Passa al contenutoPassa al piè di pagina
  • Lavori
  • Aziende
  • Stipendi
  • Per le aziende

      Migliora la tua carriera

      Scopri le tue potenzialità di guadagno, trova lavori da sogno e condividi approfondimenti su lavoro e vita privata in forma anonima.

      employer cover photo
      employer logo
      employer logo

      Loft

      Azienda coinvolta

      Circa
      Recensioni
      Stipendi e benefit
      Lavori
      Colloqui
      Colloqui
      Ricerche correlate: Recensioni su Loft | Offerte di lavoro di Loft | Stipendi di Loft | Benefit di Loft
      Colloqui di LoftColloqui per Data Science Manager presso LoftColloquio di Loft


      Glassdoor

      • Chi siamo
      • Contattaci

      Aziende

      • Account Business gratuito
      • Spazio per le aziende
      • Blog per le aziende

      Informazioni

      • Aiuto
      • Linee guida
      • Condizioni d'uso
      • Privacy e scelte pubblicitarie
      • Non vendere né condividere le mie informazioni
      • Strumento per l'accettazione dei cookie

      Lavora con noi

      • Inserzionisti
      • Carriere
      Scarica l'app

      • Cerca:
      • Aziende
      • Lavori
      • Località

      Copyright © 2008-2026. Glassdoor LLC. "Glassdoor," "Worklife Pro," "Bowls" e il relativo logo sono marchi registrati di Glassdoor LLC.

      Aziende seguite

      Non lasciarti sfuggire opportunità e informazioni privilegiate seguendo le aziende dove vorresti lavorare.

      Ricerche di lavoro

      Ricevi suggerimenti e aggiornamenti personalizzati avviando le tue ricerche.

      Colloquio per Data Science Manager

      28 mar 2021
      Candidato anonimo a colloquio
      Nessuna offerta
      Esperienza neutra
      Colloquio difficile

      Candidatura

      Ho presentato la mia candidatura online. La procedura ha richiesto 2 settimane. Ho sostenuto un colloquio presso Loft nel mese di mar 2021

      Colloquio

      Primeira etapa é uma entrevista pt-br no estilo ask me anything com um gestor de data science Segunda etapa é uma série de perguntas de múltipla escolha sobre machine learning A terceira etapa seria um desafio aberto de código para desenvolver um modelo de machine learning A primeira entrevista é bem legal e dá pra conhecer melhor a estrutura de data science da Loft. Eu cheguei até a segunda etapa, com uma nota entre 60%-70%. A segunda etapa não é inclusiva e realmente não visa a diversidade, da maneira como a Loft se propõe. A segunda etapa consiste de 40 perguntas para responder em 30 minutos na plataforma Codility. Ou seja, pra cada questão você tem menos de um minuto pra responder. Se você dedicar 1 minuto para responder cada pergunta e acertar todas que você respondeu, sua nota máxima será de 75%. As perguntas são mais voltadas para um ambiente acadêmico sobre coisas que raramente você precisará usar na indústria. Portanto, se você terminou o mestrado ou doutorado há um tempo e tem mais ênfase e experiência na indústria, as perguntas podem ser tornar capciosas. A Loft é uma empresa brasileira, e hoje, só atua no mercado de São Paulo e Rio de Janeiro. No entanto, as perguntas do Codility foram todas em inglês. Se você domina machine learning num contexto acadêmico brasileiro, mas não tem domínio dos conceitos também em inglês, então você será passado para trás. Se você quiser muito passar da segunda etapa, sugiro que você tenha um bom domínio do inglês e tenha saído recentemente de um mestrado ou doutorado no exterior com um ótimo conhecimento acadêmico. Outra alternativa é fazer o questionário em dupla ou trio com alguns amigos nerds sem experiência na indústria que ainda estejam num mestrado ou doutorado relacionado machine learning.

      Domande di colloquio [19]

      Domanda 1

      What are the criteria for an OLS to be Blue Linear Unbiased Estimator?
      Rispondi alla domanda

      Domanda 2

      In Regularized Linear Regression, if the practioner desires a sparse parameter vector, is L2 regularization preferable over L1 regularization?
      Rispondi alla domanda

      Domanda 3

      MEA is less sensitive to outliers than MSE?
      Rispondi alla domanda

      Domanda 4

      If we multiply all probas by 2, the area under ROC curve will be divided by 2?
      Rispondi alla domanda

      Domanda 5

      Computation of the silhouette coefficient scales well, since its time complexity is O(n)?
      Rispondi alla domanda

      Domanda 6

      DBSCAN assumes densely packed samples balong to the same cluster?
      Rispondi alla domanda

      Domanda 7

      Bayesian linear regression, putting informative priors on the weights can be see as a form of regularisation?
      Rispondi alla domanda

      Domanda 8

      KL divergence is a symmetric dissimilarity function between distributions?
      Rispondi alla domanda

      Domanda 9

      The entropy of a Normal(0,1) distribution is larger than the entropy of a normal(0, 10) distribution?
      Rispondi alla domanda

      Domanda 10

      For an SVM with polynomial kernel, reducing the degree of polynomial can prevent underfitting?
      Rispondi alla domanda

      Domanda 11

      K-means is a special case of Gaussian Mixture Model with a diagonal and constant covariance matrix?
      Rispondi alla domanda

      Domanda 12

      An autoencoder with one hidden layer and linear activations is equivalent to PCA?
      Rispondi alla domanda

      Domanda 13

      Comparated to OLS, GLM can assume different erro distributions, such as Poisson?
      Rispondi alla domanda

      Domanda 14

      t-SNE is a dimensionality reduction algorithm based on matrix factorization?
      Rispondi alla domanda

      Domanda 15

      Convolutional and Max-pooling layers help NN be translation invariant?
      Rispondi alla domanda

      Domanda 16

      The VC-dimension of a KNN k=1 is larger than that of any linear regression?
      Rispondi alla domanda

      Domanda 17

      In reinforcement learning, an epsion-greedy policy with constant epsilon will have linear regret?
      Rispondi alla domanda

      Domanda 18

      For a convex loss, stochastic gradient descent is likely to take less iterations to converge than gradient descent?
      Rispondi alla domanda

      Domanda 19

      The predictions of a Decision Tree fitted using the L1 loss are taken by the mean of its leaves?
      Rispondi alla domanda
      1