发布时间：2018-01-15 13:33:45
随着大数据概念的火热，数据科学家这一职位应时而出，那么成为数据科学家要满足什么条件?或许我们可以从国外的数据科学家面试问题中得到一些参考，下面是77个关于数据分析或者数据科学家招聘的时候会常会的几个问题，供各位同行参考。
1、你处理过的最大的数据量?你是如何处理他们的?处理的结果。
2、告诉我二个分析或者计算机科学相关项目?你是如何对其结果进行衡量的?
3、什么是：提升值、关键绩效指标、强壮性、模型按合度、实验设计、2/8原则?
4、什么是：协同过滤、n-grams, map reduce、余弦距离?
5、如何让一个网络爬虫速度更快、抽取更好的信息以及更好总结数据从而得到一干净的数据库?
6、如何设计一个解决抄袭的方案?
7、如何检验一个个人支付账户都多个人使用?
8、点击流数据应该是实时处理?为什么?哪部分应该实时处理?
9、你认为哪个更好：是好的数据还是好模型?同时你是如何定义“好”?存在所有情况下通用的模型吗?有你没有知道一些模型的定义并不是那么好?
10、什么是概率合并(aka模糊融合)?使用sql处理还是其它语言方便?对于处理半结构化的数据你会选择使用哪种语言?
11、你是如何处理缺少数据的?你推荐使用什么样的处理技术?
12、你最喜欢的编程语言是什么?为什么?
13、对于你喜欢的统计软件告诉你喜欢的与不喜欢的3个理由。
14、sas, r, python, perl语言的区别是?
15、什么是大数据的诅咒?
16、你参与过数据库与数据模型的设计吗?
17、你是否参与过仪表盘的设计及指标选择?你对于商业智能和报表工具有什么想法?
18、你喜欢td数据库的什么特征?
19、如何你打算发100万的营销活动邮件。你怎么去优化发送?你怎么优化反应率?能把这二个优化份开吗?
20、如果有几个客户查询oracle数据库的效率很低。为什么?你做什么可以提高速度10倍以上，同时可以更好处理大数量输出?
21、如何把非结构化的数据转换成结构化的数据?这是否真的有必要做这样的转换?把数据存成平面文本文件是否比存成关系数据库更好?
22、什么是哈希表碰撞攻击?怎么避免?发生的频率是多少?
23、如何判别mapreduce过程有好的负载均衡?什么是负载均衡?
24、请举例说明mapreduce是如何工作的?在什么应用场景下工作的很好?云的安全问题有哪些?
25、(在内存满足的情况下)你认为是100个小的哈希表好还是一个大的哈希表，对于内在或者运行速度来说?对于数据库分析的评价?
26、为什么朴素贝叶斯差?你如何使用朴素贝叶斯来改进爬虫检验算法?
27、你处理过白名单吗?主要的规则?(在欺诈或者爬行检验的情况下)
28、什么是星型模型?什么是查询表?
29、你可以使用excel建立逻辑回归模型吗?如何可以，说明一下建立过程?
30、在sql, perl, c++, python等编程过程上，待为了提升速度优化过相关代码或者算法吗?如何及提升多少?
31、使用5天完成90%的精度的解决方案还是花10天完成100%的精度的解决方案?取决于什么内容?
32、定义：qa(质量保障)、六西格玛、实验设计。好的与坏的实验设计能否举个案例?
33、普通线性回归模型的缺陷是什么?你知道的其它回归模型吗?
34、你认为叶数小于50的决策树是否比大的好?为什么?
35、保险精算是否是统计学的一个分支?如果不是，为何如何?
36、给出一个不符合高斯分布与不符合对数正态分布的数据案例。给出一个分布非常混乱的数案例。
37、为什么说均方误差不是一个衡量模型的好指标?你建议用哪个指标替代?
38、你如何证明你带来的算法改进是真的有效的与不做任何改变相比?你对a/b测试熟吗?
39、什么是敏感性分析?拥有更低的敏感性(也就是说更好的强壮性)和低的预测能力还是正好相反好?你如何使用交叉验证?你对于在数据集中插入噪声数据从而来检验模型的敏感性的想法如何看?
40、对于一下逻辑回归、决策树、神经网络。在过去XX年中这些技术做了哪些大的改进?
41、除了主成分分析外你还使用其它数据降维技术吗?你怎么想逐步回归?你熟悉的逐步回归技术有哪些?什么时候完整的数据要比降维的数据或者样本好?
42、你如何建议一个非参数置信区间?
43、你熟悉极值理论、蒙特卡罗逻辑或者其它数理统计方法以正确的评估一个稀疏事件的发生概率?
44、什么是归因分析?如何识别归因与相关系数?举例。
45、如何定义与衡量一个指标的预测能力?
