Veri Bilimi Mülakat Soruları: İstatistik, SQL, Python ve Modelleme

Veri bilimi mülakatı hangi becerileri yoklar

Veri bilimi mülakatları tek bir sınav değil, birkaç farklı beceriyi sırayla yoklayan bir süreçtir. Aday genellikle şu alanlarda sınanır: istatistik ve olasılık, SQL ile veri çekme, Python ve veri işleme, makine öğrenmesi temelleri, bir iş problemini veriyle çözme (vaka) ve kendi projesini anlatma.

Pozisyona göre ağırlık değişir. Analiz ağırlıklı rollerde SQL, istatistik ve iletişim öne çıkar. Model geliştirme ağırlıklı rollerde makine öğrenmesi, değerlendirme ölçütleri ve özellik mühendisliği daha fazla sorulur. Her birinde ortak olan şudur: mülakatçı yalnızca doğru cevabı değil, problemi nasıl çerçevelediğinizi, varsayımlarınızı ve sonuçları iş diline nasıl çevirdiğinizi izler.

İyi hazırlık iki şeyi birleştirir. Birincisi kavramları kendi cümlelerinizle açıklayabilmek, ikincisi bunları gerçek bir veriyle uygulamış olmaktır. Salt tanım bilen ama hiç veri temizlememiş birini mülakatçılar çabuk ayırt eder. Bu yüzden çalışmaya küçük bir veri setinde baştan sona bir analiz yapmakla başlamak, kavram listesi ezberlemekten daha değerlidir.

İstatistik ve olasılık soruları

İstatistik soruları genellikle kavramı doğru ve sezgisel anlatmanızı bekler. Sık gelenler ve cevap mantıkları:

Ortalama ve medyan arasındaki fark nedir, hangisi ne zaman tercih edilir? Ortalama tüm değerlerin dengesini, medyan sıralanmış verinin ortasını gösterir. Aşırı uç değerler ortalamayı çekerken medyanı pek etkilemez; bu yüzden gelir gibi çarpık dağılımlarda medyan daha temsilcidir.

Standart sapma neyi ölçer? Değerlerin ortalama etrafında ne kadar yayıldığını. İki grubun ortalaması aynı olsa da yayılımları çok farklı olabilir.

p-değeri nedir? Sıfır hipotezi doğruysa, gözlenen sonucun ya da daha uç bir sonucun görülme olasılığıdır. Yaygın yanlış yorum, p-değerini hipotezin doğru olma olasılığı sanmaktır; mülakatta bu ayrımı belirtmek sizi öne çıkarır.

Korelasyon nedensellik midir? Hayır. İki değişken birlikte hareket edebilir ama üçüncü bir etken ikisini birden etkiliyor olabilir. Nedensellik için kontrollü deney gerekir.

A/B testinde neye dikkat edilir? Grupların rastgele atanması, örneklem büyüklüğünün baştan planlanması, testi erken bitirmemek ve tek ölçüt yerine birden çok metrik izlemek. Bir test sonucunu yorumlarken istatistiksel anlamlılığın iş açısından anlamlı olduğu anlamına gelmediğini de ekleyin.

Bu sorularda formül ezberlemekten çok, kavramın iş problemindeki karşılığını örnekle anlatmak değerlendirilir.

SQL ve Python ile veri işleme soruları

Veri bilimci adaylarına neredeyse her mülakatta SQL sorulur, çünkü veri genellikle bir veritabanından çekilir. Tipik sorular: iki tabloyu birleştirmek (JOIN türleri), gruplayıp özetlemek (GROUP BY ve HAVING), pencere fonksiyonlarıyla sıralama ve önceki satırla karşılaştırma, tekrar eden kayıtları bulmak ve NULL değerleri yönetmek. Cevap verirken önce sorguyu mantığıyla anlatıp sonra yazmak, doğrudan yazmaktan daha güçlüdür.

Python tarafında pandas ile veri işleme sorulur: bir veri setini yüklemek, eksik değerleri ele almak, gruplayıp özetlemek, iki tabloyu birleştirmek, tarih işlemleri ve aykırı değer tespiti. Beklenen, tek tek işlevleri bilmekten çok, bir veri kalitesi sorununu fark edip uygun adımı seçmektir.

Hangi tür eksik değerle karşılaşıldığı kritik bir sorudur: değeri silmek, ortalama ya da medyanla doldurmak, bir göstergeye çevirmek veya modelin işleyebileceği biçimde bırakmak, verinin yapısına ve eksikliğin nedenine bağlıdır. Mülakatçı "hangisini seçerdiniz" diye sorduğunda, her seçeneğin sonuçlara etkisini anlatmak doğru yaklaşımdır.

Küçük bir alıştırma örneği: bir müşteri tablosunda her müşterinin son siparişini bulmak. pandas'ta veriyi tarihe göre sıralayıp müşteriye göre grupladıktan sonra her gruptan son kaydı almak yeterlidir.

son_siparisler = (siparisler .sort_values('tarih') .groupby('musteri_kodu') .tail(adet_bir))

Burada adet_bir, her gruptan tek kayıt alınacağını belirten bir değişkendir. Aynı işi SQL'de pencere fonksiyonuyla sıralayıp ilk satırı seçerek yaparsınız.

Makine öğrenmesi temelleri: değerlendirme ve tuzaklar

Makine öğrenmesi soruları yöntem listesinden çok, modelin neden güvenilir ya da güvensiz olduğu üzerinedir.

