayes ปรับความน่าจะเป็น อธิบายด้วยนิยามและตัวอย่าง

สัมภาษณ์มักรวมการเขียนโค้ด pandas และ SQL ใน pandas มี read_csv head describe dropna fillna groupby merge value_counts apply NumPy ให้อาร์เรย์และ Matplotlib วาดกราฟ ใน SQL มี WHERE GROUP BY HAVING ORDER BY LIMIT join และฟังก์ชันรวม ฝึกเขียนให้คล่อง

คำถาม Machine Learning ครอบคลุม supervised กับ unsupervised การประเมิน และอัลกอริทึม Logistic regression จำแนก Linear regression ทำนาย K-means จัดกลุ่ม Overfitting ลดด้วยความลึก pruning regularization Cross-validation ประเมินหลายชุด Precision recall F1 สำคัญกับข้อมูลไม่สมดุล อธิบายอัลกอริทึมและข้อแลกเปลี่ยนให้ชัด

เคสผลิตภัณฑ์ให้นิยามปัญหา เลือกเมตริก ออกแบบการทดลอง และตัดสินใจ Conversion rate retention churn คือเมตริกหลัก Cohort analysis ติดตามกลุ่ม A/B testing เปรียบเทียบกลุ่มควบคุมและทดลอง Null hypothesis ถือว่าไม่มีผลและ p-value ต่ำบ่งชี้หลักฐาน คิดอย่างมีโครงสร้าง เป้าหมาย ประชากร เมตริก ขนาดตัวอย่าง และการตัดสินใจ