Search test library by skills or roles
⌘ K

About the test:

Der Data Science Assessment-Test bewertet die Kenntnisse eines Kandidaten in Statistiken, Wahrscheinlichkeit, linearen und nichtlinearen Regressionsmodellen und deren Fähigkeit, Daten zu analysieren und Python/ R zu nutzen, um Erkenntnisse aus den Daten zu extrahieren.

Covered skills:

  • Techniken für maschinelles Lernen
  • Analytik mit R oder Python
  • Datenmanipulation
  • Regressionsanalyse
  • Vorhersagemodellierung
  • Datenvisualisierung
  • Explorationsdatenanalyse
  • Statistiken
  • Datenbereinigung

9 reasons why
9 reasons why

Adaface Data Science Test is the most accurate way to shortlist Datenwissenschaftlers



Reason #1

Tests for on-the-job skills

The Data Science Assessment Test helps recruiters and hiring managers identify qualified candidates from a pool of resumes, and helps in taking objective hiring decisions. It reduces the administrative overhead of interviewing too many candidates and saves time by filtering out unqualified candidates at the first step of the hiring process.

The test screens for the following skills that hiring managers look for in candidates:

  • Fähigkeit, Wahrscheinlichkeitskonzepte und Prinzipien in der Datenanalyse anzuwenden
  • Fähigkeit zur Analyse und Interpretation statistischer Daten
  • Fähigkeit zur Implementierung von Algorithmen und Techniken für maschinelles Lernen
  • Fähigkeit, Daten effektiv zu visualisieren und zu präsentieren
  • Fähigkeit zur Durchführung von Datenanalysen und -untersuchungen mit R oder Python
  • Fähigkeit, Daten effizient zu manipulieren und zu transformieren
  • Fähigkeit, statistische Konzepte in der Regressionsanalyse zu verstehen und anzuwenden
  • Fähigkeit, Daten zur Analyse zu reinigen und vorzuproben
  • Fähigkeit, Prädiktive Modelle für verschiedene Datenszenarien zu entwickeln
Reason #2

No trick questions

no trick questions

Traditional assessment tools use trick questions and puzzles for the screening, which creates a lot of frustration among candidates about having to go through irrelevant screening assessments.

View sample questions

The main reason we started Adaface is that traditional pre-employment assessment platforms are not a fair way for companies to evaluate candidates. At Adaface, our mission is to help companies find great candidates by assessing on-the-job skills required for a role.

Why we started Adaface
Reason #3

Non-googleable questions

We have a very high focus on the quality of questions that test for on-the-job skills. Every question is non-googleable and we have a very high bar for the level of subject matter experts we onboard to create these questions. We have crawlers to check if any of the questions are leaked online. If/ when a question gets leaked, we get an alert. We change the question for you & let you know.

How we design questions

Dies sind nur ein kleines Beispiel aus unserer Bibliothek mit mehr als 10.000 Fragen. Die tatsächlichen Fragen dazu Data Science Assessment Test wird nichtgänger sein.

🧐 Question

Medium

Amazon electronics product feedback
Solve
Amazon's electronics store division has over the last few months focused on getting customer feedback on their products, and marking them as safe/ unsafe. Their data science team has used decision trees for this. 
The training set has these features: product ID, data, summary of feedback, detailed feedback and a binary safe/unsafe tag. During training, the data science team dropped any feedback records with missing features. The test set has a few records with missing "detailed feedback" field. What would you recommend?
A: Remove the test samples with missing detailed feedback text fields
B: Generate synthetic data to fill in missing fields
C: Use an algorithm that handles missing data better than decision trees
D: Fill in the missing detailed feedback text field with the summary of feedback field.

Easy

Fraud detection model
Logistic Regression
Solve
Your friend T-Rex is working on a logistic regression model for a bank, for a fraud detection usecase. The accuracy of the model is 98%. T-Rex's manager's concern is that 85% of fraud cases are not being recognized by the model. Which of the following will surely help the model recognize more than 15% of fraud cases?

Medium

Rox's decision tree classifier
Decision Tree Classifier
Solve
Your data science intern Rox was asked to create a decision tree classifier with 12 input variables. The tree used 7 of the 12 variables, and was 5 levels deep. Few nodes of the tree contain 3 data points. The area under the curve (AUC) is 0.86. As Rox's mentor, what is your interpretation?
A. The AUC is high, and the small nodes are all very pure- the model looks accurate.
B. The tree might be overfitting- try fitting shallower trees and using an ensemble method.
C. The AUC is high, so overall the model is accurate. It might not be well-calibrated, because the small nodes will give poor estimates of probability.
D. The tree did not split on all the input variables. We need a larger data set to get a more accurate model.

