數(shù)據(jù)分析師筆試題目

1、網(wǎng)易數(shù)據(jù)分析專員筆試題目一、基礎(chǔ)題1、中國(guó)現(xiàn)在有多少億網(wǎng)民？2、百度花多少億美元收購(gòu)了91無(wú)線？3、app store排名的規(guī)則和影響因素4、豆瓣fm推薦算法5、列舉5個(gè)數(shù)據(jù)分析的博客或網(wǎng)站二、計(jì)算題1、關(guān)于簡(jiǎn)單移動(dòng)平均和加權(quán)移動(dòng)平均計(jì)算2、兩行數(shù)計(jì)算相關(guān)系數(shù)。（2位小數(shù)，還不讓用計(jì)算器，反正我沒(méi)算）3、計(jì)算三個(gè)距離，歐幾里德，曼哈頓，閔可夫斯基距離三、簡(jiǎn)答題1、離散的指標(biāo)，優(yōu)缺點(diǎn)2、插補(bǔ)缺失值方法，優(yōu)缺點(diǎn)及適用環(huán)境3、數(shù)據(jù)倉(cāng)庫(kù)解決方案，優(yōu)缺點(diǎn)4、分類算法，優(yōu)缺點(diǎn)5、協(xié)同推薦系統(tǒng)和基于聚類系統(tǒng)的區(qū)別四、分析題關(guān)于網(wǎng)易郵箱用戶流失的定義，挑選指標(biāo)。然后要構(gòu)建一個(gè)預(yù)警模型。五、算法題記不得了，沒(méi)做

2、。反正是決策樹(shù)和神經(jīng)網(wǎng)絡(luò)相關(guān)。1、你處理過(guò)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(gè)分析或者計(jì)算機(jī)科學(xué)相關(guān)項(xiàng)目？你是如何對(duì)其結(jié)果進(jìn)行衡量的？3、什么是：提升值、關(guān)鍵績(jī)效指標(biāo)、強(qiáng)壯性、模型按合度、實(shí)驗(yàn)設(shè)計(jì)、2/8原則？4、什么是：協(xié)同過(guò)濾、n-grams, map reduce、余弦距離？5、如何讓一個(gè)網(wǎng)絡(luò)爬蟲(chóng)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(kù)？6、如何設(shè)計(jì)一個(gè)解決抄襲的方案？7、如何檢驗(yàn)一個(gè)個(gè)人支付賬戶都多個(gè)人使用？8、點(diǎn)擊流數(shù)據(jù)應(yīng)該是實(shí)時(shí)處理？為什么？哪部分應(yīng)該實(shí)時(shí)處理？9、你認(rèn)為哪個(gè)更好：是好的數(shù)據(jù)還是好模型？同時(shí)你是如何定義“好”？存在所有

3、情況下通用的模型嗎？有你沒(méi)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(yǔ)言方便？對(duì)于處理半結(jié)構(gòu)化的數(shù)據(jù)你會(huì)選擇使用哪種語(yǔ)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(yǔ)言是什么？為什么？13、對(duì)于你喜歡的統(tǒng)計(jì)軟件告訴你喜歡的與不喜歡的3個(gè)理由。14、SAS, R, Python, Perl語(yǔ)言的區(qū)別是？15、什么是大數(shù)據(jù)的詛咒？16、你參與過(guò)數(shù)據(jù)庫(kù)與數(shù)據(jù)模型的設(shè)計(jì)嗎？17、你是否參與過(guò)儀表盤(pán)的設(shè)計(jì)及指標(biāo)選擇？你對(duì)于商業(yè)智能和報(bào)表工具有什么想法？18、你喜歡TD數(shù)據(jù)庫(kù)的什么特征？19、如何你打算發(fā)100萬(wàn)的營(yíng)

4、銷(xiāo)活動(dòng)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(gè)優(yōu)化份開(kāi)嗎？20、如果有幾個(gè)客戶查詢ORACLE數(shù)據(jù)庫(kù)的效率很低。為什么？你做什么可以提高速度10倍以上，同時(shí)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(kù)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(guò)程有好的負(fù)載均衡？什么是負(fù)載均衡？24、請(qǐng)舉例說(shuō)明mapreduce是如何工作的？在什么應(yīng)用場(chǎng)景下工作的很好？云的安全問(wèn)題有哪些？25、（在內(nèi)存滿足的情況下）你認(rèn)為是100個(gè)小的哈希表好還是一個(gè)

5、大的哈希表，對(duì)于內(nèi)在或者運(yùn)行速度來(lái)說(shuō)？對(duì)于數(shù)據(jù)庫(kù)分析的評(píng)價(jià)？26、為什么樸素貝葉斯差？你如何使用樸素貝葉斯來(lái)改進(jìn)爬蟲(chóng)檢驗(yàn)算法？27、你處理過(guò)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(shuō)明一下建立過(guò)程？30、在SQL, Perl, C+, Python等編程過(guò)程上，待為了提升速度優(yōu)化過(guò)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(jì)。好的與壞的實(shí)驗(yàn)設(shè)計(jì)能否舉個(gè)案例

