Есть ли базы данных или документация для новичков

Что проверяют

Как вы учитесь и как входите в незнакомые данные. Формулировка двусмысленная: интервьюер может спрашивать про ресурсы, по которым вы учились, или про то, как вы разберётесь в данных компании. Следом обычно звучит: «А если документации нет совсем?»

Как отвечать

Уточните, о чём вопрос, и ответьте на обе части коротко.

Про обучение называйте первоисточники и то, что вы с ними делали:

• документация библиотек: User Guide scikit-learn, руководства pandas и PyTorch, документация PostgreSQL по SQL. Они точнее курсов и обновляются вместе с версиями;
• открытые датасеты: Kaggle, OpenML, UCI Machine Learning Repository, Hugging Face Datasets. На них удобно отработать весь цикл от загрузки до валидации модели;
• практика SQL: задачи на оконные функции и агрегации на своей локальной базе, а не только на готовых тренажёрах.

Про данные компании покажите, что знаете, как устроен вход в незнакомое хранилище. Где есть каталог данных (DataHub, OpenMetadata), вы начинаете с него. Где модели собраны в dbt, смотрите dbt docs и граф зависимостей. Где нет ничего, изучаете information_schema, профилируете таблицы, находите владельцев данных и записываете то, что узнали, чтобы следующему новичку было проще.

Сильный ответ заканчивается встречным вопросом: есть ли в команде описание витрин, метрик и источников и кто за них отвечает. Это нормальная часть собеседования, и она многое скажет о зрелости работы с данными в компании.

Где спотыкаются

Перечисляют каналы на YouTube и названия курсов, но не могут сказать, что сделали сами. Интервьюеру важен ваш проект на открытых данных, а не список закладок.

Опираются только на Kaggle. Там данные уже очищены и размечены, а в работе половина времени уходит на выяснение, что значит колонка и откуда в ней пропуски.

Отвечают, что без документации работать невозможно. Ждут другого: что вы сами восстановите смысл данных по запросам, коду пайплайнов и разговорам с коллегами.