数据分析师常见的⾯试问题集锦
。
1、你处理过的最⼤的数据量?你是如何处理他们的?处理的结果。
2、告诉我⼆个分析或者计算机科学相关项⽬?你是如何对其结果进⾏衡量的?
3、什么是：提升值、关键绩效指标、强壮性、模型按合度、实验设计、2/8原则?
4、什么是：协同过滤、n-grams, map reduce、余弦距离?
5、如何让⼀个⽹络爬⾍速度更快、抽取更好的信息以及更好总结数据从⽽得到⼀⼲净的数据库?
6、如何设计⼀个解决抄袭的⽅案?
7、如何检验⼀个个⼈⽀付账户都多个⼈使⽤?
8、点击流数据应该是实时处理?为什么?哪部分应该实时处理?
9、你认为哪个更好：是好的数据还是好模型?同时你是如何定义“好”?存在所有情况下通⽤的模型吗?有你没有知道⼀些模型的定义并不是那么好?
10、什么是概率合并(AKA模糊融合)?使⽤SQL处理还是其它语⾔⽅便?对于处理半结构化的数据你会选择使⽤哪种语⾔?
11、你是如何处理缺少数据的?你推荐使⽤什么样的处理技术?
12、你最喜欢的编程语⾔是什么?为什么?
13、对于你喜欢的统计软件告诉你喜欢的与不喜欢的3个理由。
14、SAS, R, Python, Perl语⾔的区别是?
15、什么是⼤数据的诅咒?
16、你参与过数据库与数据模型的设计吗?
17、你是否参与过仪表盘的设计及指标选择?你对于商业智能和报表⼯具有什么想法?
18、你喜欢TD数据库的什么特征?
19、如何你打算发100万的营销活动邮件。你怎么去优化发送?你怎么优化反应率?能把这⼆个优化份开吗?
20、如果有⼏个客户查询ORACLE数据库的效率很低。为什么?你做什么可以提⾼速度10倍以上，同时可以更好处理⼤数量输出?
21、如何把⾮结构化的数据转换成结构化的数据?这是否真的有必要做这样的转换?把数据存成平⾯⽂本⽂件是否⽐存成关系数据库更好?
22、什么是哈希表碰撞攻击?怎么避免?发⽣的频率是多少?
23、如何判别mapreduce过程有好的负载均衡?什么是负载均衡?
24、请举例说明mapreduce是如何⼯作的?在什么应⽤场景下⼯作的很好?云的安全问题有哪些?
25、(在内存满⾜的情况下)你认为是100个⼩的哈希表好还是⼀个⼤的哈希表，对于内在或者运⾏速度来说?对于数据库分析的评价?
26、为什么朴素贝叶斯差?你如何使⽤朴素贝叶斯来改进爬⾍检验算法?
27、你处理过⽩名单吗?主要的规则?(在欺诈或者爬⾏检验的情况下)
28、什么是星型模型?什么是查询表?
29、你可以使⽤excel建⽴逻辑回归模型吗?如何可以，说明⼀下建⽴过程?
30、在SQL, Perl, C++, Python等编程过程上，待为了提升速度优化过相关代码或者算法吗?如何及提升多少?
31、使⽤5天完成90%的精度的解决⽅案还是花10天完成100%的精度的解决⽅案?取决于什么内容?
32、定义：QA(质量保障)、六西格玛、实验设计。好的与坏的实验设计能否举个案例?
33、普通线性回归模型的缺陷是什么?你知道的其它回归模型吗?
34、你认为叶数⼩于50的决策树是否⽐⼤的好?为什么?
35、保险精算是否是统计学的⼀个分⽀?如果不是，为何如何?
36、给出⼀个不符合⾼斯分布与不符合对数正态分布的数据案例。给出⼀个分布⾮常混乱的数案例。
37、为什么说均⽅误差不是⼀个衡量模型的好指标?你建议⽤哪个指标替代?
38、你如何证明你带来的算法改进是真的有效的与不做任何改变相⽐?你对A/B测试熟吗?
39、什么是敏感性分析?拥有更低的敏感性(也就是说更好的强壮性)和低的预测能⼒还是正好相反好?你如何使⽤交叉验证?你对于在数据集中插⼊噪声数据从⽽来检验模型的敏感性的想法如何看?
