डेटा साइंटिस्ट का इंटरव्यू चुपचाप टेक की सबसे चौड़ी अग्निपरीक्षाओं में से एक बन चुका है। आप शानदार मॉडलर हो सकते हैं और फिर भी एक SQL विंडो फंक्शन पर डूब सकते हैं, या कोडिंग में कमाल कर सकते हैं और उसी पल लड़खड़ा सकते हैं जब इंटरव्यूअर पूछे कि आपका A/B टेस्ट नतीजा फॉल्स पॉजिटिव क्यों हो सकता है। 2026 में मानदंड एल्गोरिदम रटने का कम, और यह साबित करने का ज़्यादा है कि आप एक उलझे हुए बिज़नेस सवाल से चलकर एक ऐसे आंकड़े तक पहुंच सकते हैं जिसे आप सही ठहरा सकें।
2026 में डेटा साइंटिस्ट इंटरव्यू असल में क्या परखते हैं
हायरिंग मैनेजर ऐसा कोई इंसान नहीं ढूंढ रहे जो ग्रेडिएंट डिसेंट का फॉर्मूला सुना दे। उन्हें ऐसा व्यक्ति चाहिए जिसे वे कोई अस्पष्ट सवाल थमा सकें (“क्या इस फीचर से रिटेंशन बढ़ा?”) और भरोसा कर सकें कि वह उसका दायरा तय करेगा, डेटा निकालेगा, कोई ठोस तरीका चुनेगा, अनिश्चितता को नापेगा, और नतीजा बिना जार्गन के समझा देगा।
यह रोल दो हिस्सों में बंट चुका है। कुछ “डेटा साइंटिस्ट” टाइटल असल में एनालिटिक्स के रोल हैं, जिनमें SQL, कॉज़ल इन्फरेंस और स्टेकहोल्डर से बातचीत का वज़न ज़्यादा है। कुछ अप्लाइड मशीन लर्निंग के ज़्यादा करीब हैं, जिनमें मॉडलिंग और प्रोडक्शन भारी पड़ते हैं। जॉब डिस्क्रिप्शन को बाज़ की नज़र से पढ़िए, क्योंकि दोनों ट्रैक अपने राउंड को अलग-अलग वज़न देते हैं। दोनों में एक्सपेरिमेंट डिज़ाइन पर ज़ोर एक जैसा है (A/B टेस्टिंग अब बुनियादी शर्त है), लार्ज लैंग्वेज मॉडल की सीमाओं के साथ सहजता, और किसी नतीजे पर भरोसा करने से पहले उसकी मोटी जांच करने की आदत।
इंटरव्यू प्रोसेस
ज़्यादातर डेटा साइंस लूप चार से छह चरणों के होते हैं, और अलग-अलग आकार की कंपनियों में भी हैरान करने वाली हद तक एक जैसे रहते हैं।
- रिक्रूटर स्क्रीन। बुनियादी बातें, सैलरी रेंज, और कुछ “अपने किसी प्रोजेक्ट के बारे में बताइए” वाले सवाल। दांव कम है, पर वे यह जांच लेते हैं कि आप टेक्निकल काम को सीधी भाषा में समझा सकते हैं।
- टेक्निकल स्क्रीन (SQL और/या कोडिंग)। आमतौर पर किसी शेयर्ड एडिटर पर। मीडियम से एडवांस्ड SQL की उम्मीद रखिए (join, विंडो फंक्शन, एग्रीगेशन) और अक्सर pandas या बेसिक एल्गोरिदम वाला एक Python सवाल। कुछ टीमें इसकी जगह टेक-होम देती हैं।
- स्टैटिस्टिक्स और मशीन लर्निंग राउंड। प्रोबेबिलिटी, इन्फरेंस, A/B टेस्टिंग और बायस-वेरिएंस ट्रेडऑफ पर सैद्धांतिक गहराई, साथ में व्यावहारिक मॉडलिंग फैसले। यहीं उथली जानकारी सबसे जल्दी पकड़ी जाती है।
- केस स्टडी या प्रोडक्ट राउंड। कोई खुला बिज़नेस सवाल (“इस फीचर की सफलता आप कैसे नापेंगे?”)। उन्हें आपका ढांचा, मेट्रिक्स और मान्यताएं चाहिए, कोई एक सही जवाब नहीं।
