來(lái)自 Glassdoor 的***數(shù)據(jù)可以告訴我們各大科技公司最近在招聘面試時(shí)最喜歡向候選人提什么問(wèn)題。首先有一個(gè)令人惋惜的結(jié)論：根據(jù)統(tǒng)計(jì)，幾乎所有的公司都有著自己的不同風(fēng)格。由于 Glassdoor 允許匿名提交內(nèi)容，很多樂(lè)于分享的應(yīng)聘者向大家提供了 Facebook、谷歌、微軟等大公司的面試題。我們把其中的一部分列出以供大家參考。另外，如果你想轉(zhuǎn)行成為一名數(shù)據(jù)科學(xué)家，這里也有一份實(shí)踐指南(如何轉(zhuǎn)行成為一名數(shù)據(jù)科學(xué)家?)

[[185812]]

一、通用問(wèn)題

蘋果

如果你有幾百萬(wàn)用戶，每個(gè)用戶都會(huì)發(fā)生數(shù)百筆交易，這些交易存在于數(shù)十種產(chǎn)品中。你該如何把這些用戶細(xì)分成有意義的幾類?

微軟

1. 描述一個(gè)你曾經(jīng)參與的項(xiàng)目，以及它的優(yōu)點(diǎn)。

2. 如何處理具有高基數(shù)(high-cardinality)的類屬特征?

3. 如果想要給 Twitter feed 寫 summarize，你要怎么辦?

4. 在應(yīng)用機(jī)器學(xué)習(xí)算法之前糾正和清理數(shù)據(jù)的步驟是什么?

5. 如何測(cè)量數(shù)據(jù)點(diǎn)之間的距離?

6. 請(qǐng)定義一下方差。

7. 請(qǐng)描述箱形圖(box plot)和直方圖(histogram)之間的差異，以及它們的用例。

Twitter

1. 你會(huì)使用什么功能來(lái)為用戶構(gòu)建推薦算法?

Uber

1. 選擇任何一個(gè)你真正喜歡的產(chǎn)品或應(yīng)用程序，并描述如何改善它。

2. 如何在分布中發(fā)現(xiàn)異常?

3. 如何檢查分布中的某個(gè)趨勢(shì)是否是由于異常產(chǎn)生的?

4. 如何估算 Uber 對(duì)交通和駕駛環(huán)境造成的影響?

5. 你會(huì)考慮用什么指標(biāo)來(lái)跟蹤 Uber 付費(fèi)廣告策略在吸引新用戶上是否有效?然后，你想用什么辦法估算出理想的客戶購(gòu)置成本?

領(lǐng)英(LinkedIn)

1.(對(duì)大數(shù)據(jù)工程師)請(qǐng)解釋 REST 是什么。

二、機(jī)器學(xué)習(xí)問(wèn)題

谷歌

1. 為什么要使用特征選擇(feature selection)?

2. 如果兩個(gè)預(yù)測(cè)變量高度相關(guān)，它們對(duì)邏輯回歸系數(shù)的影響是什么?系數(shù)的置信區(qū)間是什么?

3. 高斯混合模型(Gaussian Mixture Model)和 K-Means 之間有什么區(qū)別?

4. 在 K-Means 中如何拾取 k?

5. 你如何知道高斯混合模型是不是適用的?

6. 假設(shè)聚類模型的標(biāo)簽是已知的，你如何評(píng)估模型的性能?

微軟

1. 你有哪些引以為豪的機(jī)器學(xué)習(xí)項(xiàng)目?

2. 隨便找一個(gè)機(jī)器學(xué)習(xí)算法，然后描述它。

3. 請(qǐng)解釋 Gradient Boosting 是如何工作的。

4.(對(duì)數(shù)據(jù)挖掘工程師)請(qǐng)解釋決策樹模型。

5.(對(duì)數(shù)據(jù)挖掘工程師)什么是神經(jīng)網(wǎng)絡(luò)?

6. 請(qǐng)解釋偏差方差權(quán)衡(Bias-Variance Tradeoff)。

7. 如何處理不平衡二進(jìn)制分類?

8.L1 和 L2 正則化之間有什么區(qū)別?