6、？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(shù)是否比大的好？為什么？35、保險(xiǎn)精算是否是統(tǒng)計(jì)學(xué)的一個(gè)分支？如果不是，為何如何？36、給出一個(gè)不符合高斯分布與不符合對(duì)數(shù)正態(tài)分布的數(shù)據(jù)案例。給出一個(gè)分布非常混亂的數(shù)案例。37、為什么說(shuō)均方誤差不是一個(gè)衡量模型的好指標(biāo)？你建議用哪個(gè)指標(biāo)替代？38、你如何證明你帶來(lái)的算法改進(jìn)是真的有效的與不做任何改變相比？你對(duì)A/B測(cè)試熟嗎？39、什么是敏感性分析？擁有更低的敏感性（也就是說(shuō)更好的強(qiáng)壯性）和低的預(yù)測(cè)能力還是正好相反好？你如何使用交叉驗(yàn)證？你對(duì)于在數(shù)據(jù)集中插入噪聲數(shù)據(jù)從而來(lái)檢驗(yàn)?zāi)Ｐ偷拿舾行缘南敕ㄈ绾慰矗?0

7、、對(duì)于一下邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)。在過(guò)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(shí)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(gè)非參數(shù)置信區(qū)間？43、你熟悉極值理論、蒙特卡羅邏輯或者其它數(shù)理統(tǒng)計(jì)方法以正確的評(píng)估一個(gè)稀疏事件的發(fā)生概率？44、什么是歸因分析？如何識(shí)別歸因與相關(guān)系數(shù)？舉例。45、如何定義與衡量一個(gè)指標(biāo)的預(yù)測(cè)能力？46、如何為欺詐檢驗(yàn)得分技術(shù)發(fā)現(xiàn)最好的規(guī)則集？你如何處理規(guī)則冗余、規(guī)則發(fā)現(xiàn)和二者的本質(zhì)問(wèn)題？一個(gè)規(guī)則集的近似解決方案是否可行？如何尋找一個(gè)可行的近似方案？你如何決定

8、這個(gè)解決方案足夠好從而可以停止尋找另一個(gè)更好的？47、如何創(chuàng)建一個(gè)關(guān)鍵字分類？48、什么是僵尸網(wǎng)絡(luò)？如何進(jìn)行檢測(cè)？49、你有使用過(guò)API接口的經(jīng)驗(yàn)嗎？什么樣的API？是谷歌還是亞馬遜還是軟件即時(shí)服務(wù)？50、什么時(shí)候自己編號(hào)代碼比使用數(shù)據(jù)科學(xué)者開(kāi)發(fā)好的軟件包更好？51、可視化使用什么工具？在作圖方面，你如何評(píng)價(jià)Tableau?R?SAS?在一個(gè)圖中有效展現(xiàn)五個(gè)維度？52、什么是概念驗(yàn)證？53、你主要與什么樣的客戶共事：內(nèi)部、外部、銷(xiāo)售部門(mén)/財(cái)務(wù)部門(mén)/市場(chǎng)部門(mén)/IT部門(mén)的人？有咨詢經(jīng)驗(yàn)嗎？與供應(yīng)商打過(guò)交道，包括供應(yīng)商選擇與測(cè)試。54、你熟悉軟件生命周期嗎？及IT項(xiàng)目的生命周期，從收入需求到項(xiàng)目維護(hù)

9、？55、什么是cron任務(wù)？56、你是一個(gè)獨(dú)身的編碼人員？還是一個(gè)開(kāi)發(fā)人員？或者是一個(gè)設(shè)計(jì)人員？57、是假陽(yáng)性好還是假陰性好？58、你熟悉價(jià)格優(yōu)化、價(jià)格彈性、存貨管理、競(jìng)爭(zhēng)智能嗎？分別給案例。59、Zillows算法是如何工作的？60、如何檢驗(yàn)為了不好的目的還進(jìn)行的虛假評(píng)論或者虛假的FB帳戶？61、你如何創(chuàng)建一個(gè)新的匿名數(shù)字帳戶？62、你有沒(méi)有想過(guò)自己創(chuàng)業(yè)？是什么樣的想法？63、你認(rèn)為帳號(hào)與密碼輸入的登錄框會(huì)消失嗎？它將會(huì)被什么替代？64、你用過(guò)時(shí)間序列模型嗎？時(shí)滯的相關(guān)性？相關(guān)圖？光譜分析？信號(hào)處理與過(guò)濾技術(shù)？在什么樣的場(chǎng)景下？65、哪位數(shù)據(jù)科學(xué)有你最佩服？從哪開(kāi)始？66、你是怎么開(kāi)始對(duì)數(shù)據(jù)

10、科學(xué)感興趣的？67、什么是效率曲線？他們的缺陷是什么，你如何克服這些缺陷？68、什么是推薦引擎？它是如何工作的？69、什么是精密測(cè)試？如何及什么時(shí)候模擬可以幫忙我們不使用精密測(cè)試？70、你認(rèn)為怎么才能成為一個(gè)好的數(shù)據(jù)科學(xué)家？71、你認(rèn)為數(shù)據(jù)科學(xué)家是一個(gè)藝術(shù)家還是科學(xué)家？72、什么是一個(gè)好的、快速的聚類算法的的計(jì)算復(fù)雜度？什么好的聚類算法？你怎么決定一個(gè)聚類的聚數(shù)？73、給出一些在數(shù)據(jù)科學(xué)中“最佳實(shí)踐的案例”。74、什么讓一個(gè)圖形使人產(chǎn)生誤解、很難去讀懂或者解釋？一個(gè)有用的圖形的特征？75、你知道使用在統(tǒng)計(jì)或者計(jì)算科學(xué)中的“經(jīng)驗(yàn)法則”嗎？或者在商業(yè)分析中。76、你覺(jué)得下一個(gè)20年最好的5個(gè)預(yù)測(cè)方

