本文为鲸鱼人工总结，请点个赞
内容会持续更新中～
内容多来自牛客，谢谢大佬们的分享，跪着唱感恩的心
超级棒的帖子
link1

1.字节跳动

• 1.怎么做数据预处理？？

• 2.feature selection

• 3. L1,L2是什么？

• 4.归一化

• 5.PCA？

• 6.如果一份数据feature过少怎么做

• 7.leetcode上面算法原题。。。

• 8.前端和后端采集数据会出现的问题

• 9.spark rdd介绍一下

• 10. spark的懒依赖和宽依赖

• 11.100亿个数怎么求中位数

• 12.数组求top k
  一道sql题 分组求每组top 3

• 13. 二叉树的后序遍历 非递归实现

• 14.mapreduce介绍一下

• 15.mapreduce中间有个combine是干嘛的，有什么好处，有什么使用限制吗

• 16. 拿mapreduce join两个表 说一下流程
• 17. hdfs小文件过多会怎么样
• 18. spark的job,stage,task分别说一下
• 19. DAGscheduler干了什么活
• 20. stage划分的依据是什么
• 21. 窄依赖 宽依赖解释一下
• 22. tcp四次挥手介绍一下 为什么会有第二次、第三次、第四次？
• 23. 为什么mysql底层用b+tree
• 24. 用spark求一下dau吧
• 25. kmeans聚类数据量小的时候会出现什么问题
• 26. HashMap是怎样散列的，怎么解决冲突
• 27. list下都有哪些类 arrayList和LinkedList的区别

---

---

2.淘宝

1.p值的意义

2.介绍一下Hive；一道Hive题（A，B两表，查询B表中没有，A表中有的；关键字段：学号，课程号）

3.反转字符串有哪几种方法

4.介绍一下词嵌入，one-hot和word2vec的区别，word2vec如何实现的

5.bagging和boosting的区别

6.问你常用的APP（淘宝），如果发现淘宝某一天销售额下降，如何分析？

7.用python写一个冒泡排序，但是不会写

---

---

阿里大数据方向

2.说说Spark Streaming实时处理数据的链路
3.Spark Streaming与kafka的两种集成方式与优缺点。
4.谈谈对Hadoop与Spark的理解。
5.说说Hive与HBase的区别
6.说说Hive的底层原理
7.HBase的底层原理
8.MapReduce的原理。
9.谈谈对Kafka的认识，Kafka的分区分配算法。
10.HBase的使用场景。
11.谈谈NoSQL。
12.UDAF与UDTF。
13.说说数据倾斜，以及发生的原因，如何解决。
14.说一下java集合类，说说HashMap的原理。
15.谈谈JDBC底层原理。

---

---

3.腾讯

1. 还知道哪些分类算法 / 介绍一下朴素贝叶斯，朴素贝叶斯的特征独立体现在那个方面？

2.case：如果想要发一张优惠券，发多少面额的优惠券使得达到50w活跃人数的同时成本最低

3.知道哪些聚类的算法，kmeans的原理，优势，劣势，怎么确定k值

4. roc-auc曲线

5.特征的选择

6.HDFS介绍、读写特性

7.ES和HDFS的区别

8.设检验和其应用

9.项目中出现的模型一定要理解原理，还被建议要看一下源码和论文（面试官大佬就是大佬。。。），比如xgboost啦，word2vec啦balabala

10问SVM、DT一般应用在什么场景上

11.举例GMM、HMM的应用场景，举了个天气海藻的例子和之前做的项目

12.问tcpip协议

13.xgb和gbdt以及区别

---

---

4.蘑菇街

1.sql的数据类型

2.问了一个业务问题，怎么利用用户的行为数据来衡量用户的“价值”

3.因为上一问提到了用户聚类，就问我用什么方法聚类，为什么

4.股票趋势能不能用时间序列模型来预测，如果可以考虑什么模型

股票数据用ARIMA无法预测的原因就是股票数据是非稳定的，常常受政策和新闻的影响而波动。

---

---

5.度小满

1. 写一下TF-IDF公式

2.两个SQL：一个是挑出表中某学科成绩前三的同学的成绩之和 另一个是挑出各科成绩前三名的同学

3. KNN，KMEANS，二分查找选一个用Python写一下(楼主选了KMEANS，哼唧哼唧写了半天)

4.选一个线性模型和非线性模型，比较一下优劣和适用场景

5.L1正则项和L2正则项有什么区别

6.如何解决过拟合问题

7.项目上线要AB测试(测试CTR是否大于原来的CTR)，假设每天测试有10000人，现在我只统计里面1000人的CTR，问我要连续测试多少天，才能让得到的结论有95%的置信度

---

---

6.网易

1.Z,T,F，卡方检验的使用场景和条件

2.机器学习的常见模型 随机森林、lightgbm,xgboots

3.中心极限定理和大数定理的关系和应用

4.贝叶斯是基于什么（先验概率、后验概率、最大似然概率）

5.sql查询语句，escape的使用方式

6.二分类中类别不平衡问题解决方法

7.delete，drop,truncate ,remove table 哪一个满足删除表后，保留表的结构，且不释放空间

8.对数据进行bootstrap处理的意思是

9.降维的几种方法

10.one-vs-rest分类法，会分为几个类，要训练多少个模型

11.sql语句执行顺序

12.select * 和select 所有字段哪个更合适

13.算法复杂度。。。。。

14.判定系数R的含义

15.神经网络，决策树。。。。