- बिहेवियरल और स्टेकहोल्डर राउंड। अक्सर किसी क्रॉस-फंक्शनल पार्टनर के साथ, जो सहयोग, अस्पष्टता, और यह टटोलता है कि आप नतीजे गैर-टेक्निकल लोगों को कैसे बताते हैं।
सीनियर और स्टाफ लूप में सिस्टम या ML डिज़ाइन जुड़ जाता है (“एक रेकमेंडेशन पाइपलाइन डिज़ाइन कीजिए”) और असर तथा प्राथमिकता तय करने पर गहरा फोकस रहता है।
सवाल
डेटा साइंटिस्ट को सच में मिलने वाले सवाल, राउंड के हिसाब से बांटे हुए, हर एक के साथ एक छोटी सी टिप कि उसे कैसे संभालें।
SQL और कोडिंग
1. हर डिपार्टमेंट में दूसरी सबसे ऊंची सैलरी निकालिए।
कैसे करें: कोई विंडो फंक्शन उठाइए (DENSE_RANK() , डिपार्टमेंट से पार्टिशन किया हुआ), न कि कोई भद्दी नेस्टेड सबक्वेरी। बताइए कि आपने DENSE_RANK क्यों चुना और RANK या ROW_NUMBERक्यों नहीं, क्योंकि टाई ही असली जाल हैं।
2. रोज़ाना के रेवेन्यू का रनिंग टोटल निकालिए, साथ में 7-दिन का मूविंग एवरेज।
कैसे करें: SUM() OVER (ORDER BY date) और AVG() OVER (... ROWS BETWEEN 6 PRECEDING AND CURRENT ROW)। फ्रेम क्लॉज़ बोलकर समझाइए, क्योंकि ज़्यादातर कैंडिडेट विंडो की सीमाएं गलत कर देते हैं।
3. यूज़र इवेंट की एक टेबल दी गई है, day-1 और day-7 रिटेंशन निकालिए। कैसे करें: सेल्फ-join कीजिए या हर यूज़र की पहली बार दिखने वाली तारीख से डेट डिफरेंस लीजिए। पहले परिभाषा साफ कीजिए: “ठीक सातवें दिन लौटा” और “सातवें दिन तक लौटा” दो अलग क्वेरी हैं।
स्टैटिस्टिक्स और एक्सपेरिमेंटेशन
4. किसी गैर-टेक्निकल स्टेकहोल्डर को p-value समझाइए। कैसे करें: किताबी परिभाषा छोड़ दीजिए। यह आज़माइए: “अगर फीचर ने सच में कुछ नहीं किया होता, तो p-value यह बताता है कि सिर्फ इत्तेफाक से इतना मजबूत नतीजा दिखने की कितनी संभावना थी।” फिर जोड़िए कि इसका मतलब क्या नहीं है (यह इस बात की संभावना नहीं है कि हाइपोथीसिस सही है)।
5. हमने एक A/B टेस्ट चलाया, 3 दिन में ही सिग्निफिकेंस आ गया, क्या हम शिप कर दें? कैसे करें: यह पीकिंग और नॉवेल्टी इफेक्ट का जाल है। बताइए कि जल्दी रोक देने से फॉल्स-पॉजिटिव रेट बढ़ जाता है, कि सैंपल साइज़ पहले से तय किया जाता है, और शुरुआती यूज़र आम स्थिर आबादी से अलग बर्ताव करते हैं।
6. बायस-वेरिएंस ट्रेडऑफ क्या है, और व्यवहार में यह कैसे दिखता है? कैसे करें: दोनों को परिभाषित कीजिए, फिर ज़मीन पर उतारिए। एक गहरा ट्री ओवरफिट करता है (हाई वेरिएंस), नॉन-लीनियर डेटा पर एक लीनियर मॉडल अंडरफिट करता है (हाई बायस)। इसे रेगुलराइज़ेशन या क्रॉस-वैलिडेशन जैसे किसी उपाय से जोड़िए।
