春招快到了，送你一份資料分析常見面試題-知識星球

找了半年工作，面試了幾個data science的職位，總結了一些常見的問題，在這兒拋磚引玉。

自我介紹

幾乎所有的面試都免不了以自我介紹為開頭。對於考官，通常也會想基於自我介紹發現接下來要問的問題。所以，自我介紹非常重要。我參考的模板：

教育背景：簡單說說哪年在哪裡獲得什麼學位。

相關經驗：按時間順序講一下2個做過的專案，介紹下用了什麼辦法，比如用了什麼程式語言，最後的成果是什麼。最好有些量化的指標，比如發表了多少論文，被取用了多少次。這些專案最好和麵試的職位有關係。實在沒有，也可以看看從中學到的知識或者技能可否擴充套件到data science. 比如之前做過訊號處理，可以講這個專案為data science打下了統計基礎。

最自豪的成就和表態：介紹一下自己最自豪的專案，關鍵是要點出自己的優勢，比如迅速掌握了一個很大的程式碼庫，或者在程式碼庫中加入了一個很有用的特性，並再次強調一下自己的優勢，結尾說，我希望能在XX公司繼續發揮這些優勢。

被問過的問題總結

機器學習（Machine learning）演演算法

包括演演算法對資料的假設，推導，有什麼優缺點，何時改用什麼演演算法，怎麼選擇演演算法，很類似P2 student intervention的model選擇問題。

作為入門的參考書：Introduction to Data Mining (Pang-Ning Tan, Michael Steinbach, Vipin Kumar)；

複雜一點兒的：The Elements of Statistical Learning (Trevor Hastie, Robert Tibshirani , Jerome Friedman)

相關的演演算法可能包括：

Classification / Regression

SVM：是很多考官的最愛，最好做到可以推導
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: 這個在Udacity沒有介紹，但是大資料可能會用到

Apriori 以及它對大資料的衍生

FP growth 並行實現