数据挖掘实习面试

1. 两个方向：

现在能做的也就是，Web开发，分前后段，前端js，后端c#，sql，和数据挖掘，算法部分c++，数据部分Python，Hadoop。

2. 简历上两个错误：

一个是GBDT写成了GBRT，GBDT核心是BOOST迭代过程，重视错误分类。随机森林是大家来决策取众数。二是邮箱的后缀.cn写成了.com。

3.不会：

不会就是不会，不需要解释。我不会Python，我不会Linux，我不熟C++。

4.第一轮电话面试

第一轮就是问到了迪杰斯特拉算法，问题的关键是边松弛，广度优先+损失度量函数。第二是快排，快排的核心是选一个基准和递归的调用。递归是核心。两个问题都很基本。最后就是解释一下机器学习中的逻辑回归算法。

5.第二轮技术面试：

5.1 Hadoop：因为做过阿里巴巴的大数据竞赛，而且他们也是做类似的事情 ，所以对此很感兴趣。

解释一下Hadoop的MapReduce的map和reduce过程。Hadoop就是解决了大数据问题，大到一台计算机无法进行存储，一台计算机无法在要求的时间内进行处理的可靠存储和处理问题。Hadoop框架的核心是：HDFS和MapReduce。HDFS分布式文件系统，为数据提供了存储，类似于阿里的ODPS，MapReduce提供了计算，一个job分为map和reduce两个阶段，采用分治思想。Map函数接受一组数据并将其转换成一个键/值对列表，输入域中的每个元素对应一个键/值对。Reduce函数接受Map函数生成的列表，然后根据他们的键合并同类项。经典实例就是Wordcount，单词计数。看了下面的两幅图，才发现自己之前的理解是错的，map映射是一个分工的过程，reduce减少也就是一个合并的过程。最后再给一个博客的参考链接：http://blog.csdn.net/opennaive/article/details/7514146；清楚明白。

5.2 算法编程：一个九宫格从左上角到右下角的所有走法。

递归解法，就是把一个问题分解成子问题，然后找出最小子问题。动态规划还需要找出问题的求解顺序。

5.3 扩展一个栈Stack，实现三个函数，min(), pop(), push(), 要求时间复杂度是O(1).

因为时间上要求快了，所以考虑牺牲空间换取时间，而且负责度是O(1)，不能遍历，所以考虑增加空间，思路是把当前最小值存起来，并且在pop和push操作的时候维护它：a. 如果有比当前最小值大的元素入栈，当前最小值不变；b. 如果有比当前最小值小的元素入栈，当前最小值变为新加入元素。c. 如果有比当前最小值大的元素出栈，当前最小值不变。d.如果有和当前最小值的元素相同出栈，当前最小值变为当前最小值入栈之前那个最小值，当前最小值退出。