Data ScientistVorstellungsgespräch Antworten

Ich beginne mit der Problemformulierung — welche Entscheidung soll das Modell unterstützen, und ist ML überhaupt das richtige Werkzeug? Ich analysiere die Daten, verstehe Verteilungen, gehe mit fehlenden Werten um und entwickle Features, die durch Domänenwissen informiert sind. Zuerst wähle ich ein Baseline-Modell (immer einfach anfangen), dann probiere ich komplexere Ansätze aus. Ich validiere rigoros — mittels Cross-Validation, mit einem zurückgehaltenen Testdatensatz und durch Evaluierung mit für das Problem passenden Metriken (nicht nur Accuracy). Schließlich berücksichtige ich das Deployment: Wie werden Vorhersagen konsumiert und wie wird die Modellleistung über die Zeit überwacht?

Zuerst wähle ich geeignete Evaluationsmetriken — Accuracy ist bei unbalancierten Klassen nutzlos. Ich nutze Precision, Recall, F1, AUC-ROC oder Precision-Recall AUC, abhängig von den Kosten von False Positives vs. False Negatives. Auf der Datenseite verwende ich SMOTE zum Oversampling, Undersampling der Mehrheitsklasse oder Klassen-Gewichtung im Modell. Ich experimentiere auch mit der Anpassung des Schwellenwerts — der Standard-Schwellenwert von 0.5 ist nicht immer optimal. Ich bewerte, welcher Ansatz am besten funktioniert, durch cross-validierte Experimente.

Bias (Verzerrung) ist Fehler durch zu vereinfachende Annahmen — Underfitting. Ein Modell mit hohem Bias macht unabhängig von den Trainingsdaten ähnliche falsche Vorhersagen. Varianz ist Fehler durch Überanpassung an Rauschen in den Trainingsdaten — es performt gut auf den Trainingsdaten, aber schlecht auf neuen Daten. Der Kompromiss besteht darin, dass die Verringerung des Bias (komplexere Modelle) die Varianz erhöht und umgekehrt. Regularisierung (L1/L2), Cross-Validation und Ensemble-Methoden sind Werkzeuge, um diesen Kompromiss zu steuern. In der Praxis beginne ich einfach, messe Trainings- gegen Validierungsfehler und erhöhe die Komplexität nur, wenn es Hinweise auf Underfitting gibt.

Feature Engineering hat oft größeren Einfluss als die Modellauswahl. Ich beginne mit Domänenwissen — welche Variablen würde ein Fachexperte als prädiktiv einschätzen? Dann untersuche ich die Daten: Verteilungen, Korrelationen und mögliche Interaktionseffekte. Ich erstelle Features wie verzögerte (lagged) Variablen für Zeitreihen, Interaktionsterme, Polynom-Features für nichtlineare Beziehungen und kodierte Repräsentationen für kategorische Variablen. Ich prüfe den Beitrag jedes Features anhand von Feature-Importance-Plots und Ablationsstudien — Features, die kein Signal liefern, sollten entfernt werden, um Overfitting zu reduzieren.

Ich übersetze Modellkennzahlen in geschäftliche Auswirkungen. Statt "das Modell hat eine AUC von 0.82" sage ich: "Wenn wir dieses Modell zur Priorisierung unserer Ansprache verwenden, würden wir 80% der abwanderungsgefährdeten Kunden identifizieren, während wir nur 30% unserer Basis kontaktieren — damit sparen wir dem Team X Stunden und gewinnen schätzungsweise Y an Umsatz zurück." Ich nutze Visualisierungen — Konfusionsmatrizen in verständlicher Sprache, Lift-Charts, SHAP-Plots zur Erklärbarkeit. Ich nenne immer Unsicherheiten und Einschränkungen. Entscheidungsträger müssen dem Modell vertrauen, nicht es nur verwenden.

Ich habe Deep Learning für NLP (BERT, Fine-Tuning von Transformern zur Textklassifikation), Computer Vision (CNNs zur Bildklassifikation) und Zeitreihenprognose (LSTMs, temporal convolutional networks) angewendet. Ich nutze PyTorch und TensorFlow/Keras. Ich kenne mich auch mit Transfer Learning aus und weiß, wann Deep Learning nicht angebracht ist — bei begrenzten Daten übertreffen einfachere Modelle oft neuronale Netze. Ich halte mich durch Papers (ArXiv), fast.ai und die Implementierung neuer Architekturen in persönlichen Projekten auf dem Laufenden.

Ich beginne damit, die geschützten Merkmale im Kontext zu verstehen und prüfe auf Verzerrungen in den Trainingsdaten — historische Daten spiegeln oft historische Diskriminierung wider. Ich verwende geeignete Fairness-Metriken (equalized odds, demografische Parität, individual fairness) und akzeptiere, dass verschiedene Fairness-Kriterien sich mathematisch widersprechen können. Ich führe Disparate-Impact-Analysen über demografische Gruppen durch und dokumentiere die Ergebnisse. Bei risikoreichen Anwendungen binde ich außerdem Ethiker und Domänenexperten ein. Bias in Modellen ist ein Geschäfts- und Ethikrisiko und kein rein technisches Problem.

Ich habe Modelle als REST-APIs (FastAPI, Flask) deployed, containerisiert mit Docker und orchestriert mit Kubernetes. Ich nutze MLflow für Experiment-Tracking und Model Registry. Ich habe Monitoring-Pipelines gebaut, um Data Drift (mit Evidently, Great Expectations) und Leistungseinbußen des Modells über die Zeit zu erkennen. Ich schreibe Unit-Tests für Datenpipelines und Model-Inferenzfunktionen und behandle Modellcode nach denselben Engineering-Standards wie Anwendungs-Code. Deployment ist der Punkt, an dem die meisten ML-Projekte Erfolg oder Misserfolg erleben.