Easy

Gradient descent optimization
Gradient Descent
Solve
You are working on a regression problem using a simple neural network. You want to optimize the model's weights using gradient descent with different learning rate schedules. Consider the following pseudo code for training the neural network:
 image
Which of the following learning rate schedules would most likely result in the fastest convergence without overshooting the optimal weights?

A: Constant learning rate of 0.01
B: Exponential decay with initial learning rate of 0.1 and decay rate of 0.99
C: Exponential decay with initial learning rate of 0.01 and decay rate of 0.99
D: Step decay with initial learning rate of 0.1 and decay rate of 0.5 every 100 epochs
E: Step decay with initial learning rate of 0.01 and decay rate of 0.5 every 100 epochs
F: Constant learning rate of 0.1

Medium

Less complex decision tree model
Model Complexity
Overfitting
Solve
You are given a dataset to solve a classification problem using a decision tree algorithm. You are concerned about overfitting and decide to implement pruning to control the model's complexity. Consider the following pseudo code for creating the decision tree model:
 image
Which of the following combinations of parameters would result in a less complex decision tree model, reducing the risk of overfitting?

A: max_depth=5, min_samples_split=2, min_samples_leaf=1
B: max_depth=None, min_samples_split=5, min_samples_leaf=5
C: max_depth=3, min_samples_split=2, min_samples_leaf=1
D: max_depth=None, min_samples_split=2, min_samples_leaf=1
E: max_depth=3, min_samples_split=10, min_samples_leaf=10
F; max_depth=5, min_samples_split=5, min_samples_leaf=5

Easy

n-gram generator
Solve
Our newest machine learning developer want to write a function to calculate the n-gram of any text. An N-gram means a sequence of N words. So for example, "black cats" is a 2-gram, "saw black cats" is a 3-gram etc. The 2-gram of the sentence "the big bad wolf fell down" would be [["the", "big"], ["big", "bad"], ["bad", "wolf"], ["wolf", "fell"], ["fell", "down"]]. Can you help them select the correct function for the same?
 image

Easy

Recommendation System Selection
Recommender Systems
Collaborative Filtering
Content-Based Filtering
Solve
You are tasked with building a recommendation system for a newly launched e-commerce website. Given that the website is new, there is not much user interaction data available. Also, the items in the catalog have rich descriptions. Based on these requirements, which type of recommendation system approach would be the most suitable for this task?

Easy

Sensitivity and Specificity
Confusion Matrix
Model Evaluation
Solve
You have trained a supervised learning model to classify customer reviews as either "positive" or "negative" based on a dataset with 10,000 samples and 35 features, including the review text, reviewer's name, and rating. The dataset is split into a 7,000-sample training set and a 3,000-sample test set.

After training the model, you evaluate its performance using a confusion matrix on the test set, which shows the following results:
 image
Based on the confusion matrix, what are the sensitivity and specificity of the model?

Medium

Green or red balls
Solve
A bag contains 5 red balls, 6 yellow balls and 3 green balls. If two balls are picked at random, what is the probability that both are red or both are green in colour?

Hard

Square points and Circle
Solve
What is the probability that two uniformly random points in the square are such that center of the square lies in the circle formed by taking the points as diameter

Easy

Frequency distribution
Solve
Convert the following into an ordinary frequency distribution:

- 5 users gave less than 3 rating
- 12 users gave less than 6 rating
- 25 users gave less than 9 ratings
- 33 users get less than 12 ratings
 image
🧐 Question🔧 Skill

Medium

Amazon electronics product feedback

2 mins

Data Science
Solve

Easy

Fraud detection model
Logistic Regression

2 mins

Data Science
Solve

Medium

Rox's decision tree classifier
Decision Tree Classifier

2 mins

Data Science
Solve

Easy

Gradient descent optimization
Gradient Descent

2 mins

Machine Learning
Solve

Medium

Less complex decision tree model
Model Complexity
Overfitting

2 mins

Machine Learning
Solve

Easy

n-gram generator

2 mins

Machine Learning
Solve

Easy

Recommendation System Selection
Recommender Systems
Collaborative Filtering
Content-Based Filtering