11、法是？77、你怎么馬上就知道在一篇文章中（比如報(bào)紙）發(fā)表的統(tǒng)計(jì)數(shù)字是錯(cuò)誤，或者是用作支撐作者的論點(diǎn)，而不是僅僅在羅列某個(gè)事物的信息？例如，對(duì)于每月官方定期在媒體公開(kāi)發(fā)布的失業(yè)統(tǒng)計(jì)數(shù)據(jù)，你有什么感想？怎樣可以讓這些數(shù)據(jù)更加準(zhǔn)確？從阿里數(shù)據(jù)分析師筆試看職業(yè)要求以下試題是來(lái)自阿里巴巴招募實(shí)習(xí)生的一次筆試題，從筆試題的幾個(gè)要求我們一起來(lái)看看數(shù)據(jù)分析的職業(yè)要求。一、異常值是指什么？請(qǐng)列舉1種識(shí)別連續(xù)型變量異常值的方法？異常值（Outlier） 是指樣本中的個(gè)別值，其數(shù)值明顯偏離所屬樣本的其余觀測(cè)值。在數(shù)理統(tǒng)計(jì)里一般是指一組觀測(cè)值中與平均值的偏差超過(guò)兩倍標(biāo)準(zhǔn)差的測(cè)定值。Grubbs test（是以Fran

12、k E. Grubbs命名的），又叫maximum normed residual test，是一種用于單變量數(shù)據(jù)集異常值識(shí)別的統(tǒng)計(jì)檢測(cè)，它假定數(shù)據(jù)集來(lái)自正態(tài)分布的總體。未知總體標(biāo)準(zhǔn)差，在五種檢驗(yàn)法中，優(yōu)劣次序?yàn)椋簍檢驗(yàn)法、格拉布斯檢驗(yàn)法、峰度檢驗(yàn)法、狄克遜檢驗(yàn)法、偏度檢驗(yàn)法。點(diǎn)評(píng)：考察的內(nèi)容是統(tǒng)計(jì)學(xué)基礎(chǔ)功底。二、什么是聚類分析？聚類算法有哪幾種？請(qǐng)選擇一種詳細(xì)描述其計(jì)算原理和步驟。聚類分析(cluster analysis)是一組將研究對(duì)象分為相對(duì)同質(zhì)的群組(clusters)的統(tǒng)計(jì)分析技術(shù)。 聚類分析也叫分類分析(classification analysis)或數(shù)值分類(numerica

13、l taxonomy)。聚類與分類的不同在于，聚類所要求劃分的類是未知的。聚類分析計(jì)算方法主要有： 層次的方法（hierarchical method）、劃分方法（partitioning method）、基于密度的方法（density-based method）、基于網(wǎng)格的方法（grid-based method）、基于模型的方法（model-based method）等。其中，前兩種算法是利用統(tǒng)計(jì)學(xué)定義的距離進(jìn)行度量。k-means 算法的工作過(guò)程說(shuō)明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配

14、給與其最相似的（聚類中心所代表的）聚類；然 后再計(jì)算每個(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)象的均值）；不斷重復(fù)這一過(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開(kāi)始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開(kāi)。其流程如下：（1）從 n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；（2）根據(jù)每個(gè)聚類對(duì)象的均值（中心對(duì)象），計(jì)算每個(gè)對(duì)象與這些中心對(duì)象的距離；并根據(jù)最小距離重新對(duì)相應(yīng)對(duì)象進(jìn)行劃分；（3）重新計(jì)算每個(gè)（有變化）聚類的均值（中心對(duì)象）；（4）循環(huán)（2）、（3）直到每個(gè)聚類不再發(fā)生變化為止（標(biāo)準(zhǔn)測(cè)量函數(shù)收斂）。優(yōu)點(diǎn)：本算法確定的K 個(gè)劃分到

15、達(dá)平方誤差最小。當(dāng)聚類是密集的，且類與類之間區(qū)別明顯時(shí)，效果較好。對(duì)于處理大數(shù)據(jù)集，這個(gè)算法是相對(duì)可伸縮和高效的，計(jì)算的復(fù)雜度為 O(NKt)，其中N是數(shù)據(jù)對(duì)象的數(shù)目，t是迭代的次數(shù)。一般來(lái)說(shuō)，K<<N，t<<N 。缺點(diǎn)：1. K 是事先給定的，但非常難以選定；2. 初始聚類中心的選擇對(duì)聚類結(jié)果有較大的影響。點(diǎn)評(píng)：考察的內(nèi)容是常用數(shù)據(jù)分析方法，做數(shù)據(jù)分析一定要理解數(shù)據(jù)分析算法、應(yīng)用場(chǎng)景、使用過(guò)程、以及優(yōu)缺點(diǎn)。三、根據(jù)要求寫(xiě)出SQL表A結(jié)構(gòu)如下：Member_ID（用戶的ID，字符型）Log_time（用戶訪問(wèn)頁(yè)面時(shí)間，日期型（只有一天的數(shù)據(jù)）URL（訪問(wèn)的頁(yè)面地址，字符

