泰科电子数据分析工程师社招面经

一面

统计教授多门课老师数量并输出每位老师教授课程数统计表

四个人选举出一个骑士，统计投票数，并输出真正的骑士名字

员工表，宿舍表，部门表，统计出宿舍楼各部门人数表

给出一堆数和频数的表格，统计这一堆数中位数

中位数，三个班级合在一起的一张成绩单，统计每个班级成绩中位数

交易表结构为user_id,order_id,pay_time,order_amount

PV表a(表结构为user_id,goods_id),点击表b(user_id,goods_id),数据量各为50万条，在防止数据倾斜的情况下，写一句sql找出两个表共同的user_id和相应的goods_id

表结构为user_id,reg_time,age, 写一句sql按user_id随机抽样2000个用户 写一句sql取出按各年龄段（每10岁一个分段，如（0,10））分别抽样1%的用户

问：Kmeans的原理

问：口答一个SQL题（要用到row number）

问：业务场景题，如何分析次日留存率下降的问题

二面

用户登录日志表为user_id,log_id,session_id,plat,visit_date 用sql查询近30天每天平均登录用户数量 用sql查询出近30天连续访问7天以上的用户数量

表user_id,visit_date,page_name,plat 统计近7天每天到访的新用户数 统计每个访问渠道plat7天前的新用户的3日留存率和7日留存率

你处理过的最大的数据量？你是如何处理他们的？处理的结果。

告诉我二个分析或者计算机科学相关项目？你是如何对其结果进行衡量的？

什么是：提升值、关键绩效指标、强壮性、模型按合度、实验设计、2/8原则？

什么是：协同过滤、n-grams, map reduce、余弦距离？

如何设计一个解决抄袭的方案？