2019秋招初试
简介：在苏宁总部面试的，大约50分钟，一个面试官，面试官很和蔼。（最好带点纸和笔，后面会推公式，我面试时面试官只剩下一张白纸了）
1、数据清洗：
分别是缺失值(missing value)，异常值(离群点),去重处理(Duplicate Data)以及噪音数据的处理。
缺失值：
1）在缺失率少且属性重要程度低的情况下，若属性为数值型数据则根据数据分布情况简单的填充即可，例如：若数据分布均匀，则连续值使用均值对数据进行填充即可，离散值用众数填充；若数据分布倾斜，使用中位数填充即可。2）缺失值高，属性重要程度高：主要使用的方法有插补法（热平台插补法，以及拉格朗日插值法与牛顿插值法）与建模法（用回归、贝叶斯、随机森林、决策树等模型对缺失数据进行预测。例如：利用数据集中其他数据的属性，可以构造一棵判定树，来预测缺失值的值）。
3）缺失值高，属性重要程度不高：直接删除。
异常值：
1）pandas的describe方法就可以实现，通过数据集描述性统计，发现是否存在不合理的值，即异常值。
2）基于正态分布的离群点检测。
3）聚类。
去重处理：一是排序，二是计算相似度。目前在做竞赛过程中主要是用duplicated方法进行判断，然后将重复的样本进行简单的删除处理。
噪音数据：分箱法（用“近邻”样本光滑有序数值）和回归法（找出真实值与带有噪声的观测值之间的关系）
2、特征选择
过滤式选择：选择与目标变量相关性强的特征，缺点：没有考虑特征之间的关联作用。
包裹式选择：把特征的选择看做特征的子集，然后用模型进行评估。
嵌入式选择：根据模型选择特征重要性
3、解释什么是降维，在哪里会用到降维，它的好处是什么？
降维是指通过保留一些比较重要的特征，去除一些冗余的特征，减少数据特征的维度。而特征的重要性取决于该特征能够表达多少数据集的信息，也取决于使用什么方法进行降维。降维的好处是：
1)节省存储空间；
2)加速计算速度（比如在机器学习算法中）
3)去除一些冗余的特征，比如降维后使得数据不会既保存平方米和平方英里
的表示地形大小的特征；
4)将数据维度降到2维或者3维使之能可视化，便于观察和挖掘信息。
5)特征太多或者太复杂会使得模型过拟合。
4、列举几个常用的python分析数据包及其作用？
数据处理和分析：NumPy, SciPy, Pandas
NumPy：支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
SciPy：一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。(.mat) Pandas：基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。(.csv)
机器学习：SciKit、TensorFlow、keras、pytorch
可视化： Matplotlib, Seaborn
5、你所了解到的分类算法？（这个面试官主要考察了很基础的机器学习算法，深度学习方面没有问，他比较强调越是简单的算法越是易于用于商业）
有监督：
逻辑回归算法：即可以看做是回归算法，也可以看作是分类算法，通常用来解决分类问题，主要是二分类问题，对于多分类问题并不适合，也可以通过一定的技巧变形来间接解决。面对一个回归或者分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数，然后测试验证我们这个求解的模型的好坏。
贝叶斯（Bayes）分类算法：是一类利用概率统计知识进行分类的算法，如朴素贝叶斯（Naive Bayes）算法。这些算法主要利用Bayes定理来预测一个未知类别的样本属于各个类别的可能性，选择其中可能性最大的一个类别作为该样本的最终类别。
k-近邻(kNN，k-Nearest Neighbors)算法：是一种基于实例的分类方法。该方法就是找出与未知样本x距离最近的k个训练样本，看这k个样本中多数属于哪一类，就把x归为那一类。
支持向量机（Support Vector Machine ,SVM）的主要思想是：建立一个最优决策超平面，使得该平面两侧距离该平面最近的两类样本之间的距离最大化，从而对分类问题提供良好的泛化能力。
神经网络（Artificial Neural Networks，ANN）：神经网络通常需要进行训练，训练的过程就是网络进行学习的过程。训练改变了网络节点的连接权的值使其具有分类的功能，经过训练的网络就可用于对象的识别。
无监督：
聚类算法：k-means,DBSCAN
k均值聚类算法:是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。
关联规则：关联分类方法挖掘形如condset→C的规则，其中condset是项(或属性-值对)的集合，而C是类标号，这种形式的规则称为类关联规则（class association rules，CARS）。关联分类方法一般由两步组成：第一步用关联规则
挖掘算法从训练数据集中挖掘出所有满足指定支持度和置信度的类关联规则；
第二步使用启发式方法从挖掘出的类关联规则中挑选出一组高质量的规则用于
分类。（不会就不要提）
6. 如何权衡偏差和方差？
Bias：描述的是预测值与真实值之间的差距。用来衡量模型对特定样本实例预
测的一致性（或说变化）。
Variance：描述的是预测值的变化范围，离散程度，也就是离其真实值的距
离。用来从总体上衡量预测值与实际值之间的差异。
7、Xgboost:集成算法？
Boosting算法的思想是将许多弱分类器集成在一起形成一个强分类器。因为XGBoost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。而所用到的树模型则是CART回归树模型。（决策树自身有一些惩罚相）（重点考察）
8、Adaboost:（我说了解一点，没多说）
Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。
