數(shù)據(jù)分析師常見的面試問題

時間：2024-10-13 04:12:12 資料大全我要投稿

相關(guān)推薦

　　如何才能在數(shù)據(jù)分析師的面試中成功呢，以下由YJBYS小編為大家提供的“數(shù)據(jù)分析師常見的面試問題”，供大家參考借鑒，希望可以幫助到大家，

數(shù)據(jù)分析師常見的面試問題

。

數(shù)據(jù)分析師常見的面試問題

　　1、你處理過的最大的數(shù)據(jù)量?你是如何處理他們的?處理的結(jié)果。

　　2、告訴我二個分析或者計算機科學相關(guān)項目?你是如何對其結(jié)果進行衡量的?

　　3、什么是：提升值、關(guān)鍵績效指標、強壯性、模型按合度、實驗設計、2/8原則?

　　4、什么是：協(xié)同過濾、n-grams， map reduce、余弦距離?

　　5、如何讓一個網(wǎng)絡爬蟲速度更快、抽取更好的信息以及更好總結(jié)數(shù)據(jù)從而得到一干凈的數(shù)據(jù)庫?

　　6、如何設計一個解決抄襲的方案?

　　7、如何檢驗一個個人支付賬戶都多個人使用?

　　8、點擊流數(shù)據(jù)應該是實時處理?為什么?哪部分應該實時處理?

　　9、你認為哪個更好：是好的數(shù)據(jù)還是好模型?同時你是如何定義“好”?存在所有情況下通用的模型嗎?有你沒有知道一些模型的定義并不是那么好?

　　10、什么是概率合并(AKA模糊融合)?使用SQL處理還是其它語言方便?對于處理半結(jié)構(gòu)化的數(shù)據(jù)你會選擇使用哪種語言?

　　11、你是如何處理缺少數(shù)據(jù)的?你推薦使用什么樣的處理技術(shù)?

　　12、你最喜歡的編程語言是什么?為什么?

　　13、對于你喜歡的統(tǒng)計軟件告訴你喜歡的與不喜歡的3個理由。

　　14、SAS， R， Python， Perl語言的區(qū)別是?

　　15、什么是大數(shù)據(jù)的詛咒?

　　16、你參與過數(shù)據(jù)庫與數(shù)據(jù)模型的設計嗎?

　　17、你是否參與過儀表盤的設計及指標選擇?你對于商業(yè)智能和報表工具有什么想法?

　　18、你喜歡TD數(shù)據(jù)庫的什么特征?

　　19、如何你打算發(fā)100萬的營銷活動郵件。你怎么去優(yōu)化發(fā)送?你怎么優(yōu)化反應率?能把這二個優(yōu)化份開嗎?

　　20、如果有幾個客戶查詢ORACLE數(shù)據(jù)庫的效率很低。為什么?你做什么可以提高速度10倍以上，同時可以更好處理大數(shù)量輸出?

　　21、如何把非結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)換成結(jié)構(gòu)化的數(shù)據(jù)?這是否真的有必要做這樣的轉(zhuǎn)換?把數(shù)據(jù)存成平面文本文件是否比存成關(guān)系數(shù)據(jù)庫更好?

　　22、什么是哈希表碰撞攻擊?怎么避免?發(fā)生的頻率是多少?

　　23、如何判別mapreduce過程有好的負載均衡?什么是負載均衡?

　　24、請舉例說明mapreduce是如何工作的?在什么應用場景下工作的很好?云的安全問題有哪些?

　　25、(在內(nèi)存滿足的情況下)你認為是100個小的哈希表好還是一個大的哈希表，對于內(nèi)在或者運行速度來說?對于數(shù)據(jù)庫分析的評價?

　　26、為什么樸素貝葉斯差?你如何使用樸素貝葉斯來改進爬蟲檢驗算法?

　　27、你處理過白名單嗎?主要的規(guī)則?(在欺詐或者爬行檢驗的情況下)

　　28、什么是星型模型?什么是查詢表?

　　29、你可以使用excel建立邏輯回歸模型嗎?如何可以，說明一下建立過程?

