大數(shù)據(jù)面試常見的77個(gè)問題

隨著大數(shù)據(jù)概念的火熱，數(shù)據(jù)分析師這一職位應(yīng)時(shí)而出，那么成為數(shù)據(jù)分析師要滿足什么條件？或許我們可以從國外的數(shù)據(jù)分析師面試問題中得到一些參考，下面是77個(gè)關(guān)于數(shù)據(jù)分析或者數(shù)據(jù)分析師招聘的時(shí)候會常會的幾個(gè)問題，供各位參考。

　　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(jié)果。

　　2、告訴我二個(gè)分析或者計(jì)算機(jī)科學(xué)相關(guān)項(xiàng)目？你是如何對其結(jié)果進(jìn)行衡量的？

　　3、什么是：提升值、關(guān)鍵績效指標(biāo)、強(qiáng)壯性、模型按合度、實(shí)驗(yàn)設(shè)計(jì)、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(gè)網(wǎng)絡(luò)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(shè)計(jì)一個(gè)解決抄襲的方案？

　　7、如何檢驗(yàn)一個(gè)個(gè)人支付賬戶都多個(gè)人使用？

　　8、點(diǎn)擊流數(shù)據(jù)應(yīng)該是實(shí)時(shí)處理？為什么？哪部分應(yīng)該實(shí)時(shí)處理？

　　9、你認(rèn)為哪個(gè)更好：是好的數(shù)據(jù)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(jì)軟件告訴你喜歡的與不喜歡的3個(gè)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(shè)計(jì)嗎？

　　17、你是否參與過儀表盤的設(shè)計(jì)及指標(biāo)選擇？你對于商業(yè)智能和報(bào)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(yīng)率？能把這二個(gè)優(yōu)化份開嗎？

　　20、如果有幾個(gè)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(shí)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(fù)載均衡？什么是負(fù)載均衡？

　　24、請舉例說明mapreduce是如何工作的？在什么應(yīng)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(rèn)為是100個(gè)小的哈希表好還是一個(gè)大的哈希表，對于內(nèi)在或者運(yùn)行速度來說？對于數(shù)據(jù)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改進(jìn)爬蟲檢驗(yàn)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(yàn)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(shí)驗(yàn)設(shè)計(jì)。好的與壞的實(shí)驗(yàn)設(shè)計(jì)能否舉個(gè)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(rèn)為葉數(shù)小于50的決策樹是否比大的好？為什么？

　　35、保險(xiǎn)精算是否是統(tǒng)計(jì)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(shù)正態(tài)分布的數(shù)據(jù)案例。給出一個(gè)分布非常混亂的數(shù)案例。

　　37、為什么說均方誤差不是一個(gè)衡量模型的好指標(biāo)？你建議用哪個(gè)指標(biāo)替代？

　　38、你如何證明你帶來的算法改進(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（也就是說更好的強(qiáng)壯性）和低的預(yù)測能力還是正好相反好？你如何使用交叉驗(yàn)證？你對于在數(shù)據(jù)集中插入噪聲數(shù)據(jù)從而來檢驗(yàn)?zāi)Ｐ偷拿舾行缘南敕ㄈ绾慰矗?/span>

　　40、對于一下邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)。在過去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(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(shí)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(gè)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(jì)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(shù)？舉例。

　　45、如何定義與衡量一個(gè)指標(biāo)的預(yù)測能力？

　　46、如何為欺詐檢驗(yàn)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(gè)規(guī)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？

　　48、什么是僵尸網(wǎng)絡(luò)？如何進(jìn)行檢測？

　　49、你有使用過API接口的經(jīng)驗(yàn)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(shù)據(jù)科學(xué)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(jià)Tableau?R?SAS?在一個(gè)圖中有效展現(xiàn)五個(gè)維度？

　　52、什么是概念驗(yàn)證？

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

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

　　55、什么是cron任務(wù)？

　　56、你是一個(gè)獨(dú)身的編碼人員？還是一個(gè)開發(fā)人員？或者是一個(gè)設(shè)計(jì)人員？

　　57、是假陽性好還是假陰性好？

　　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(yàn)為了不好的目的還進(jìn)行的虛假評論或者虛假的FB帳戶？

　　61、你如何創(chuàng)建一個(gè)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(rèn)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(shí)間序列模型嗎？時(shí)滯的相關(guān)性？相關(guān)圖？光譜分析？信號處理與過濾技術(shù)？在什么樣的場景下？

　　65、哪位數(shù)據(jù)科學(xué)有你最佩服？從哪開始？

　　66、你是怎么開始對數(shù)據(jù)科學(xué)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(shí)候模擬可以幫忙我們不使用精密測試？

　　70、你認(rèn)為怎么才能成為一個(gè)好的數(shù)據(jù)科學(xué)家？

　　71、你認(rèn)為數(shù)據(jù)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、快速的聚類算法的的計(jì)算復(fù)雜度？什么好的聚類算法？你怎么決定一個(gè)聚類的聚數(shù)？

　　73、給出一些在數(shù)據(jù)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(tǒng)計(jì)或者計(jì)算科學(xué)中的“經(jīng)驗(yàn)法則”嗎？或者在商業(yè)分析中。

　　76、你覺得下一個(gè)20年最好的5個(gè)預(yù)測方法是？

　　77、數(shù)據(jù)分析師怎么馬上就知道在一篇文章中（比如報(bào)紙）發(fā)表的統(tǒng)計(jì)數(shù)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發(fā)布的失業(yè)統(tǒng)計(jì)數(shù)據(jù)，你有什么感想？怎樣可以讓這些數(shù)據(jù)更加準(zhǔn)確？