隨著大數(shù)據(jù)概念的火熱，數(shù)據(jù)科學(xué)家這一職位應(yīng)時而出，那么成為數(shù)據(jù)科學(xué)家要滿足什么條件?或許我們可以從國外的數(shù)據(jù)科學(xué)家面試問題中得到一些參考，下面是77個關(guān)于數(shù)據(jù)分析或者數(shù)據(jù)科學(xué)家招聘的時候會常會的幾個問題，供各位同行參考。

　　1、你處理過的最大的數(shù)據(jù)量?你是如何處理他們的?處理的結(jié)果。

　　2、告訴我二個分析或者計算機科學(xué)相關(guān)項目?你是如何對其結(jié)果進行衡量的?

　　3、什么是：提升值、關(guān)鍵績效指標(biāo)、強壯性、模型按合度、實驗設(shè)計、2/8原則?

　　4、什么是：協(xié)同過濾、n-grams, map reduce、余弦距離?

　　5、如何讓一個網(wǎng)絡(luò)爬蟲速度更快、抽取更好的信息以及更好總結(jié)數(shù)據(jù)從而得到一干凈的數(shù)據(jù)庫?

　　6、如何設(shè)計一個解決抄襲的方案?

　　7、如何檢驗一個個人支付賬戶都多個人使用?

　　8、點擊流數(shù)據(jù)應(yīng)該是實時處理?為什么?哪部分應(yīng)該實時處理?

　　9、你認為哪個更好：是好的數(shù)據(jù)還是好模型?同時你是如何定義“好”?存在所有情況下通用的模型嗎?有你沒有知道一些模型的定義并不是那么好?

　　10、什么是概率合并(AKA模糊融合)?使用SQL處理還是其它語言方便?對于處理半結(jié)構(gòu)化的數(shù)據(jù)你會選擇使用哪種語言?

　　11、你是如何處理缺少數(shù)據(jù)的?你推薦使用什么樣的處理技術(shù)?

　　12、你最喜歡的編程語言是什么?為什么?

　　13、對于你喜歡的統(tǒng)計軟件告訴你喜歡的與不喜歡的3個理由。

　　14、SAS, R, Python, Perl語言的區(qū)別是?

　　15、什么是大數(shù)據(jù)的詛咒?

　　16、你參與過數(shù)據(jù)庫與數(shù)據(jù)模型的設(shè)計嗎?

　　17、你是否參與過儀表盤的設(shè)計及指標(biāo)選擇?你對于商業(yè)智能和報表工具有什么想法?

　　18、你喜歡TD數(shù)據(jù)庫的什么特征?

　　19、如何你打算發(fā)100萬的營銷活動郵件。你怎么去優(yōu)化發(fā)送?你怎么優(yōu)化反應(yīng)率?能把這二個優(yōu)化份開嗎?

　　20、如果有幾個客戶查詢ORACLE數(shù)據(jù)庫的效率很低。為什么?你做什么可以提高速度10倍以上，同時可以更好處理大數(shù)量輸出?

　　21、如何把非結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)換成結(jié)構(gòu)化的數(shù)據(jù)?這是否真的有必要做這樣的轉(zhuǎn)換?把數(shù)據(jù)存成平面文本文件是否比存成關(guān)系數(shù)據(jù)庫更好?

　　22、什么是哈希表碰撞攻擊?怎么避免?發(fā)生的頻率是多少?

　　23、如何判別mapreduce過程有好的負載均衡?什么是負載均衡?

　　24、請舉例說明mapreduce是如何工作的?在什么應(yīng)用場景下工作的很好?云的安全問題有哪些?

　　25、(在內(nèi)存滿足的情況下)你認為是100個小的哈希表好還是一個大的哈希表，對于內(nèi)在或者運行速度來說?對于數(shù)據(jù)庫分析的評價?

　　26、為什么樸素貝葉斯差?你如何使用樸素貝葉斯來改進爬蟲檢驗算法?

　　27、你處理過白名單嗎?主要的規(guī)則?(在欺詐或者爬行檢驗的情況下)

　　28、什么是星型模型?什么是查詢表?

　　29、你可以使用excel建立邏輯回歸模型嗎?如何可以，說明一下建立過程?