16、型）要求：提取出每個(gè)用戶訪問(wèn)的第一個(gè)URL（按時(shí)間最早），形成一個(gè)新表（新表名為B，表結(jié)構(gòu)和表A一致）createtable B asselectMember_ID, min(Log_time), URL from Agroup byMember_ID ;點(diǎn)評(píng)：SQL語(yǔ)句，簡(jiǎn)單的數(shù)據(jù)獲取能力，包括表查詢、關(guān)聯(lián)、匯總、函數(shù)等。四、銷(xiāo)售數(shù)據(jù)分析以下是一家B2C電子商務(wù)網(wǎng)站的一周銷(xiāo)售數(shù)據(jù)，該網(wǎng)站主要用戶群是辦公室女性，銷(xiāo)售額主要集中在5種產(chǎn)品上，如果你是這家公司的分析師，a) 從數(shù)據(jù)中，你看到了什么問(wèn)題？你覺(jué)得背后的原因是什么？b) 如果你的老板要求你提出一個(gè)運(yùn)營(yíng)改進(jìn)計(jì)劃，你會(huì)怎么做？表如下：一組每

17、天某網(wǎng)站的銷(xiāo)售數(shù)據(jù)a) 從這一周的數(shù)據(jù)可以看出，周末的銷(xiāo)售額明顯偏低。這其中的原因，可以從兩個(gè)角度來(lái)看：站在消費(fèi)者的角度，周末可能不用上班，因而也沒(méi)有購(gòu)買(mǎi)該產(chǎn)品的欲望；站在產(chǎn)品的角度來(lái)看，該產(chǎn)品不能在周末的時(shí)候引起消費(fèi)者足夠的注意力。b) 針對(duì)該問(wèn)題背后的兩方面原因，我的運(yùn)營(yíng)改進(jìn)計(jì)劃也分兩方面：一是，針對(duì)消費(fèi)者周末沒(méi)有購(gòu)買(mǎi)欲望的心理，進(jìn)行引導(dǎo)提醒消費(fèi)者周末就應(yīng)該準(zhǔn)備好該產(chǎn)品；二是，通過(guò)該產(chǎn)品的一些類似于打折促銷(xiāo)等活動(dòng)來(lái)提升該產(chǎn)品在周末的人氣和購(gòu)買(mǎi)力。點(diǎn)評(píng)：數(shù)據(jù)解讀能力，獲取數(shù)據(jù)是基本功，僅僅有數(shù)據(jù)獲取能力是不夠的，其次是對(duì)數(shù)據(jù)的解讀能力。五、用戶調(diào)研某公司針對(duì)A、B、C三類客戶，提出了一種統(tǒng)一

18、的改進(jìn)計(jì)劃，用于提升客戶的周消費(fèi)次數(shù)，需要你來(lái)制定一個(gè)事前試驗(yàn)方案，來(lái)支持決策，請(qǐng)你思考下列問(wèn)題：a) 試驗(yàn)需要為決策提供什么樣的信息？c) 按照上述目的，請(qǐng)寫(xiě)出你的數(shù)據(jù)抽樣方法、需要采集的數(shù)據(jù)指標(biāo)項(xiàng)，以及你選擇的統(tǒng)計(jì)方法。a) 試驗(yàn)要能證明該改進(jìn)計(jì)劃能顯著提升A、B、C三類客戶的周消費(fèi)次數(shù)。b) 根據(jù)三類客戶的數(shù)量，采用分層比例抽樣；需要采集的數(shù)據(jù)指標(biāo)項(xiàng)有：客戶類別，改進(jìn)計(jì)劃前周消費(fèi)次數(shù)，改進(jìn)計(jì)劃后周消費(fèi)次數(shù)；選用統(tǒng)計(jì)方法為：分別針對(duì)A、B、C三類客戶，進(jìn)行改進(jìn)前和后的周消費(fèi)次數(shù)的，兩獨(dú)立樣本T-檢驗(yàn)（two-sample t-test）。點(diǎn)評(píng)：業(yè)務(wù)理解能力和數(shù)據(jù)分析思路，這是數(shù)據(jù)分析的核心

19、競(jìng)爭(zhēng)力。綜上所述：一個(gè)合格的數(shù)據(jù)分析應(yīng)該具備統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)、數(shù)據(jù)分析方法、數(shù)據(jù)獲取、數(shù)據(jù)解讀和業(yè)務(wù)理解、數(shù)據(jù)分析思想幾個(gè)方面能力，即將成為數(shù)據(jù)分析師的親們，你們準(zhǔn)備好了嗎？2 、從騰訊（數(shù)據(jù)挖掘方向）筆試題目看技術(shù)儲(chǔ)備筆試內(nèi)容：1.二叉樹(shù)遍歷：已知中序遍歷順序以及前序遍歷順序，求后序遍歷順序2.SQL語(yǔ)句： 找出QQset中最小的QQ號(hào)碼3.encodeURI&URL傳播的轉(zhuǎn)義結(jié)果4.36輛車(chē)，6條跑道，無(wú)計(jì)時(shí)器，最少幾次比賽可以選出前三5.Windows/Linux下判斷遠(yuǎn)程地址為某主機(jī)監(jiān)聽(tīng)的某端口是都開(kāi)放的命令是？6.html 網(wǎng)站cookie7.cookie功能8.哈希沖突9.哪