2 mins

Machine Learning
Solve

Easy

Sensitivity and Specificity
Confusion Matrix
Model Evaluation

2 mins

Machine Learning
Solve

Medium

Green or red balls

2 mins

Probability
Solve

Hard

Square points and Circle

3 mins

Probability
Solve

Easy

Frequency distribution

3 mins

Statistics
Solve
🧐 Question🔧 Skill💪 Difficulty⌛ Time
Amazon electronics product feedback
Data Science
Medium2 mins
Solve
Fraud detection model
Logistic Regression
Data Science
Easy2 mins
Solve
Rox's decision tree classifier
Decision Tree Classifier
Data Science
Medium2 mins
Solve
Gradient descent optimization
Gradient Descent
Machine Learning
Easy2 mins
Solve
Less complex decision tree model
Model Complexity
Overfitting
Machine Learning
Medium2 mins
Solve
n-gram generator
Machine Learning
Easy2 mins
Solve
Recommendation System Selection
Recommender Systems
Collaborative Filtering
Content-Based Filtering
Machine Learning
Easy2 mins
Solve
Sensitivity and Specificity
Confusion Matrix
Model Evaluation
Machine Learning
Easy2 mins
Solve
Green or red balls
Probability
Medium2 mins
Solve
Square points and Circle
Probability
Hard3 mins
Solve
Frequency distribution
Statistics
Easy3 mins
Solve
Reason #4

1200+ customers in 75 countries

customers in 75 countries
Brandon

Mit Adaface konnten wir unseren ersten Screening -Prozess um über 75%optimieren und die wertvolle Zeit sowohl für Einstellungsmanager als auch für unser Talentakquisitionsteam gleichermaßen freien!


Brandon Lee, Leiter der Menschen, Love, Bonito

Reason #5

Designed for elimination, not selection

The most important thing while implementing the pre-employment Data Science Assessment Test in your hiring process is that it is an elimination tool, not a selection tool. In other words: you want to use the test to eliminate the candidates who do poorly on the test, not to select the candidates who come out at the top. While they are super valuable, pre-employment tests do not paint the entire picture of a candidate’s abilities, knowledge, and motivations. Multiple easy questions are more predictive of a candidate's ability than fewer hard questions. Harder questions are often "trick" based questions, which do not provide any meaningful signal about the candidate's skillset.

Science behind Adaface tests
Reason #6

1 click candidate invites

Email invites: You can send candidates an email invite to the Data Science Assessment Test from your dashboard by entering their email address.

Public link: You can create a public link for each test that you can share with candidates.

API or integrations: You can invite candidates directly from your ATS by using our pre-built integrations with popular ATS systems or building a custom integration with your in-house ATS.

invite candidates
Reason #7

Detailed scorecards & benchmarks

Reason #8

High completion rate

Adaface tests are conversational, low-stress, and take just 25-40 mins to complete.

This is why Adaface has the highest test-completion rate (86%), which is more than 2x better than traditional assessments.

test completion rate
Reason #9

Advanced Proctoring


Learn more

About the Data Science Online Test

Why you should use Pre-employment Data Science Assessment Test?

The Data Science Assessment Test makes use of scenario-based questions to test for on-the-job skills as opposed to theoretical knowledge, ensuring that candidates who do well on this screening test have the relavant skills. The questions are designed to covered following on-the-job aspects:

  • Nachweisen Sie ein starkes Verständnis der Wahrscheinlichkeitstheorie und ihrer Anwendungen in der Datenwissenschaft.
  • Wenden Sie statistische Konzepte und Techniken an, um Daten zu analysieren und zu interpretieren.
  • Verwenden Sie Algorithmen und Modelle für maschinelles Lernen, um reale Probleme zu lösen.
  • Erstellen Sie visuell ansprechende Datenvisualisierungen, um Erkenntnisse effektiv zu kommunizieren.
  • Verwenden Sie R- oder Python -Programmiersprachen für Datenanalysen und Manipulationen.
  • Führen Sie eine umfassende explorative Datenanalyse durch, um Erkenntnisse zu gewinnen und Muster zu identifizieren.
  • Demonstrieren Sie Kenntnisse in Datenmanipulationstechniken zum Reinigen und Vorverfaktionen.
  • Anwenden Sie eine Regressionsanalyse an, um Vorhersagemodelle zu entwickeln und genaue Vorhersagen zu treffen.
  • Besitzen Sie fortgeschrittene Fähigkeiten in der Datenreinigung, um die Datenqualität und -integrität sicherzustellen.
  • Nutzen Sie Vorhersagemodellierungstechniken zur Treffen datengesteuerter Entscheidungen.