9、GBDT 模型（我说不会，他很耐心的给我简单的介绍了下，感动）
GBDT（gradient boosting desicion tree）是由boosting tree 演变过来的，而boosting tree可以认为是Adaboost的一般方法，也就是说二分类问题的Adaboost 模型是损失函数为指数损失函数的boosting tree模型，回归问题的Adaboost模型是损失函数为平方损失函数的boosting tree模型。
GBDT的关键点就是利用损失函数的负梯度去模拟（代替）残差，这样对于
一般的损失函数，只要其一阶可导就行。这里用到了损失函数的一阶导数来得到残差也就是接下来的tree要去拟合的值（记住这里是一阶导数）。
10、推到逻辑回归公式？？？（损失函数、参数跟新，大概推到了一下）
11、推荐系统（如果想给面试官留下更深印象，多深究一下，多看这方面的书籍，毕竟推荐系统商业价值很大，我只是了解，没有实际操作过）
协同过滤：很好理解，基于用户相似度基于物品相似度（相似度：欧几里得距离、皮尔逊相似度），可使用surprise库中的knnbasic实现
隐语义：不好解释，不知道P、Q值表达什么含义，就像神经网络一样，可解释
性差。SVD
12、协同过滤与隐语义的区别？？？
13、过拟合如何处理？（项目中有涉及吗？）
增加数据量、降低模型复杂度（dropout）、正则化、earlystopping(减少迭代)
解释一下欠拟合，如何解决这两种问题？
首先欠拟合就是模型没有很好地捕捉到数据特征，不能够很好地拟合数据，
解决方法：
1）添加其他特征项，有时候我们模型出现欠拟合的时候是因为特征项不够导致的，可以添加其他特征项来很好地解决。例如，“组合”、“泛化”、“相关性”三类特征是特征添加的重要手段，无论在什么场景，都可以照葫芦画瓢，总会得到意想不到的效果。除上面的特征之外，“上下文特征”、“平台特征”等等，都可以作为特征添加的首选项。
2）添加多项式特征，这个在机器学习算法里面用的很普遍，例如将线性模型通过添加二次项或者三次项使模型泛化能力更强。例如上面的图片的例子。
3）减少正则化参数，正则化的目的是用来防止过拟合的，但是现在模型出现了欠拟合，则需要减少正则化参数
14. 什么是正则化项。为什么要使用正则化，说出一些常用的正则化方法？
正则化。采用正则化方法会自动削弱不重要的特征变量，自动从许多的特征变量中”提取“重要的特征变量，减小特征变量的数量级。这个方法非常有效，当我们有很多特征变量时，其中每一个变量都能对预测产生一点影响。正如在房价预测的例子中看到的那样，我们可以有很多特征变量，其中每一个变量都是有用的，因此我们不希望把它们删掉，这就导致了正则化概念的发生。
正则化的作用：
（1）防止过拟合；
（2）正则化项的引入其实是利用了先验知识，体现了人对问题的解的认知程度或者对解的估计
（3）正则化产生了稀疏性（Sparsity），减少了特征向量个数，降低了模型的复杂度。
补充：
稀疏性（Sparsity）的作用：
a、特征选择(FeatureSelection)：
稀疏性能实现特征的自动选择。在我们事先假定的特征（或自变量）中，有很多自变量或特征对输出的影响较小，可以看作是不重要的特征或自变量。而正则化项会自动对自变量或特征的系数参数进行惩罚，令某些特征或自变量的参数（权重系数）为0或接近于0，自动选择主要自变量或特征（类此于PCA）。
b、可解释性(Interpretability)：
稀疏使模型更容易解释。
16、如何处理离散型特征和连续型特征共存的情况？论述了对离散特征进行one-hot编码的意义？
归一化：必须进行特征的归一化，每个特征都单独进行归一化。
One-hot编码：将离散特征的取值扩展到了欧式空间，让特征之间的距离计算或相似度计算更加合理，（对离散型特征进行one-hot编码是为了让距离的计算显得更加合理。）
1).使用one-hot编码，将离散特征的取值扩展到了欧式空间，离散特征的某个取
值就对应欧式空间的某个点。
2).将离散特征通过one-hot编码映射到欧式空间，是因为，在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的，而我们常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。
3) 将离散型特征使用one-hot编码，确实会让特征之间的距离计算更加合理
补充：情况特殊没有HR面，但是还是补充了一些其他人的面经
1. 对苏宁有什么了解？
总部位于南京，是中国商业企业的领先者，经营商品涵盖传统家电、消费电子、百货、日用品、图书、虚拟产品等综合品类，线下实体门店1600多家，线上苏宁易购位居国内B2C前三，线上线下的融合发展引领零售发展新趋势。正品行货、品质服务、便捷购物、舒适体验。
2018年1月14日，苏宁云商发布公告，拟计划将“苏宁易购”这一苏宁智慧零售的渠道品牌名称升级为公司名称，对公司中文名称、英文名称、证券简称等拟进行变更。
2. 他们对苏宁有什么评价？
3. 在苏宁的职业规划？
4. 期望薪资是多少？
5. 未来的定居计划？
6. 都面了哪些公司？
7. 你有什么想问我们的？
1）你们公司对新员工有完善的培养体系吗？
2）针对这份职位未来发展空间和晋升空间（或者公司的工资涨幅怎么样）？3）您作为职场前辈，针对我今天的表现和岗位的需求，有哪些不足？日后哪些方面需要改善？
4）什么类型的员工能够在这家公司有较好的发展？
5）你们在日常测试工作中会用到哪些编程语言？用哪些测试工具？主要业务是什么？
苏宁2019秋招二面
简介：视频面，大约30分钟，注意：网速，提前上传简历到面试的直播间（第一次面试没经验，情况乱的一塌糊涂，网速不好，只能电话沟通，简历是中途上传上去的）
1、自我介绍？
2、CNN网络相关知识？一维卷积核？二位卷积核？（面试官举例，如何设置卷积核相关参数，例如filter、长宽设置）
