E11 - Entrevistas de trabajo de Data Scientist: Cómo prepararse? Qué esperar?

Resumen

El episodio explica cómo prepararse para una entrevista de trabajo como Data Scientist, con foco en Chile pero con referencias a la experiencia en Meta y otras empresas. Los participantes recorren el proceso completo: saber a dónde se postula, dónde buscar, cómo armar el CV, cómo comportarse en la entrevista, las pruebas técnicas, el sueldo y el portafolio. Insisten en que la primera impresión y las habilidades blandas pesan mucho, y en que todo lo que se afirma debe respaldarse con ejemplos reales. Aconsejan adaptar el CV a cada postulación, mostrar el aporte a la empresa (no solo "querer aprender") y hacer siempre preguntas al entrevistador. Para quien cambia de área o no tiene experiencia, recomiendan un portafolio con problemas propios y reales, en lugar de datasets de juguete. Sobre el sueldo, recomiendan conocer el rango de mercado y negociar con un mínimo claro.

Capítulos

• 00:00
  IntroPresentan el tema del episodio y comentan que el proceso depende de la empresa, el país y el nivel (junior, senior, jefatura). Roberto cuenta su proceso con Meta: muy ordenado, con documentación y unas cinco fases (reclutador, screening, entrevista técnica con código, entrevista avanzada, comité y carta oferta); dice que le faltó teoría.
• 09:03
  Sabes a donde uno va a postularLo primero es tener claro a qué se quiere postular; luego el portafolio en GitHub y un listado de proyectos con lo aprendido en cada uno. Distinguen entre grandes empresas (que pueden contratar doctores especializados) y empresas locales, que buscan perfiles multifacéticos. Destacan la primera impresión: buena iluminación, micrófono, fondo ordenado y vestimenta, además de las habilidades blandas y de conectar con el entrevistador.
• 25:31
  Donde buscar y cómo hacer el CVLinkedIn es la plataforma principal, además de grupos de Slack/WhatsApp y referidos; hay que postular rápido porque las publicaciones reciben cientos de CV. El CV debe adaptarse a cada postulación, ser de una página, legible y con datos de contacto copiables. Debe priorizar la experiencia sobre lo académico y expresar resultados e impacto, no solo "modelé un Random Forest". No se deben incluir certificados ni mentir sobre lo que se sabe, porque se detecta fácilmente.
• 37:47
  Estructura de una entrevistaEstructura básica del CV (motivación, experiencia, formación, herramientas) y mínimo esperado de programación (Python, R, SQL, Linux). En la entrevista hay que preparar la presentación, las debilidades y los ejemplos reales; si no se sabe algo, se dice y se muestra capacidad de aprender y pensamiento crítico. Hablan del fit con la empresa y el rol, de hacer siempre preguntas al entrevistador, y de que la motivación debe ser aportar y no solo aprender. Cubren preguntas de habilidades blandas, de errores y aprendizajes, y las pruebas técnicas (en vivo versus tareas para la casa), que dependen del tipo de empresa y área.
• 01:14:26
  Referencias para prepararse para una entrevista de Data ScientistRoberto comparte en el chat tres canales y una página para preparar entrevistas técnicas de Data Science, además de otra plataforma con desafíos gratuitos. Hay que dominar lo básico (Python, R, modelos y su evaluación); comentan una pregunta de ejemplo atribuida a Facebook sobre el número esperado de lanzamientos de un dado para ver las seis caras.
• 01:17:34
  El sueldoExplican que muchas empresas no publican el sueldo por directriz interna, ya que existe un rango mínimo-máximo. Aconsejan dar un rango basado en el mercado, pedir algo más del promedio y no aceptar lo primero si se busca activamente. Comentan que la contratación es un riesgo para la empresa y que no conviene presentar el dinero como motivación principal. También tratan las diferencias entre startups, consultoras, minería/banca y roles senior, y el cambio de área con iniciativa en la propia empresa.
• 01:37:12
  PortafolioRecomiendan proyectos propios que respondan una pregunta real que interese a la persona, en lugar de datasets de juguete como el Titanic. Ejemplos: clasificar comentarios de Metacritic con BERT, analizar el COVID con datos propios, una simulación en Python para el refinado óptimo de ítems en Ragnarok Online y un proyecto de red neuronal con un videojuego.
• 01:44:24
  CierreResumen de consejos: ser la mejor versión de uno mismo, cuidar luz, micrófono y fondo, preparar la presentación y las preguntas con ejemplos concretos, preguntar al entrevistador, construir un portafolio si no hay experiencia, estudiar con material gratuito y no molestarse por la falta de sueldo publicado.

Palabras clave