Uber

1. 你會(huì)通過(guò)哪種特征來(lái)預(yù)測(cè) Uber 司機(jī)是否會(huì)接受訂單請(qǐng)求?你會(huì)使用哪種監(jiān)督學(xué)習(xí)算法來(lái)解決這個(gè)問(wèn)題，如何比較算法的結(jié)果?

領(lǐng)英

1. 點(diǎn)出及描述三種不同的內(nèi)核函數(shù)，在哪些情況下使用哪種?

2. 隨意解釋機(jī)器學(xué)習(xí)里的一種方法。

3. 如何應(yīng)付稀疏數(shù)據(jù)?

IBM

1. 如何防止過(guò)擬合(overfitting)?

2. 如何處理數(shù)據(jù)中的離群值?

3. 如何評(píng)估邏輯回歸與簡(jiǎn)單線性回歸模型預(yù)測(cè)的性能?

4. 監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)有什么區(qū)別?

5. 什么是交叉驗(yàn)證(cross-validation)，為什么要使用它?

6. 用于評(píng)估預(yù)測(cè)模型的矩陣的名稱是什么?

7. 邏輯回歸系數(shù)和勝算比(Odds Ratio)之間存在什么關(guān)系?

8. 主成分分析(PCA)和線性和二次判別分析(LDA 和 QDA)之間的關(guān)系是什么?

9. 如果你有一個(gè)因變量分類，又有一個(gè)連續(xù)自變量的混合分類，你將使用什么算法，方法或工具進(jìn)行分析?

10.(對(duì)行業(yè)分析師)邏輯與線性回歸有什么區(qū)別?如何避免局部極小值?

Salesforce

1. 你會(huì)使用哪些數(shù)據(jù)和模型來(lái)測(cè)量損耗/流失?如何測(cè)試模型性能?

2. 假設(shè)我是一名非技術(shù)人員，請(qǐng)向我解釋一種機(jī)器學(xué)習(xí)算法。

Capital One(一家美國(guó)銀行)

1. 如何構(gòu)建一個(gè)模型來(lái)預(yù)測(cè)信用卡詐騙?

2. 如何處理丟失或不良數(shù)據(jù)?

3. 如何從已存在的特征中導(dǎo)出新的特征?

4. 如果你試圖預(yù)測(cè)客戶的性別，但只有 100 個(gè)數(shù)據(jù)點(diǎn)，可能會(huì)出現(xiàn)什么問(wèn)題?

5. 在擁有兩年交易歷史的情況下，哪些特征可以用來(lái)預(yù)測(cè)信用風(fēng)險(xiǎn)?

6. 請(qǐng)?jiān)O(shè)計(jì)一個(gè)用來(lái)下井字棋的人工智能程序。

Zillow

1. 請(qǐng)解釋過(guò)擬合，以及如何防止過(guò)擬合。

2. 為什么 SVM 需要在支持向量之間***化邊緣?

三、Hadoop

Twitter

1. 如何使用 Map/Reduce 將非常大的圖形分割成更小的塊，并根據(jù)數(shù)據(jù)的快速/動(dòng)態(tài)變化并行計(jì)算它們的邊緣?

2.(對(duì)數(shù)據(jù)工程師)給定一個(gè)列表：123, 345234, 678345, 123…其中***列是粉絲的 ID，第二列是被粉者的 ID。查找所有相互后續(xù)對(duì)(上面的示例中的對(duì)是 123，345)。當(dāng)列表超出內(nèi)存時(shí)，如何使用 Map / Reduce 來(lái)解決問(wèn)題?

Captial One

1.(對(duì)數(shù)據(jù)工程師)什么是 Hadoop 序列化(serialization)?

2. 解釋一個(gè)簡(jiǎn)單的 Map / Reduce 問(wèn)題。

四、Hive

領(lǐng)英

1.(對(duì)數(shù)據(jù)工程師)請(qǐng)編寫返回情感分?jǐn)?shù)的 Hive UDF。例如，假如好=1，壞=-1，平均數(shù)=0，那么對(duì)餐廳做評(píng)價(jià)時(shí)因?yàn)椤甘澄锖?，服?wù)差」，你的分?jǐn)?shù)可能為 1 - 1 = 0

五、Spark

Captial One

1.(對(duì)數(shù)據(jù)工程師)用 Scala 語(yǔ)言，RDD 在 Spark 中是如何工作的?

