Расширенные вопросы на собеседовании  

  

 

1. Какой самый большой набор данных вы обработали, и как вы его обрабатывали, каковы были результаты?

2. Расскажите мне две истории успеха о ваших аналитических или компьютерных проектах? Как измерялся подъем (или успех)?

3. Что такое: лифт, KPI, надежность, подгонка модели, план экспериментов, правило 80/20?

4. Что такое: совместная фильтрация, n-граммы, уменьшение карты, косинусное расстояние?

5. Как оптимизировать поисковый робот, чтобы он работал намного быстрее, извлекал лучшую информацию и лучше суммировал данные для создания более чистых баз данных?

6. Как бы вы придумали решение для выявления плагиата?

7. Как определить отдельные платные учетные записи, которыми пользуются несколько пользователей?

8. Следует ли обрабатывать данные о кликах в режиме реального времени? Почему? В каких контекстах?

9. Что лучше: хорошие данные или хорошие модели? А как вы определяете «хорошо»? Есть ли универсальная хорошая модель? Есть ли модели, которые точно не так хороши?

10. Что такое вероятностное слияние (также известное как нечеткое слияние)? Легче ли работать с SQL или другими языками? Какие языки вы бы выбрали для согласования полуструктурированных текстовых данных?

11. Как вы справляетесь с отсутствующими данными? Какие методы вменения вы рекомендуете?

12. Какой ваш любимый язык программирования / поставщик? Зачем?

13. Расскажите мне о 3 положительных и 3 отрицательных моментах о вашем любимом статистическом программном обеспечении.

14. Сравните SAS, R, Python, Perl

15. В чем проклятие больших данных?

16. Вы принимали участие в проектировании баз данных и моделировании данных?

17. Участвовали ли вы в создании дашбордов и выборе показателей? Что ты думаешь о Бирте?

18. Какие особенности Teradata вам нравятся?

19. Вы собираетесь отправить миллион писем (маркетинговая кампания). Как вы оптимизируете доставку? Как вы оптимизируете отклик? Можете ли вы оптимизировать оба по отдельности? (ответ: не совсем)

20. Toad, Brio или любые другие подобные клиенты совершенно неэффективны для запросов к базам данных Oracle. Почему? Как бы вы сделали, чтобы увеличить скорость в 10 раз и справиться с гораздо большими результатами?

21. Как бы вы превратили неструктурированные данные в структурированные? Это действительно необходимо? Можно ли хранить данные в виде простых текстовых файлов, а не в СУБД на базе SQL?

22. Что такое коллизии хеш-таблиц? Как этого избежать? Как часто это случается?

23. Как убедиться, что приложение mapreduce имеет хороший баланс нагрузки? Что такое балансировка нагрузки?

24. Примеры, когда mapreduce не работает? Примеры, где это работает очень хорошо? Какие проблемы безопасности связаны с облаком? Что вы думаете о решении EMC, предлагающем гибридный подход - как внутреннее, так и внешнее облако - для снижения рисков и предоставления других преимуществ (какие из них)?

25. Что лучше: иметь в памяти 100 небольших хеш-таблиц или одну большую хеш-таблицу с точки зрения скорости доступа (при условии, что обе они помещаются в ОЗУ)? Что вы думаете об аналитике в базе данных?

26. Почему наивный Байес такой плохой? Как бы вы улучшили алгоритм обнаружения спама, использующий наивный байесовский алгоритм?

27. Вы работали с белыми списками? Положительные правила? (В контексте обнаружения мошенничества или спама)

28. Что такое звездная схема? Таблицы поиска?

29. Можете ли вы выполнить логистическую регрессию с помощью Excel? (да как? (использовать linest для данных, преобразованных в журнал)? Будет ли результат хорош? (У Excel есть числовые проблемы, но он очень интерактивный)

30. Вы оптимизировали код или алгоритмы для повышения скорости: в SQL, Perl, C ++, Python и т. Д. Как и насколько?

31. Что лучше потратить 5 дней на разработку решения с точностью 90% или 10 дней на 100% точность? Зависит от контекста?

32. Определите: обеспечение качества, шесть сигм, план экспериментов. Приведите примеры хорошего и плохого плана экспериментов.

33. Каковы недостатки общей линейной модели? Вы знакомы с альтернативами (лассо, регресс гребня, усиленные деревья)?

34. Как вы думаете, 50 маленьких деревьев решений лучше боль