2017年面试小结

     看见去年四月写的唯一一篇博客真是笑了哈哈，现在是2017年9月中，距离去年7月毕业，已经工作1年多了，也做了数据挖掘一年了，但是计算机小白还是计算机小白。
     最近准备换工作，公司不准备继续做数据挖掘这块了，小公司的业务变化太快。     
     面试了将近1个月了，目前拿到的offer都不是太合适。稍微总结一下面试遇见的问题。这次面试面了数据挖掘，数据分析岗位，面试的公司有证券公司，银行卡中心运营部门，教育公司，金融产品公司，旅游公司，通信公司等，外卖公司，某国企支付公司等。
      总结数据挖掘，分析岗位：
      一.数学功底
      这部分考察较少，一般会是简单问一下，学过的课程，数理统计，多元统计，线性函数等。
      也遇见过会问最速下降法原理，最小二乘法拟合的数学式子，给一个常见的快速收敛到0，1的函数等。这部分我认为《数值优化》相关课程应该复习一遍。
      二.算法
      建模是数据挖掘的主要方法，算法基础要扎实。虽说实际工作中，业务占70%，算法占30%，但是算法仍然是最重要的基础，不能仅仅停在应用层面上，了解原理能更好的选择模型，提升建模效果，达到尽可能的上限。
       在这部分中，
       多元统计：线性回归，逻辑回归，主成分分析，因子分析，聚类算法
       机器学习：决策树，支持向量机，随机森林，xgboost
       神经网络
       面试中常遇到的问题：
       1.逻辑回归，决策树的原理，但是也遇到问GBDT，xgboost。
       2.k-means聚类如何确定k，如何确定中心点
       3.xgboost中调参中你常调的参数
       4.什么是过拟合，欠拟合，解决办法是什么
       这部分准备面试的时候，一定多复习自己做过的项目，回顾做的工程。把其中每个过程中遇到的问题，用过的解决办法想起来，越细节越好。
      三.特征工程    
      1.如何选取特征
      2.缺失值，异常值，你的标准是什么
      3.如何补全缺失值
      4.如何把特征正则化，具体有哪些方法
      5.有没有尝试变化特征的形式
      四.业务
      大多公司会在电话中稍微沟通完一，二部分，确定技术基本过关后，面试时业务部分一般占了面试的大半，面试官会给出很多业务场景给你分析。主要还是考察分析问题的能力。面试前还是应该在公司相关业务上多了解。
      五.工具
      这部分主要是建模工具，python，R等，问题不大，会其一即可。
      SQL会多问一点，有的会有笔试题，主要是根据业务问题出一些简单的SQL查询题，问题不大，但是要细心，面试前多做几道。
      后面就是可能希望有Hadoop，spark,hive经验，但是没有公司会专门问这个，问题不大。也看见有人说面试会问例如k-means如何在Hadoop上实现，但是我没有遇见过，可能是面试比较初级的算法，暂时不做这方面工作。
     每次面试就会知道自己的不足，去年一年还是太懈怠了，新一年要更努力学好基础和业务。