2015年阿里校招数据分析师笔试题
2015年阿里校招数据分析师笔试题
2015年8月19日，阿里校招数据分析师题。共计21题(单选漏了一题，选择题每个人的都不一样，问答题是一样的。暂时没有答案，希望对大家有用。
单选题：
1、观测宇宙中单位体积内星球的个数，属于什么分布：
A学生分布B泊松分布C正态分布D二项分布
2、一些关于数据挖掘说法是正确的
A数据挖掘是万能的
B如果你建立了一个database，那就意味着你已经有足够的数据可以做数据挖掘了
C数据挖掘=数据+算法，数据挖掘人员大部分的时间用来处理复杂的挖掘算法
DABC均有错
3、已知随机变量X,Y分别服从泊松分布P(S),卡方分布X2(t)，E(X)=4,D(Y)=9,则参数s,t分别：
A2,9;B4,9C4,4.5;D2,4.5
4 、下面算法中哪一种不属于广义线性回归算法
A生存模型算法
Bbeta回归算法
Clogit回归算法
D判别分析算法
5、有一列1000万淘宝买家的淘宝运费险保费数据，要计算该列数据的P1-P100分位数，可使用哪个SAS语句?
Aproc sort
Bproc rank
Cproc univariate
Dproc freq
6、X服从区间(2，6)上的均匀分布，求对X进行3次独立观测中，至少有2次的观测值大于3的概率。
A0.84375
B0.75275
C0.65275
D0.80370
7、下面对于“预测变量间可能存在较严重的多重共线性”的论述中错误的是?
A回归系数的符号与专家经验知识不符
B方差膨胀因子(VIF)<5
C其中两个预测变量的相关系数>=0.85
D变量重要性与专家经验严重违背
8、由于淘宝买家消费数据是亿级别，假设为了快速计算买家每月的平均消费额，采用抽样1W个买家来计算
A采用分层抽样方法把全量淘宝买家按照星级，每层抽取相同的数量，计算平均值
B采用系统抽样方法，把全量买家随机排序，每隔一定数量抽一个，计算平均值
C采用无放回随机方法，从全量买家中随机挑选一个买家，不放回，如此循环
D采用有放回随机方法，从全量买家中随机挑选一个买家，然后再放回，如此循环
9、请找出数列4，9，23，60，157的下一项()
A 411
B 314
C 425
D ABC均错
10(应该是没统计上)
多选题
11、以下哪个语法不是R的基础语言
Aproc glot
Bselect *from table
Ckc<-kmeans(data,3)
Dprint”hello world”
Esd<-summary(data)
Fimport
12、分析师在工作中的良好习惯是
A将工作空间的密码共享给别人
B将数据下载到私人电脑进行分析处理
C在处理资源高峰期提交大任务运算
D不定期地将分析报告分享给团队
E定期清理存储空间
F固话日常需要分析的数据表方便计算
13
14
15
16 、请分析淘宝消费者的流失情况
17 、淘宝和天猫上每天都有大量的用户在线上购买，作为分析师可以从哪些角度对用户进行分析，说明理由
18
19
20已知A商家近五年每月的成交数据，请列出两种不同的时间序列预测模型可以用来预测商家接下来三个月的成交，并详细阐述在使用每一种方法前需要对数据进行什么预处理以及具体方法
21你理解中的分析师是什么样的?你觉得自己目前应聘分析师职位的优势是什么?并说明理由。
数据分析师常见的7道笔试题目及答案
数据分析师常见的7道笔试题目及答案 导读：探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧 重于已有假设的证实或证伪。以下是由小编J.L为您整理推荐的实用的应聘笔试题目和经验，欢迎参考阅读。 1、海量日志数据，提取出某日访问百度次数最多的那个IP。 首先是这一天，并且是访问百度的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有个2^32个IP。同样可以采用映射的方法，比如模1000，把 整个大文件映射为1000个小文件，再找出每个小文中出现频率最大的IP(可以采用 hash_map进行频率统计，然后再找出频率最大的几个)及相应的频率。然后再在这1000 个最大的IP中，找出那个频率最大的IP，即为所求。 或者如下阐述： 算法思想：分而治之+Hash 1.IP地址最多有2^32=4G种取值情况，所以不能完全加载到内存中处理; 2.可以考虑采用“分而治之”的思想，按照IP地址的Hash(IP)24值，把海量IP日 志分别存储到1024个小文件中。这样，每个小文件最多包含4MB个IP地址; 3.对于每一个小文件，可以构建一个IP为key，出现次数为value的Hash map，同时记录当前出现次数最多的那个IP地址; 4.可以得到1024个小文件中的出现次数最多的IP，再依据常规的排序算法得到总体上出现次数最多的IP; 2、搜索引擎会通过日志文件把用户每次检索使用的所有检索串都记录下来，每个查询串的长度为1-255字节。 假设目前有一千万个记录(这些查询串的重复度比较高，虽然总数是1千万，但如果除去重复后，不超过3百万个。一个查询串的重复度越高，说明查询它的用户越多，也 就是越热门。)，请你统计最热门的10个查询串，要求使用的内存不能超过1G。 