20、些http方法對(duì)于服務(wù)端和用戶是安全的10.二維數(shù)組內(nèi)存地址計(jì)算11.附加題：推導(dǎo)線性最小二乘法過(guò)程12.附加題：概率計(jì)算（這個(gè)相當(dāng)簡(jiǎn)單啦）13.模型過(guò)擬合與哪些因素有關(guān)，寫(xiě)出理由3 、從百度（數(shù)據(jù)挖掘工程師）筆試題目看技術(shù)儲(chǔ)備一. 簡(jiǎn)答題1. new 和 malloc 的區(qū)別。2. hash沖突是指什么?怎么解決?給兩種方法，寫(xiě)出過(guò)程和優(yōu)缺點(diǎn)。3. 命中的概率是 0.25，若要至少命中一次的概率不小于 0.75，則至少需要幾次?二. 算法設(shè)計(jì)題1. 用C/C+寫(xiě)一個(gè)歸并排序。數(shù)據(jù)結(jié)構(gòu)為struct Nodeint v; Node *next;接口為 Node * merge_sort(Nod

21、e *);2. 設(shè)計(jì)S型層次遍歷樹(shù)的算法，比如根節(jié)點(diǎn)是第一層，第二層從左至右遍歷，第三層從右至左遍歷，第四層再?gòu)淖笾劣冶闅v，以此類推。舉例：應(yīng)依次輸出 1 2 3 6 5 4 7 8 9。3. 一個(gè)url文件，每行是一個(gè)url地址，可能有重復(fù)。(1)統(tǒng)計(jì)每個(gè)url的頻次，設(shè)計(jì)函數(shù)實(shí)現(xiàn)實(shí)現(xiàn)。(2)設(shè)有10億url，平均長(zhǎng)度是20，現(xiàn)在機(jī)器有8G內(nèi)存，怎么處理，寫(xiě)出思路。三. 系統(tǒng)設(shè)計(jì)題自然語(yǔ)言處理中的中文分詞問(wèn)題，前向最大匹配算法(FMM)。注：題目舉例說(shuō)明了FMM的基本思想。(1)設(shè)計(jì)字典的數(shù)據(jù)結(jié)構(gòu) struct dictnote。(2)用C/C+實(shí)現(xiàn)FMM，可選接口為int FMM(vect

22、oriLetters, dictnode *iRoot, vector*oResults);其中 iLetters 為待分詞的句子，比如 “小”，“明”，“今”，“天”，“買(mǎi)”，“了”，“i”，“p”，“o”，“n”，“e”，“6”，iRoot 是字典， oResults 保存輸出結(jié)果，即分詞的位置。也可以自己設(shè)計(jì)接口。(3)收集了一些手機(jī)品牌的字典，如iphone, 諾基亞?，F(xiàn)在要求查找包含這些手機(jī)品牌的網(wǎng)頁(yè)，比如包含 iphone6, 諾基亞 9973 等。怎么修改FMM實(shí)現(xiàn)這個(gè)功能，可以寫(xiě)偽代碼。4 、從搜狐（數(shù)據(jù)挖掘算法工程師）筆試題目看技術(shù)儲(chǔ)備筆試1， 類的繼承2， 資源互斥下的死鎖

23、3， 一維數(shù)組，元素為指針，指針指向一個(gè)參數(shù)為Int，返回值為int的函數(shù)4， 進(jìn)程間的通信方式5， Const標(biāo)志符常量一定要？6， String的普通構(gòu)造函數(shù)，拷貝構(gòu)造函數(shù)，賦值函數(shù)，析構(gòu)函數(shù)7， Strcpy函數(shù)8， N個(gè)不同數(shù)的全排列，打印所有全排列9， Sizeof(char name=”hello”)10， 繼承的轉(zhuǎn)換（子類可以轉(zhuǎn)換成基類，基類不能轉(zhuǎn)換成子類，多繼承下同一子類的基類間不能相互轉(zhuǎn)換）5 、從網(wǎng)易（數(shù)據(jù)挖掘研究員）筆試題目看技術(shù)儲(chǔ)備筆試1， 字符串匹配的算法復(fù)雜度（主串N,字串M）N+M2， 排序算法的穩(wěn)定性(快速排序?yàn)榉欠€(wěn)定)3， 平衡二叉樹(shù)的插入4， 20個(gè)億整數(shù)的

24、兩個(gè)集合a與b,求a與b的交集，內(nèi)存為4Gb5， 在N個(gè)無(wú)序數(shù)中找K個(gè)最小值6， 頁(yè)面文件的邏輯地址位（8個(gè)1024字放內(nèi)32幀內(nèi)存里）7， 計(jì)算機(jī)網(wǎng)絡(luò)各層應(yīng)用連接8， 哪一種模式不關(guān)心算法Abstract Factory：提供一個(gè)創(chuàng)建一系列相關(guān)或相互依賴對(duì)象的接口，而無(wú)需指定它們具體的類。（使用得非常頻繁。）Adapter：將一個(gè)類的接口轉(zhuǎn)換成客戶希望的另外一個(gè)接口。A d a p t e r模式使得原本由于接口不兼容而不能一起工作的那些類可以一起工作。Bridge：將抽象部分與它的實(shí)現(xiàn)部分分離，使它們都可以獨(dú)立地變化。Builder：將一個(gè)復(fù)雜對(duì)象的構(gòu)建與它的表示分離，使得同樣的構(gòu)建過(guò)程可