　　30、在SQL， Perl， C++， Python等編程過程上，待為了提升速度優(yōu)化過相關(guān)代碼或者算法嗎?如何及提升多少?

　　31、使用5天完成90%的精度的解決方案還是花10天完成100%的精度的解決方案?取決于什么內(nèi)容?

　　32、定義：QA(質(zhì)量保障)、六西格瑪、實驗設計，

資料共享平臺

《數(shù)據(jù)分析師常見的面試問題》(http://www.lotusphilosophies.com)。好的與壞的實驗設計能否舉個案例?

　　33、普通線性回歸模型的缺陷是什么?你知道的其它回歸模型嗎?

　　34、你認為葉數(shù)小于50的決策樹是否比大的好?為什么?

　　35、保險精算是否是統(tǒng)計學的一個分支?如果不是，為何如何?

　　36、給出一個不符合高斯分布與不符合對數(shù)正態(tài)分布的數(shù)據(jù)案例。給出一個分布非�；靵y的數(shù)案例。

　　37、為什么說均方誤差不是一個衡量模型的好指標?你建議用哪個指標替代?

　　38、你如何證明你帶來的算法改進是真的有效的與不做任何改變相比?你對A/B測試熟嗎?

　　39、什么是敏感性分析?擁有更低的敏感性(也就是說更好的強壯性)和低的預測能力還是正好相反好?你如何使用交叉驗證?你對于在數(shù)據(jù)集中插入噪聲數(shù)據(jù)從而來檢驗模型的敏感性的想法如何看?

　　40、對于一下邏輯回歸、決策樹、神經(jīng)網(wǎng)絡。在過去15年中這些技術(shù)做了哪些大的改進?

　　41、除了主成分分析外你還使用其它數(shù)據(jù)降維技術(shù)嗎?你怎么想逐步回歸?你熟悉的逐步回歸技術(shù)有哪些?什么時候完整的數(shù)據(jù)要比降維的數(shù)據(jù)或者樣本好?

　　42、你如何建議一個非參數(shù)置信區(qū)間?

　　43、你熟悉極值理論、蒙特卡羅邏輯或者其它數(shù)理統(tǒng)計方法以正確的評估一個稀疏事件的發(fā)生概率?

　　44、什么是歸因分析?如何識別歸因與相關(guān)系數(shù)?舉例。

　　45、如何定義與衡量一個指標的預測能力?

　　46、如何為欺詐檢驗得分技術(shù)發(fā)現(xiàn)最好的規(guī)則集?你如何處理規(guī)則冗余、規(guī)則發(fā)現(xiàn)和二者的本質(zhì)問題?一個規(guī)則集的近似解決方案是否可行?如何尋找一個可行的近似方案?你如何決定這個解決方案足夠好從而可以停止尋找另一個更好的?

　　47、如何創(chuàng)建一個關(guān)鍵字分類?

　　48、什么是僵尸網(wǎng)絡?如何進行檢測?

　　49、你有使用過API接口的經(jīng)驗嗎?什么樣的API?是谷歌還是亞馬遜還是軟件即時服務?

　　50、什么時候自己編號代碼比使用數(shù)據(jù)科學者開發(fā)好的軟件包更好?

　　51、可視化使用什么工具?在作圖方面，你如何評價Tableau?R?SAS?在一個圖中有效展現(xiàn)五個維度?

　　52、什么是概念驗證?

　　53、你主要與什么樣的客戶共事：內(nèi)部、外部、銷售部門/財務部門/市場部門/IT部門的人?有咨詢經(jīng)驗嗎?與供應商打過交道，包括供應商選擇與測試。

　　54、你熟悉軟件生命周期嗎?及IT項目的生命周期，從收入需求到項目維護?

　　55、什么是cron任務?

　　56、你是一個獨身的編碼人員?還是一個開發(fā)人員?或者是一個設計人員?

　　57、是假陽性好還是假陰性好?

　　58、你熟悉價格優(yōu)化、價格彈性、存貨管理、競爭智能嗎?分別給案例。