典型的Top K算法，还是在这篇文章里头有所阐述， 文中，给出的最终算法是： 第一步、先对这批海量数据预处理，在O(N)的时间内用Hash表完成统计(之前写成了排序，特此订正。July、2011.04.27); 第二步、借助堆这个数据结构，找出Top K，时间复杂度为N‘logK。 即，借助堆结构，我们可以在log量级的时间内查找和调整/移动。因此，维护一 个K(该题目中是10)大小的小根堆，然后遍历300万的Query，分别和根元素进行对比所以，我们最终的时间复杂度是：O(N) + N’*O(logK)，(N为1000万，N’为300万)。ok，更多，详情，请参考原文。 或者：采用trie树，关键字域存该查询串出现的次数，没有出现为0。最后用10 个元素的最小推来对出现频率进行排序。 3、有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16字节，内存限制大小是1M。返回频数最高的100个词。 方案：顺序读文件中，对于每个词x，取hash(x)P00，然后按照该值存到5000 个小文件(记为x0，x1，…x4999)中。这样每个文件大概是200k左右。 如果其中的有的文件超过了1M大小，还可以按照类似的方法继续往下分，直到 分解得到的小文件的大小都不超过1M。 对每个小文件，统计每个文件中出现的词以及相应的频率(可以采用trie树 /hash_map等)，并取出出现频率最大的100个词(可以用含100 个结点的最小堆)，并把
阿里巴巴校园招聘笔试试题研发工程师
第一部分单选题（前10题，每题2分；后10题，每题3分，共50分。选对得满分，选错倒扣1分，不选得0分） 1．12345*12345 1105266261所采用的是多少进制的计算？（） A、2进制 B、8进制 C、10进制 D、16进制 2. 关于HTTP协议的说明，一下哪项是错误的？（） A、在CS模式下，作为一种request-response协议 B、无状态，对每一个请求看成独立的 C、HTTP是WWW和Email使用的协议 D、HTTP响应包括数字状态码，404经常代表“PageNot Found” 3. 以下程序输出结果是哪个？（） char msg[] = “AAAA”; strcpy(msg, “BBB”); strcpy(msg, “CC”); strcpy(msg, “D”); printf(“%s”,msg); A、DCBA B、ABCD C、D D、A 4．使用gcc默认对齐规则的情况下，下列两个数据结构的sizeof各是多少？（）struct FirstStruct{ char a; uint64_t b; uint32_t c; uint32_t d; }; struct SecondStruct{ char a; uint32_t b; uint32_t c; }; A、17,13 B、24,16 C、24,24 D、32,16 5. 关于内联函数，以下哪项叙述是错误的？（） A、递归函数不能定义为内联函数 B、内联函数只能先定义后使用 C、任何源文件，使用内联函数必须包含函数定义 D、Main函数可以内联 6. 执行IO时，直接调用内核异步API，内核完成IO操作后再回调用户，这种IO模式是什么？（） A、BIO B、NIO C、AIO D、FIO
大数据试题答案与解析_最全
1、当前大数据技术的基础是由（ C）首先提出的。（单选题，本题2分） A：微软 B：百度 C：谷歌 D：阿里巴巴 2、大数据的起源是（C ）。（单选题，本题2分） A：金融 B：电信 C：互联网 D：公共管理 3、根据不同的业务需求来建立数据模型，抽取最有意义的向量，决定选取哪种方法的数据分析角色人员是 （ C）。（单选题，本题2分） A：数据管理人员 B：数据分析员 C：研究科学家 D：软件开发工程师 4、（D ）反映数据的精细化程度，越细化的数据，价值越高。（单选题，本题2分） A：规模 B：活性 C：关联度 D：颗粒度 5、数据清洗的方法不包括（ D）。（单，本题2分）
A：缺失值处理 B：噪声数据清除 C：一致性检查 D：重复数据记录处理 6、智能健康手环的应用开发，体现了（ D）的数据采集技术的应用。（单选题，本题2分） A：统计报表 B：网络爬虫 C：API接口 D：传感器 7、下列关于数据重组的说法中，错误的是（ A）。（单选题，本题2分） A：数据重组是数据的重新生产和重新采集 B：数据重组能够使数据焕发新的光芒 C：数据重组实现的关键在于多源数据融合和数据集成 D：数据重组有利于实现新颖的数据模式创新 8、智慧城市的构建，不包含（ C）。（单选题，本题2分） A：数字城市 B：物联网 C：联网监控 D：云计算 大数据的最显著特征是（ A）。（单选题，本题2分） A：数据规模大 B：数据类型多样
C：数据处理速度快 D：数据价值密度高 10、美国海军军官莫里通过对前人航海日志的分析，绘制了新的航海路线图，标明了大风与洋流可能发生的地 点。这体现了大数据分析理念中的（B ）。（单选题，本题2分） A：在数据基础上倾向于全体数据而不是抽样数据 B：在分析方法上更注重相关分析而不是因果分析 C：在分析效果上更追究效率而不是绝对精确 D：在数据规模上强调相对数据而不是绝对数据 11、下列关于舍恩伯格对大数据特点的说法中，错误的是（D ）。（单选题，本题2分） A：数据规模大 B：数据类型多样 C：数据处理速度快 D：数据价值密度高 12、当前社会中，最为突出的大数据环境是（A ）。（单选题，本题2分） A：互联网 B：物联网 C：综合国力 D：自然资源 13、在数据生命周期管理实践中，（ B）是（单选题，本题2分） A：数据存储和备份规 B：数据管理和维护 C：数据价值发觉和利用