25、以創(chuàng)建不同的表示。Chain of Responsibility：為解除請(qǐng)求的發(fā)送者和接收者之間耦合，而使多個(gè)對(duì)象都有機(jī)會(huì)處理這個(gè)請(qǐng)求。將這些對(duì)象連成一條鏈，并沿著這條鏈傳遞該請(qǐng)求，直到有一個(gè)對(duì)象處理它。Command：將一個(gè)請(qǐng)求封裝為一個(gè)對(duì)象，從而使你可用不同的請(qǐng)求對(duì)客戶進(jìn)行參數(shù)化；對(duì)請(qǐng)求排隊(duì)或記錄請(qǐng)求日志，以及支持可取消的操作。Composite：將對(duì)象組合成樹(shù)形結(jié)構(gòu)以表示“部分-整體”的層次結(jié)構(gòu)。它使得客戶對(duì)單個(gè)對(duì)象和復(fù)合對(duì)象的使用具有一致性。Decorator：動(dòng)態(tài)地給一個(gè)對(duì)象添加一些額外的職責(zé)。就擴(kuò)展功能而言， 它比生成子類方式更為靈活。Facade：為子系統(tǒng)中的一組接口提供一個(gè)一致

26、的界面， F a c a d e模式定義了一個(gè)高層接口，這個(gè)接口使得這一子系統(tǒng)更加容易使用。Factory Method：定義一個(gè)用于創(chuàng)建對(duì)象的接口，讓子類決定將哪一個(gè)類實(shí)例化。Factory Method使一個(gè)類的實(shí)例化延遲到其子類。Flyweight：運(yùn)用共享技術(shù)有效地支持大量細(xì)粒度的對(duì)象。Interpreter：給定一個(gè)語(yǔ)言, 定義它的文法的一種表示，并定義一個(gè)解釋器, 該解釋器使用該表示來(lái)解釋語(yǔ)言中的句子。Iterator：提供一種方法順序訪問(wèn)一個(gè)聚合對(duì)象中各個(gè)元素, 而又不需暴露該對(duì)象的內(nèi)部表示。Mediator：用一個(gè)中介對(duì)象來(lái)封裝一系列的對(duì)象交互。中介者使各對(duì)象不需要顯式地相互引

27、用，從而使其耦合松散，而且可以獨(dú)立地改變它們之間的交互。Memento：在不破壞封裝性的前提下，捕獲一個(gè)對(duì)象的內(nèi)部狀態(tài)，并在該對(duì)象之外保存這個(gè)狀態(tài)。這樣以后就可將該對(duì)象恢復(fù)到保存的狀態(tài)。Observer：定義對(duì)象間的一種一對(duì)多的依賴關(guān)系,以便當(dāng)一個(gè)對(duì)象的狀態(tài)發(fā)生改變時(shí),所有依賴于它的對(duì)象都得到通知并自動(dòng)刷新。Prototype：用原型實(shí)例指定創(chuàng)建對(duì)象的種類，并且通過(guò)拷貝這個(gè)原型來(lái)創(chuàng)建新的對(duì)象。Proxy：為其他對(duì)象提供一個(gè)代理以控制對(duì)這個(gè)對(duì)象的訪問(wèn)。Singleton：保證一個(gè)類僅有一個(gè)實(shí)例，并提供一個(gè)訪問(wèn)它的全局訪問(wèn)點(diǎn)。State：允許一個(gè)對(duì)象在其內(nèi)部狀態(tài)改變時(shí)改變它的行為。對(duì)象看起來(lái)似乎修

28、改了它所屬的類。Strategy：定義一系列的算法,把它們一個(gè)個(gè)封裝起來(lái), 并且使它們可相互替換。本模式使得算法的變化可獨(dú)立于使用它的客戶。Template Method：定義一個(gè)操作中的算法的骨架，而將一些步驟延遲到子類中。Template Method使得子類可以不改變一個(gè)算法的結(jié)構(gòu)即可重定義該算法的某些特定步驟。Visitor：表示一個(gè)作用于某對(duì)象結(jié)構(gòu)中的各元素的操作。它使你可以在不改變各元素的類的前提下定義作用于這些元素的新操作9， 數(shù)據(jù)庫(kù)系統(tǒng)的兩種語(yǔ)言（一種用于定義數(shù)據(jù)庫(kù)模式；另一種用于表達(dá)數(shù)據(jù)的查詢和更新）10， 數(shù)據(jù)庫(kù)的連接運(yùn)算11， 建立索引的原則在經(jīng)常需要搜索的列上，可以加快

29、搜索的速度；在作為 主鍵的列上，強(qiáng)制該列的唯一性和組織表中數(shù)據(jù)的排列結(jié)構(gòu)；在經(jīng)常用在連接的列上，這些列主要是一些外鍵，可以加快連接的速度；在經(jīng)常需要根據(jù)范圍進(jìn)行搜索 的列上創(chuàng)建索引，因?yàn)樗饕呀?jīng)排序，其指定的范圍是連續(xù)的；在經(jīng)常需要排序的列上創(chuàng)建索引，因?yàn)樗饕呀?jīng)排序，這樣查詢可以利用索引的排序，加快排序查詢 時(shí)間；在經(jīng)常使用在WHERE子句中的列上面創(chuàng)建索引，加快條件的判斷速度。不應(yīng)該創(chuàng)建索引的的 這些列具有下列特點(diǎn)：第一，對(duì)于那些在查詢中很少使用或者參考的列不應(yīng)該創(chuàng)建索引。這是因?yàn)?，既然這些列很少使用到，因此有索引或者無(wú)索引，并不能提高查 詢速度。相反，由于增加了索引，反而降低了系統(tǒng)的維護(hù)