7. अपने नतीजों में Simpson's paradox को आप कैसे पकड़ेंगे और कैसे संभालेंगे? कैसे करें: समझाइए कि कुल मिलाकर दिखने वाला ट्रेंड सबग्रुप के भीतर उलट सकता है, फिर कहिए कि आप कन्फाउंडिंग वेरिएबल के हिसाब से सेगमेंट करेंगे और देखेंगे कि रिश्ता टिकता है या नहीं।
8. आपके मॉडल का ऑफलाइन AUC शानदार है पर ऑनलाइन कन्वर्ज़न हिला ही नहीं। क्या हुआ? कैसे करें: आम मुजरिमों को एक-एक करके देखिए: ट्रेन-सर्व स्क्यू, कोई लीक करता फीचर, गलत तरह से चुना गया ऑफलाइन मेट्रिक, या कोई प्रोडक्ट सरफेस जो स्कोर को नज़रअंदाज़ कर रहा हो। यहां एक अंदाज़े के बजाय ढांचे वाली डिबगिंग को नंबर मिलते हैं।
मशीन लर्निंग और मॉडलिंग
9. बुरी तरह असंतुलित क्लासिफिकेशन समस्या (1% पॉजिटिव) को आप कैसे संभालते हैं? कैसे करें: सीधे SMOTE पर मत कूदिए। मेट्रिक से शुरू कीजिए (प्रिसीजन-रिकॉल, एक्युरेसी नहीं), फिर क्लास वेट और थ्रेशोल्ड ट्यूनिंग, और उसके बाद ही रीसैंपलिंग। फॉल्स नेगेटिव बनाम फॉल्स पॉजिटिव की बिज़नेस लागत ही चुनाव तय करनी चाहिए।
10. चर्न मॉडल के लिए लॉजिस्टिक रिग्रेशन और ग्रेडिएंट-बूस्टेड ट्री में से आप कैसे चुनेंगे? कैसे करें: इसे इंटरप्रेटेबिलिटी और स्टेकहोल्डर की जरूरत बनाम कच्चे परफॉर्मेंस के रूप में रखिए, साथ में डेटा का आकार और फीचर इंटरैक्शन। मजबूत जवाब पहले सरल मॉडल से बेसलाइन बनाते हैं।
11. पाइपलाइन में डेटा लीकेज को आप कैसे रोकते हैं? कैसे करें: ठोस लीक गिनाइए (स्प्लिट से पहले स्केलर फिट करना, भविष्य की जानकारी इस्तेमाल करना, नतीजे के बाद बने फीचर से टारगेट लीकेज)। कहिए कि आप ट्रांसफॉर्मेशन क्रॉस-वैलिडेशन फोल्ड के भीतर फिट करते हैं।
12. डेटा साइंस वर्कफ्लो में आप LLM का इस्तेमाल कब करेंगे, और उसके जोखिम क्या हैं? कैसे करें: यह 2026 का पक्का सवाल है। अच्छे इस्तेमाल: एक्सट्रैक्शन, टेक्स्ट क्लासिफिकेशन, ड्राफ्टिंग। जोखिम: हैलुसिनेशन, लागत, लेटेंसी, और वहां भी इसे ठूंस देने का लालच जहां एक सस्ता क्लासिफायर काफी होता। जोश नहीं, समझ दिखाइए।
केस स्टडी और प्रोडक्ट
13. एक नया “बाद के लिए सेव करें” फीचर सफल है या नहीं, यह आप कैसे नापेंगे? कैसे करें: मकसद साफ कीजिए, एक प्राइमरी मेट्रिक और गार्डरेल सुझाइए (एंगेजमेंट बढ़ा, पर क्या खरीद या चर्न पर असर पड़ा?), और एक एक्सपेरिमेंट का खाका बताइए। यहां चतुराई नहीं, ढांचा जीतता है।
14. पिछले हफ्ते डेली एक्टिव यूज़र 8% गिर गए। आप जांच कैसे करेंगे? कैसे करें: व्यवस्थित तरीके से सेगमेंट कीजिए (प्लेटफॉर्म, इलाका, नए बनाम पुराने यूज़र, कोई रिलीज़ डेट) और असली गिरावट को लॉगिंग बग से अलग कीजिए। अपनी सोच की हर शाखा बोलकर बताइए; वे आपकी डायग्नोस्टिक प्रक्रिया को नंबर दे रहे हैं।
बिहेवियरल
