2023年大數(shù)據(jù)面試寶典

大數(shù)據(jù)面試寶典智游大數(shù)據(jù)4期就業(yè)取得了可喜的成績，但是也有拿到oｆｆｅr的同學(xué)表達(dá),在面試的時候，面對咄咄逼人的面試官,內(nèi)心是崩潰的（但你還是拿到ｏffer了啊)。所以小智的這篇文章的意義就是定心丸。大數(shù)據(jù)涉及方向較多,本文以大數(shù)據(jù)算法為主。共涉及以下五方面:機(jī)器學(xué)習(xí)、大數(shù)據(jù)相關(guān)崗位的職責(zé)面試問題答題思緒準(zhǔn)備建議總結(jié)大數(shù)據(jù)算法相關(guān)崗位的職責(zé)由于各個公司對這大數(shù)據(jù)類崗位的命名也許有所不同，比如數(shù)據(jù)挖掘/自然語言解決/機(jī)器學(xué)習(xí)算法工程師,有的簡稱算法工程師,尚有的稱為搜索/推薦算法工程師等，甚至有的并入后臺工程師的范疇，所以同學(xué)們在投簡歷時還要視崗位得具體規(guī)定而定。1、平臺搭建類數(shù)據(jù)計算平臺搭建，基礎(chǔ)算法實現(xiàn),當(dāng)然，規(guī)定支持大樣本量、高維度數(shù)據(jù)，所以也許還需要底層開發(fā)、并行計算、分布式計算等方面的知識；2、算法研究類1）文本挖掘,如領(lǐng)域知識圖譜構(gòu)建、垃圾短信過濾等；２）推薦，廣告推薦、APP推薦、題目推薦、新聞推薦等;3)排序,搜索結(jié)果排序、廣告排序等;４)廣告投放效果分析;5)互聯(lián)網(wǎng)信用評價；6）圖像辨認(rèn)、理解。3、數(shù)據(jù)挖掘類商業(yè)智能,如記錄報表；用戶體驗分析,預(yù)測流失用戶。下面先介紹一些面試中也許會碰到的一些問題，然后談一談答題思緒和面試心理準(zhǔn)備上的一些建議。面試問題1、你在研究/項目/實習(xí)經(jīng)歷中重要用過哪些機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘的算法？2、你熟悉的機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘算法重要有哪些?3、你用過哪些機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘工具或框架?4、基礎(chǔ)知識A、無監(jiān)督和有監(jiān)督算法的區(qū)別?Ｂ、SVM的推導(dǎo)，特性?多分類怎么解決？C、LR的推導(dǎo),特性？D、決策樹的特性？E、SVM、LR、決策樹的對比？F、GBDT和決策森林的區(qū)別?G、如何判斷函數(shù)凸或非凸?H、解釋對偶的概念。I、如何進(jìn)行特性選擇？J、為什么會產(chǎn)生過擬合,有哪些方法可以防止或克服過擬合？K、介紹卷積神經(jīng)網(wǎng)絡(luò)，和DBＮ有什么區(qū)別?Ｌ、采用ＥＭ算法求解的模型有哪些,為什么不用牛頓法或梯度下降法?M、用EＭ算法推導(dǎo)解釋Kmｅans。N、用過哪些聚類算法，解釋密度聚類算法。Ｏ、聚類算法中的距離度量有哪些?P、如何進(jìn)行實體辨認(rèn)?Q、解釋貝葉斯公式和樸素貝葉斯分類。R、寫一個Hadｏoｐ版本的wordcount。５、開放問題A、給你公司內(nèi)部群組的聊天記錄，如何區(qū)分出主管和員工？B、如何評估網(wǎng)站內(nèi)容的真實性（針對代刷、作弊類)？C、深度學(xué)習(xí)在推薦系統(tǒng)上也許有如何的發(fā)揮?D、路段平均車速反映了路況，在道路上布控采集車輛速度,如何對路況做出合理估計？