3、个人项目？问了很久。
我以为面试凉了，谁知道发offer了，14.5k*14。（综合考虑，没有去）
数据挖掘考试题目——聚类 一、填空题 1、密度的基于中心的方法使得我们可以将点分类为：__________、________ 、_________。 2、DBSCAN算法在最坏的情况下，时间复杂度是__________、空间复杂度是__________。 3、DBSCAN算法的优点是_______、__________________________。 4、DBSCAN算法的缺点是处理_________________、_____________的数据效果不好。 5、DBSCAN算法的参数有：___________、____________。 6、簇的有效性的非监督度量常常可以分为两类：__________、__________，它常采用的指标为__________。 7、簇的有效性的监督度量通常称为___________，它度量簇标号与外部提供的标号的匹配程度主要借助____________。 8、在相似度矩阵评价的聚类中，如果有明显分离的簇，则相似度矩阵应当粗略地是__________。 9、DBSCAN算法的参数确定的基本方法是观察____________________的特性。 10、不引用附加的信息，评估聚类分析结果对数据拟合情况属于__________技术。 答案： 1、核心点边界点噪声点 2、O(n2) O(n) 3、耐噪声能够处理任意大小和形状的簇 4、高维数据变密度的 5、EPS MinPts 6、簇的凝聚性簇的分离性均方差(SSE) 7、外部指标监督指标的熵 8、块对角的 9、点到它的第K个最近邻的距离（K-距离） 10、非监督 二、选择题 1、DBSCAN算法的过程是（B）。 ①删除噪声点。 ②每组连通的核心点形成一个簇。 ③将所有点标记为核心点、边界点和噪声点。 ④将每个边界点指派到一个与之关联的核心点的簇中。 ⑤为距离在Eps之内的所有核心点之间赋予一条边。 A：①②④⑤③ B：③①⑤②④ C：③①②④⑤ D：①④⑤②③ 2、如果有m个点，DBSCAN在最坏的情况下的时间复杂度度为（C）。 A O(m) B O(mlogm) C O(m2) D O(logm) 3、在基本DBSCAN的参数选择方法中，点到它的K个最近邻的距离中的K选作为哪一个参数（B）。 A Eps B MinPts C 质心 D 边界
管理培训生面试技巧 在应届毕业生在进行面试时常常不了解面试的岗位，那么什么是管理培训生呢?应该如何进行面试呢?有什么技巧呢?下面就和小编一起来看看吧。 管理培训生面试技巧 管理培训生是一个外来术语，是外企里面以培养公司未来领导者为主要目标的特殊项目。如今，不仅外企，许多国企、民企也纷纷开始招聘管理培训生。管理培训生是企业自主培养企业中高层管理人员的人才储备计划。通常是在公司各个不同部门实习，了解整个公司运作流程后，再根据其个人专长安排岗位。最后通常可以胜任部门、分公司负责人。训练对象一般是毕业三年之内的大学
生，主要是应届毕业生。 那么，面试管培生时都需要注意些什么呢?以下六个管理培训生面试经典问题可以帮助你更好地准备管培生面试。 一、在一分钟内介绍一下你自己。 不要以为自我介绍很容易。如果你用一分钟来重复你的简历，恭喜你，你的印象加分没有了!建议你最多用二十秒钟介绍自己的姓名、学校、专业。然后话锋一转，引出自己的优势或强项。一定要在最短时间内激发起面试官对你的好感，或者至少是兴趣。 二、你为什么会选择你目前学习的专业呢? 千万当心，这个问题的目的是考察你的决策能力这一项胜任力，所以不要简单的说感兴趣或者就业前景乐观等。 所有的回答要符合你专业的特点。不要说得太到位，可以自圆其说就行了，不然，他们会觉得你要么太虚伪，要么太狂妄。还有，应该表示对自己的专业
的确感兴趣，或者增加点戏剧效果：我本来理解的财务管理就是管账，所以开始的时候还真后悔了一阵，直到大三时开始了在企业的实践，才有了改观，并真正喜欢上了我的专业。这样显得真实可信，更重要的是，很自然的由你引导到准备好的问题：实习的收获。 三、你在实习期间的收获。 此时，不要夸大自己的成绩，谦虚一点。还有，不妨说一下自己的失误(不用怕，毕竟你是在实习)。记住：详细说明当时的情况()，你要达到的目的()，你采取了哪些步骤()，事情学到了什么()，还有你得到的经验教训( )以及后来怎样运用到工作中避免犯类似的错误。最后做出总结：原来书本上的知识要能够在工作中熟练运用，这期间还有很长的一段路要走。还可以说：回到学校后，我对自己的实习经历作了一番总结，发现自己在方面还需要加强。所以，我很注意利用大学的最后一个学期来弥补这一不足。现在，我对自己很有信心，
一、解答题（满分3０分，每小题5分) 1. 怎样理解数据挖掘和知识发现的关系?请详细阐述之 首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式;然后,调用相应的算法生成所需的知识;最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。 知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。流程步骤:先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集;再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。 2.时间序列数据挖掘的方法有哪些，请详细阐述之 时间序列数据挖掘的方法有: １)、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。 ２）、随机时间序列预测方法：通过建立随机模型,对随机时间序列进行分析,可以预测未来值。若时间序列是平稳的,可以用自回归(Auto Ｒegressiｖe，简称AR)模型、移动回归模型(Ｍovｉng Ａveｒage,简称ＭＡ）或自回归移动平均(Aｕto Regrｅssive Moｖiｎg Aｖeraｇe，简称AＲMＡ)模型进行分析预测。 3)、其他方法:可用于时间序列预测的方法很多,其中比较成功的是神经网络。由于大量的时间序列是非平稳的,因此特征参数和数据分布随着时间的推移而变化。假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型,用于时间序列的预测。