30、速度和增大了空間需求。第二，對(duì)于那些只有很少數(shù)據(jù)值的列也不應(yīng)該增加索引。這是因?yàn)?，由于這些列的 取值很少，例如人事表的性別列，在查詢的結(jié)果中，結(jié)果集的數(shù)據(jù)行占了表中數(shù)據(jù)行的很大比例，即需要在表中搜索的數(shù)據(jù)行的比例很大。增加索引，并不能明顯加 快檢索速度。第三，對(duì)于那些定義為text, image和bit數(shù)據(jù)類型的列不應(yīng)該增加索引。這是因?yàn)椋@些列的數(shù)據(jù)量要么相當(dāng)大，要么取值很少。第四，當(dāng)修改性能遠(yuǎn)遠(yuǎn)大于檢索性能時(shí)，不應(yīng)該創(chuàng)建索 引。這是因?yàn)?，修改性能和檢索性能是互相矛盾的。當(dāng)增加索引時(shí)，會(huì)提高檢索性能，但是會(huì)降低修改性能。當(dāng)減少索引時(shí)，會(huì)提高修改性能，降低檢索性能。因 此，當(dāng)修改性能遠(yuǎn)遠(yuǎn)大于檢

31、索性能時(shí)，不應(yīng)該創(chuàng)建索引。12， 事務(wù)的定義與特點(diǎn)，事務(wù)隔離的級(jí)別事務(wù)（Transaction）是并發(fā)控制的單位，是用戶定義的一個(gè)操作序列。這些操作要么都做，要么都不做，是一個(gè)不可分割的工作單位。通過(guò)事務(wù)，SQL Server能將邏輯相關(guān)的一組操作綁定在一起，以便服務(wù)器保持?jǐn)?shù)據(jù)的完整性。事務(wù)的特性(ACID特性)A:原子性(Atomicity)，事務(wù)是數(shù)據(jù)庫(kù)的邏輯工作單位，事務(wù)中包括的諸操作要么全做，要么全不做。B:一致性(Consistency)，事務(wù)執(zhí)行的結(jié)果必須是使數(shù)據(jù)庫(kù)從一個(gè)一致性狀態(tài)變到另一個(gè)一致性狀態(tài)。一致性與原子性是密切相關(guān)的。C:隔離性(Isolation)， 一個(gè)事務(wù)的執(zhí)行不

32、能被其他事務(wù)干擾。D:持續(xù)性/永久性(Durability)，一個(gè)事務(wù)一旦提交，它對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)的改變就應(yīng)該是永久性的。未授權(quán)讀?。ㄔ试S臟讀取，但不允許更新丟失），授權(quán)讀?。ㄔ试S不可重復(fù)讀取，但不允許臟讀?。?，可重復(fù)讀取（禁止不可重復(fù)讀取和臟讀取，但是有時(shí)可能出現(xiàn)幻影數(shù)據(jù)）和序列化（事務(wù)序列化執(zhí)行，不能并發(fā)執(zhí)行）13， 專業(yè)題一數(shù)據(jù)挖掘的步驟14， Pca的概念和處理過(guò)程（主成分分析）15， K中心點(diǎn)聚類算法簡(jiǎn)介首先為每個(gè)簇隨意選擇一下代表對(duì)象，將剩余的對(duì)象根據(jù)其與代表對(duì)象的距離分配給最近的一個(gè)簇。然后反復(fù)地用非代表對(duì)象來(lái)替代代表對(duì)象，以改進(jìn)聚類的質(zhì)量。判定一個(gè)非代表對(duì)象O是否是當(dāng)前一個(gè)代表對(duì)

33、象的O1的好的替代，對(duì)于每一個(gè)非代表對(duì)象p，下面的四種情況考慮。1， p當(dāng)前屬于代表Oj,如果Oj被O代替，p離Oi最近，那么p被重新分配給Oi2， p當(dāng)前屬于代表Oj,如果Oj被O代替，p離O最近，那么p被重新分配給O3， p當(dāng)前屬于代表Oi,如果Oj被O代替，p離Oi最近，那么p不變4， p當(dāng)前屬于代表Oi,如果Oj被O代替，p離Oi最近，那么p被重新分配給O16， 中文分詞技術(shù)簡(jiǎn)介，常用數(shù)據(jù)結(jié)構(gòu)和算法17， 分類器的主流評(píng)測(cè)指標(biāo)：準(zhǔn)確率，速率，魯棒性，可規(guī)模性和可解釋性18， 如何建立一個(gè)智能問(wèn)答系統(tǒng)，思路19， 如何建立一個(gè)智能商品推薦系統(tǒng)，思路網(wǎng)易面試歸來(lái)，還不知道結(jié)果。對(duì)于數(shù)據(jù)分析