数据分析笔试题
从互联网巨头数据挖掘类招聘笔试题目看我们还差多少知识 1 从阿里数据分析师笔试看职业要求 以下试题是来自阿里巴巴招募实习生的一次笔试题，从笔试题的几个要求我们一起来看看数据分析的职业要求。 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(标准差)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< 阿里云C++ 1、（2分）1）请列出两个线程（或进程）死锁的三个必要条件 2）当异常（Exception）发生的时候，智能指针（SmartPointer）的析构函数是被谁调用的？ 3)一般的台式机硬盘一次随机读写大约需要多少毫秒（0.1ms、1ms、10ms、100ms）？ 4）除了应用程序的系统调用之外，LinuxKernel中的代码在什么情况下还有机会运行？ 2、（1分）求下面函数的返回值。输入x的值为2012。 int func(int x) { int countx=0; while(x) { ++countx; x=x&(x-1); } return countx; } 3、（1分）一进程在执行时，如果按下列页号访问：1、2、3、 4、2、1、 5、 6、2、1、2、3、 7、6、3。进程占用4页物理内存，采用FIFO淘汰算法和LRU淘汰算法时，各产生多 少次缺页中断？分别写出使用两种方法时，依次被淘汰的页面号以及最后内存空间中剩余的页面。 4、（1分）写出下列程序的输出结果： #include 数据分析期末试题及答案 一、人口现状.sav数据中是1992年亚洲各国家和地区平均寿命(y)、按购买力计算的人均GDP(x1)、成人识字率(x2)，一岁儿童疫苗接种率(x3)的数据，试用多元回归分析的方法分析各国家和地区平均寿命与人均GDP、成人识字率、一岁儿童疫苗接种率的关系。(25分) 解： 1.通过分别绘制地区平均寿命(y)、按购买力计算的人均GDP(x1)、成人识字率(x2)，一岁儿童疫苗接种率(x3)之间散点图初步分析他们之间的关系 上图是以人均GDP(x1)为横轴，地区平均寿命(y)为纵轴的散点图，由图可知，他们之间没有呈线性关系。尝试多种模型后采用曲线估计，得出 表示地区平均寿命(y)与人均GDP(x1)的对数有线性关系 上图是以成人识字率(x2)为横轴，地区平均寿命(y)为纵轴的散点图，由图可知，他们之间基本呈正线性关系。 上图是以疫苗接种率(x3)为横轴，地区平均寿命(y)为纵轴的散点图，由图可知，他们之间没有呈线性关系 。 x）为横轴，地区平均寿命(y)为纵轴的散点图，上图是以疫苗接种率(x3)的三次方（3 3 由图可知，他们之间呈正线性关系 所以可以采用如下的线性回归方法分析。 2.线性回归 先用强行进入的方式建立如下线性方程 设Y=β0+β1*（Xi1）+β2*Xi2+β3* X+εi i=1.2 (24) 3i 其中εi（i=1.2……22）相互独立，都服从正态分布N（0，σ^2）且假设其等于方差 R值为0.952，大于0.8，表示两变量间有较强的线性关系。且表示平均寿命(y)的95.2%的信息能由人均GDP(x1)、成人识字率(x2)，一岁儿童疫苗接种率(x3)一起表示出来。 建立总体性的假设检验 提出假设检验H0：β1=β2=β3=0，H1,：其中至少有一个非零 得如下方差分析表 上表是方差分析SAS输出结果。由表知，采用的是F分布，F=58.190，对应的检验概率P值是0.000.，小于显著性水平0.05，拒绝原假设，表示总体性假设检验通过了，平均寿命(y)与人均GDP(x1)、成人识字率(x2)，一岁儿童疫苗接种率(x3)之间有高度显著的的线性回归关系。 职业技能题库&在线云笔试平台https://www.wendangku.net/doc/6610746134.html, 试卷名称：2015年阿里巴巴校园招聘在线笔试题目 试卷描述：在线考试、招聘笔试、微信考试 试卷链接：https://www.wendangku.net/doc/6610746134.html,/paperDetail?paperId=40473 试卷限时：50分钟 一.不定项项选择题 每题分值：5分 是否题目乱序：是 是否选项乱序：是 是否可回溯：是 难度：中 1.[不定项]通过算法生成的随机数是“伪随机”的，也就是说，在设定好第一个数之后，后 面的数字的序列是确定的，并且经过一个非常大的循环会回到第一个数的状态，然后周而复始。显然，摇号、抽奖的程序是不能通过伪随机数来实现的。现实中常常基于某种热噪声来实现真正的随机数。假定某热噪声是标准正态分布，那么能否将它转换成(0,1)区间上的均匀分布______? A. 忽略测量和计算误差，可以转换为(0,1)区间上的均匀分布。 B. 无法转换为(0,1)区间上的均匀分布。 C. 信息不足，无法判断。 D. 借助伪随机数生成算法可以转换为(0,1)区间上的均匀分布。 E. 