1、數據分析師常見的面試問題集錦隨著大數據概念的火熱，數據科學家這一職位應時而出，那么成為數據科學家要滿足什么條件?或許我們可以從國外的數據科學家面試問題中得到一些參考，下面是77個關于數據分析或者數據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據量?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：協同過濾、n-grams,mapreduce、余弦距離？5、如何讓一個網絡爬蟲速度更快、抽取更好的信息以及更好總結數據從而得到一干凈的

2、數據庫？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、點擊流數據應該是實時處理？為什么？哪部分應該實時處理？9、你認為哪個更好：是好的數據還是好模型？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據你會選擇使用哪種語言？12、你最喜歡的編程語言是什么？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個理由。14、SAS,R,Python,Perl語言的區別是？15、什么是大數據的詛咒?16、你參與過數據庫與數據模型的

3、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100萬的營銷活動郵件。你怎么去優化發送?你怎么優化反應率？能把這二個優化份開嗎？20、如果有幾個客戶查詢ORACL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系數據庫更好？22、什么是哈希表碰撞攻擊？怎么避免？發生的頻率是多少？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

4、說明mapreduce是如何工作的？在什么應用場景下工25、（在內存滿足的情況下）你認為是100個小的哈希表好還是一個大的哈希表，對于內在或者運行速度來說？對于數據庫分析的評價？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?取決于什么內容?32、定義：QA債量彳障）、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