E、采集數(shù)據(jù)中的異常值如何解決？Ｆ、如何根據(jù)語料計算兩個詞詞義的相似度？Ｇ、在百度貼吧里發(fā)布APP廣告，問推薦策略？H、如何判斷自己實現(xiàn)的LR、Kmeans算法是否對的?Ｉ、１00億數(shù)字,怎么記錄前10０大的?……答題思緒1、用過什么算法?Ａ、最佳是在項目/實習(xí)的大數(shù)據(jù)場景里用過,比如推薦里用過CＦ、ＬＲ，分類里用過SVＭ、GBDT；B、一般用法是什么,是不是自己實現(xiàn)的,有什么比較知名的實現(xiàn),使用過程中踩過哪些坑；C、優(yōu)缺陷分析。2、熟悉的算法有哪些？A、基礎(chǔ)算法要多說，其它算法要挑熟悉限度高的說，不光列舉算法,也適當(dāng)說說應(yīng)用場合；B、面試官和你的研究方向也許不匹配,但是在基礎(chǔ)算法上你們還是有很多共同語言的，你說得太高大上也許效果并不好,一方面面試官還是要問基礎(chǔ)的，另一方面一旦面試官突發(fā)奇想讓你給他講解高大上的內(nèi)容，而你只是泛泛的了解,那你就懵逼了。３、用過哪些框架/算法包?A、主流的分布式框架如Ｈadｏop,Sｐaｒk，Gｒaphlab,ＰarａmeterＳerver等擇一或多使用了解;B、通用算法包,如mａhout,sciｋｉt,weka等;C、專用算法包，如ｏpeｎcv，theａno,ｔｏrch7，ＩCTCLAS等。4、基礎(chǔ)知識Ａ、高頻話題是

SVM、ＬＲ、決策樹（決策森林)和聚類算法，要重點準(zhǔn)備；B、算法要從以下幾個方面來掌握a．產(chǎn)生背景,合用場合（數(shù)據(jù)規(guī)模，特性維度，是否有Ｏnliｎe算法，離散/連續(xù)特性解決等角度）；ｂ.原理推導(dǎo)(最大間隔,軟間隔,對偶）；c.求解方法（隨機(jī)梯度下降、擬牛頓法等優(yōu)化算法）;ｄ.優(yōu)缺陷，相關(guān)改善；ｅ.和其他基本方法的對比；C、不能停留在能看懂的限度，還要f.對知識進(jìn)行結(jié)構(gòu)化整理,比如撰寫自己的cheeｔsheｅt，我覺得面試是在有限時間內(nèi)向面試官輸出自己知識的過程，假如僅僅是在面試現(xiàn)場才開始調(diào)動知識、組織表達(dá)，總還是不如系統(tǒng)的梳理準(zhǔn)備;g.從面試官的角度多問自己一些問題,通過查找資料總結(jié)出全面的解答，比如如何防止或克服過擬合。開放問題A、由于問題具有綜合性和開放性，所以不僅僅考察對大數(shù)據(jù)算法的了解,還需要足夠的實戰(zhàn)經(jīng)驗作基礎(chǔ);B、先不要考慮完善性或可實現(xiàn)性,調(diào)動你的一切知識儲備和經(jīng)驗儲備去設(shè)計，有多少說多少，想到什么說什么,方案都是在你和面試官討論的過程里逐步完善的,但是面試官有兩種風(fēng)格：引導(dǎo)你思考考慮不周之處or指責(zé)你沒有考慮到某些情況，碰到后者的話還請注意靈活調(diào)整答題策略；C、和同學(xué)朋友開展討論，可以從上一節(jié)列出的問題開始。心態(tài)建議1、面試過程中大家是平等的。不要太弱勢也不要太強(qiáng)勢。２、把你之前的項目經(jīng)驗有條理的表達(dá)出來。3、面試一些問題的時候，可以想一想,并不是所有的問題必須別人一問完,立即回答。４、把面試當(dāng)作一種學(xué)習(xí)與經(jīng)歷。關(guān)鍵是從一些面試中你能發(fā)現(xiàn)自己局限性。小ｔips1、面試之前花點時間在面試公司和崗位，了解一下人家公司是干什么，假如你對這家公司特別感愛好,去網(wǎng)站上看看,去體驗一下人家公司的產(chǎn)品和服務(wù)。會讓面試的人感覺到尊重。2、假如有結(jié)識的人或者通過一些渠道先了解一下你面試的公司,部門情況到底是怎么樣的。到底要