仅仅靠伪随机数生成算法，就可以生成(0,1)区间上的均匀分布 F. 以上说法都不对。 职业技能题库&在线云笔试平台https://www.wendangku.net/doc/6610746134.html, 答案：A 2.[不定项]在一个童话世界里，任意两个人之间要么是朋友关系，要么是敌人关系，不存在 其他关系及没有关系的情况。并且，如果A和B是朋友关系，B和C是朋友关系，那么A 和C必然是朋友关系。那么关于这个童话世界中的人群的说法错误的是：______? A. 可能只有1个人群，这个人群内部是朋友关系。 B. 可能有2个人群，人群内部是朋友关系，人群之间是敌人关系。 C. 可能有3个及以上个人群，人群内部是朋友关系，人群之间是敌人关系。 D. 如果存在多个人群，并且人群内部是朋友关系，人群之间是敌人关系，那么这些人群必然是差不多大小的。 E. 选项B中的情况可以是其中一个人群只有一个人，另外一个人群可以由很多人。 F. 这样一个世界里朋友关系是比较不容易发生变化的。 答案：D 3.[不定项]12321能被写成______种两个质数相加的形式。 A. 0 B. 1 C. 2 D. 3 E. 4 F. 5 答案：A 4.[不定项]在小端序的机器中，如果 数据分析笔试题 一、编程题（每小题20分）（四道题任意选择其中三道） 有一个计费表表名jifei 字段如下：phone(8位的电话号码)，month（月份），expenses （月消费，费用为0表明该月没有产生费用） 下面是该表的一条记录：64262631,201011,30.6 这条记录的含义就是64262631的号码在2010年11月份产生了30.6元的话费。 按照要求写出满足下列条件的sql语句： 1、查找2010年6、7、8月有话费产生但9、10月没有使用并（6、7、8月话费均在51-100 元之间的用户。 2、查找2010年以来（截止到10月31日）所有后四位尾数符合AABB或者ABAB或者AAAA 的电话号码。（A、B 分别代表1—9中任意的一个数字） 3、删除jifei表中所有10月份出现的两条相同记录中的其中一条记录。 4、查询所有9月份、10月份月均使用金额在30元以上的用户号码（结果不能出现重复） 二、逻辑思维题（每小题10分）须写出简要计算过程和结果。 1、某人卖掉了两张面值为60元的电话卡，均是60元的价格成交的。其中一张赚了20%， 另一张赔了20%，问他总体是盈利还是亏损，盈/亏多少？ 2、有个农场主雇了两个小工为他种小麦，其中A是一个耕地能手，但不擅长播种；而B 耕地很不熟练，但却是播种的能手。农场主决定种10亩地的小麦，让他俩各包一半，于是A从东头开始耕地，B从西头开始耕。A耕地一亩用20分钟，B却用40分钟，可是B播种的速度却比A快3倍。耕播结束后，庄园主根据他们的工作量给了他俩600元工钱。他俩怎样分才合理呢? 3、1 11 21 1211 111221 下一行是什么？ 4、烧一根不均匀的绳，从头烧到尾总共需要1个小时。现在有若干条材质相同的绳子，问如何用烧绳的方法来计时一个小时十五分钟呢？（绳子分别为A 、B、C、D、E、F 。。。。。来代替） 1.有一个文件：c:/c.txt,写java程序把该文件内容复制两遍，追加到c:/c.txt; 2.写正则表达式1.邮箱2.数字 3.HashMap 改变map类对用户会不会有影响？ 4.Linux中需查看所有的java进程，用什么命令 ps -ef|grep java 5.Ajax请求的整个流程 AJAX 在浏览器与Web 服务器之间使用异步数据传输（HTTP 请求），这样就可使网页从服务器请求少量的信息，而不是整个页面。 open()：建立到服务器的新请求。 send()：向服务器发送请求。 abort()：退出当前请求。 readyState：提供当前 HTML 的就绪状态。 responseText：服务器返回的请求响应文本。 6.写一个类实现线程同步的单例设计模式 7.一个包含4块硬盘的服务器一年中至少有一块硬盘出故障的概率是99.99%，每块硬盘任意时刻出故 障的概率服从相同的分布规律，并且彼此独立，问12块硬盘的服务器一季度内至少有一个硬盘出故障的概率是多少。 8.有一个size1000的ector 数据分析师面试常见的77个问题 2013-09-28数据挖掘与数据分析 随着大数据概念的火热，数据科学家这一职位应时而出，那么成为数据科学家要满足什么条件？或许我们可以从国外的数据科学家面试问题中得到一些参考，下面是77个关于数据分析或者数据科学家招聘的时候会常会的几个问题，供各位同行参考。 1、你处理过的最大的数据量？你是如何处理他们的？处理的结果。 2、告诉我二个分析或者计算机科学相关项目？你是如何对其结果进行衡量的？ 3、什么是：提升值、关键绩效指标、强壮性、模型按合度、实验设计、2/8原则？ 4、什么是：协同过滤、n-grams, map reduce、余弦距离？ 5、如何让一个网络爬虫速度更快、抽取更好的信息以及更好总结数据从而得到一干净的数据库？ 6、如何设计一个解决抄袭的方案？ 7、如何检验一个个人支付账户都多个人使用？ 8、点击流数据应该是实时处理？为什么？哪部分应该实时处理？ 9、你认为哪个更好：是好的数据还是好模型？同时你是如何定义“好”？存在 所有情况下通用的模型吗？有你没有知道一些模型的定义并不是那么好？ 