2017數據分析師常見(jiàn)的面試問(wèn)題集錦
隨著(zhù)大數據概念的火熱，數據科學(xué)家這一職位應時(shí)而出，那么成為數據科學(xué)家要滿(mǎn)足什么條件?或許我們可以從國外的數據科學(xué)家面試問(wèn)題中得到一些參考，下面是77個(gè)關(guān)于數據分析或者數據科學(xué)家招聘的時(shí)候會(huì )常會(huì )的幾個(gè)問(wèn)題，供各位同行參考。
1、你處理過(guò)的最大的數據量?你是如何處理他們的?處理的結果。
2、告訴我二個(gè)分析或者計算機科學(xué)相關(guān)項目?你是如何對其結果進(jìn)行衡量的?
3、什么是：提升值、關(guān)鍵績(jì)效指標、強壯性、模型按合度、實(shí)驗設計、2/8原則?
4、什么是：協(xié)同過(guò)濾、n-grams, map reduce、余弦距離?
5、如何讓一個(gè)網(wǎng)絡(luò )爬蟲(chóng)速度更快、抽取更好的信息以及更好總結數據從而得到一干凈的數據庫?
6、如何設計一個(gè)解決抄襲的方案?
7、如何檢驗一個(gè)個(gè)人支付賬戶(hù)都多個(gè)人使用?
8、點(diǎn)擊流數據應該是實(shí)時(shí)處理?為什么?哪部分應該實(shí)時(shí)處理?
9、你認為哪個(gè)更好：是好的數據還是好模型?同時(shí)你是如何定義“好”?存在所有情況下通用的模型嗎?有你沒(méi)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(yǔ)言方便?對于處理半結構化的數據你會(huì )選擇使用哪種語(yǔ)言?
11、你是如何處理缺少數據的?你推薦使用什么樣的處理技術(shù)?
12、你最喜歡的編程語(yǔ)言是什么?為什么?
13、對于你喜歡的統計軟件告訴你喜歡的與不喜歡的3個(gè)理由。
14、SAS, R, Python, Perl語(yǔ)言的區別是?
15、什么是大數據的詛咒?
16、你參與過(guò)數據庫與數據模型的設計嗎?
17、你是否參與過(guò)儀表盤(pán)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數據庫的什么特征?
19、如何你打算發(fā)100萬(wàn)的營(yíng)銷(xiāo)活動(dòng)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(gè)優(yōu)化份開(kāi)嗎?
20、如果有幾個(gè)客戶(hù)查詢(xún)ORACLE數據庫的效率很低。為什么?你做什么可以提高速度10倍以上，同時(shí)可以更好處理大數量輸出?
21、如何把非結構化的數據轉換成結構化的數據?這是否真的有必要做這樣的轉換?把數據存成平面文本文件是否比存成關(guān)系數據庫更好?
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(guò)程有好的負載均衡?什么是負載均衡?
24、請舉例說(shuō)明mapreduce是如何工作的?在什么應用場(chǎng)景下工作的很好?云的安全問(wèn)題有哪些?
25、(在內存滿(mǎn)足的情況下)你認為是100個(gè)小的哈希表好還是一個(gè)大的哈希表，對于內在或者運行速度來(lái)說(shuō)?對于數據庫分析的評價(jià)?
26、為什么樸素貝葉斯差?你如何使用樸素貝葉斯來(lái)改進(jìn)爬蟲(chóng)檢驗算法?
27、你處理過(guò)白名單嗎?主要的規則?(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(xún)表?
29、你可以使用excel建立邏輯回歸模型嗎?如何可以，說(shuō)明一下建立過(guò)程?
30、在SQL, Perl, C++, Python等編程過(guò)程上，待為了提升速度優(yōu)化過(guò)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?取決于什么內容?
32、定義：QA(質(zhì)量保障)、六西格瑪、實(shí)驗設計。好的與壞的實(shí)驗設計能否舉個(gè)案例?
33、普通線(xiàn)性回歸模型的缺陷是什么?你知道的其它回歸模型嗎?
34、你認為葉數小于50的決策樹(shù)是否比大的好?為什么?
35、保險精算是否是統計學(xué)的一個(gè)分支?如果不是，為何如何?
36、給出一個(gè)不符合高斯分布與不符合對數正態(tài)分布的數據案例。給出一個(gè)分布非�；靵y的數案例。
37、為什么說(shuō)均方誤差不是一個(gè)衡量模型的好指標?你建議用哪個(gè)指標替代?
38、你如何證明你帶來(lái)的算法改進(jìn)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(shuō)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?你對于在數據集中插入噪聲數據從而來(lái)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(shù)、神經(jīng)網(wǎng)絡(luò )。在過(guò)去15年中這些技術(shù)做了哪些大的改進(jìn)?
