**：
資料探勘
領域是乙個獨特的行業，通常的招聘面試方法可能不大適用於本行業的特點。在招聘乙個合格的資料探勘工程師時，公司一般關注以下三個方面：
為了解候選人是否具有資料探勘工程師的潛質，需要一小時的面試，主要通過以下五個環節：
1 簡介
如同交談之初的寒暄一樣，簡介是使候選人放鬆下來。可以先介紹一下公司本身的情況，再回答對方的一些疑問。如果問題很複雜，可以將回答放到面試的最後階段再處理。
2 關於資料探勘專案
這是最為重要且耗時的面試階段，詢問候選人最近接手的資料探勘專案的情況和處理方式。要提問的方面包括：
在這個面試階段，不僅要提問關於「what」的問題，還要很多關於「why」的問題。因為優秀的資料探勘工程師要能面對客戶，清晰的論證並支援其提出的觀點。
3 關於資料探勘的流程
考察候選人對於工作流程的認識是必要的，如果他談到了
跨行業資料探勘流程規範
（crisp-dm）意味著好兆頭。有很多時候，候選人對這些規範不以為然。雖然說從不同的角度來看待問題是一種創新，但是創新也需要建立在堅實在流程標準之上。因為它可以保證我們不會出現大的紕漏。
必要的時候，可以用白板讓候選人畫出流程圖。並讓他評價這些工作中最為重要或需要反思的地方。因為建模工作不可能一次完成，反覆的提煉問題、建立模型的情況是經常遇到的。
另外可以在某個挖掘流程進行深入考查，例如詢問對方如何避免過度擬合，如何從大量的候選變數中進行篩選，如何評價或比較模型的效果。
4 解決問題
軟體公司的面試一般會包括「編碼測試」，考查資料探勘工程師也應該如此。一種可以參考的作法是提供乙份存在缺陷的分析報告。讓候選人對報告進行研究，表達報告中結論的意義，提出其中所存在的問題或不足，提出改進或補救的方法。
5 收尾
在面試的最後階段，需要回答候選人的其它提問，並使之相信本公司在本行業中的優勢地位，以及在職業生涯中的作用。在完成面試後，需要立即將面試記錄進行整理存檔。
面試是一件苦差事，但也是乙個交流學習的機會。通過面試可以了解到其它人遇到的問題，以及他們是如何解決的。
注：本文得到discovery公司的授權，摘譯了其文章的一部分。據筆者了解，discovery公司主要使用spss model進行資料探勘，圖形表現工具則是tableau。
資料探勘工程師 需要掌握的技術
了解lr gbdt xgboost dnn和nlp等常用模型的開源工具 熟悉語言,sas統計分析軟體,python，scala程式語言等 熟練掌握資料探勘 機器學習 優化演算法的基礎理論和方法，了解embbeding等方法理念 熟悉hadoop hive spark yarn kafka flink...
大資料工程師面試題
你曾經參與或主導過哪些大資料型別的專案？專案目標是什麼？你具體擔負的哪個角色？使用哪些演算法？使用哪些統計方法？如果解決使用者商品匹配的話，你會採用什麼型別的模型？二部圖模型有什麼缺陷？對應有什麼改進模型？標籤系統有什麼特徵？有什麼問題？使用者行為分析有什麼模型？說說你曾經專案中的模型迭代過程？成功...
大資料工程師面試經驗（一）
優點 極高的裝載速度 最高可以等於所有硬碟io 的總和，基本是極限了 適合儲存大量資料 實時載入資料僅限於增加 刪除和更新需要解壓縮block 然後計算然後重新壓縮儲存 高效的壓縮率，不僅節省儲存空間也節省計算記憶體和cpu。非常適合做聚合操作。缺點 不適合掃瞄小量資料 不適合隨機的更新 批量更新情...