京东招聘管培生的目标，是“培养一群真正具有京东价值观的、能在未来为京东挑起大担的人才”。刘强东在采访中不止一次的表示，开启管培生项目是他最引以为豪的决定。制度方面，京东为管培生设计了丰富的轮岗体验、充分与上级高管沟通的机会、灵活的定岗转岗机制、以及快速的晋升路径。（后文会详细说明）目前， （1）数位已经是副总裁级别：京东刚收购来的一号店CEO余睿（传前京东管培生余睿出任1号店CEO_BiaNews_传送门）；京东商城人力资源与行政总负责人季尚尚（京东商城沈皓瑜歇息了刘强东要管多大的摊子）；京东集团投资关系部负责人李瑞玉（京东集团投资者关系总监李瑞玉获得了2016“最佳投资者关系管理者”-创业会）；京东集团旗下数十家关联企业法人代表张雱（89后女生张雱是谁：刘强东女助理成京东多公司法人代表） （2）无数集团或商城内某大部门最高负责人（仅次于副总裁）：京东电商云事业部总经理任成元（京东电商云事业部总经理任成元：云和大数据让生活变得简单快乐_电子商务_艾瑞网）；年负责近800亿手机销售的通讯一部总监叶威（21岁加入京东，从少年做到总监，7年里，他经历了什么？）；京东战略人才发展负责人纪冬妮；京东家电事业部冰洗业务部总经理于海军（于海军:品质购物京东引领冰箱消费趋势）；京东酒类采销部总经理杨叶（京东酒类采销部总经理杨叶春糖首秀酒业家论坛！2017京东白酒有哪些大招？-搜狐）；京东美妆总经理祁婷（京东|时尚COSMO年度美妆盛典启动发布2016京东美妆发展趋势）；京东农业电商部总监范天阳（京东农业电商部总监范天阳揭秘农业电商的互联网营销之路-头条新闻-农财网中国种植匠的 互动特区）等等。达到这一群体的管培生多不胜数，他们的名字已经可以在各个行业的新闻网中看到。在这里只举稍微举几个例子，便能看到京东对于管培生的信任、培养，以及他们的成长。虽然都30岁不到，入职不过五、六年，但是他们现在已经
第一章 数据挖掘定义 技术层面：数据挖掘就是从大量数据中，提取潜在有用的信息和知识的过程。 商业层面：数据挖掘就是一种商业信息处理技术，其主要特点是对大量业务数据进行抽取、转换、分析和建模处理，从中提取辅助商业决策的关键性数据。 数据挖掘任务 预测任务 根据其它属性的值预测特定属性的值，如分类、回归、离群点检测。 描述任务 寻找概括数据中潜在联系的模式，如聚类分析、关联分析、演化分析、序列模式挖掘。 (1) 分类(Classification)分析 分类分析，通过分析示例数据库中的数据为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用此分类规则对其它数据库中的记录进行分类。 分类分析广泛应用于用户行为分析(受众分析)、风险分析、生物科学等。 (2) 聚类(Clustering)分析 “物以类聚，人以群分”。聚类分析技术试图找出数据集中的共性和差异，并将具有共性的对象聚合在相应的类中。聚类可以帮助决定哪些组合更有意义，广泛应用于客户细分、定向营销、信息检索等等。 (3) 回归(Regression )分析 回归分析是确定两种或两种以上变数间相互依赖的定量关系的一种分析方法。其可应用于风险分析、作文自动评分等领域。 (4) 关联(Association)分析 关联分析，发现特征之间的相互依赖关系，通常是从给定的数据集中发现频繁出现的模式知识(又称为关联规则)。关联分析广泛用于市场营销、事务分析等领域。 聚类与分类的主要区别 聚类与分类是容易混淆的两个概念，聚类是一种无指导的观察式学习，没有预先定义的类。而分类问题是有指导的示例式学习，预先定义的类。 数据挖掘过程 数据挖掘和知识发现紧密相连。知识发现是从数据中发现有用知识的整个过程 ?知识发现的主要步骤： ?数据清洗。其作用是清除数据噪声和与挖掘主题明显无关的数据。 ?数据集成。其作用是将来自多数据源中的相关数据组合到一起。 ?数据转换。其作用是将数据转换为易于进行数据挖掘的数据存储形式。 ?数据挖掘。其作用是利用智能方法挖掘数据模式或规律知识。 ?模式评估。其作用是根据一定评估标准从挖掘结果筛选出有意义的相关知识。 ?知识表示。其作用是利用可视化和知识表达技术，向用户展示所挖掘的相关知识
竭诚为您提供优质文档/双击可除 京东客服面试问题 篇一：京东20xx笔试-面试 自己个人经历的条理性总结，到电商知识的扩充，京东的新闻，刘强东同志的各种演讲和创业传记，网络营销、移动端营销的书 贯彻了京东过去几年一直在做的一件事，整合供应链能力，修炼零售内功，优化成本，提高效率。业务战略，自建物流＋自营业务＋线上线下结合 关于京东物流的发展，京东有两点规划：渠道下沉、一次搬运。京东在一线，二线城市已经有了很高的知名度，但在三线四线城市，知名度和用户群体还有待提高，这是京东的劣势，但同时也意味着非常大的空间。物流方面，京东内部已经达成共识，那就是在三线～四线城市，配送一定要提速，原本两天、三天才能送达的，要求做到当日或次日送达，包括城市郊区、附属的区县以及乡镇，后继还要从乡镇深入到村，保证每个村京东都可以快速送达。 英语：语法选择填空15道阅读两篇每篇5道题。建议先做英语，毕竟能确定拿到一些分数，对于英语好的同学比
