現在大數據行業如此火爆，國家和企業都需要發展大數據技術，但是人才高度稀缺，企業用人難！

而大學生們有出現這樣的問題：就業難。有的崗位可能面臨著幾百個人競爭的情況，今天小編帶大家來看看大數據相關崗位的職責和面試問題有哪些

489034603

根據業務的不同，崗位職責大概分為：

1、平臺搭建類

· 數據計算平臺搭建，基礎算法實現，當然，要求支持大樣本量、高維度數據，所以可能還需要底層開發、并行計算、分布式計算等方面的知識；

2、算法研究類

·文本挖掘，如領域知識圖譜構建、垃圾短信過濾等；

·推薦，廣告推薦、APP 推薦、題目推薦、新聞推薦等；

·排序，搜索結果排序、廣告排序等；

·其它，· 廣告投放效果分析；· 互聯網信用評價；· 圖像識別、理解。

3、數據挖掘類

· 商業智能，如統計報表；

· 用戶體驗分析，預測流失用戶。

以上就是大數據的一些相關崗位職責，小伙伴會哪些了呢？又能從事哪個方面的工作呢？

下面小編再來看看面試中會實際遇到的一些問題 （這是小編親自經歷過的，各位面試的時候也會有極大的概率遇到同樣的問題）

1、你在研究/項目/實習經歷中主要用過哪些機器學習/數據挖掘的算法？

2、你熟悉的機器學習/數據挖掘算法主要有哪些？

3、你用過哪些機器學習/數據挖掘工具或框架？

4、基礎知識

比如無監督和有監督算法的區別？· SVM 的推導，特性？多分類怎么處理？· LR 的推導，特性？· 決策樹的特性？· SVM、LR、決策樹的對比？· GBDT 和決策森林的區別？· 如何判斷函數凸或非凸？· 解釋對偶的概念。· 如何進行特征選擇？· 為什么會產生過擬合，有哪些方法可以預防或克服過擬合？· 介紹卷積神經網絡，和 DBN 有什么區別？· 采用 EM 算法求解的模型有哪些，為什么不用牛頓法或梯度下降法？· 用EM 算法推導解釋 Kmeans。· 用過哪些聚類算法，解釋密度聚類算法。· 聚類算法中的距離度量有哪些？· 如何進行實體識別？· 解釋貝葉斯公式和樸素貝葉斯分類等等

5、開放問題

比如給你公司內部群組的聊天記錄，怎樣區分出主管和員工？

如何評估網站內容的真實性（針對代刷、作弊類）？

深度學習在推薦系統上可能有怎樣的發揮？

路段平均車速反映了路況，在道路上布控采集車輛速度，如何對路況做出合理估計？采集數據中的異常值如何處理？

如何根據語料計算兩個詞詞義的相似度？

好了，對于這個問題小編先講到這里（當然，不會只有這些問題，每個公司的側重點不同，在面試的時候會更趨向于公司所需要涉及的部分），小伙伴可以根據以上的問題發現自己的不足，完善自己，在這也希望各位都能找到一份滿意的工作。。

?

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的分享几个大数据相关岗位的职责和面试问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。