41、除了主成分分析外你還使用其它數據降維技術(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(shí)候完整的數據要比降維的數據或者樣本好?
42、你如何建議一個(gè)非參數置信區間?
43、你熟悉極值理論、蒙特卡羅邏輯或者其它數理統計方法以正確的評估一個(gè)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?舉例。
45、如何定義與衡量一個(gè)指標的預測能力?
46、如何為欺詐檢驗得分技術(shù)發(fā)現最好的規則集?你如何處理規則冗余、規則發(fā)現和二者的'本質(zhì)問(wèn)題?一個(gè)規則集的近似解決方案是否可行?如何尋找一個(gè)可行的近似方案?你如何決定這個(gè)解決方案足夠好從而可以停止尋找另一個(gè)更好的?
47、如何創(chuàng )建一個(gè)關(guān)鍵字分類(lèi)?
48、什么是僵尸網(wǎng)絡(luò )?如何進(jìn)行檢測?
49、你有使用過(guò)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(shí)服務(wù)?
50、什么時(shí)候自己編號代碼比使用數據科學(xué)者開(kāi)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(jià)Tableau?R?SAS?在一個(gè)圖中有效展現五個(gè)維度?
52、什么是概念驗證?
53、你主要與什么樣的客戶(hù)共事：內部、外部、銷(xiāo)售部門(mén)/財務(wù)部門(mén)/市場(chǎng)部門(mén)/IT部門(mén)的人?有咨詢(xún)經(jīng)驗嗎?與供應商打過(guò)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(wù)?
56、你是一個(gè)獨身的編碼人員?還是一個(gè)開(kāi)發(fā)人員?或者是一個(gè)設計人員?
57、是假陽(yáng)性好還是假陰性好?
58、你熟悉價(jià)格優(yōu)化、價(jià)格彈性、存貨管理、競爭智能嗎?分別給案例。
59、Zillow’s算法是如何工作的?
60、如何檢驗為了不好的目的還進(jìn)行的虛假評論或者虛假的FB帳戶(hù)?
61、你如何創(chuàng )建一個(gè)新的匿名數字帳戶(hù)?
62、你有沒(méi)有想過(guò)自己創(chuàng )業(yè)?是什么樣的想法?
63、你認為帳號與密碼輸入的登錄框會(huì )消失嗎?它將會(huì )被什么替代?
64、你用過(guò)時(shí)間序列模型嗎?時(shí)滯的相關(guān)性?相關(guān)圖?光譜分析?信號處理與過(guò)濾技術(shù)?在什么樣的場(chǎng)景下?
65、哪位數據科學(xué)有你最佩服?從哪開(kāi)始?
66、你是怎么開(kāi)始對數據科學(xué)感興趣的?
67、什么是效率曲線(xiàn)?他們的缺陷是什么，你如何克服這些缺陷?
68、什么是推薦引擎?它是如何工作的?
69、什么是精密測試?如何及什么時(shí)候模擬可以幫忙我們不使用精密測試?
70、你認為怎么才能成為一個(gè)好的數據科學(xué)家?
71、你認為數據科學(xué)家是一個(gè)藝術(shù)家還是科學(xué)家?
72、什么是一個(gè)好的、快速的聚類(lèi)算法的的計算復雜度?什么好的聚類(lèi)算法?你怎么決定一個(gè)聚類(lèi)的聚數?
73、給出一些在數據科學(xué)中“最佳實(shí)踐的案例”。
74、什么讓一個(gè)圖形使人產(chǎn)生誤解、很難去讀懂或者解釋?一個(gè)有用的圖形的特征?
75、你知道使用在統計或者計算科學(xué)中的“經(jīng)驗法則”嗎?或者在商業(yè)分析中。
76、你覺(jué)得下一個(gè)20年最好的5個(gè)預測方法是?
77、你怎么馬上就知道在一篇文章中(比如報紙)發(fā)表的統計數字是錯誤，或者是用作支撐作者的論點(diǎn)，而不是僅僅在羅列某個(gè)事物的信息?例如，對于每月官方定期在媒體公開(kāi)發(fā)布的失業(yè)統計數據，你有什么感想?怎樣可以讓這些數據更加準確?
【2017數據分析師常見(jiàn)的面試問(wèn)題集錦】相關(guān)文章：
關(guān)于數據分析師常見(jiàn)的面試問(wèn)題集錦11-22
2017面試常見(jiàn)問(wèn)題100個(gè)面試經(jīng)典問(wèn)題07-06
關(guān)于2017面試常見(jiàn)問(wèn)題匯總11-05