较好拿分。 行测：好像20道题吧，有内容排序题、文章中心题目、数字规律题，图形题目有5比较多，建议好好准备图形，图形大概占了京东行测题目的一半。然后是一篇材料分析有5 道题，这个不难。 行业内容考察：建议考试前都把这个公司的概况看一下，什么时候上市，什么时候收购什么公司，京东的自营b2c的市场份额，快递包含的哪几种服务等等。 中国网民数量、京东b2c市场份额、it行业财富榜前5位、京东的服务、京东的金融产品、京东上市的时间京东和沃尔玛的供应链结构的不同200字注意时间(主 观题一样，已确认） 作为世界零售巨头的沃尔玛，被称为“伪装成零售企业的物流企业”，它“天天低价”内涵是规模化采购整合物流 低成本运营。而京东则是一家高效的供应链运营服务商，刘强东提出的“十节甘蔗”理论幕后的核心就是物流供应链的运营。一、1号店转手京东后，会“名存实亡”吗？ 这次战略整合后，京东将拥有1号商城主要资产，包括“1号店”的品牌、网站、app。沃尔玛将继续经营1号店自营业务，并入驻1号商城。这样整合过后1号店会“名存实亡”吗？ 【问题解析】还记得当年易迅被腾讯购买打包给京东的
一、填空题 1.Web挖掘可分为、和3大类。 2.数据仓库需要统一数据源，包括统一、统一、统一和统一数据特征 4个方面。 3.数据分割通常按时间、、、以及组合方法进行。 4.噪声数据处理的方法主要有、和。 5.数值归约的常用方法有、、、和对数模型等。 6.评价关联规则的2个主要指标是和。 7.多维数据集通常采用或雪花型架构，以表为中心，连接多个表。 8.决策树是用作为结点，用作为分支的树结构。 9.关联可分为简单关联、和。 10.B P神经网络的作用函数通常为区间的。 11.数据挖掘的过程主要包括确定业务对象、、、及知识同化等几个步 骤。 12.数据挖掘技术主要涉及、和3个技术领域。 13.数据挖掘的主要功能包括、、、、趋势分析、孤立点分析和偏 差分析7个方面。 14.人工神经网络具有和等特点，其结构模型包括、和自组织网络 3种。 15.数据仓库数据的4个基本特征是、、非易失、随时间变化。 16.数据仓库的数据通常划分为、、和等几个级别。 17.数据预处理的主要内容(方法)包括、、和数据归约等。 18.平滑分箱数据的方法主要有、和。 19.数据挖掘发现知识的类型主要有广义知识、、、和偏差型知识五种。 20.O LAP的数据组织方式主要有和两种。 21.常见的OLAP多维数据分析包括、、和旋转等操作。 22.传统的决策支持系统是以和驱动，而新决策支持系统则是以、建 立在和技术之上。 23.O LAP的数据组织方式主要有和2种。 24.S QL Server2000的OLAP组件叫，OLAP操作窗口叫。 25.B P神经网络由、以及一或多个结点组成。 26.遗传算法包括、、3个基本算子。 27.聚类分析的数据通常可分为区间标度变量、、、、序数型以及混合 类型等。 28.聚类分析中最常用的距离计算公式有、、等。 29.基于划分的聚类算法有和。
习题参考答案 第1 章绪论 1.1 数据挖掘处理的对象有哪些？请从实际生活中举出至少三种。 答：数据挖掘处理的对象是某一专业领域中积累的数据，对象既可以来自社会科学,又可以来自自然科学产生的数据,还可以是卫星观测得到的数据。数据形式和结构也各不相同, 可以是传统的关系数据库,可以是面向对象的高级数据库系统,也可以是面向特殊应用的 数据库,如空间数据库、时序数据库、文本数据库和多媒体数据库等,还可以是Web 数据 信息。 实际生活的例子： ①电信行业中利用数据挖掘技术进行客户行为分析，包含客户通话记录、通话时间、所 开通的服务等，据此进行客户群体划分以及客户流失性分析。 ②天文领域中利用决策树等数据挖掘方法对上百万天体数据进行分类与分析，帮助天文 学家发现其他未知星体。 ③制造业中应用数据挖掘技术进行零部件故障诊断、资源优化、生产过程分析等。 ④市场业中应用数据挖掘技术进行市场定位、消费者分析、辅助制定市场营销策略等。 1.2 给出一个例子，说明数据挖掘对商务的成功是至关重要的。该商务需要什么样的数据挖掘功能？它们能够由数据查询处理或简单的统计分析来实现吗？ 答：例如，数据挖掘在电子商务中的客户关系管理起到了非常重要的作用。随着各个电子商务网站的建立，企业纷纷地从“产品导向”转向“客户导向”，如何在保持现有的客户 同时吸引更多的客户、如何在客户群中发现潜在价值，一直都是电子商务企业重要任务。但是，传统的数据分析处理，如数据查询处理或简单的统计分析，只能在数据库中进行 一些简单的数据查询和更新以及一些简单的数据计算操作，却无法从现有的大量数据中 挖掘潜在的价值。而数据挖掘技术却能使用如聚类、关联分析、决策树和神经网络等多 种方法，对数据库中庞大的数据进行挖掘分析，然后可以进行客户细分而提供个性化服务、可以利用挖掘到的历史流失客户的特征来防止客户流失、可以进行产品捆绑推荐等，从而使电子商务更好地进行客户关系管理，提高客户的忠诚度和满意度。 1.3 假定你是Big-University 的软件工程师，任务是设计一个数据挖掘系统，分析学校课程数据库。该数据库包括如下信息：每个学生的姓名、地址和状态(例如，本科生或研究生)、所修课程，以及他们的GPA。描述你要选取的结构，该结构的每个成分的作用是什么？答：任务目的是分析课程数据库，那么首先需要有包含信息的关系型数据库系统，以便查找、提取每个属性的值；在取得数据后，需要有特征选择模块，通过特征选择，找出要分析 的属性；接下来需要一个数据挖掘算法，或者数据挖掘软件，它应该包含像分类、聚类、关联分析这样的分析模块，对选择出来的特征值进行分析处理；在得到结果后，可以用 可视化软件进行显示。 1.4 假定你作为一个数据挖掘顾问，受雇于一家因特网搜索引擎公司。通过特定的例子说明，数据挖掘可以为公司提供哪些帮助，如何使用聚类、分类、关联规则挖掘和离群点检测 等技术为企业服务。 答： (1) 使用聚类发现互联网中的不同群体，用于网络社区发现； 第2 页共27 页 (2) 使用分类对客户进行等级划分，从而实施不同的服务； (3) 使用关联规则发现大型数据集中间存在的关系，用于推荐搜索。如大部分搜索了“广外”的人都会继续搜索“信息学院”，那么在搜索“广外”后会提示是否进进一步搜 索“信息学院”。