46、如何为欺诈检验得分技术发现最好的规则集?你如何处理规则冗余、规则发现和二者的本质问题?一个规则集的近似解决方案是否可行?如何寻找一个可行的近似方案?你如何决定这个解决方案足够好从而可以停止寻找另一个更好的?
47、如何创建一个关键字分类?
48、什么是僵尸网络?如何进行检测?
49、你有使用过api接口的经验吗?什么样的api?是谷歌还是亚马逊还是软件即时服务?
50、什么时候自己编号代码比使用数据科学者开发好的软件包更好?
51、可视化使用什么工具?在作图方面，你如何评价tableau?r?sas?在一个图中有效展现五个维度?
52、什么是概念验证?
53、你主要与什么样的客户共事：内部、外部、销售部门/财务部门/市场部门/it部门的人?有咨询经验吗?与供应商打过交道，包括供应商选择与测试。
54、你熟悉软件生命周期吗?及it项目的生命周期，从收入需求到项目维护?
55、什么是cron任务?
56、你是一个独身的编码人员?还是一个开发人员?或者是一个设计人员?
57、是假阳性好还是假阴性好?
58、你熟悉价格优化、价格弹性、存货管理、竞争智能吗?分别给案例。
59、zillow’s算法是如何工作的?
60、如何检验为了不好的目的还进行的虚假评论或者虚假的fb帐户?
61、你如何创建一个新的匿名数字帐户?
62、你有没有想过自己创业?是什么样的想法?
63、你认为帐号与密码输入的登录框会消失吗?它将会被什么替代?
64、你用过时间序列模型吗?时滞的相关性?相关图?光谱分析?信号处理与过滤技术?在什么样的场景下?
65、哪位数据科学有你最佩服?从哪开始?
66、你是怎么开始对数据科学感兴趣的?
67、什么是效率曲线?他们的缺陷是什么，你如何克服这些缺陷?
68、什么是推荐引擎?它是如何工作的?
69、什么是精密测试?如何及什么时候模拟可以帮忙我们不使用精密测试?
70、你认为怎么才能成为一个好的数据科学家?
71、你认为数据科学家是一个艺术家还是科学家?
72、什么是一个好的、快速的聚类算法的的计算复杂度?什么好的聚类算法?你怎么决定一个聚类的聚数?
73、给出一些在数据科学中“最佳实践的案例”。
74、什么让一个图形使人产生误解、很难去读懂或者解释?一个有用的图形的特征?
75、你知道使用在统计或者计算科学中的“经验法则”吗?或者在商业分析中。
76、你觉得下一个20年最好的5个预测方法是?
77、你怎么马上就知道在一篇文章中(比如报纸)发表的统计数字是错误，或者是用作支撑作者的论点，而不是仅仅在罗列某个事物的信息?例如，对于每月官方定期在媒体公开发布的失业统计数据，你有什么感想?怎样可以让这些数据更加准确?
**,198*年*月**日出生于**省**县。从小与土地亲近，与自然感情之久毋庸置疑。读书生涯以母亲的《中药学》和父亲的《储粮害虫》发端，与生物学结缘也始于此。
接受了正统的十二年中国基础教育，十二年寒窗乏善可陈。初中两次参加中学生物奥林匹克竞赛，分别取得省区一等奖和特等奖。高中三年，平心而论只拼了半年，用减肥八千克换了一张总分623的高考成绩单。怀着对生物学的一腔热情，力排众议报考了**大学生命科学学院，并被录取。
进入大学，发现理想中之自由开放的象牙塔仍遥不可及，但对我来说已经是如鳅得泥。虽然与中学相比，课程的负担不止增加了倍余，但我更喜欢这种忙碌。基础课的教学，应该不能算得上理想，我想这是国内多数大学的通病。不过，课程本身的吸引力，远远大于我对教学方式的不满。虽然没有在拿到全部的优秀，但也算是顺利通过。英语轻松拿下四级六级，也似小马过河，不是一件异常恐怖的事情。
在顺利完成学习任务之余，课外阅读成了我的最大爱好，三年间省下了别人喝咖啡的钱全部买了书。01年北京，02年上海，每次都把钱包里的钱换成了更加充实的书包里的书。至今，床头的三层书架全部塞满了各种生物学读物，被同学戏称为山大图书馆生物学分馆。为了及时了解科技界特别是生物学界的动态，各种杂志成了我最大的涉猎品，《SCIENCE》《NATURE》千金难求，《SCIENTIFIC AMERICAN》的中文版三年来一期不缺。