10、什么是概率合并（AKA模糊融合）？使用SQL处理还是其它语言方便？对于处理半结构化的数据你会选择使用哪种语言？ 11、你是如何处理缺少数据的？你推荐使用什么样的处理技术？ 12、你最喜欢的编程语言是什么？为什么？ 13、对于你喜欢的统计软件告诉你喜欢的与不喜欢的3个理由。 14、SAS, R, Python, Perl语言的区别是？ 15、什么是大数据的诅咒？ 16、你参与过数据库与数据模型的设计吗？ 17、你是否参与过仪表盘的设计及指标选择？你对于商业智能和报表工具有什么想法？ 18、你喜欢TD数据库的什么特征？ 19、如何你打算发100万的营销活动邮件。你怎么去优化发送？你怎么优化反应率？能把这二个优化份开吗？ 20、如果有几个客户查询ORACLE数据库的效率很低。为什么？你做什么可以提高速度10倍以上，同时可以更好处理大数量输出？ 21、如何把非结构化的数据转换成结构化的数据？这是否真的有必要做这样的转换？把数据存成平面文本文件是否比存成关系数据库更好？ 22、什么是哈希表碰撞攻击？怎么避免？发生的频率是多少？ 23、如何判别mapreduce过程有好的负载均衡？什么是负载均衡？ 24、请举例说明mapreduce是如何工作的？在什么应用场景下工作的很好？云的安全问题有哪些？ 25、（在内存满足的情况下）你认为是100个小的哈希表好还是一个大的哈希表，对于内在或者运行速度来说？对于数据库分析的评价？ 26、为什么朴素贝叶斯差？你如何使用朴素贝叶斯来改进爬虫检验算法？ 27、你处理过白名单吗？主要的规则？（在欺诈或者爬行检验的情况下） 28、什么是星型模型？什么是查询表？ 1、某团队有 2/5的人会写Java程序，有3/4的人会写C++程序，这个团队里同时会写Java和C++的最少有______人。 3 4 5 8 15 20 2、下列结构中，______必须随机存取实现。 栈 队列 数组 单链表 二叉树 堆 3、在一个单链表中，q的前一个节点为p，删除q所指向节点，则执行______。delete q; q->next=p->next;delete p; p->next=q->next;delete p; p->next=q->next;delete q; delete p; q->next=p->next;delete q 4、带头结点的单链表head为空的判定条件是：______。 head==NULL head->next==NULL head->next==head head!=NULL *head==NULL *(head->next)==NULL 5、甲乙两路发车间隔均为10分钟的公交车发车时刻分钟数个位分别为1和9，那么对于一个随机到达的乘客，ta乘坐甲车的概率为： 0.1 0.2 0.3 0.4 0.5 0.9 6、硬币游戏：连续扔硬币，直到某一人获胜。A获胜条件是先正后反，B获胜是出现连续两次反面，问AB游戏时A获胜概率是______。 1/6 1/4 1/2 2/3 3/4 7、棋盘上共有2020个格子，从1开始顺序编号。棋子初始放在第1格，通过扔骰子决定前进格子数，扔出x点就前进x格。骰子有6面，分别对应1至6；质量均匀。当棋子到达2014或超过2014，游戏结束。那么，棋子刚好到达2014的概率与______最接近。 2/3 1/2 1/3 2/7 1/6 1/7 8、“秘密”是一款在朋友圈内匿名交流的SNS平台。假定每个人只能看到朋友发的帖子，却不知道具体是谁发的；并且朋友关系是对称的，即如果A是B的朋友，那么B也是A的朋友。某好事者希望知道一篇帖子具体是谁发的，他通过找几个好友看看他们是否是这个帖子楼主的朋友，从而求“交集”，推断楼主是谁。朋友圈是指彼此互为朋友的人群。什么样的楼主容易被发现真实身份？ 朋友很多的楼主。 朋友很少的楼主。 发负能量帖子的楼主。 有很多个小朋友圈的楼主。 发正能量帖子的楼主。 只有一个大朋友圈的楼主。 9、H同学每天乘公交上学，早上睡过头或遇到堵车都会迟到；H早上睡过头概率为0.2，路上遇到堵车概率为0.5；若某天早上H迟到了，那么以下推测正确的有______。 今天H早上睡过头了 今天H早上睡过头的概率为0.2 今天H早上睡过头的概率大于0.2 今天H早上遇到堵车了 今天H早上遇到堵车的概率为0.5 今天H早上遇到堵车的概率小于0.5 10、一个合法的表达式由()包围，()可以嵌套和连接，如(())()也是合法表达式；现在有6对()，它们可以组成的合法表达式的个数为______。 15 30 64 132 256 360 11、下列结构中，______必须随机存取实现 栈 队列 《生意参谋数据分析师》考试 1、 单选题 分值: 1 王家杂货铺的掌柜在复盘上月数据时发现客服小甲有12个咨询是没回复；如果小甲上个月总共有100个咨询量，那么他当时的回复率是多少？ A: 0.12 B: 0.58 C: 0.82 D: 0.88 答案解析："参考章节：店铺客服转化率诊断本题考点：客服回复率答案解析：客服回复率是指客服对于咨询他的客户进行回复的百分占比，如果有100个咨询量，其中12个没有回复，那么回复率就是（10 0-12）/100=88%" 2、 单选题 分值: 1 小芳根据数据分析发现主推宝贝标题里很多关键词没有带来访客数和转化率，于是想要替换这些关键词，她应该替换什么关键词进去？ A: 从生意参谋的搜索词里面找到自己叶子类目的相关性强转化率高流量大的核心关键词，如果标题里没有的，就可以找出来替换进去。 B: 看看别人标题都用什么词，自己没有的，加进来 C: 加类目大词进来引流量 D: 选一些长尾词转化率高 答案解析：参考章节：快速优化标题提升手淘搜索流量本题考点：优质关键词寻找和标题优化答案解析：生意参谋—市场—搜索排行—搜索词里面找到自己叶子类目的相关性强转化率高流量大的核心关键词。 3、 单选题 分值: 1 小明是吹风机类目的商家，他想做类目趋势对比表，为此他需要收集近几年的相关数据作为参考？ A: 近5年 B: 近4年 C: 近3年 D: 近2年 答案解析：参考章节：品类罗盘—商品年度规划（一）本题考点：市场趋势表格制作试题解析：在大数据的背景下，我们做类目数据对比时，会去抓取近3年子类目数据为参考维度。 4、 单选题 分值: 1 小明店铺的无线首页，模块1跳转店内爆款，每天点击量200，模块2跳转店内新品，每天点击量80；因为新品数据良好，有次爆款潜力，小明决定交换模块1和模块2跳转商品！ A: 正确 B: 错误 答案解析：参考章节：页面效果如何提升？本题考点：页面数据分析答案解析：根据页面板块的点击数、点击率、转化率等数据来确定优化方向 5、 单选题 分值: 1 为了尽量减少花费，小李想选择免费方法实现新品破0 ；以下那种破0 方法不是免费的？ 阿里巴巴2014秋季校园招聘-软件研发工程师笔试题 2013-09-21 22:381089人阅读评论(4)收藏举报 校园招聘阿里巴巴软件研发算法百度 1. 单选题 1. 假设把整数关键码K散列到N个槽列表，以下哪些散列函数是好的散列函数 A: h(K)=K/N; B: h(K)=1; C: h(K)=K mod N; D: h(K)=(K+rand(N)) mod N, rand(N)返回0到N-1的整数 答案:D 2. 下面排序算法中，初始数据集的排列顺序对算法的性能无影响的是： A: 堆排序B：插入排序 C: 冒泡排序D:快速排序 答案:A（插入排序：最优时间复杂度O（n）最差时间复杂度O（n^2）平均时间复杂度O （n^2） 冒泡排序：最优时间复杂度O（n）最差时间复杂度O（n^2）平均时间复杂度O（n^2） 快速排序：最优时间复杂度O（nlogn）最差时间复杂度O（n^2）平均时间复杂度O（nlogn） 堆排序：最优时间复杂度O（nlogn）最差时间复杂度O（nlogn）平均时间复杂度O（nlogn）） 3. 下面说法错误的是： A: CISC计算机比RISC计算机指令多 B: 在指令格式中，采用扩展操作码设计方案的目的是为了保持指令字长不变而增 加寻址空间 C:增加流水线段数理论上可以提高CPU频率 D:冯诺依曼体系结构的主要特征是存储程序的工作方式 答案:B 4. 不属于冯诺依曼体系结构必要组成部分是： A:CPU B: Cache C:RAM D:ROM 答案:B 5. 一个栈的入栈序列式ABCDE则不可能的出栈序列是: A:DECBA B:DCEBA C:ECDBA D:ABCDE 答案:C 6.你认为可以完成编写一个C语言编译器的语言是： A：汇编B:C语言C:VB D:以上全可以 答案：D 7. 关于C++/JAVA类中的static成员和对象成员的说法正确的是：A：static成员变量在对象构造时候生成 B: static成员函数在对象成员函数中无法调用 C: 虚成员函数不可能是static成员函数 D: static成员函数不能访问static成员变量 答案：A 8： 1、海量日志数据，提取出某日访问百度次数最多的那个IP。 首先是这一天，并且是访问百度的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有个2^32个IP。同样可以采用映射的方法，比如模1000，把整个大文件映射为1000个小文件，再找出每个小文中出现频率最大的IP（可以采用hash_map进行频率统计，然后再找出频率最大的几个）及相应的频率。然后再在这1000个最大的IP中，找出那个频率最大的IP，即为所求。 或者如下阐述： 算法思想：分而治之+Hash 1.IP地址最多有2^32=4G种取值情况，所以不能完全加载到内存中处理； 2.可以考虑采用“分而治之”的思想，按照IP地址的Hash(IP)24值，把海量IP日志分别存储到1024个小文件中。这样，每个小文件最多包含4MB个IP地址； 3.对于每一个小文件，可以构建一个IP为key，出现次数为value的Hash map，同时记录当前出现次数最多的那个IP地址； 4.可以得到1024个小文件中的出现次数最多的IP，再依据常规的排序算法得到总体上出现次数最多的IP； 2、搜索引擎会通过日志文件把用户每次检索使用的所有检索串都记录下来，每个查询串的长度为1-255字节。 假设目前有一千万个记录（这些查询串的重复度比较高，虽然总数是1千万，但如果除去重复后，不超过3百万个。一个查询串的重复度越高，说明查询它的用户越多，也就是越热门。），请你统计最热门的10个查询串，要求使用的内存不能超过1G。 典型的Top K算法，还是在这篇文章里头有所阐述， 文中，给出的最终算法是： 第一步、先对这批海量数据预处理，在O（N）的时间内用Hash表完成统计（之前写成了排序，特此订正。