京东面试笔试题目附解析 ①京东产品经理笔试题 1、什么是产品?” 2、举例一个你认为失败的产品案例，请说出其用户体验的弊端 3、请描述一个产品的生命周期都包括哪些阶段? 4、请在您熟悉使用的工具后面大狗，其他工具填写在空白处 5、请说出你最近关注的新的网站和应用，好在哪?以及你对他市场定位和用户群的分析 6、你是否是一个不愿意墨守成规的人，请举你在过去学习或社会实践中创新的例子 7、你喜欢网购么?请说说你对电子商务的理解，请说出京东和淘宝用户体验上的异同 8、回想你在上学期间做的最有成就感的事，为什么? ②京东商城管培生面试题 一面： 1、小组面试：3分钟自我介绍，然后面试官会针对你的简历和你所说的话进行一些提问。 问题基本就是你 2、对电子商务的了解 3、对京东的看法 4、京东商城与淘宝的比较 5、HR指着一瓶矿泉水，我要它明天上市，请你给出方案
6、大学经历等 二面： 无领导小组讨论，给出一个问题并带有选项，选择你认为重要的几项。小组进行讨论，最后一人总结。全过程HR不参与。 ③京东采销经理面试 1、你认为采购员的价值体现在哪里?顺便谈谈你对采购的认识!回答：最为一个采购员，首先想到几点：一是降低成本;二是保障质量;三是提高生产力;四是有广阔的采购资源，使采购价格明朗化。五是要把自己的供应市场形成良性竞争机制。采购并非只是买与卖的简单交易，而是一门专业学科，需要研究与积累。 2、对于一款新产品，你如何评估供应商的报价是否合理?顺便谈谈你通常是如何估算产品成本! 回答：这就需要采购要具有专业的眼光，懂得产品具体的工艺与技术，在这方面没有任何投机取巧的办法，如果涉及到的工艺超过采购的专业范畴，一般就需要公司的工程技术人员从旁协助，以其达到最好的谈判效果。 3、客户突然取消订单，供应商已经把货送到公司了，供应商不同意退货，你认为采购应该怎么处理? 回答：按照合同办事!这种情况，责任不在供应商，应该首先与客户沟通，要求对方消化已经采购的物料或支付因取消订单而造成的类似的损失;一方面与供应商沟通协商，看看这种物料是否能够帮助处理消耗，如果是常规物料，市场通用，供应商还是会
数据挖掘考试题 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】
数据挖掘考试题 一．选择题 1. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离( ) A.分类 B.聚类 C.关联分析 D.主成分分析 2. ( )将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，它是一种凝聚层次聚类技术。 (单链) (全链) C.组平均方法 3.数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了( )数据挖掘方法。 A 分类 B 预测 C关联规则分析 D聚类 4.关于K均值和DBSCAN的比较，以下说法不正确的是( ) 均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象。 均值使用簇的基于原型的概念，DBSCAN使用基于密度的概念。 均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇 均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇 5.下列关于Ward’s Method说法错误的是：( ) A.对噪声点和离群点敏感度比较小 B.擅长处理球状的簇 C.对于Ward方法，两个簇的邻近度定义为两个簇合并时导致的平方误差 D.当两个点之间的邻近度取它们之间距离的平方时，Ward方法与组平均非常相似 6.下列关于层次聚类存在的问题说法正确的是：( ) A.具有全局优化目标函数 B.Group Average擅长处理球状的簇
C.可以处理不同大小簇的能力 D.Max对噪声点和离群点很敏感 7.下列关于凝聚层次聚类的说法中，说法错误的事：( ) A.一旦两个簇合并，该操作就不能撤销 B.算法的终止条件是仅剩下一个簇 C.空间复杂度为()2m O D.具有全局优化目标函数 8.规则{牛奶，尿布}→{啤酒}的支持度和置信度分别为：( ) 9.下列( )是属于分裂层次聚类的方法。 Average 10.对下图数据进行凝聚聚类操作，簇间相似度使用MAX计算，第二步是哪两个簇合并：( ) A.在{3}和{l,2}合并 B.{3}和{4,5}合并 C.{2,3}和{4,5}合并 D. {2,3}和{4,5}形成簇和{3}合并 二．填空题： 1.属性包括的四种类型：、、、。 2.是两个簇的邻近度定义为不同簇的所有点对邻近度的平均值。 3. 基本凝聚层次聚类算法空间复杂度，时间复杂度，如果某个簇到其他所有簇的距离存放在一个有序表或堆中，层次聚类所需要的时间复杂度将为。 4. 聚类中，定义簇间的相似度的方法有（写出四 个）：、、、。 5. 层次聚类技术是第二类重要的聚类方法。两种层次聚类的基本方 法：、。 6. 组平均是一种界于和之间的折中方法。
应聘管培生的自我介绍 导读：应聘管培生的自我介绍一 各位老师： 早上好! 非常荣幸能参加这次面试，我是号考生-------，报考的职位是-------，希望通过这次面试能向各位老师学到东西。 我来自美丽的海滨城市，今年24岁，是大学专业本科的应届毕业生。闽南的山水哺育我长大，我的血液里流淌着闽南人特有活泼开朗的性格和爱拼才会赢的打拼精神。带着这种精神，在校期间我刻苦学习，不负众望分别获得01-02年度二等奖学金，03-04年度和04-05年度三等奖学金，用实际努力报答父母和师长的养育之恩。 除了学习之外，我还积极参加各种社会实践活动。我曾担任班级的宣传委员，组织了几次班级和学院的公益活动：如青年志愿者助残活动，向孤儿院儿童献爱心活动等。组织这些活动以及和活动中和成员的相处让我学到了很多东西，对培养自己的能力和人际关系的处理有很大的好处，为我更快的走向社会提供了良好的平台。 此外，计算机和篮球是我业余最大的爱好，我计算机过了国家2级，除熟悉日常电脑操作和维护外，还自学了网站设计等，并自己设计了个人主页。我是班级的篮球队主力，我觉的篮球不仅可以强身健体还可以培养一个人的团队精神。 回顾自己大学四年的工作学习生活，感触很深，但觉的收获还是