15. मुझे ऐसा कोई मौका बताइए जब आपके एनालिसिस ने कोई प्रोडक्ट फैसला बदल दिया हो। कैसे करें: कसा हुआ हालात-कदम-नतीजा ढांचा इस्तेमाल कीजिए, असर को आंकड़ों में बताइए, और इस पर ज़ोर दीजिए कि आपने उसे कैसे समझाकर सबका समर्थन जुटाया।
16. कोई ऐसा प्रोजेक्ट बताइए जहां डेटा उम्मीद से कहीं ज़्यादा गंदा निकला। कैसे करें: अस्पष्टता में अपनी समझ दिखाइए: आपने क्या साफ किया, क्या छोड़ दिया, और सीमाओं के बारे में ईमानदारी से क्या बताया।
वे आम गलतियां जो डेटा साइंटिस्ट कैंडिडेट को डुबो देती हैं
- सवाल साफ किए बिना सीधे मॉडल पर कूद जाना। केस राउंड का सबसे मजबूत संकेत दायरा तय करना है। जो कैंडिडेट पूछते हैं “यहां सफलता का मतलब क्या है?” वे उनसे बेहतर करते हैं जो तुरंत XGBoost सुझा देते हैं।
- इस्तेमाल बताए बिना परिभाषाएं सुना देना। p-value की परिभाषा कोई भी दे सकता है। कम लोग उसे किसी PM को समझा पाते हैं और फिर बता पाते हैं कि उसका मतलब क्या नहीं है। दूसरा हिस्सा ही फर्क पैदा करता है।
- डेटा क्वालिटी और लीकेज को नज़रअंदाज़ करना। इंटरव्यूअर गंदे डेटा और लीकेज के जाल जानबूझकर बिछाते हैं, और उन्हें न पकड़ पाना अनुभव की कमी लगता है।
- बेसलाइन को ज़रूरत से ज़्यादा जटिल बनाना। जहां लॉजिस्टिक रिग्रेशन काफी हो वहां न्यूरल नेटवर्क उठाना कमज़ोर समझ का संकेत है। पहले सरल बेसलाइन बताइए।
- अनिश्चितता को ठीक से न बता पाना। बिना कॉन्फिडेंस इंटरवल या चेतावनी वाला एक अकेला आंकड़ा सीनियर लूप में फेल होने का सबसे तेज़ रास्ता है।
तैयारी कैसे करें (और लाइव कोपायलट कहां काम आता है)
पहले बुनियाद बनाइए, फिर दबाव में ड्रिल कीजिए। SQL विंडो फंक्शन और join तब तक रटिए जब तक वे अपने आप न आने लगें, क्योंकि वह राउंड शुद्ध रफ्तार का है। कोर स्टैटिस्टिक्स (हाइपोथीसिस टेस्टिंग, सेंट्रल लिमिट थ्योरम, A/B टेस्ट की मैकेनिक्स) दोबारा खुद से निकालिए ताकि आप उन्हें सिर्फ सुना नहीं, सिखा भी सकें। बिहेवियरल राउंड के लिए तीन या चार प्रोजेक्ट का एक चलता हुआ दस्तावेज़ रखिए, जिनमें नतीजे आंकड़ों में हों। फिर किसी ऐसे व्यक्ति के साथ बोलकर मॉक इंटरव्यू कीजिए जो आपको बीच में टोके, क्योंकि टोकाटाकी के बीच सोचते हुए बोलना ही असली हुनर है जिसे परखा जा रहा है।
ज़्यादातर कैंडिडेट को जो खाई महसूस होती है वह आराम से विषय जानने और किसी अजनबी के सामने ब्लिंक करते कर्सर को देखते हुए उसे याद कर पाने के बीच की है। यहीं एक लाइव कोपायलट अपनी जगह बनाता है। GhostPilot इंटरव्यू का ऑडियो सुनता है और रियल टाइम में ढांचे वाले सुझाव सामने रखता है: SQL सवाल आते ही सही विंडो-फंक्शन पैटर्न, या प्रोडक्ट केस के लिए एक साफ फ्रेमवर्क। यह Chrome साइड पैनल में चलता है, इसलिए जब आप कोई एक ब्राउज़र टैब शेयर करते हैं तो यह कैप्चर होने वाली चीज़ों का हिस्सा