Once the test is sent to a candidate, the candidate receives a link in email to take the test. For each candidate, you will receive a detailed report with skills breakdown and benchmarks to shortlist the top candidates from your pool.

What topics are covered in the Data Science Assessment Test?

  • Techniken für maschinelles Lernen:

    Techniken für maschinelles Lernen beziehen sich auf die Algorithmen und Methoden, mit denen Modelle trainieren, die automatisch lernen und sich aus Daten verbessern können, ohne explizit programmiert zu werden. Diese Fähigkeit sollte im Test gemessen werden, da es sich Die Visualisierung beinhaltet das Erstellen visueller Darstellungen von Daten, um Erkenntnisse und Muster effektiv zu kommunizieren. Diese Fähigkeit sollte im Test gemessen werden, da es für Datenwissenschaftler von wesentlicher Bedeutung ist, komplexe Daten auf sinnvolle und verständliche Weise zu präsentieren, was eine bessere Entscheidungsfindung und Kommunikation erleichtert. > <p> Analytics mit R oder Python bezieht sich auf die Verwendung von Programmiersprachen wie R oder Python, um Datenanalysen, statistische Modellierung und maschinelle Lernaufgaben durchzuführen. Diese Fähigkeit sollte im Test gemessen werden, da sie die Fähigkeit eines Kandidaten bewertet, Programmierkenntnisse in Datenwissenschaftsprojekten anzuwenden und ihre Kenntnisse in Bezug auf Daten zu demonstrieren und Analysealgorithmen zu implementieren. Die p> explorative Datenanalyse umfasst die Untersuchung und Transformation von Daten, um ihre Hauptmerkmale, Muster und Beziehungen zu verstehen. Diese Fähigkeit sollte im Test gemessen werden, da sie die Fähigkeit eines Kandidaten zeigt, aussagekräftige Erkenntnisse aus Rohdaten zu extrahieren, potenzielle Probleme zu identifizieren und Hypothesen für die weitere Analyse zu generieren.

  • Datenmanipulation:

    Die Datenmanipulation bezieht sich auf den Prozess der Transformation, Neuformatierung oder Reinigung von Daten, um sie für die Analyse geeignet zu machen. Diese Fähigkeit sollte im Test gemessen werden, da die Kenntnisse eines Kandidaten in Bezug auf die Handhabung und Vorbereitung von Daten bewertet werden. <p> Statistik umfasst die Sammlung, Analyse, Interpretation, Präsentation und Organisation von Daten. Diese Fähigkeit sollte im Test gemessen werden, wenn sie das Verständnis und die Anwendung statistischer Konzepte und Techniken eines Kandidaten testet, die für die Durchführung einer robusten und gültigen Datenanalyse von wesentlicher Bedeutung sind. Die Regressionsanalyse ist eine statistische Technik, mit der die Beziehung zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen modelliert wird. Diese Fähigkeit sollte im Test gemessen werden, da sie die Fähigkeit eines Kandidaten zur Durchführung von Regressionsanalysen bewertet, die häufig für die Vorhersagemodellierung und das Verständnis der Auswirkungen von Variablen auf ein Interesse verwendet werden.

  • Full list of covered topics

    The actual topics of the questions in the final test will depend on your job description and requirements. However, here's a list of topics you can expect the questions for Data Science Assessment Test to be based on.

    Wahrscheinlichkeitsverteilungen
    Hypothesentest
    Zentralgrenze Theorem
    Vertrauensintervalle
    Lineare Regression
    Logistische Regression
    Entscheidungsbäume
    Zufällige Wälder
    Support-Vektor-Maschinen
    K-nearste Nachbarn
    Naive Bayes
    K-Means Clustering
    Hierarchische Clustering
    Hauptkomponentenanalyse
    Datenvisualisierungstechniken
    Datenvisualisierungsbibliotheken (z. B. Matplotlib, GGPlot)
    Datenerforschungstechniken
    Explorationsdatenanalyse
    Datenmanipulation mit R oder Python
    Datenreinigungstechniken
    Fehlende Daten Imputation
    Ausreißererkennung
    Feature Engineering
    Korrelationsanalyse
    Anova
    Zeitreihenanalyse
    A/B -Test
    Modellbewertung und Validierung
    Kreuzvalidierungstechniken
    Merkmalsauswahlmethoden
    Dimensionalitätsreduktionstechniken
    Ensemble -Lernen
    Überanpassung und Unteranpassung
    Regularisierungstechniken
    Vorspannungsvarianz-Kompromiss
    Datenvorverarbeitung
    Normalisierung
    Standardisierung
    One-Hot-Codierung
    Datenskalierung
    Wiederabtastmethoden
    Datenaufteilungstechniken
    Modellbewertungsmetriken
    R-Quadrat
    Mittlere quadratische Fehler
    Genauigkeit
    Präzision und Rückruf
    F1 -Punktzahl
    ROC -Kurvenanalyse
    Hyperparameterabstimmung
    Gittersuche
    Cross-Validation Hyperparameter-Tuning
    Modellbereitstellung
    API -Integration
    Modellinterpretation und Erklärung
    Interpretierbare Modelle für maschinelles Lernen
    Shapley -Werte