颇丰的。掌握了专业知识，培养了自己各方面的能力，这些对今后的'工作都将产生重要的帮助。除此之外，也应该看到我的一些缺点，如有时候做事情比较急于求成，在工作中实际经验不足等等。但金无足赤，人无完人每个人都不可避免的存在他的缺点，有缺点并不可怕，关键的是如何看待自己的缺点，只有正视它的存在，通过不断的努力学习才能改正自己的缺点。今后我将更严格要求自己，努力工作，刻苦学习，发扬优点，改正缺点，开拓前进。 这次我选择这个职位除了专业对口以外，我觉的我也十分喜欢这个职位，相信它能让我充分实现我的社会理想和体现自身的价值。我认为我有能力也有信心做好这份工作希望大家能够认可我,给我这个机会! 以上是我最真诚的求职面试自我介绍，谢谢各位老师! 应聘管培生的自我介绍二 我来自漂亮的海滨都市，本年24岁，是大学专业本科的应届毕业生。下面就是本人的自我介绍： 我长大，我的血液里流淌着闽南人特有抑郁开畅的性情与爱拼才会赢的打拼肉体。带着这种物质，在校时期我受苦学习，岗位职责不负众望分别获得01-02年度二等奖学金，03-04年度和04-05年度三等奖学金，用实际起劲回报怙恃与师长的养育之恩。 除了进修之外，我还被动到场各种社会实践活动。我曾禁受班级的张扬委员管理培训生的自我介绍，组织了几回班级与学院的公益勾
本题库是京东集团面试经验总结 -京东集团内部真实面试案例，总计有100个题库。 物超所值，学会本文面试通过率提高80% 京东集团面试经验总结: 京东集团是4轮 一面组长：会问到一些这样的问题，为什么会离职，为什么来京东集团，婚姻状况，与此同时有没有想问面试官的问题。 二面经理：偏向于部门业务服务。有业务上的试卷需要考试。 三面经理：这一轮会谈到一些业务目标和工作中可能出现的一些问题。大概聊一下工作的想 法，部门的价值和目标，对这个岗位的期望等等以及京东集团和行业的情况。聊天的内容与面试者个人有关，可多可少。(二三是交叉面试防止作弊)。 四面职业：通道委员会，这一轮的面试非常专业，为技术专家面，目的是定级。确定你面试者的水平大概在什么位置。直接影响后面的收入。各个击中要害。不要想着有简单跳过的部分。在介绍工作内容的过程中，要先介绍自己在组织团队所处的位置，发挥的作用，工作绩效等，条例要清楚。这一轮的面试专业性最强。最后是HR谈薪资的部分，因为行业都有规则，所以时间不会太长。 5面背景调查，主要是面试者在填写简历时提供的名字和联系方式，其中包含领导。HR最后offer。 步骤四、五、六每个一个星期，比如三面完后得到职业通道委员会的面试的通知约一周，四面完后，得到通过与否的消息是一个星期。如果某一步一个星期多没消息，那就是没戏了。 面试的重点分享： 面试的气氛需要注意的： 1面试不能一脸严肃，显得很紧张，要适当微笑。给面试官的印象好。 2面试官提问的问题，不能对抗反驳提问。即使面试官的问题比较苛刻。
细节决定成败，面试如同相亲，面试官会注意到每个细节，身上有没有烟味，头发是不是整齐，说话条例要清晰，一定要集中精神，面试等待的时候也不能看手机。自我介绍的时候要强调身体健康可以加班。可以在最后自己介绍的时候，表示出强烈的来工作，一展抱负的意思。让面试官感受你的积极一面。 面试最重要的3点 1要高度认同面试公司的工作文化和理念。事先要在公司官网了解面试公司的文化理念。2要强调自己不断学习。不断成长，能承受压力。（如果连这个主动意愿都不表达，给老板的印象现实会更懒） 3千万不能说因为自己考试，希望的工作是轻松的，清闲的。（可以说自己在努力学习，不能说会占用工作时间，） 最重要的2点要高度认同面试公司的工作文化和理念。面试前要上公司网站查看下这个公司的文化理念，如果在面试过程把这个点说出来，是要加分非常多的。 收尾阶段 面试官一般会问：“你还有什么问题想问我们?”这个时候千万别不问，有啥没啥的都一定要问两个问题，一个问题可以涉及技术层面，另一个可以涉及应聘职位的发展问题. 前公司的离职原因是必问的问题，不能说前公司太多的不好，可以说因为其他原因， 离职原因：优秀回答： A：原来公司亏损，减员，所以申请离职。 B：原来的公司，更换股东，战略有调整，人员调整。 C 原来的公司，因为搬家，搬家到很远的地方，过去不方便。 D 原来的公司，调整作息时间，周二放假，周日上班。 E 自己想要成长，希望可以更换岗位，挑战新的岗位，新的工作。 学会本文的100个问题，绝对可以让你在面试的赢在起跑线上。 自我介绍： 是被面试者在纸面之外最能够呈现能力的一个地方。一般情况下，也是被面试者在整个面试过程中惟一一次主动展示自我的机会 第一，考察自我介绍内容和递交简历内容是否相冲突？如果简历是真实的，口述自我介绍就不会有明显出入。如果简历有假，自我介绍阶段一般就会漏马脚。如被面试者反问：“我的经历在简历里都写了”，面试官会认为这人得瑟，印象分一下子降为负数。 第二，考察被面试者基本的逻辑思维能力、语言表达能力，总结提炼概括能力。 第三，考察被面试者是否聚焦，是否简练和精干，现场的感知能力与把控能力。 第四，考察被面试者初步的自我认知能力和价值取向。因为被面试者要叙述职业切换关键节点处的原因，尤其要考察最近职业变动的原因。 第五，考察被面试者是否听明白了面试官的话以及时间的掌控能力。有时面试官给出的问题是“请您用3到5分钟做一自我介绍”，被面试者有时一介绍就超过10分钟
