大資料面試可能遇到的問題

1、你處理過的最大的資料量？你是如何處理他們的？處理的結果。
2、告訴我二個分析或者電腦科學相關專案？你是如何對其結果進行衡量的？
3、什麼是：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、什麼是：協同過濾、n-grams, map reduce、餘弦距離？
5、如何讓一個網路爬蟲速度更快、抽取更好的資訊以及更好總結資料從而得到一干淨的資料庫？
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、點選流資料應該是實時處理？為什麼？哪部分應該實時處理？
9、你認為哪個更好：是好的資料還是好模型？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並不是那麼好？
10、什麼是概率合併（AKA模糊融合）？使用SQL處理還是其它語言方便？對於處理半結構化的資料你會選擇使用哪種語言？
11、你是如何處理缺少資料的？你推薦使用什麼樣的處理技術？
12、你最喜歡的程式語言是什麼？為什麼？
13、對於你喜歡的統計軟體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、什麼是大資料的詛咒？
16、你參與過資料庫與資料模型的設計嗎？
17、你是否參與過儀表盤的設計及指標選擇？你對於商業智慧和報表工具有什麼想法？
18、你喜歡TD資料庫的什麼特徵？
19、如何你打算髮100萬的營銷活動郵件。你怎麼去優化傳送？你怎麼優化反應率？能把這二個優化份開嗎？
20、如果有幾個客戶查詢ORACLE資料庫的效率很低。為什麼？你做什麼可以提高速度10倍以上，同時可以更好處理大數量輸出？
21、如何把非結構化的資料轉換成結構化的資料？這是否真的有必要做這樣的轉換？把資料存成平面文字檔案是否比存成關聯式資料庫更好？
22、什麼是雜湊表碰撞攻擊？怎麼避免？發生的頻率是多少？
23、如何判別mapreduce過程有好的負載均衡？什麼是負載均衡？
24、請舉例說明mapreduce是如何工作的？在什麼應用場景下工作的很好？雲的安全問題有哪些？
25、（在記憶體滿足的情況下）你認為是100個小的雜湊表好還是一個大的雜湊表，對於內在或者執行速度來說？對於資料庫分析的評價？
26、為什麼樸素貝葉斯差？你如何使用樸素貝葉斯來改進爬蟲檢驗演算法？
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、什麼是星型模型？什麼是查詢表？
29、你可以使用excel建立邏輯迴歸模型嗎？如何可以，說明一下建立過程？
30、在SQL, Perl, C++, Python等程式設計過程上，待為了提升速度優化過相關程式碼或者演算法嗎？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？取決於什麼內容？
32、定義：QA（質量保障）、六西格瑪、實驗設計。好的與壞的實驗設計能否舉個案例？
33、普通線性迴歸模型的缺陷是什麼？你知道的其它迴歸模型嗎？
34、你認為葉數小於50的決策樹是否比大的好？為什麼？
35、保險精算是否是統計學的一個分支？如果不是，為何如何？
36、給出一個不符合高斯分佈與不符合對數正態分佈的資料案例。給出一個分佈非常混亂的數案例。
37、為什麼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演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、什麼是敏感性分析？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？你對於在資料集中插入噪聲資料從而來檢驗模型的敏感性的想法如何看？
40、對於一下邏輯迴歸、決策樹、神經網路。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資料降維技術嗎？你怎麼想逐步迴歸？你熟悉的逐步迴歸技術有哪些？什麼時候完整的資料要比降維的資料或者樣本好？
42、你如何建議一個非引數置信區間？
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稀疏事件的發生概率？
44、什麼是歸因分析？如何識別歸因與相關係數？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現最好的規則集？你如何處理規則冗餘、規則發現和二者的本質問題？一個規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、如何建立一個關鍵字分類？
48、什麼是殭屍網路？如何進行檢測？
49、你有使用過API介面的經驗嗎？什麼樣的API？是谷歌還是亞馬遜還是軟體即時服務？
50、什麼時候自己編號程式碼比使用資料科學者開發好的軟體包更好？
51、視覺化使用什麼工具？在作圖方面，你如何評價Tableau?R?SAS?在一個圖中有效展現五個維度？
52、什麼是概念驗證？
53、你主要與什麼樣的客戶共事：內部、外部、銷售部門/財務部門/市場部門/IT部門的人？有諮詢經驗嗎？與供應商打過交道，包括供應商選擇與測試。
54、你熟悉軟體生命週期嗎？及IT專案的生命週期，從收入需求到專案維護？
55、什麼是cron任務？
56、你是一個獨身的編碼人員？還是一個開發人員？或者是一個設計人員？
57、是假陽性好還是假陰性好？
58、你熟悉價格優化、價格彈性、存貨管理、競爭智慧嗎？分別給案例。
59、Zillow’s演算法是如何工作的？
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、你如何建立一個新的匿名數字帳戶？
62、你有沒有想過自己創業？是什麼樣的想法？
63、你認為帳號與密碼輸入的登入框會消失嗎？它將會被什麼替代？
64、你用過時間序列模型嗎？時滯的相關性？相關圖？光譜分析？訊號處理與過濾技術？在什麼樣的場景下？
65、哪位資料科學有你最佩服？從哪開始？
66、你是怎麼開始對資料科學感興趣的？
67、什麼是效率曲線？他們的缺陷是什麼，你如何克服這些缺陷？
68、什麼是推薦引擎？它是如何工作的？
69、什麼是精密測試？如何及什麼時候模擬可以幫忙我們不使用精密測試？
70、你認為怎麼才能成為一個好的資料科學家？
71、你認為資料科學家是一個藝術家還是科學家？
72、什麼是一個好的、快速的聚類演算法的的計算複雜度？什麼好的聚類演算法？你怎麼決定一個聚類的聚數？
73、給出一些在資料科學中“最佳實踐的案例”。
74、什麼讓一個圖形使人產生誤解、很難去讀懂或者解釋？一個有用的圖形的特徵？
75、你知道使用在統計或者計算科學中的“經驗法則”嗎？或者在商業分析中。
76、你覺得下一個20年最好的5個預測方法是？
77、你怎麼馬上就知道在一篇文章中（比如報紙）發表的統計數字是錯誤，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資訊？例如，對於每月官方定期在媒體公開發布的失業統計資料，你有什麼感想？怎樣可以讓這些資料更加準確？