नहीं होता, और वैकल्पिक Windows डेस्कटॉप ऐप Windows 10 (बिल्ड 2004 या उसके बाद) और Windows 11 पर स्क्रीन कैप्चर में दिखता ही नहीं। ठीक से इस्तेमाल करने पर यह आपको पढ़ने के लिए स्क्रिप्ट देने के बजाय ढांचे में बनाए रखता है, क्योंकि रटे-रटाए अंदाज़ में पढ़ना ही वह चीज़ है जो कोई पैनी नज़र वाला इंटरव्यूअर तुरंत पकड़ लेता है। यह कैसे काम करता है, ghostpilotai.com पर देखिए।
FAQ
डेटा साइंटिस्ट इंटरव्यू में कौन से सवाल पूछे जाते हैं? SQL (join, विंडो फंक्शन, रिटेंशन क्वेरी), स्टैटिस्टिक्स और A/B टेस्टिंग, मशीन लर्निंग के सिद्धांत (बायस-वेरिएंस, असंतुलित डेटा, लीकेज), खुले प्रोडक्ट केस, और बिहेवियरल सवालों का मिश्रण। वज़न इस बात पर निर्भर करता है कि रोल एनालिटिक्स की तरफ झुका है या अप्लाइड ML की तरफ।
2026 में डेटा साइंटिस्ट इंटरव्यू की तैयारी कैसे करें? SQL तब तक ड्रिल कीजिए जब तक वह रिफ्लेक्स न बन जाए, कोर स्टैटिस्टिक्स दोबारा खुद से निकालिए ताकि आप उन्हें सरल भाषा में समझा सकें, आंकड़ों वाली तीन या चार प्रोजेक्ट स्टोरी तैयार कीजिए, और केस स्टडी बोलकर प्रैक्टिस कीजिए। इस साल एक्सपेरिमेंट डिज़ाइन और अनिश्चितता को साफ-साफ बताना सबसे ज़्यादा मायने रखता है।
क्या डेटा साइंस इंटरव्यू के लिए SQL अब भी अहम है? बिल्कुल। डेटा साइंस लूप में SQL सबसे लगातार परखा जाने वाला हुनर है और आमतौर पर शुरुआती छंटनी वाला राउंड होता है। मीडियम से एडवांस्ड SQL, खासकर विंडो फंक्शन, अपेक्षित हैं।
डेटा साइंस के केस स्टडी इंटरव्यू कितने कठिन होते हैं? कठिन ठीक इसीलिए कि कोई एक सही जवाब नहीं होता। इनमें ढांचे को नंबर मिलते हैं: मकसद साफ करना, समझदारी भरे मेट्रिक और गार्डरेल चुनना, मान्यताएं बताना, और एक एक्सपेरिमेंट सुझाना। किसी चतुर मॉडल से ज़्यादा साफ तर्क काम आता है।
क्या अब डेटा साइंटिस्ट से लार्ज लैंग्वेज मॉडल के बारे में पूछा जाता है? हां, और लगातार ज़्यादा। उम्मीद कीजिए कि पूछा जाएगा कि LLM कब सही टूल है, आप उसके आउटपुट का मूल्यांकन कैसे करेंगे, और जोखिम क्या हैं (हैलुसिनेशन, लागत, लेटेंसी)। जोश दिखाने से कहीं बेहतर संतुलित समझ है।
GhostPilot AI आजमाएं
डेटा साइंस इंटरव्यू SQL, स्टैटिस्टिक्स, मॉडलिंग और खुले प्रोडक्ट तर्क तक फैले होते हैं, दबाव में संभालने के लिए काफी कुछ। GhostPilot आपको एक रियल-टाइम जाल देता है जो बोलते आप ही हैं, पर आपके जवाब ढांचे में बनाए रखता है। 10 मिनट के लाइव सेशन और अनलिमिटेड AI जवाबों के साथ फ्री शुरू कीजिए, $29 में Session Pass लीजिए (तीन पूरे दो-घंटे के इंटरव्यू, एकमुश्त, कोई सब्सक्रिप्शन नहीं), या $59/माह या $192/साल ($16/माह, सालाना बिलिंग पर) में Pro लीजिए।