数据分析、数据挖掘、机器学习实习面经总结

最新推荐文章于 2024-03-19 17:38:03 发布

DerrickOzil

最新推荐文章于 2024-03-19 17:38:03 发布

阅读量6.3k

点赞数 8

CC 4.0 BY-SA版权

分类专栏：校招/实习面试文章标签：数据分析数据挖掘机器学习

本文链接：https://blog.youkuaiyun.com/jackmcgradylee/article/details/77778590

统计硕士分享了他在找实习过程中遇到的数据分析、挖掘、机器学习岗位面试经验，涉及公司包括创业生态型、二手车、电商巨头、BAT等。面试内容涵盖了文本挖掘、SQL、算法、数据清洗、决策树、K-means、PCA、SVM等多个方面。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本人统计渣硕，上半年找实习，陆陆续续面试了十几家公司的数据分析、挖掘、算法相关的岗位，在这里把能记得的公司的面试内容回顾总结一下，有些记不得了，印象深刻的尽量回忆写下来。

某创业生态型企业，文本挖掘岗位

大数据部门负责人面，（了解公司业务流程做行业生态信息整合的，目前项目是全网人才抓取建库）
基础问题，各编程语言掌握情况、为何会跨专业、对相关行业的了解；
算法leader询问了的基于文本的语义分析问题，包括特征提取和tf-idf算法语义权重计算，LDA原理、爬虫基础、数据清洗相关、课程作业设计相关细节、学期课程
业务设计人才库去重问题，考虑两个：unique字段和计算文本相似度
R的一些包（Rcurl爬虫两个问题，一个是面对验证码的解决方案，一个是基于搜索引擎的爬取问题），关于R package doc 的阅读和包的改写，基于Rserve的协同工作，实现paper算法的时长，是否有自主尝试tensorflow等开源框架等，最后还问了jieba和哈工大LTP在使用上的区别，谈一下感受

某二手车，数据分析岗位

笔试：包括SQL数据查询、考了个快速排序和插入排序、mapreduce的wc功能实现

算法（写公式、作图）：kmeans的迭代方式、理想目的、何时收敛；
决策树的几种类型、特征选择、相关指标计算，过拟合的解决方式（为何、如何剪枝），决策树大方差以及预测曲面不光滑问题、重抽样相关，随机森林原理；
处理流程：标准化操作、数据库相关范式询问在上一次实习的项目经验、原理、实现以及业务逻辑，如何设置jieba分词时的参数和解决实体分词的关系