Ir para o conteúdoIr para a pasta
  • Vagas
  • Empresas
  • Salários
  • Para empresas

      Avance em sua carreira

      Descubra qual pode ser seu salário, conquiste a vaga dos seus sonhos e compartilhe insights de qualidade de vida com sigilo.

      employer cover photo
      employer logo
      employer logo

      Loft

      Empresa engajada

      Sobre
      Avaliações
      Remuneração e benefícios
      Vagas
      Entrevistas
      Entrevistas
      Buscas relacionadas: Avaliações da empresa Loft | Vagas da empresa Loft | Salários da empresa Loft | Benefícios da empresa Loft
      Entrevistas da empresa LoftEntrevistas do cargo de Data Science Manager da empresa LoftEntrevista da empresa Loft


      Glassdoor

      • Sobre
      • Prêmios
      • Blog
      • Fale conosco

      Empresas

      • Conta gratuita de empresa
      • Área da empresa
      • Blog para empresas

      Informações

      • Ajuda
      • Regras da Comunidade
      • Termos de Uso
      • Privacidade e opções de anúncios
      • Não venda nem compartilhe minhas informações
      • Ferramenta de consentimento de uso de cookies

      Trabalhe conosco

      • Anunciantes
      • Carreiras
      Baixe o aplicativo:

      • Busque por:
      • Empresas
      • Vagas
      • Localizações

      Copyright © 2008-2026. Glassdoor LLC. “Glassdoor”, “Worklife Pro”, “Bowls” e o logotipo do Glassdoor são marcas comerciais pertencentes à Glassdoor LLC.

      Empresas seguidas

      Fique por dentro de todas as oportunidades e dicas internas seguindo as empresas de seus sonhos.

      Buscas de vagas

      Comece a buscar vagas para receber atualizações e recomendações personalizadas.

      As melhores empresas na categoria “Remuneração e benefícios” perto de você

      avatar
      The First Group
      4.4★Remuneração e benefícios
      avatar
      Seabreeze Management
      3.5★Remuneração e benefícios
      avatar
      Facility Management Group
      3.5★Remuneração e benefícios

      Entrevista para Data Science Manager

      28 de mar. de 2021
      Candidato(a) sigiloso(a) à entrevista
      Nenhuma oferta
      Experiência neutra
      Entrevista difícil

      Candidatura

      Candidatei-me online. O processo levou 2 semanas. Fui entrevistado pela Loft em mar. de 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.

      Perguntas de entrevista [19]

      Pergunta 1

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

      Pergunta 2

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

      Pergunta 3

      MEA is less sensitive to outliers than MSE?
      Responder à pergunta

      Pergunta 4

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

      Pergunta 5

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

      Pergunta 6

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

      Pergunta 7

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

      Pergunta 8

      KL divergence is a symmetric dissimilarity function between distributions?
      Responder à pergunta

      Pergunta 9

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

      Pergunta 10

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

      Pergunta 11

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

      Pergunta 12

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

      Pergunta 13

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

      Pergunta 14

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

      Pergunta 15

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

      Pergunta 16

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

      Pergunta 17

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

      Pergunta 18

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

      Pergunta 19

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