春招快到了，送你一份数据分析常见面试题
找了半年工作，面试了几个data science的职位，总结了一些常见的问题，在这儿抛砖引玉。
自我介绍
几乎所有的面试都免不了以自我介绍为开头。对于考官，通常也会想基于自我介绍发现接下来要问的问题。所以，自我介绍非常重要。我参考的模板：
教育背景：简单说说哪年在哪里获得什么学位。
相关经验：按时间顺序讲一下2个做过的项目，介绍下用了什么办法，比如用了什么编程语言，最后的成果是什么。最好有些量化的指标，比如发表了多少论文，被引用了多少次。这些项目最好和面试的职位有关系。实在没有，也可以看看从中学到的知识或者技能可否扩展到data science. 比如之前做过信号处理，可以讲这个项目为data science打下了统计基础。
最自豪的成就和表态：介绍一下自己最自豪的项目，关键是要点出自己的优势，比如迅速掌握了一个很大的代码库，或者在代码库中加入了一个很有用的特性，并再次强调一下自己的优势，结尾说，我希望能在XX公司继续发挥这些优势。
被问过的问题总结
机器学习（Machine learning）算法
包括算法对数据的假设，推导，有什么优缺点，何时改用什么算法，怎么选择算法，很类似P2 student intervention的model选择问题。
作为入门的参考书：Introduction to Data Mining (Pang-Ning Tan, Michael Steinbach, Vipin Kumar)；
复杂一点儿的：The Elements of Statistical Learning (Trevor Hastie, Robert Tibshirani , Jerome Friedman)
相关的算法可能包括：
Classification / Regression
- SVM：是很多考官的最爱，最好做到可以推导
- Neural Networks
- Trees & ensemble methods: boosting, bagging
- Clustering
- K-means/median/medoids
- Spectral clustering
- Hierarchical
- DBSCAN: density based spatial clustering of applications with noise
- Self organizing map Association: 这个在Udacity没有介绍，但是大数据可能会用到 Apriori 以及它对大数据的衍生 FP growth 并行实现
其他算法问题:
1、Q-learning: 解释为什么update Q value的时候要用下一个state的max Q，为什么不能用mean?
2、Kalman filter: 在项目中用到了，要求推导
3、Expectation maximization
关于大数据的问题
1、很多职位要求的数据量，要远远大于Udacity的项目，所以会牵扯到一些大数据相关的问题
2、参考书：Mining of Massive Datasets (Jure Leskovec, Anand Rajaraman, Jeff Ullman) 免费的下载：http://infolab.stanford.edu/~ullman/mmds/book.pdf
3、算法：
- Finding similar items
- Find frequent itemsets
- Recommendation systems
- Social graph mining 关于大数据的问题：
- 用过的数据量有多大
- GPU的相关经验？
- Hadoop是怎么读入很大的数据的？ 接受HDFS？
- Spark的相关项目，用的什么model和library
- Spark: RDD相关的概念
- Spark: 如果数据远远大于内存，是怎么处理的?
- 是否遇到过这样的情景：通过对数据的初步分析，观察到有趣的现象？
- Spark: 举例说明inner join, outer join, etc. 其他网上看到的常见问题：
- Support, confidence, and lift
- What is curse of dimensionality?
- A/B testing
- Precision, recall, F1
- How to handle missing data?
来源：优达学城