July、2011.04.27）； 第二步、借助堆这个数据结构，找出Top K，时间复杂度为N‘logK。 即，借助堆结构，我们可以在log量级的时间内查找和调整/移动。因此，维护一个K(该题目中是10)大小的小根堆，然后遍历300万的Query，分别和根元素进行对比所以，我们最终的时间复杂度是：O（N）+ N’*O（logK），（N为1000万，N’为300万）。ok，更多，详情，请参考原文。 或者：采用trie树，关键字域存该查询串出现的次数，没有出现为0。最后用10个元素的最小推来对出现频率进行排序。 3、有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16字节，内存限制大小是1M。返回频数最高的100个词。 方案：顺序读文件中，对于每个词x，取hash(x)P00，然后按照该值存到5000个小文件（记为x0,x1,…x4999）中。这样每个文件大概是200k左右。 如果其中的有的文件超过了1M大小，还可以按照类似的方法继续往下分，直到分解得到的小文件的大小都不超过1M。 对每个小文件，统计每个文件中出现的词以及相应的频率（可以采用trie树/hash_map 等），并取出出现频率最大的100个词（可以用含100个结点的最小堆），并把100个词及相应的频率存入文件，这样又得到了5000个文件。下一步就是把这5000个文件进行归并（类似与归并排序）的过程了。 4、有10个文件，每个文件1G，每个文件的每一行存放的都是用户的query，每个 2018CPDA 数据分析师考试大纲 第一部分考试介绍 一、考试目标 数据分析师专业技术考试主要测试考生是否具备数据分析基础知识，是否了解数据分析工作流程及数据分析技术，是否具备利用数据分析知识解决实际业务问题的能力。 侧重考查考生对数据分析知识的掌握和应用，借助数据分析知识解决实际数据分析工作和企业决策工作的能力，根据企业决策的需要，对各种相关数据进行分析和评估能力。 考点涉及数据分析统计基础、数据获取、数据预处理、数据可视化、数据算法模型及客户数据分析、产品数据分析、营销数据分析、采购数据分析、物流数据分析、生产制造数据分析、智能供应链及投资收益风险分析等。 二、考试科目及考试形式 考试分为理论机考和实操笔试，考试时限分别为90 分钟和120 分钟，满分都为100分。 CPDA 数据分析师的认证考核采取全国统一时间，每年四次。 三、教材与资料 《数据分析基础》《营销数据分析》《供应链优化与投资分析》《战略管理》《面授讲义》是数据分析师考生必修必考教材与资料。 四、知识点要求注释 识记：要求掌握概念、熟悉理论、重点考试要求范围； 理解：要求应知应会，非重点考试要求范围； 应用：掌握实际使用方法，运用计算工具或分析软件进行实和分析，考试要求范围； 了解：拓展性知识，非考试要求范围。 第二部分考试内容 根据数据分析师专业技术考试的考试目标、科目和考试形式等要求，数据分析师专业技术考试科目要点包括但不限于以下内容： 一、数据分析理论知识 数据分析理论知识是对考生数据分析基础知识的掌握程度的测试。数据分析基础主要从数据分析的整个流程去考查学生知识，其中涵盖了数据获取、数据预处理、数据可视化、数据分析算 阿里巴巴的Oracle DBA笔试题及参考答案- 数据库基本概念类 1:pctused and pctfree 表示什么含义有什么作用 pctused与pctfree控制数据块是否出现在freelist中, pctfree控制数据块中保留用于update的空间,当数据块中的free space小于pctfree设置的空间时, 该数据块从freelist中去掉,当块由于dml操作free space大于pct_used设置的空间时,该数据库块将 被添加在freelist链表中。 2:简单描述table / segment / extent / block之间的关系 table创建时,默认创建了一个data segment, 每个data segment含有min extents指定的extents数, 每个extent据据表空间的存储参数分配一定数量的blocks 3:描述tablespace和datafile之间的关系 一个tablespace可以有一个或多个datafile,每个datafile只能在一个tablespace内, table中的数据,通过hash算法分布在tablespace中的各个datafile中, tablespace是逻辑上的概念,datafile则在物理上储存了数据库的种种对象。 4:本地管理表空间和字典管理表空间的特点，ASSM有什么特点 本地管理表空间(Locally Managed Tablespace简称LMT) 8i以后出现的一种新的表空间的管理模式，通过位图来管理表空间的空间使用。 字典管理表空间(Dictionary-Managed Tablespace简称DMT) 8i以前包括以后都还可以使用的一种表空间管理模式，通过数据字典管理表空间的空间使用。 动段空间管理(ASSM)， 它首次出现在Oracle920里有了ASSM，链接列表freelist被位图所取代，它是一个二进制的数组， 能够迅速有效地管理存储扩展和剩余区块(free block)，因此能够改善分段存储本质，ASSM表空间上创建的段还有另外一个称呼叫Bitmap Managed Segments(BMB 段)。 