What roles can I use the Data Science Assessment Test for?

  • Datenwissenschaftler
  • Daten Analyst
  • Maschinenlerningenieur
  • Dateningenieur
  • Business Analyst
  • Statistischer Analyst
  • KI -Ingenieur
  • Rollen für künstliche Intelligenz

How is the Data Science Assessment Test customized for senior candidates?

For intermediate/ experienced candidates, we customize the assessment questions to include advanced topics and increase the difficulty level of the questions. This might include adding questions on topics like

  • Verwenden Sie Clustering -Algorithmen zur Klassifizierung und Segmentierungsanalyse.
  • Wenden Sie die Zeitreihenanalyse an, um zukünftige Trends und Muster zu prognostizieren.
  • Kenntnisse über Algorithmen und Techniken der natürlichen Sprachverarbeitung zeigen.
  • Verwenden Sie Feature -Auswahl- und Extraktionstechniken, um die Modellleistung zu verbessern.
  • Verwenden Sie Methoden zur Reduzierung von Dimensionalität zur Datenvisualisierung und -analyse.
  • Wenden Sie Ensemble -Lerntechniken für eine verbesserte Modellgenauigkeit und -leistung an.
  • Besitzen Sie starke Fähigkeiten in der Datenvisualisierung mit Bibliotheken wie Matplotlib und GGPlot.
  • Verwenden Sie statistische Test- und Hypothesen-Tests, um datengesteuerte Entscheidungen zu treffen.
  • Verwenden Sie Datenimputationstechniken, um fehlende Werte in Datensätzen zu verarbeiten.
  • Wenden Sie Kreuzvalidierungstechniken an, um die Modellleistung zu bewerten und Überanpassung zu verhindern.
  • Demonstrieren Sie Fachkenntnisse beim Umgang mit unausgewogenen Datensätzen mit verschiedenen Techniken.
Singapore government logo

Die Einstellungsmanager waren der Ansicht, dass sie durch die technischen Fragen, die sie während der Panel -Interviews gestellt hatten, erkennen konnten, welche Kandidaten bessere Punktzahlen hatten, und sich von denen unterschieden, die nicht so gut gespielt hatten. Sie sind Sehr zufrieden Mit der Qualität der Kandidaten, die mit dem Adaface -Screening in die engere Wahl gezogen wurden.


85%
Verringerung der Screening -Zeit

Data Science Hiring Test FAQs

Welche Art von Fragen enthält der Data Science Online -Test?

Der Data Science-Test bewertet das Fertigkeitsniveau von Kandidaten vor Ort mit szenariobasierten Fragen, die sich auf die Fähigkeit des Kandidaten konzentrieren:

  • Daten reinigen und nach Anomalien suchen
  • Verwenden Sie Zug-/Testdaten und k-fache Kreuzvalidierung, um robuste Modelle zu erstellen
  • Vorhersagen unter Verwendung einer linearen Regression, der Polynomregression und der multivariaten Regression machen
  • Klassifizieren Sie Daten mit K-Means Clustering, Support Vector Machines (SVM), KNN, Entscheidungsbäumen, naiven Bayes und PCA
  • Lesen Sie eine Verwirrungsmatrix
  • Verstehen Sie den Kompromiss und die Überanpassung der Voreingenommenheit/Varianz
  • verwenden
  • Transformation unabhängige Variablen und leiten neue unabhängige Variablen für Modellierungszwecke ab
  • Überprüfen Sie die Multikollinearität
  • Modellverschlechterung verstehen und verhindern

Wie wird der Test für hochrangige Datenwissenschaftler angepasst?