40、对于⼀下逻辑回归、决策树、神经⽹络，
资料共享平台
《数据分析师常见的⾯试问题集锦》(www.unjs)。在过去15年中这些技术做了哪些⼤的改进?
41、除了主成分分析外你还使⽤其它数据降维技术吗?你怎么想逐步回归?你熟悉的逐步回归技术有哪些?什么时候完整的数据要⽐降维的数据或者样本好?
42、你如何建议⼀个⾮参数置信区间?
43、你熟悉极值理论、蒙特卡罗逻辑或者其它数理统计⽅法以正确的评估⼀个稀疏事件的发⽣概率?
44、什么是归因分析?如何识别归因与相关系数?举例。
45、如何定义与衡量⼀个指标的预测能⼒?
46、如何为欺诈检验得分技术发现最好的规则集?你如何处理规则冗余、规则发现和⼆者的本质问题?⼀个规则集的近似解决⽅案是否可⾏?如何寻⼀个可⾏的近似⽅案?你如何决定这个解决⽅案⾜够好从⽽可以停⽌寻另⼀个更好的?
47、如何创建⼀个关键字分类?
48、什么是僵⼫⽹络?如何进⾏检测?
49、你有使⽤过API接⼝的经验吗?什么样的API?是⾕歌还是亚马逊还是软件即时服务?
50、什么时候⾃⼰编号代码⽐使⽤数据科学者开发好的软件包更好?
51、可视化使⽤什么⼯具?在作图⽅⾯，你如何评价Tableau?R?SAS?在⼀个图中有效展现五个维度?
52、什么是概念验证?
53、你主要与什么样的客户共事：内部、外部、销售部门/财务部门/市场部门/IT部门的⼈?有咨询经验吗?与供应商打过交道，包括供应商选择与测试。
怎么做数据分析 54、你熟悉软件⽣命周期吗?及IT项⽬的⽣命周期，从收⼊需求到项⽬维护?
55、什么是cron任务?
56、你是⼀个独⾝的编码⼈员?还是⼀个开发⼈员?或者是⼀个设计⼈员?
57、是假阳性好还是假阴性好?
58、你熟悉价格优化、价格弹性、存货管理、竞争智能吗?分别给案例。
59、Zillow’s算法是如何⼯作的?
60、如何检验为了不好的⽬的还进⾏的虚假评论或者虚假的FB帐户?
61、你如何创建⼀个新的匿名数字帐户?
62、你有没有想过⾃⼰创业?是什么样的想法?
63、你认为帐号与密码输⼊的登录框会消失吗?它将会被什么替代?
64、你⽤过时间序列模型吗?时滞的相关性?相关图?光谱分析?信号处理与过滤技术?在什么样的场景下?
65、哪位数据科学有你最佩服?从哪开始?
66、你是怎么开始对数据科学感兴趣的?
67、什么是效率曲线?他们的缺陷是什么，你如何克服这些缺陷?
68、什么是推荐引擎?它是如何⼯作的?
69、什么是精密测试?如何及什么时候模拟可以帮忙我们不使⽤精密测试?
70、你认为怎么才能成为⼀个好的数据科学家?
71、你认为数据科学家是⼀个艺术家还是科学家?
72、什么是⼀个好的、快速的聚类算法的的计算复杂度?什么好的聚类算法?你怎么决定⼀个聚类的聚数?
73、给出⼀些在数据科学中“最佳实践的案例”。
74、什么让⼀个图形使⼈产⽣误解、很难去读懂或者解释?⼀个有⽤的图形的特征?
75、你知道使⽤在统计或者计算科学中的“经验法则”吗?或者在商业分析中。
76、你觉得下⼀个20年最好的5个预测⽅法是?
77、你怎么马上就知道在⼀篇⽂章中(⽐如报纸)发表的统计数字是错误，或者是⽤作⽀撑作者的论点，⽽不是仅仅在罗列某个事物的信息?例如，对于每⽉官⽅定期在媒体公开发布的失业统计数据，你有什么感想?怎样可以让这些数据更加准确?
发布评论