六、統(tǒng)計(jì)和概率問(wèn)題

谷歌

1. 假設(shè)我是一名非技術(shù)人員，請(qǐng)向我解釋一下交叉驗(yàn)證(Cross-validation)。

2. 請(qǐng)描述一下非正態(tài)概率分布，隨后告訴我們它該如何應(yīng)用?

微軟

1.(對(duì)數(shù)據(jù)挖掘)請(qǐng)解釋異方差(heteroskedasticity)是什么，以及如何解決它。

Twitter

1. 在給定 Twitter 用戶數(shù)據(jù)的情況下，你該如何衡量參與度?

Uber

1. 時(shí)間序列預(yù)測(cè)技術(shù)有什么不同?

2. 解釋原理組件分析(Principle Component Analysis，PCA)和 PCA 使用的方程。

3. 如何解決多重共線性(Multicollinearity)?

4.(對(duì)分析師)請(qǐng)寫一個(gè)方程，優(yōu)化我們?cè)?Twitter 和 Facebook 上的廣告費(fèi)用支出。

Facebook

1. 在一副牌中抽取兩張，出現(xiàn)同一花色的概率是多少?

IBM

1. 什么是 p-value 和置信區(qū)間?

Capital One

1.(對(duì)數(shù)據(jù)分析師)如果你有 70 個(gè)紅色彈珠，綠色和紅色彈珠的比例是 2 比 7，有多少綠色彈珠?

2. 紐約市的通勤數(shù)據(jù)看起來(lái)應(yīng)該遵從什么分布?

3. 一個(gè)骰子，在扔 6 次的情況下出現(xiàn) 1 個(gè) 6 的幾率，與扔 12 次的情況下出現(xiàn)至少兩個(gè) 6 的幾率，和扔 600 次出現(xiàn)至少 100 次 6 的幾率相比哪個(gè)大?

Paypal

1. 什么是中心極限定理(Central Limit Theorem)，如何證明它?它的應(yīng)用方向是什么?

七、編程和算法

谷歌

1.(對(duì)數(shù)據(jù)分析師)請(qǐng)寫一個(gè)程序可以判定二叉樹的高度。

微軟

1. 請(qǐng)創(chuàng)建一個(gè)函數(shù)檢查一個(gè)詞是否具有回文結(jié)構(gòu)。

Twitter

1. 請(qǐng)構(gòu)建一個(gè)冪集(power set)。

2. 請(qǐng)問(wèn)如何在一個(gè)巨大的數(shù)據(jù)集中找到中值?

Uber

1.(對(duì)數(shù)據(jù)工程師)編寫一個(gè)函數(shù)用來(lái)計(jì)算給定數(shù)字的平方根(2 個(gè)小數(shù)點(diǎn)精度)。隨后：避免冗余計(jì)算，現(xiàn)在使用緩存機(jī)制優(yōu)化你的功能。

Facebook

1. 假設(shè)給定兩個(gè)二進(jìn)制字符串，寫一個(gè)函數(shù)將它們添加在一起，而不使用任何內(nèi)置的字符串到 int 轉(zhuǎn)換或解析工具。例如：如果給函數(shù)二進(jìn)制字符串 100 和 111，它應(yīng)該返回 1011。你的解決方案的空間和時(shí)間復(fù)雜性如何?

2. 編寫一個(gè)函數(shù)，它接受兩個(gè)已排序的列表，并在排序列表中返回它們的并集。

領(lǐng)英

1.(對(duì)數(shù)據(jù)工程師)請(qǐng)編寫一些代碼來(lái)確定字符串中的左右括號(hào)是否是平衡的?

2. 如何找到二叉搜索樹中第二大的元素?

3. 請(qǐng)編寫一個(gè)函數(shù)，它接受兩個(gè)排序的向量，并返回一個(gè)排序的向量。

4. 如果你有一個(gè)輸入的數(shù)字流，如何在運(yùn)行過(guò)程中找到最頻繁出現(xiàn)的數(shù)字?

5. 編寫一個(gè)函數(shù)，將一個(gè)數(shù)字增加到另一個(gè)數(shù)字，就像 pow()函數(shù)一樣。

6. 將大字符串拆分成有效字段并將它們存儲(chǔ)在 dictionary 中。如果字符串不能拆分，返回 false。你的解決方案的復(fù)雜性如何?