Zusätzlich zu den oben genannten Themen enthalten die Tests für hochrangige Datenwissenschaftler auch Fragen zu erweiterten Themen wie:

  • Manipulation erweiterte Daten, um Erkenntnisse aus großen, unstrukturierten Datensätzen zu generieren
  • Feature Engineering
  • Hyperparameterabstimmung
  • Verstärkungslernen
  • Reduzierung der Dimensionalität
  • Fortgeschrittene statistische Analyse

Bewertet der Data Science -Test Datenwissenschaft und spezifische Technologien?

Die fertige Version dieses Tests konzentriert sich auf die Wahrscheinlichkeit, Statistik und maschinelles Lernen von Data Science. Wenn Sie auf bestimmte Technologien testen möchten, können Sie eine benutzerdefinierte Version dieses Tests anfordern.

Kann ich mehrere Fähigkeiten zu einer benutzerdefinierten Bewertung kombinieren?

Ja absolut. Basierend auf Ihrer Stellenbeschreibung werden benutzerdefinierte Bewertungen eingerichtet und enthalten Fragen zu allen von Ihnen angegebenen Must-Have-Fähigkeiten.

Haben Sie Anti-Cheating- oder Proctoring-Funktionen?

Wir haben die folgenden Anti-Cheating-Funktionen:

  • Nicht-Googling-Fragen
  • IP -Verbreitung
  • Web -Verbreitung
  • Webcam -Proctoring
  • Plagiaterkennung
  • sicherer Browser

Lesen Sie mehr über die Proctoring -Funktionen.

Wie interpretiere ich die Testergebnisse?

Die wichtigste Sache, die Sie beachten sollten, ist, dass eine Bewertung ein Eliminierungswerkzeug ist, kein Auswahlwerkzeug. Eine Bewertung der Qualifikationsbewertung wird optimiert, um Ihnen zu helfen, Kandidaten zu beseitigen, die technisch nicht für die Rolle qualifiziert sind. Sie ist nicht optimiert, um Ihnen dabei zu helfen, den besten Kandidaten für die Rolle zu finden. Die ideale Möglichkeit, eine Bewertung zu verwenden, besteht also darin, einen Schwellenwert zu entscheiden (in der Regel 55%, wir helfen Ihnen bei der Benchmark) und alle Kandidaten einladen, die für die nächsten Interviewrunden über dem Schwellenwert punkten.

Für welche Erfahrung kann ich diesen Test verwenden?

Jede Adaface -Bewertung ist an Ihre Stellenbeschreibung/ ideale Kandidatenpersönlichkeit angepasst (unsere Experten für Fache werden die richtigen Fragen für Ihre Bewertung aus unserer Bibliothek mit über 10000 Fragen auswählen). Diese Einschätzung kann für jede Erfahrungsstufe angepasst werden.

Bekommt jeder Kandidat die gleichen Fragen?

Ja, es macht es Ihnen viel einfacher, Kandidaten zu vergleichen. Optionen für MCQ -Fragen und die Reihenfolge der Fragen werden randomisiert. Wir haben Anti-Cheating/Proctoring Funktionen. In unserem Unternehmensplan haben wir auch die Möglichkeit, mehrere Versionen derselben Bewertung mit Fragen mit ähnlichen Schwierigkeitsgraden zu erstellen.

Ich bin ein Kandidat. Kann ich einen Übungstest ausprobieren?

Nein, leider unterstützen wir derzeit keine Übungstests. Sie können jedoch unsere Beispielfragen zur Praxis verwenden.

Was kostet die Verwendung dieses Tests?

Sie können unsere Preispläne überprüfen.

Kann ich eine kostenlose Testversion erhalten?

Ja, Sie können sich kostenlos anmelden und eine Vorschau dieses Tests.

Ich bin gerade zu einem bezahlten Plan gezogen. Wie kann ich eine benutzerdefinierte Bewertung anfordern?

Hier finden Sie eine kurze Anleitung zu wie Sie eine benutzerdefinierte Bewertung anfordern auf Adaface.

customers across world
Join 1200+ companies in 75+ countries.
Probieren Sie noch heute das Tool für die Bewertung von Kandidaten für freundliche Fähigkeiten aus.
g2 badges
Ready to use the Adaface Data Science Assessment Test?
Ready to use the Adaface Data Science Assessment Test?
logo
40 min tests.
No trick questions.
Accurate shortlisting.
Bedingungen Privatsphäre Trust -Leitfaden

🌎 Wählen Sie Ihre Sprache aus

English Norsk Dansk Deutsche Nederlands Svenska Français Español Chinese (简体中文) Italiano Japanese (日本語) Polskie Português Russian (русский)
ada
Ada
● Online
Previous
Score: NA
Next
✖️