數(shù)據(jù)科學家面試的常問77個問題

下面是77個關于數(shù)據(jù)分析或者數(shù)據(jù)科學家招聘的時候會常會的幾個問題，供各位同行參考。

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

2、告訴我二個分析或者計算機科學相關項目？你是如何對其結果進行衡量的？

3、什么是：提升值、關鍵績效指標、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？對于處理半結構化的數(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？

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、如何把非結構化的數(shù)據(jù)轉(zhuǎn)換成結構化的數(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。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)降維技術嗎？你怎么想逐步回歸？你熟悉的逐步回歸技術有哪些？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。

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行的虛假評論或者虛假的FB帳戶？

61、你如何創(chuàng)建一個新的匿名數(shù)字帳戶？

62、你有沒有想過自己創(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消失嗎？它將會被什么替代？

64、你用過時間序列模型嗎？時滯的相關性？相關圖？光譜分析？信號處理與過濾技術？在什么樣的場景下？

65、哪位數(shù)據(jù)科學有你最佩服？從哪開始？

66、你是怎么開始對數(shù)據(jù)科學感興趣的？

67、什么是效率曲線？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好的數(shù)據(jù)科學家？

71、你認為數(shù)據(jù)科學家是一個藝術家還是科學家？

72、什么是一個好的、快速的聚類算法的的計算復雜度？什么好的聚類算法？你怎么決定一個聚類的聚數(shù)？

73、給出一些在數(shù)據(jù)科學中“最佳實踐的案例”。

74、什么讓一個圖形使人產(chǎn)生誤解、很難去讀懂或者解釋？一個有用的圖形的特征？

75、你知道使用在統(tǒng)計或者計算科學中的“經(jīng)驗法則”嗎？或者在商業(yè)分析中。

76、你覺得下一個20年最好的5個預測方法是？

77、你怎么馬上就知道在一篇文章中（比如報紙）發(fā)表的統(tǒng)計數(shù)字是錯誤，或者是用作支撐作者的論點，而不是僅僅在羅列某個事物的信息？例如，對于每月官方定期在媒體公開發(fā)布的失業(yè)統(tǒng)計數(shù)據(jù)，你有什么感想？怎樣可以讓這些數(shù)據(jù)更加準確？