Proces składa się z 4 etapów:
1) Zgłoszenie
Wejdź na naszą stronę mckinsey.com i sprawdź, kogo aktualnie szukamy. Pamiętaj, aby składając aplikację, załączyć CV w języku angielskim.
2) Zadanie predykcyjne
Po uprzednim ustaleniu dogodnego dla Ciebie terminu startu otrzymasz od nas zadanie predykcyjne. Zostaniesz poproszony/-a o wczytanie dostarczonych przez nas danych, przekształcenie ich, a następnie zbudowanie i ocenę kilku modeli predykcyjnych. Poprosimy Cię o kod w Pythonie lub R realizujący to zadanie, a także o krótki raport komentujący główne Twoje etapy procesu analitycznego wraz z wynikami. Raport może być przygotowany w dogodnym dla Ciebie formacie, np. R Notebooks, Jupyter, edytorze tekstu lub prezentacji. Celem tego etapu jest ocena umiejętności programistycznych oraz zdolności argumentowania podejmowanych decyzji analitycznych. Rozwiązanie nie jest oceniane wyłącznie przez pryzmat zdolności predykcyjnych modeli, a więc np. miara AUC nie jest kluczowym kryterium oceny.
Wskazówki:
- Rozważ udział w konkursie predykcyjnym, np. ze strony www.Kaggle.com. Pamiętaj jednak, że inaczej niż w tych konkursach, kryteria oceny Twojego rozwiązania nie będą ograniczać się do miar poprawności predykcji modelu.
- Programującym w języku R rekomendujemy zapoznanie się z koncepcjami i metodami omawianymi w książce Hadleya Wickhama „Advanced R” z rozdziałów 1-9, 22-24, dostępnej pod adresem: https://adv-r.hadley.nz/. Zastanów się, które z tych koncepcji, mógłbyś wykorzystać w swoim rozwiązaniu – będziemy ciekawi Twoich decyzji analitycznych i uzasadnienia dla nich.
- Programującym w języku Python rekomendujemy rozdziały 2-5 z książki ‘Python Data Science Handbook’ autorstwa Jake’a VanderPlasa ze strony: https://jakevdp.github.io/PythonDataScienceHandbook/.
3) Spotkania rekrutacyjne
Pierwsze dwa wywiady odbywają się ze starszymi data scientistami McKinsey. Celem tych spotkań jest weryfikacja wiedzy i umiejętności analitycznych. W ich trakcie opowiesz o swoich doświadczeniach analitycznych oraz przeprowadzisz data scientista przez swoje rozwiązanie zadania predykcyjnego. Ciekawi będziemy uzasadnień dla podjętych przez Ciebie decyzji analitycznych i z tym związane będą nasze dodatkowe pytania. Będziemy mieli także przygotowane zadania analityczne na sprawdzenie rozumienia modeli z obszaru Machine Learningu, a także regresji liniowej lub logistycznej.
Ostatnia rozmowa odbywa się ze starszym konsultantem McKinsey, posiadającym istotne doświadczenie w realizacji projektów analitycznych i pracy z data scientistami. W jej trakcie opowiesz o swoich doświadczeniach, które stanowiły dla Ciebie wyzwanie i dały Ci wiele satysfakcji.
Rozmowy najczęściej odbywają się za pośrednictwem wideokonferencji w terminach dogodnych dla kandydata/-ki.
Wskazówki:
- Upewnij się przed pierwszym wywiadem, że znasz zagadnienia poruszane w książce autorstwa D. Witten'a, G. James'a, R. Tibshirani'ego i T. Hastie'go „An Introduction to Statistical Learning”. Książka prezentuje przykłady zastosowań metod w języku R, ale znajomość języka R nie jest przez nas wymagana. Książka jest dostępna pod adresem: https://www.statlearning.com.
- Sprawdź, czy znane są Tobie zagadnienia poruszane w kursie Andrew Ng „Machine Learning” , który znajdziesz pod adresem: https://www.coursera.org/learn/machine-learning. Możesz pominąć przedstawione tam przykłady zastosowań metod w języku Octave/Matlab. Najbardziej zależy nam, żebyś rozumiał omawiane tam metody i potrafił o nich swobodnie rozmawiać.
4) Witamy w McKinsey
Po zakończeniu trzeciej rozmowy otrzymasz od nas informację o tym, jak Ci poszło oraz – miejmy nadzieję – propozycję dołączenia do naszego zespołu