（1）项目的数据量多大，多少维，数据都是怎么预处理的。
（2）你应用过哪些数据挖掘算法，针对简历上的算法或者模型，你看过源码或者模型中细节你知道多少，还是仅仅调用API用用而已
(3）项目中，你遇到过的最大的困难时什么，怎么解决的，从中学到什么。
（4）项目中hadoop搜索引擎你是怎么设计的，其中的分词是什么。
（5）数据是存在HDFS中还是Redis中的。
（6）spark和Hadoop的基本架构，尽量说。
总体上来分析，今年考研试题难度还算是比较大的。在整套试卷中，由于考试内容比较多，各个考试知识点覆盖了各道题，有些题还是知识点交错在一起，后面那些大题计算量都比较复杂，考生在答题时往往需要耗费较多时间去分析和计算而感觉困难。
一、分析自己的试卷。
1、综述：简要概括自己做这套试卷的感受，阐述哪些知识点是自己非常熟悉和已经牢固掌握的；其次，就自己掌握不足的知识点进行分析，（1）为什么会出错？是自己不会还是粗心？（2）制定改进和防范的计划。（3）倘若不懂或不会，一定要通过各种方式（老师、同学）把这个问题了解清楚。
2、应该有各种题型，那么就逐一进行分析，将部分题目的解题思路简要的写出来；这么做一方面有助于自己加深记忆，另一方面可以说也是保证了你自己的知识产权吧。
3、就试卷卷面成绩进行分析，从你的目标分数进行分析，制定下一阶段的计划和实施方案。（表表决心，督促自己）4、老生常谈的总结。谈谈人生、谈谈理想、谈谈学习......
一、异常值是指什么？请列举1种识别连续型变量异常值的方法？
异常值（Outlier） 是指样本中的个别值，其数值明显偏离所属样本的其余观测值。在数理统计里一般是指一组观测值中与平均值的偏差超过两倍标准差的测定值。
Grubbs’ test（是以Frank E. Grubbs命名的），又叫maximum normed residual test，是一种用于单变量数据集异常值识别的统计检测，它假定数据集来自正态分布的总体。
未知总体标准差σ，在五种检验法中，优劣次序为：t检验法、格拉布斯检验法、峰度检验法、狄克逊检验法、偏度检验法。
点评：考察的内容是统计学基础功底。
二、什么是聚类分析？聚类算法有哪几种？请选择一种详细描述其计算原理和步骤。
聚类分析(cluster analysis)是一组将研究对象分为相对同质的群组(clusters)的统计分析技术。 聚类分析也叫分类分析(classification analysis)或数值分类(numerical taxonomy)。聚类与分类的不同在于，聚类所要求划分的类是未知的。
聚类分析计算方法主要有： 层次的方法（hierarchical method）、划分方法（partitioning method）、基于密度的方法（density-based method）、基于网格的方法（grid-based method）、基于模型的方法（model-based method）等。其中，前两种算法是利用统计学定义的距离进行度量。
k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然 后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
其流程如下：
（1）从 n个数据对象任意选择 k 个对象作为初始聚类中心；
（2）根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分；
（3）重新计算每个（有变化）聚类的均值（中心对象）；
（4）循环（2）、（3）直到每个聚类不再发生变化为止（标准测量函数收敛）。
优点：本算法确定的K 个划分到达平方误差最小。当聚类是密集的，且类与类之间区别明显时，效果较好。对于处理大数据集，这个算法是相对可伸缩和高效的，计算的复杂度为 O(NKt)，其中N是数据对象的数目，t是迭代的次数。一般来说，K<<N，t<<N 。
缺点：1. K 是事先给定的，但非常难以选定；2. 初始聚类中心的选择对聚类结果有较大的影响。
点评：考察的内容是常用数据分析方法，做数据分析一定要理解数据分析算法、应用场景、使用过程、以及优缺点。
三、根据要求写出SQL
表A结构如下：
Member_ID（用户的ID，字符型）
Log_time（用户访问页面时间，日期型（只有一天的数据））
URL（访问的页面地址，字符型）
