数据分析师笔试题目.doc

网易数据分析专员笔试题目一、基础题1、中国现在有多少亿网民?2、百度花多少亿美元收购了91无线?3、appstore排名的规则与影响因素4、豆瓣fm推荐算法5、列举5个数据分析的博客或网站二、计算题1、关于简单移动平均与加权移动平均计算2、两行数计算相关系数。(2位小数,还不让用计算器,反正我没算)3、计算三个距离,欧几里德,曼哈顿,闵可夫斯基距离三、简答题1、离散的指标,优缺点2、插补缺失值方法,优缺点及适用环境3、数据仓库解决方案,优缺点4、分类算法,优缺点5、协同推荐系统与基于聚类系统的区别四、分析题关于网易邮箱用户流失的定义,挑选指标。然后要构建一个预警模型。五、算法题记不得了,没做。。。反正就是决策树与神经网络相关。1、您处理过的最大的数据量?您就是如何处理她们的?处理的结果。2、告诉我二个分析或者计算机科学相关项目?您就是如何对其结果进行衡量的?3、什么就是: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、什么就是:协同过滤、n-grams,mapreduce、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、点击流数据应该就是实时处理?为什么?哪部分应该实时处理?9、您认为哪个更好:就是好的数据还就是好模型?同时您就是如何定义“好”?存在所有情况下通用的模型不?有您没有知道一些模型的定义并不就是那么好?10、什么就是概率合并(AKA模糊融合)?使用SQL处理还就是其它语言方便?对于处理半结构化的数据您会选择使用哪种语言?11、您就是如何处理缺少数据的?您推荐使用什么样的处理技术?12、您最喜欢的编程语言就是什么?为什么?13、对于您喜欢的统计软件告诉您喜欢的与不喜欢的3个理由。14、SAS,R,Python,Perl语言的区别就是?15、什么就是大数据的诅咒?16、您参与过数据库与数据模型的设计不?17、您就是否参与过仪表盘的设计及指标选择?您对于商业智能与报表工具有什么想法?18、您喜欢TD数据库的什么特征?19、如何您打算发100万的营销活动邮件。您怎么去优化发送?您怎么优化反应率?能把这二个优化份开不?20、如果有几个客户查询ORACLE数据库的效率很低。为什么?您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?这就是否真的有必要做这样的转换?把数据存成平面文本文件就是否比存成关系数据库更好?22、什么就是哈希表碰撞攻击?怎么避免?发生的频率就是多少?23、如何判别mapreduce过程有好的负载均衡?什么就是负载均衡?24、请举例说明mapreduce就是如何工作的?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)您认为就是100个小的哈希表好还就是一个大的哈希表,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?您如何使用朴素贝叶斯来改进爬虫检验算法?27、您处理过白名单不?主要的规则?(在欺诈或者爬行检验的情况下)28、什么就是星型模型?什么就是查询表?29、您可以使用excel建立逻辑回归模型不?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不?如何及提升多少?31、使用5天完成90%的精度的解决方案还就是花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就是什么?您知道的其它回归模型不?34、您认为叶数小于50的决策树就是否比大的好?为什么?35、保险精算就是否就是统计学的一个分支?如果不就是,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就是一个衡量模型的好指标?您建议用哪个指标替代?38、您如何证明您带来的算法改进就是真的有效的与不做任何改变相比?您对A/B测试熟不?39、什么就是敏感性分析?拥有更低的敏感性(也就就是说更好的强壮性)与低的预测能力还就是正好相反好?您如何使用交叉验证?您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瞧?40、对于一下逻辑回归、决策树、神经网络。在过去15年中这些技术做了哪些大的改进?41、除了主成分分析外您还使用其它数据降维技术不?您怎么想逐步回归?您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、您如何建议一个非参数置信区间?43、您熟悉极值理论、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