楼主近期参加了阿里的数据分析师社招，很遗憾在二面的时候挂了，自己的专业知识还是不过关吧。希望下次准备好的时候，能在大厂的面试走的更远一点。
下面分享一面的面经，后面的答案有些是面试的时候回答的，有些是楼主复盘的时候百度上去的，仅供参考。
一面：
1.自我介绍
2. 首先介绍自己的课程，课程内容。然后面试官挑了应用回归分析，还有数据挖掘这两门课问。
3. 怎么选取自变量和因变量，就一个例子说明一下，比如说股价的分析。每个因素对自变量的影响有高有低，怎么筛选合适的变量，有哪些方法。（相关性分析，卡方检验）
4. P值的原理，p值是将观察结果认为有效即具有总体代表性的犯错概率。
5. 第一类错误和第二类错误
6. 贝叶斯估计，全概率公式。
7. Kmeans聚类，kmeans的优点，迭代速度比较快，缺点：k值不好把握，不能定性计算，初始聚类中心不好选择。
8. knn近邻的原理，用了什么距离，一定要用欧式距离吗？
9. SVM选择最优分类面的原理是什么。
10. 如何选择特征，
留一交叉验证：k折交叉验证法，K折就是讲数据集切分成K小块，验证集和测试集相互形成补集，循环交替：平均估计预测误差最小。其他选择模型标准：R^2，AIC，BIC。
启发式搜索：序列前向选择，sequential forward selection，特征子集从空集开始。序列后向选择，sequential backward selection，从特征全集开始。双向搜索，当两者搜到一个相同的特征子集停止搜索。
11. 随机森林和GBDT，xgboost之间的差异和联系。
12.假设检验的原理：
小概率原理，就是认为小概率事件在一次试验中是几乎不可能发生的。
对总体样本的某个假设是真实的，那么不利于（或不支持）这一假设的事件A在一次试验中是几乎不可能发生的；要是在一次试验中事件A竟然发生了，我们就有理由怀疑这一假设的真实性，拒绝这一假设。
13.然后根据简历进行深挖
a) 如何数据清洗，为什么要进行可视化，如果游戏的销量突然上涨，接下来有什么动作？------分析外部和内部的影响因素，外部：竞争对手，周期性（高考），内部：游戏内部活动（抽奖，节日活动），或者是营销活动（那这个活动的渠道好不好，是这个活动的哪部分渠道销售量增加，或者哪个地区的销售量增加，然后分析这个活动的优势在哪里，可以针对性的使用。）
b) 信用审核有用策略吗，风险政策是怎么做的，
c) 挑战杯，有没有考虑到发放调查问卷的时候，调查的群体会有偏差，没法代表整个群体
d) 7个月的论文当中有遇到什么困难吗
14. 对于数据分析有什么理解
数据分析流程：先拿到问题，要解决的问题是什么，进行分解，需要什么样的数据。结合背景的业务知识，有目的的进行数据清洗，看策略能不能解释问题。做建模性质或者特征工程，看效果是否满足，如果不满足，就反复迭代找问题。对人的要求蛮高的，是一个综合性的工作，需要数据分析的专业素养，需要数据敏感性，还要学开发有哪些基础知识，业务有什么知识。挺锻炼人的。（这段是面试官给我的解释）
15. 反问：对应届生的期望
软件不是核心点，重要的是学习能力，思考问题的角度，遇到困难怎么去解决困难。
全部评论
(3) 回帖