Ir al contenidoIr al pie de página
  • Empleos
  • Empresas
  • Sueldos
  • Para empresas

      Impulsa tu carrera profesional

      Averigua cuánto podrías ganar, encuentra el empleo perfecto y comparte información sobre tu vida laboral y personal de forma anónima.

      employer cover photo
      employer logo
      employer logo

      Loft

      Empresa activa

      Información
      Opiniones
      Sueldos y beneficios
      Empleos
      Entrevistas
      Entrevistas
      Búsquedas relacionadas: Opiniones sobre Loft | Ofertas de empleos en Loft | Sueldos en Loft | Beneficios en Loft
      Entrevistas de LoftEntrevistas para el puesto de Data Science Manager en LoftEntrevista de Loft


      Glassdoor

      • Acerca de
      • Premios
      • Blog
      • Contacto

      Empresas

      • Cuenta gratuita de empresa
      • Centro de empresas

      Información

      • Ayuda
      • Normas
      • Condiciones de uso
      • Privacidad y opciones de anuncios
      • No vender ni compartir mi información
      • Herramienta de consentimiento de cookies

      Trabaja con nosotros

      • Anunciantes
      • Empleo
      Descargar aplicación

      • Buscar por:
      • Empresas
      • Empleos
      • Ubicaciones

      Copyright © 2008-2026. Glassdoor LLC. «Glassdoor», «Worklife Pro», «Bowls» y sus logotipos son marcas comerciales registradas de Glassdoor LLC.

      Empresas seguidas

      Sigue a tus empresas favoritas para estar al tanto de las últimas oportunidades y disponer de información de primera mano.

      Búsquedas de empleo

      Recibe recomendaciones y actualizaciones personalizadas al iniciar tu búsqueda.

      Las mejores empresas en cuanto a «Remuneración y beneficios» cerca de ti

      avatar
      The First Group
      4.4★Remuneración y beneficios
      avatar
      Flex Living
      4.0★Remuneración y beneficios

      Entrevista de Data Science Manager

      28 mar 2021
      Candidato de entrevista anónimo
      Sin oferta
      Experiencia neutra
      Entrevista difícil

      Solicitud

      Envié una solicitud electrónica. El proceso duró 2 semanas. Acudí a una entrevista en Loft en mar 2021

      Entrevista

      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.

      Preguntas de entrevista [19]

      Pregunta 1

      What are the criteria for an OLS to be Blue Linear Unbiased Estimator?
      Responder pregunta

      Pregunta 2

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

      Pregunta 3

      MEA is less sensitive to outliers than MSE?
      Responder pregunta

      Pregunta 4

      If we multiply all probas by 2, the area under ROC curve will be divided by 2?
      Responder pregunta

      Pregunta 5

      Computation of the silhouette coefficient scales well, since its time complexity is O(n)?
      Responder pregunta

      Pregunta 6

      DBSCAN assumes densely packed samples balong to the same cluster?
      Responder pregunta

      Pregunta 7

      Bayesian linear regression, putting informative priors on the weights can be see as a form of regularisation?
      Responder pregunta

      Pregunta 8

      KL divergence is a symmetric dissimilarity function between distributions?
      Responder pregunta

      Pregunta 9

      The entropy of a Normal(0,1) distribution is larger than the entropy of a normal(0, 10) distribution?
      Responder pregunta

      Pregunta 10

      For an SVM with polynomial kernel, reducing the degree of polynomial can prevent underfitting?
      Responder pregunta

      Pregunta 11

      K-means is a special case of Gaussian Mixture Model with a diagonal and constant covariance matrix?
      Responder pregunta

      Pregunta 12

      An autoencoder with one hidden layer and linear activations is equivalent to PCA?
      Responder pregunta

      Pregunta 13

      Comparated to OLS, GLM can assume different erro distributions, such as Poisson?
      Responder pregunta

      Pregunta 14

      t-SNE is a dimensionality reduction algorithm based on matrix factorization?
      Responder pregunta

      Pregunta 15

      Convolutional and Max-pooling layers help NN be translation invariant?
      Responder pregunta

      Pregunta 16

      The VC-dimension of a KNN k=1 is larger than that of any linear regression?
      Responder pregunta

      Pregunta 17

      In reinforcement learning, an epsion-greedy policy with constant epsilon will have linear regret?
      Responder pregunta

      Pregunta 18

      For a convex loss, stochastic gradient descent is likely to take less iterations to converge than gradient descent?
      Responder pregunta

      Pregunta 19

      The predictions of a Decision Tree fitted using the L1 loss are taken by the mean of its leaves?
      Responder pregunta
      1