Captial One

1.(對(duì)數(shù)據(jù)工程師)如何「拆散」兩個(gè)數(shù)列(就像 SQL 中的 JOIN 反過(guò)來(lái))?

2. 請(qǐng)創(chuàng)建一個(gè)用于添加的函數(shù)，數(shù)字表示為兩個(gè)鏈表。

3. 請(qǐng)創(chuàng)建一個(gè)計(jì)算矩陣的函數(shù)。

4. 如何使用 Python 讀取一個(gè)非常大的制表符分隔的數(shù)字文件，來(lái)計(jì)算每個(gè)數(shù)字出現(xiàn)的頻率?

Paypal

1. 請(qǐng)編寫一個(gè)函數(shù)，讓它能在 O(n)的時(shí)間內(nèi)取一個(gè)句子并逆向打印出來(lái)。

2. 請(qǐng)編寫一個(gè)函數(shù)，從一個(gè)數(shù)組中拾取，將它們分成兩個(gè)可能的數(shù)組，然后打印兩個(gè)數(shù)組之間的***差值(在 O(n) 時(shí)間內(nèi))。

3. 請(qǐng)編寫一個(gè)執(zhí)行合并排序的程序。

八、SQL 問(wèn)題

微軟

1.(對(duì)數(shù)據(jù)分析師)定義和解釋聚簇索引和非聚簇索引之間的差異。

2.(對(duì)數(shù)據(jù)分析師)返回表的行計(jì)數(shù)有哪些不同的方法?

Facebook

1.(對(duì)數(shù)據(jù)工程師)如果給定一個(gè)原始數(shù)據(jù)表，如何使用 SQL 執(zhí)行 ETL(提取，轉(zhuǎn)換，加載)以獲取所需格式的數(shù)據(jù)?

2. 如何編寫 SQL 查詢來(lái)計(jì)算涉及兩個(gè)連接的某個(gè)屬性的頻率表?如果你想要 ORDER BY 或 GROUP BY 一些屬性，你需要做什么變化?你該怎么解釋 NULL?

領(lǐng)英

1.(對(duì)數(shù)據(jù)工程師)如何改進(jìn) ETL(提取，轉(zhuǎn)換，加載)的吞吐量?

九、智力游戲

谷歌

1. 假設(shè)你有 10 包彈球，每包里面都是 10 個(gè)彈球。如果其中一包的重量和其他的不同，但你只能進(jìn)行一次稱重，你該用什么辦法?

Facebook

1. 你打算坐飛機(jī)去西雅圖，想知道是不是需要帶傘，于是你分別打電話給三位在西雅圖的朋友。每個(gè)朋友都有 2/3 的幾率說(shuō)真話，1/3 的幾率在騙你。如果他們都說(shuō)「會(huì)下雨」，西雅圖下雨的概率是多少?

2. 假如在一個(gè)等邊三角形的三個(gè)角上都有一只螞蟻，每只隨機(jī)選擇方向然后直走一直到另一個(gè)邊緣，三只螞蟻互相不交匯的幾率是多少?如果有 n 只螞蟻在 n 角形中，概率又是多少?

3. 在 100! 的結(jié)果里有多少個(gè)零?

Uber

1. 想象一下你在一家醫(yī)院工作?；颊邅?lái)就診的頻率符合泊松分布，而醫(yī)生照顧患者的頻率符合均勻分布。請(qǐng)寫一個(gè)函數(shù)或一段代碼來(lái)輸出患者的平均等待時(shí)間和醫(yī)生在某日的參與度。

領(lǐng)英

1. 你正在攀爬一個(gè) n 階的樓梯，你可以采取任何數(shù)量的 k 個(gè)步驟。你到達(dá)樓梯頂部有多少不同的方式?(這是樓梯問(wèn)題的修改版)

原文：http://www.learndatasci.com/data-science-interview-questions/

【本文是51CTO專欄機(jī)構(gòu)機(jī)器之心的原創(chuàng)譯文，微信公眾號(hào)“機(jī)器之心( id: almosthuman2014)”】

 

戳這里，看該作者更多好文