CDA數據分析師 出品

作者：徐楊老師

編輯：Mika

大家好，我是徐楊老師。

上期給大家分享了一些數據分析師面試基礎指南，這期給大家分享一些大廠面試的技術難點。

話不多說，進入正題。

在大廠的技術面試中，有兩個地方是非常有難度的。很多小伙伴都折在的這兩個地方。

01 算法的筆試題

第一個地方，算法的筆試題，而且是手寫算法的筆試題。

我們知道大部分人在寫算法的時候，通常都是把函數的前幾個字母打出來，或者變量名的前幾個字母打出來。按一下Tab或者按一下快捷鍵，就可以帶出整個的函數名，然后自己就可以繼續往后去寫了。

但是如果不過我需要你手寫一個算法，顯然這是不夠的。你只有一張白紙，沒有快捷鍵可以幫你自動調出函數名。

比如說，之前就有一位小伙伴在筆試的時候拿到了一個手寫算法的題。

題目很簡單，就是讓他實現一個分類算法。

那么分類算法比較好的有什么？有XGBoost，對吧？于是，小伙伴大筆一揮寫下了import XGBoost。

于是，被扣分。

扣分的原因是什么？sklearn里那個包的名字叫什么？叫XGBoost嗎？不是，那個包的名字叫XGBClassifier。

所以說如果你不熟悉這個算法語句中的所有細節，你在手寫的時候就類似于寫一篇英語作文，可是你忘了單詞怎么拼。

這是一個很讓人痛苦的事情，算法你會，但是你寫不出來。

因此這是第一個技術難點，手寫算法。

那就要求大家在日常的學習與工作中，一定要把常用的算法語句用的滾瓜爛熟，才可以讓我們在這樣的問題上有比較好的回答成果。

02 技術問題深挖掘

第二個在大廠面試中的難點是，把一個技術問題往下深挖好幾次。

比如說最簡單的一個算法回歸分析。有可能在面試的時候面試官問你：

—— 同學，線性回歸會嗎？

—— 當然會。

—— 線性回歸不能有共線性，你知道嗎？

—— 當然知道。

Ok，開始提問。

什么是線性回歸你的共線性？

你解釋了一下。我相信在座的小伙伴都可以解釋的很清楚。

下面再往下挖一層：怎么檢測共線性？

有的小伙伴可能直接就說，共線性嘛，系相關系數就可以啊。

結果被扣分了。為什么？

我們現在要檢測的是線性回歸里的相關性，那是要考慮偏相關問題的。只用相關技術矩陣可以嗎？不夠用的，應該用一些更加深入的指標，比如說VIF值等等去檢測。

比如說這個問題你正確的回答了出來，檢測變量之間的相關性，可以使用VIF值。

那就再往下挖，為什么要檢測變量之間的相關性呢？

如果我不考慮這個問題會有怎樣的結果出現，那么你不能只回答，如果不考慮共線性問題的話，我這個模型預測效果不好。

顯然面試官想要的不是這么直接的回答，他想問你的是這個問題的技術細節。

所以你在這個地方應該回答出的是：

如果我們不處理共線性的問題，就會導致最后最小二乘法所需要的逆矩陣在被計算的時候，這個矩陣的行列式的值就會非常小。于是導致我們求出來的逆矩陣就會非常的大。這是一個非常不好的結果。

你求出的矩陣，用這個矩陣算出來的所有參數的取值全都趨近于正無窮，你覺得這個效果能好嗎？顯然有問題。

如果到這兒你仍然可以準確的回答出來，這已經被挖了三次了，但是你要知道這個問題還可以繼續往后挖。

我們再往后挖就是，如果普遍檢測出了一共10個變量，這10個變量普遍VIF值都比較高，我們有什么好的方法來處理？

有同學可能馬上就會說，正則化方法嘛。

正則化方法又可以問問題了。

正則化方法有偏還是無偏？用完了以后效果怎么樣？哪個包可以實現？

我們發現這種技術問題，面試官可以就一個點給你一直往下深挖好幾層。

我看過一個調查，同一個問題，當一般往下深挖到第5層的時候，大部分人就已經回答不出來了。

所以這就要求大家平時在學習與工作中，要把每一個技術細節都掌握好，要把技術細節之間的聯系找到。因為往下深挖，其實挖的就是這些技術點之間的聯系，這是第二個在大場面之中非常容易折的一個點。

最后，這里再分享一個考試備考過程中人人皆需的模擬題庫——CDA考試模擬題庫。

題庫是緊密結合CDA考試大綱而編寫的一套模擬試題庫。為順利通過考試奠定堅實的基礎

1、解析詳盡：每道題目基本上都配備了詳細的解析和答案，幫助你深入理解題目背后的知識點和解題思路。

2、便捷高效：你可以隨時隨地通過手機或電腦訪問題庫，進行自主學習和練習，充分利用碎片時間，提高備考效率。

3、模擬考試：題庫提供了多套模擬考試試卷，幫助你熟悉考試流程和題型。

以上就是今天給小伙伴們的分享，希望對大家有幫助，謝謝大家。

點擊CDA題庫鏈接，獲取免費版CDA題庫入口，?？荚図樌?，快速拿證！