Aşırı öğrenme (overfitting) nedir? Modelin eğitim verisini ezberleyip yeni veride kötü performans göstermesidir. Belirtisi, eğitim başarısının yüksek, doğrulama başarısının belirgin biçimde düşük olmasıdır. Çözümler: daha fazla veri, daha basit model, düzenlileştirme (regularization), çapraz doğrulama ve erken durdurma.

Eğitim, doğrulama ve test verisi neden ayrılır? Eğitim modeli kurar, doğrulama ayar yapmak için kullanılır, test ise model tamamlandıktan sonra bağımsız bir son ölçüm verir. Test verisine bakarak ayar yapmak, sonucun fazla iyimser çıkmasına yol açar.

Veri sızıntısı nedir? Tahmin anında bilinmeyecek bilginin eğitimde kullanılmasıdır. Örneğin sonuçtan türetilmiş bir sütunun modele girmesi, modeli göz boyayıcı biçimde başarılı gösterir. Mülakatlarda en çok takdir edilen cevaplardan biri sızıntıyı bilinçli aramaktır.

Doğruluk (accuracy) neden her zaman yeterli değildir? Sınıflar dengesiz olduğunda, örneğin nadir bir olayı tahmin ederken, her şeye "olmayacak" diyen model yüksek doğruluk alabilir. Bu yüzden kesinlik (precision) ve duyarlılık (recall) birlikte düşünülür.

Kesinlik, hatalı pozitifleri; duyarlılık ise kaçırılan pozitifleri cezalandırır. Hangisinin önemli olduğu iş problemine bağlıdır: sahtecilik tespitinde kaçırılan vakalar, istenmeyen e-posta ayıklamada hatalı alarmlar daha maliyetli olabilir.

Vaka soruları ve proje anlatımı

Vaka soruları, bir iş problemini veriyle nasıl çözeceğinizi konuşmanızı ister. Örnek: "bir e-ticaret şirketinde müşteri kaybını nasıl azaltırsınız" ya da "bir kampanyanın işe yarayıp yaramadığını nasıl anlarsınız". Tek bir doğru cevap yoktur; değerlendirilen, düşünce yapınızdır.

İşe yarayan çerçeve şudur: önce problemi netleştirin ve başarı ölçütünü sorun, sonra gereken veriyi ve olası kısıtları söyleyin, yöntemi ve varsayımlarınızı açıklayın, sonuçları nasıl sınayacağınızı belirtin ve sonunda sonucun hangi iş kararına dönüşeceğini anlatın. Sürekli soru sormak çekingenlik değil, gerçek bir veri bilimcinin alışkanlığıdır.

Proje anlatımı ise mülakatın en kişisel bölümüdür. Kendi projenizde sorulacak tipik sorular: sorun neydi, veri nerede ve nasıldı, hangi yöntemi neden seçtiniz, sonucu nasıl doğruladınız, ne yanlış gitti, tekrar yapsanız neyi değiştirirdiniz. En güçlü cevaplar başarıyı değil, karşılaştığınız sorunu ve onu nasıl çözdüğünüzü öne çıkaranlardır.

Teknik olmayan paydaşlara sonuç anlatmak da ayrı bir yoklama konusudur. Bir sonucu yüzdeler ve katsayılarla değil, iş kararı diliyle anlatabilmek, rolün önemli bir parçası olarak görülür. Hazırlanırken bir projenizi kısa ve sade bir özetle anlatma alıştırması yapın.

Hazırlık planı ve sık yapılan hatalar

Hazırlığı şu eksenlerde yürütün: kavram, kod ve anlatım. Kavram için temel istatistik ve makine öğrenmesi tanımlarını kendi cümlelerinizle yazın. Kod için SQL ve pandas alıştırmalarını gerçek veri setlerinde çözün. Anlatım için projenizi sesli ve sade anlatmaya alışın.

Sık yapılan hatalar:

• Algoritma listesi ezberlemek ama ne zaman hangisinin seçileceğini bilmemek.
• Doğruluk dışındaki ölçütleri atlamak: sınıf dengesizliğini ve hata maliyetini hesaba katmamak.
• Veri sızıntısını ve doğrulama ayrımını bilmemek: bu iki konu mülakatın en çok sınanan kısmıdır.
• SQL'i hafife almak: birçok aday modelleme çalışıp temel sorgu sorularında zorlanır.
• Sonucu yalnızca teknik dille anlatmak: iş kararına bağlamamak.
• Projede kendi payını belirsiz bırakmak: hangi bölümü sizin yaptığınızı açıkça söyleyin.
• Bilmediği bir şeyi uydurmak: dürüstçe bilmediğinizi söyleyip nasıl öğreneceğinizi anlatmak daha iyi sonuç verir.

Yeni mezun ya da kariyer değiştiren adaylarda en etkili hazırlık, kendi seçtiğiniz bir veri setiyle baştan sona bir çalışma yapıp onu savunabilmektir. Mülakatçı, ezberlenmiş cevaplardan çok, bir sorunu gerçekten çözmüş birinin ayrıntı hissini arar.

Bu beceriyi Mindset programlarında nerede çalışırsınız

Data Science Uzmanlığı Sertifika Programı; istatistik, Python, Pandas, SQL, makine öğrenmesi ve bir capstone proje workshopu başlıklarını içerir. Mülakatın ana eksenleri olan istatistik, SQL, Python ve model değerlendirme bu başlıklarla birebir örtüşür. Veri Bilimi Sertifika Programı Python ve araçlardan model değerlendirmeye uzanan bir akış sunar; Data Science Bootcamp ise Python ve veri edinimi tarafını işler. Proje anlatımı için capstone türü bir çalışma, mülakatta anlatacak somut bir iş sağlar.