1.数据归一化的原因，方法等 2.数据训练精度很高，但是预测结果却出现很多错误的结果。（过拟合） 3.中位数和平均数相等的分布（补充概率论） 4.余弦距离与欧式距离：欧氏距离体现数值上的绝对差异，而余弦距离体现方向上的相对差异。 总体来说，欧氏距离体现数值上的绝对差异，而余弦距离体现方向上的相对差异。 1）例如，统计两部剧的用户观看行为，用户A的观看向量为(0,1)，用户B为(1,0)；此时二者的余弦距很大，而欧氏距离很小；我们分析两个用户对于不同视频的偏好，更关注相对差异，显然应当使用余弦距离。 2）而当我们分析用户活跃度，以登陆次数(单...

两个很大和很小数据量做差集，如何去用mapreduce优化 数据库的四大事物特性原子性等是如何保证的（数据库底层的优化） mapreduce流程方面 mapreduce数据倾斜处理方面需要增加实战经验 问还用什么语言 SQL的优化方法，最好联合实际。 总体而言，基础薄弱

单选题 10 道，问答题 3 道，数据建模题 1 道，算法应用题 1 道 单选： 概率题：置信度 机器学习题Dropout类似 SQL题count(null) 查找运算、查找表 问答： SQL题 概率题 机器学习方面：大概是下面这样 对于N个样本，每个样本为D维向量，采用欧式距离使用KNN做类预测。 1).给出预测时间复杂度。 2).当N很大时，有哪些方法可以降低复杂度？ 3).k取值的大小对预测方差和偏差有何影响？ 数学建模题：好长，最后求概率 算法应用题：easy...

记录今日后台+数据研发面试内容： 字节跳动面试内容 简历挖掘： 只展开一点，经验就是所有的大厂简历都希望能看到你到底做的有多深，遇到什么问题，怎么解决的，有没有技术热情，而不是流水账，你做了很多但都是蜻蜓点水。 大数据方面： MR流程 是否所有的map进行之后才能进行reduce（阿里也问过同样的问题） HDFS三备份HA方面（面试官好像问了大概三个高可用问题） 热备份冷备份这方面 给一个表Id、id_class、student-id\course_id\score; SQL求所有学生总分TOP3 求每个科...