數(shù)據(jù)分析師指的是不同行業(yè)中，專門從事行業(yè)數(shù)據(jù)搜集、整理、分析，并依據(jù)數(shù)據(jù)做出行業(yè)研究、評估和預(yù)測的專業(yè)人員。下面是CNrencai網(wǎng)小編整理的數(shù)據(jù)分析師面試問題集錦，希望對您有幫助。

　　【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(jī)科學(xué)相關(guān)項目?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.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(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)計一個解決抄襲的方案?

　　7.如何檢驗(yàn)一個個人支付賬戶都多個人使用?

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

　　9.你認(rèn)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(shè)計嗎?

　　17.你是否參與過儀表盤的設(shè)計及指標(biāo)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(yīng)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(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個小的哈希表好還是一個大的哈希表，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?

　　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。好的與壞的實(shí)驗(yàn)設(shè)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(rèn)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(xué)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(biāo)?你建議用哪個指標(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?

　　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?