在学校，最大的乐土莫过于实验室，即使基础实验成了理工科学生最为诟病的孱头。虽然无法完全掌控实验，但我力争求变，看到自己的思想被证实或被否定，实在是一件乐事。儿时与土地的亲近和十几年住院（live in THE hospital）生活让我对实验操作本身颇有体会。特别是动物实验，被同学叫去在扎满耳孔的兔子耳朵上寻找立针之地的往往是我。三年来，十几门实验课，门门都是优秀，每每成为实验同伴偷懒的理由，这也是大学时光里的一个美好的回忆。
闲暇之余，背上帐篷和睡袋，深入济南南部的山山水水中，虽然没有云南风光旖旎，还是能寻找到一份城市中失落已久的难得清静。带上地质锤和放大镜，张夏、山旺，都是好去处。和奥陶纪、寒武纪、第四纪的生灵们打个招呼。虽然还上升不到分子的水平，也算是对进化的小小研究了。
说到进化，2003年的春天，非典疑云笼罩京城之际，我和几个朋友受邀到中央电视台科教频道与南京大学、天津大学的朋友一起参加关于恐龙灭绝的话题的讨论。我们提出的复原恐龙生殖生态模型的观点得到了著名古生物学家董枝明和甄朔南的一致肯定。从北京赶回济南后五天，非典隔离开始。同样因为非典，中央台的节目录制陷入停顿，我们的节目有幸被重播四次之多，希望我们的观点能够得到更多人的认可。
不过，比之讨论恐龙灭绝，我更喜欢探讨生命的诞生。在这里，进化不仅仅是一个生物学课题，更是一个哲学命题。我对进化生物学及进化基因组学的认识将在下面的一篇小文中展开，在此就不加赘述了。
最后，三年大学生活行将结束，未来的研究生生活即将展开。对我来说，中科院系统始终是我的唯一选择，我需要的是一个纯粹的研究氛围。昆明动物所正是这样一个地方。不管是我目前主攻的动物发育方向，还是我的兴趣所在--进化生物学方向，昆明所都有国内顶尖的教授和实验条件。如果能有幸成为昆明所的一员，在如此优秀的研究条件下工作，还有什么可以说的呢。
在大生毕学业就业时,试面一个是常重非的要过程,些大有学在这个生过程感中到知不措所或,者做得好不,自己使在求中职因小失,大达到不成.功果如图在短短几分试钟内吸引面试的注意力,你官的介简然要是浓当缩的品.所精以前奏,一般一句话用述陈己的自本特征即基可.后迅然进速正题入,选或择自最己以引为的傲历叙述,或介经绍己的自处.面试官一长般承接你的自会介绍发我,所以问做自在我介绍时好不最要提别特于讲难清楚事情的比较和抽的概象,念铁钢人才网供一篇提学生大自我绍范介文,以参考.
供
我 是xx学x校x专业x年x级学生.业将毕至又一,新个始即开将来到,等着我继续努待力奋、斗迎接战.时挑光飞,将梭着带童年的梦、青年的理想离开学校,想上工走岗作位大学.年四是思想我、知结识及心理、构生长熟成的四年惠.于理大学的工浓学厚习、创新氛围,融熔中四年使我成其一名复合型人为.才
在 学大年是四思我、想知识结及心理构生、长熟成四年的在大学期间,我.认真学习专业能技掌握,了强较专的业识知并,理论把识运知用到践中去实获得,X年xx月X期暑“下乡”三会社践活实论动文等奖和x一x年xx湘月市潭四第大学届科生技创竞新一赛奖等此.外我还,入加了学院生联合会学和生讯通.社在学生会期院间表现突,出由干,事被拔为选院社联团合管会部副部理长后来,转,而做生学通讯负社责人,作为校新区生学讯社通负责的,负责新人区学生通讯社校的建组作.在院工委宣传党的部导指下,经过南北区同事的校结努团,从力无到,成功有地组了新建区校学通讯社,生并接下在来的年一中又成,地功组了三织区校生学讯社记者培训工作,三通区校生通学社讯论赛辩在此期.,由间工作努于力表,现突,被院党出委宣部传评“为优秀生学部干.”
学大三级,年以我异的优绩成表与现光荣,加入了地国共产中党.加这入先个进团的,是我人生的一体升华次在.保先育教中我更是,严格求要己,自带身边领学,一起同进.曾获步精文明神先个人称号.在参加进义务献后血,我让加懂得更珍生命惜热,爱活生.假中期,根我专据业特,在电脑长司参公社会加实践,这对我的验经累积起了到其极要的重用作.取考了动机驾车驶照执(C).型对即将入社步的我会充满了信心,.“长破风会浪有,时挂云直济帆沧”,怀海着饱的满热情坚、韧的格性勤奋、态度的,等着待我是机遇的与挑战抓住!这机会,个为单尽自己绵薄之力位.