5:回滚段的作用是什么 事务回滚：当事务修改表中数据的时候，该数据修改前的值(即前影像)会存放在回滚段中， 当用户回滚事务(ROLLBACK)时，ORACLE将会利用回滚段中的数据前影像来将修改的数据恢复到原来的值。 事务恢复：当事务正在处理的时候，例程失败，回滚段的信息保存在undo表空间中，ORACLE将在下次打开数据库时利用回滚来恢复未提交的数据。 读一致性：当一个会话正在修改数据时，其他的会话将看不到该会话未提交的修改。 当一个语句正在执行时，该语句将看不到从该语句开始执行后的未提交的修改(语句级读一致性) 当ORACLE执行Select语句时，ORACLE依照当前的系统改变号(SYSTEM CHANGE NUMBER-SCN) 来保证任何前于当前SCN的未提交的改变不被该语句处理。可以想象：当一个长时间的查询正在执行时， 若其他会话改变了该查询要查询的某个数据块，ORACLE将利用回滚段的数据前影像来构造一个读一致性视图。 6:日志的作用是什么 阿里巴巴校招产品经理笔试题目 【业务性产品经理（商业领域）笔试题】 （开放题，每人选做其中五道即可） 1.如果让你作天猫、淘宝7月某类目销量分析，你会怎么做？现在大家都在讲O2O， 清谈一下你对O2O的理解以及对客户的价值所在，并且以商家的角度，描述一下 你观察到的他们的核心痛点有哪些？ 2.如果你手上的资源短期只能解决一个痛点的话，你会怎么来选择？为什么？后期的 优先级是怎么排列的？ 3.如果让你设计一款相册APP，代替系统自带的相册功能，你会怎么设计，列举主要 功能（先分析原生相册的不足，用户需求痛点，然后描述下界面设计，并说明为什 么用户要使用你的产品） 4.如何验证一个产品优化方案是否有效选择旅游、商品、理财、食品、体育其中一类， 设计一个你觉得有需求且目前没有得到较好满足的功能，可以是一款小而美的产品，也可以是承载在某一款产品上的功能你最喜欢的互联网公司，其都有哪些优缺点， 如何改进？ 5.最近扶梯安全事故频发，你是扶梯公司ceo，你怎么改善产品，怎么运营，怎么利 润最大化？设计一个果汁饮料，竞品有哪些，如何进行竞品分析？如何检测o2o 线下服务质量？ 6.设计一个B2C营销盛典的页面，包括H5游戏。写出主要设计思路。分析淘宝中的 “淘抢购”频道的用户群体，用户需求，用户使用特性等等要设计一款果汁饮料， 做竞品分析。写出主要的竞争对手有哪些，并说明主要思路规划一款预订理发的 APP假如您现在需要为一家企业做一款社交软件，请描述一个完整的产品规划到实施的过程包括哪些部分。 7.如果我是一个风投，现在要给你一笔费用和一个团队。请设计一个针对南美市场的 跨境电商产品。请说明你需要多少费用和什么样的团队，将在一年内将这个产品做到什么样，达成什么目标？ 8.假设美国亚马逊网站7-8月的网站访客流量比6月下降了10%，如果你是亚马逊 网站的流量分析产品经理，请解释分析下这个现象。 9.如果你是上门服务O2O的产品经理你将通过何种方式保证上门服务的质量现在大 型超市食品类柜台经常有试吃活动请谈谈顾客是怎样的消费心理，这对用户的购买率是否有影响？为什么？ 10.如果有一位没用任何营销技能，甚至不能说话的销售员，你是否愿意让他/她去试 吃柜台为用户服务，这对用户的购买率是否有影响？为什么？ 11.淘宝目前的哪个业务你觉得最受人吐槽，为什么以及如果做好了会怎么样。为老人 设计打车软件你熟悉的社交软件相较于其他社交软件的优劣势对天猫淘宝7月份某类目商品销量进行分析。 12.说出你喜欢的获取互联网资讯的途径，比如app，微信微博等，并分析其核心竞争 力你自己是否有产品的经历？如果有，需求是如何发现的？解决了什么问题？假如你是一个村支书，村里目前修路需要占用一部分土地，部门村民对被占用土地的赔偿金额感到不满，鼓动了一批民众到工地闹事，已经演变成聚众事件，你将如何解决？【 阿里巴巴校招运营专员笔试题】2020阿里巴巴校园招聘阿里云C++笔试试题
数据分析期末试题及答案
百一测评——2015年阿里巴巴校园招聘在线笔试题目
数据分析笔试题
阿里巴巴校园招聘阿里云笔试试题题目
数据分析师面试常见的77个问题
2015校招-阿里巴巴在线笔试题目
生意参谋数据分析师考试题复习(三)
阿里巴巴2014秋季校园招聘-软件研发工程师笔试题
2016年数据分析面试常见问题
2018数据分析师考试大纲
阿里巴巴校园招聘笔试题及参考答案
阿里巴巴校招产品经理笔试题
- 数据分析师笔试题目
- 数据分析师笔试题目
- CDA数据分析师认证题库精选.doc
- 数据分析师常见的7道笔试题目及答案
- 生意参谋数据分析师--认证考试
- 阿里巴巴2011数据分析师笔试题(实习题)
- 大数据分析师(ACP)认证考试大纲
- 数据分析师面试常见问题
- 生意参谋数据分析师考试题复习
- 数据分析师面试常见的77个问题
- 阿里巴巴2011数据分析师笔试题(实习题)
- 数据分析师常见的7道笔试题目及答案
- 2015年阿里校招数据分析师笔试题
- 数据分析师常见的道笔试题目及答案
- CPDA数据分析师原题考试题理论题带答案
- 阿里巴巴2011数据分析师笔试题(实习题)
- 2018数据分析师考试大纲
- 数据分析专员笔试题
- 数据分析面试常见问题
- 从阿里巴巴笔试试题看数据分析师的职业要求