1、成为一名数据分析师需要具备哪些技能?
要成为一名数据分析师，需要掌握丰富的报告软件包(Business
Objects)，编程语言(XML，Javascript或ETL框架)，数据库(SQL，SQLite等);能够准确分析、组织、收集或传播数据;掌握数据库设计，数据模型，数据挖掘等方面的技术知识以及分析大型数据集(SAS，Excel，SPSS等)的统计软件包知识。
2、分析项目的各个步骤包括：
·问题定义
·数据挖掘
数据准备
模型化
数据认证
实施跟踪
3、列出数据清理的最佳实践?
一些数据清理的最佳实践包括：
按不同的属性排序数据。
对于大数据集，逐步清理并改进数据，直到获得良好的数据质量。
对大型数据集，可以先将其分解为小数据集，使用更少的数据将增加迭代速度。
要处理常见的清理任务，请创建一组实用程序函数/工具/脚本。它可能包括基于CSV文件或SQL数据库重映射值，或者正则表达式搜索和替换，消除所有不匹配正则表达式的值。如果在数据清理方面存在问题，请按照估计的频率进行安排并解决问题分析每列的汇总统计数据(标准差，均值，缺失值的数量)，保持对每一个清理操作的跟踪，以便可以根据需要更改或删除操作。
4、数据挖掘和数据分析之间的区别是什么?
数据挖掘和数据分析之间的区别在于：
数据分析：针对个别属性的实例分析。提供有关属性的各种信息，如值范围，离散值及其频率，空值的发生，数据类型，长度等。
数据挖掘：重点关注聚类分析，异常记录检测，依赖关系，序列发现，多个属性之间的关系控制等。
5、用于处理分布式计算环境中应用程序大数据集的Apache框架有哪些?
Hadoop和MapReduce是由Apache开发的用于处理分布式计算环境中应用程序大数据集的编程框架。
6、解释KNN插补方法是什么?
在KNN插补中，通过使用与其值缺失的属性最相似的属性值来推断缺少的属性值。通过使用距离函数，确定两个属性的相似度。
7、数据分析师使用的数据验证方法是什么?
通常，数据分析师用于数据验证的方法是数据筛选和数据验证。
8、解释应该如何处理可疑或缺失数据?
准备提供所有可疑数据信息的验证报告。它应该提供信息，如失败的验证标准以及发生的日期和时间，有经验的数据分析师应该检查可疑数据以确定其可接受性
，应该找出无效数据并用验证码替换，对缺失数据进行处理，使用最佳分析策略，如删除，单一插补方法，基于模型的方法等。
9、如何避免过拟合?
过拟合表现在训练数据上的误差非常小，而在测试数据上误差反而增大。其原因一般是模型过于复杂，过分得去拟合数据的噪声和outliers。常见的解决办法是正则化：增大数据集，正则化。
10、解释异常值是什么?
异常值是分析师使用的一个术语，指的是一个远远超出样本总体模式的值。有两种类型的异常值：
Univariate
Multivariate
11、解释分层聚类算法是什么?
分层聚类算法结合并划分现有的组，创建分层结构并展示组划分或合并的顺序。
12、解释K均值算法是什么?
K均值是一种著名的分区方法。对象被分类为属于K个组中的一个，k是先验选择的。
在K均值算法中：
簇是球形的：簇中的数据点以该簇为中心
簇的方差/扩展是相似的：每个数据点属于最接近的簇
13、数据分析师所需掌握的关键技能是什么?
数据科学家必须具备以下技能：
数据库知识
数据库管理
数据混合
数据查询
数据操作
预测分析
基本描述性统计
预测建模
高级分析
大数据知识
大数据分析
非结构化数据分析
机器学习
演示技巧
数据可视化
报告设计
14、解释协同过滤是什么?
协同过滤是一种基于用户行为数据创建推荐系统的简单算法。协同过滤最重要的组件是用户对项目的兴趣。
协同过滤一个很好的例子就是购物网站上出现的类似“为您推荐”的模块，该模块通常会获取用户的浏览记录信息，以弹出用户可能喜欢或需要的商品。
15、大数据中通常会使用到哪些工具?
大数据中使用的工具包括：
Hadoop
Hive
Pig
Flume
Mahout
Sqoop
16、解释什么是KPI，实验设计和80/20规则?
关键绩效指标(KPI)：它代表关键绩效指标(Key Performance Indicator)，它是关于业务流程的报告或图表
实验设计：这是用于分解数据，采样和建立数据以进行统计分析的初始过程
80/20规则：这意味着你收入的80%来自客户的20%
17、解释Map Reduce是什么?
Map-Reduce是一个处理大型数据集的框架，可以将它们分解成子集，在不同的服务器上处理每个子集，然后混合每个子集上获得的结果。
18、解释聚类是什么?聚类算法的属性?
聚类是一种应用于数据的分类方法。聚类算法将数据集划分为自然组或集群。
聚类算法的属性是：
Hierarchical or flat
Iterative
Hard and soft
Disjunctive
19、对数据分析师有用的统计方法是什么?
对数据科学家有用的统计方法是
贝叶斯方法
马尔科夫过程
空间和集群进程
统计数据，百分位数，异常值检测
计算技巧等
简单的算法
数学优化
20、时间序列分析是什么?
时间序列分析可以在频域和时域两个域中完成。在时间序列分析中，可以通过指数平滑，对数线性回归等各种方法分析数据，来预测特定过程输出。
21、解释空间自相关分析是什么?
空间自相关分析是地理空间分析的常用形式。它由一系列为不同空间关系计算的估计自相关系数组成。当原始数据表示为距离而不是单个点的值时，它可以用于构建基于距离的数据相关图。
22、散列表是什么?散列表冲突是什么?如何避免?
在计算中，哈希表(散列表)是键值对的映射，这是一个用于实现关联数组的数据结构。它使用散列函数来计算一个时隙阵列的索引，从中可以获取所需的值。
当两个不同的键散列到相同的值时，发生散列表冲突。两个数据不能存储在阵列的同一个插槽中。
为了避免散列表碰撞，有很多技巧，这里列出两个：
分离链接：它使用数据结构来存储散列到同一个插槽的多个项目。
再探测：在找到查找位置的index的index-1，index+1位置查找，index-2，index+2查找，依次类推。这种方法称为线性再探测。
23、解释N-gram是什么?
N-gram是来自给定序列文本或语音的n个项目的连续序列。这是一种以(n-1)形式预测下一个项目的概率语言模型。