34、師這個(gè)職位，網(wǎng)上的面經(jīng)很少，之前自己在網(wǎng)上找面經(jīng)時(shí)深感無(wú)經(jīng)可取，不知道技術(shù)面什么流程，面試官主要問(wèn)什么，所以這里特地留個(gè)爪，供后生參考， 作為拋磚引玉，歡迎童鞋多發(fā)帖多交流，最最最重要的是攢 rp 求祝福 攢 rp 求祝福 攢 rp 求祝福 ：一面：女面試官，人和藹可親，經(jīng)常笑著肯定你的說(shuō)法，讓人也不會(huì)太緊張。先自我介紹，然后她就針對(duì)我的實(shí)習(xí)經(jīng)歷問(wèn)了一些問(wèn)題，問(wèn)的比較詳細(xì)，所以簡(jiǎn)歷上做過(guò)的實(shí)習(xí)、項(xiàng)目一定要把流程理順、細(xì)節(jié)想清楚。簡(jiǎn)歷問(wèn)了大概二十分鐘，就開(kāi)始問(wèn)她準(zhǔn)備的問(wèn)題，有：1. 如果一個(gè) APP 某一天的日活量異常，你怎么分析？2. 如何建立預(yù)測(cè)一個(gè) APP 的用戶流失模型？可以創(chuàng)建哪些特征

35、？跟面試官聊得很開(kāi)心，沒(méi)什么壓力，感覺(jué)時(shí)間過(guò)的很快。二面：等到下午才有二面，一個(gè)不茍言笑的男面試官。照例先自我介紹，然后問(wèn)了簡(jiǎn)歷，也比較詳細(xì)，跟一面差不多。技術(shù)問(wèn)題有：1. 敘述邏輯回歸原理2. 有哪些分類、聚類算法，分類我說(shuō)到 SVM ，他就讓我敘述 SVM 原理，如果數(shù)據(jù)有異常值怎么辦？（其實(shí)我不太懂 SVM ，只講了一點(diǎn)，異常值那里也不清楚，他提示了可以用正則化，這個(gè)我剛好熟悉他就又問(wèn)了為什么要有正則化）3. 數(shù)據(jù)分析有哪些步驟？你想做所有這些流程但不深入，還是專攻某一流程成為專家？我最擅長(zhǎng)的是哪一個(gè)步驟？4. 選擇網(wǎng)易的一款產(chǎn)品，說(shuō)說(shuō)你怎么運(yùn)用數(shù)據(jù)分析提高產(chǎn)品的熱度？（我回答的有道詞典

36、，可以通過(guò)分析客戶流失挽回流失客戶，他說(shuō)有道詞典不需要登陸，問(wèn)我怎么得到用戶信息，這一點(diǎn)我沒(méi)答上來(lái)）5. 如果要選擇一個(gè)產(chǎn)品部門(mén)做分析，你會(huì)選擇哪一個(gè)產(chǎn)品，為什么三面：等了很久才等到三面，是總監(jiān)技術(shù)面，應(yīng)該是一個(gè)做了很久的老員工，除了簡(jiǎn)歷，主要問(wèn)我數(shù)據(jù)庫(kù)的建立、維護(hù)問(wèn)題，他應(yīng)該對(duì)數(shù)據(jù)庫(kù)很了解，他問(wèn)了：你覺(jué)得數(shù)據(jù)分析師最重要的特質(zhì)是什么。四面：三面到四面的時(shí)間就很短了，是 HR 面，然而并不像 HR 面試，像上一輪技術(shù)面的延續(xù)，問(wèn)了我簡(jiǎn)歷上的實(shí)習(xí)經(jīng)歷以及一些職場(chǎng)情景的對(duì)策：1. 如果產(chǎn)品團(tuán)隊(duì)要你完成某項(xiàng)分析工作，又不采取你的建議怎么辦2. 產(chǎn)品團(tuán)隊(duì)的人也懂?dāng)?shù)據(jù)分析，你覺(jué)得數(shù)據(jù)分析團(tuán)隊(duì)存在的價(jià)值是

37、什么？會(huì)不會(huì)被取代總結(jié)：1. 面試整體不難，對(duì)自己要有信心2. 做好充分的準(zhǔn)備（包括簡(jiǎn)歷上的項(xiàng)目、實(shí)習(xí)以及里面可能會(huì)問(wèn)到的一些業(yè)務(wù)細(xì)節(jié)、技術(shù)點(diǎn)，如 APP分析、機(jī)器學(xué)習(xí)算法，面試公司的一些產(chǎn)品），不打無(wú)準(zhǔn)備之仗3. 保持清晰的思路和敏捷的反應(yīng)，在面試官解釋問(wèn)題時(shí)快速思考，有條理的回答，并且有意識(shí)地突出自己的優(yōu)勢(shì)4. 在結(jié)束時(shí)一定要向面試官提一些有針對(duì)性的問(wèn)題以表示感興趣，如果怕想不出來(lái)可以事先準(zhǔn)備一些常規(guī)的問(wèn)題網(wǎng)易的員工都很nice，很愿意了解你，不會(huì)刻意刁難，以真誠(chéng)、實(shí)事求是的態(tài)度對(duì)待每一個(gè)問(wèn)題，呈現(xiàn)最真實(shí)、最優(yōu)秀的自己。2015年8月19日，阿里校招數(shù)據(jù)分析師筆試題。共計(jì)21題（貌似統(tǒng)計(jì)漏了一題，應(yīng)該是單選少了一題，湊合看吧），選擇題每個(gè)人的都不一樣，問(wèn)答題是一樣的。暫時(shí)沒(méi)有答案，希望對(duì)大家有用。單選題：1觀測(cè)宇宙中單位體積內(nèi)星球的個(gè)數(shù)，屬于什么分布：A學(xué)生分布B泊松分布C正態(tài)分布D二項(xiàng)分布 2一些關(guān)于數(shù)據(jù)挖掘說(shuō)