要求：提取出每个用户访问的第一个URL（按时间最早），形成一个新表（新表名为B，表结构和表A一致）
createtable B asselectMember_ID, min(Log_time), URL from Agroup byMember_ID ;
点评：SQL语句，简单的数据获取能力，包括表查询、关联、汇总、函数等。
另外，这个答案其实是不对的，实现有很多方法，任由大家去发挥吧。
四、销售数据分析
以下是一家B2C电子商务网站的一周销售数据，该网站主要用户群是办公室女性，销售额主要集中在5种产品上，如果你是这家公司的分析师，
a) 从数据中，你看到了什么问题？你觉得背后的原因是什么？
b) 如果你的老板要求你提出一个运营改进计划，你会怎么做？
表如下：一组每天某网站的销售数据
a) 从这一周的数据可以看出，周末的销售额明显偏低。这其中的原因，可以从两个角度来看：站在消费者的角度，周末可能不用上班，因而也没有购买该产品的欲望；站在产品的角度来看，该产品不能在周末的时候引起消费者足够的注意力。
b) 针对该问题背后的两方面原因，我的运营改进计划也分两方面：一是，针对消费者周末没有购买欲望的心理，进行引导提醒消费者周末就应该准备好该产品；二是，通过该产品的一些类似于打折促销等活动来提升该产品在周末的人气和购买力。
点评：数据解读能力，获取数据是基本功，仅仅有数据获取能力是不够的，其次是对数据的解读能力。
五、用户调研
某公司针对A、B、C三类客户，提出了一种统一的改进计划，用于提升客户的周消费次数，需要你来制定一个事前试验方案，来支持决策，请你思考下列问题：
a) 试验需要为决策提供什么样的信息？
c) 按照上述目的，请写出你的数据抽样方法、需要采集的数据指标项，以及你选择的统计方法。
a) 试验要能证明该改进计划能显著提升A、B、C三类客户的周消费次数。
b) 根据三类客户的数量，采用分层比例抽样；
需要采集的数据指标项有：客户类别，改进计划前周消费次数，改进计划后周消费次数；
选用统计方法为：分别针对A、B、C三类客户，进行改进前和后的周消费次数的，两独立样本T-检验（two-sample t-test）。
点评：业务理解能力和数据分析思路，这是数据分析的核心竞争力。
以上就是关于阿里数据分析师的岗位面试题及要求的相关介绍，更多阿里数据分析师的岗位面试题及要求相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对阿里数据分析师的岗位面试题及要求有更深的了解和认识。
中考物理解题技巧与方法如下:
一，选择题，平时概念要记牢，注意审题，解答时要应用选择性推理方法。
二，填空题，归纳所学知识，使知识系统化。认真分析，判断写出正确答案。
三，解答大题，重视试验，认真计算，牢记概念，运用公式准确，步骤推理条理。
首先对试题的难易程度和相关涉及到的知识点进行综合分析，其次对试卷的答题情况和试卷所表现出来的解题技巧的应用情况进行综合分析，最后对两个综合分析的结论进行比对式分析，从而得出此次试题和试卷的答题情况结论
试题分析是指根据学生对每一试题的答案，进行分析研究。依据试题试用或正式使用后的结果，分析试题的信度、效度、难度、区别度和客观性等。
试卷分析是指根据学生对每一试题的答案，对试卷进行分析研究，并作整体性评价。
两者都是对学生的考试情况进行分析，作用都是评估试题质量，为今后提高试题编制水平提供反馈信息；发现教学中的问题，作为改进教学的依据。
主要区别在于试题分析着眼于每道题，试卷分析着眼于整份试卷，是对试卷整体性的评价。
试题结构分析（item analysis）是指根据学生对每一试题的答案，对试卷进行分析研究，并作整体性评价。
依据试题试用或正式使用后的结果，分析试题的信度、效度、难度、区别度和客观性等。
其作用是评估试题质量，为今后提高试题编制水平提供反馈信息；发现教学中的问题，作为改进教学的依据。
关于试题的分析。对于小学三年级的学生需要鼓励，不要过分急于求成要他懂，慢慢地给他讲，对于一道试题来说不要下笔去做，先把试题多读几遍后能背下再去做，不然就会出错，说话不要说老是不得行？叫他多做几遍做熟了把方法记好，向这样的题就不会做错，轻言细语给他讲
英语试卷分析是就整个试卷说的，而试题分析是就组成试卷的，每个试题来说的。一般试题要进行难度和区分度分析，而试卷分析往往会分析整个试卷的难度，信度和效度。