单选题 1. 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3. 将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 4. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？(B) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 6. 使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务？（A） A. 探索性数据分析 B. 建模描述 C. 预测建模 D. 寻找模式和规则 11.下面哪种不属于数据预处理的方法？(D) A变量代换B离散化 C 聚集 D 估计遗漏值 12. 假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？(B) A 第一个 B 第二个 C 第三个 D 第四个 13.上题中，等宽划分时（宽度为50），15又在哪个箱子里？(A) A 第一个 B 第二个 C 第三个 D 第四个 16. 只有非零值才重要的二元属性被称作：( C ) A 计数属性 B 离散属性C非对称的二元属性 D 对称属性 17. 以下哪种方法不属于特征选择的标准方法：(D) A嵌入 B 过滤 C 包装 D 抽样 18.下面不属于创建新属性的相关方法的是：(B) A特征提取B特征修改C映射数据到新的空间D特征构造 22. 假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D) A 0.821 B 1.224 C 1.458 D 0.716 23.假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，30，33，33，35，35，36，40，45，46，52，70, 问题：使用按箱平均值平滑方法对上述数据进行平滑，箱的深度为3。第二个箱子值为：(A) A 18.3 B 22.6 C 26.8 D 27.9 28. 数据仓库是随着时间变化的,下面的描述不正确的是(C) A. 数据仓库随时间的变化不断增加新的数据内容; B. 捕捉到的新数据会覆盖原来的快照; C. 数据仓库随事件变化不断删去旧的数据内容; D. 数据仓库中包含大量的综合数据,这些综合数据会随着时间的变化不断地进行重新综合. 29. 关于基本数据的元数据是指: (D) A. 基本元数据与数据源,数据仓库,数据集市和应用程序等结构相关的信息; B. 基本元数据包括与企业相关的管理方面的数据和信息; C. 基本元数据包括日志文件和简历执行处理的时序调度信息; D. 基本元数据包括关于装载和更新处理,分析处理以及管理方面的信息.
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 京东面试笔试题目 导语：题目，指文章或诗篇的标名；考试时要求应试人作答的问题；下面是小编整理的京东面试笔试题目，欢迎大家阅读。 京东面试笔试题目 ①京东产品经理笔试题 1、什么是产品?” 2、举例一个你认为失败的产品案例，请说出其用户体验的弊端 3、请描述一个产品的生命周期都包括哪些阶段? 4、请在您熟悉使用的工具后面大狗，其他工具填写在空白处 5、请说出你最近关注的新的网站和应用，好在哪?以及你对他市场定位和用户群的分析 6、你是否是一个不愿意墨守成规的人，请举你在过去学习或社会实践中创新的例子 7、你喜欢网购么?请说说你对电子商务的理解，请说出京东和淘宝用户体验上的异同 8、回想你在上学期间做的最有成就感的事，为什么? ②京东商城管培生面试题 一面： 1、小组面试：3分钟自我介绍，然后面试官会针对你的简历和你所说的话进行一些提问。 问题基本就是你 2、对电子商务的了解
3、对京东的看法 4、京东商城与淘宝的比较 5、HR指着一瓶矿泉水，我要它明天上市，请你给出方案 6、大学经历等 二面： 无领导小组讨论，给出一个问题并带有选项，选择你认为重要的几项。小 组进行讨论，最后一人总结。全过程HR不参与。 ③京东采销经理面试 1、你认为采购员的价值体现在哪里?顺便谈谈你对采购的认识! 回答：最为一个采购员，首先想到几点：一是降低成本;二是保障质量;三 是提高生产力;四是有广阔的采购资源，使采购价格明朗化。五是要把自己的供应市场形成良性竞争机制。采购并非只是买与卖的简单交易，而是一门专业学科，需要研究与积累。 2、对于一款新产品，你如何评估供应商的报价是否合理?顺便谈谈你通常 是如何估算产品成本! 回答：这就需要采购要具有专业的眼光，懂得产品具体的工艺与技术，在 这方面没有任何投机取巧的办法，如果涉及到的工艺超过采购的专业范畴，一 般就需要公司的工程技术人员从旁协助，以其达到最好的谈判效果。 3、客户突然取消订单，供应商已经把货送到公司了，供应商不同意退货，你认为采购应该怎么处理? 回答：按照合同办事!这种情况，责任不在供应商，应该首先与客户沟通，要求对方消化已经采购的物料或支付因取消订单而造成的类似的损失;一方面与供应商沟通协商，看看这种物料是否能够帮助处理消耗，如果是常规物料，市 场通用，供应商还是会理解并协助的。 4、询价过程中，如果老供应商的报价经常比新供应商报价高，但是沟通后又同意适当降低，你认为采购应如何处理对这种情况; 回答：一定要把采购物料分开，新老供应商都分摊一部分：这样可以震慑 老供应商，让他有压力，等于告诉他如果再这样下去，下一次就可能被取代!同时也给新供应商一个机会，但是也要防备新供应商的低价只是为了抢单。这样，在多了一个供应商的前提下，又使双方都有压力，互相竞争制约。
一、名词解释 1.数据仓库：是一种新的数据处理体系结构，是面向主题的、集成的、不可更新 的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持系统提供所需的集成信息。 2.孤立点：指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。 3.OLAP：OLAP是在OLTP的基础上发展起来的，以数据仓库为基础的数据分析处 理，是共享多维信息的快速分析，是被专门设计用于支持复杂的分析操作，侧重对分析人员和高层管理人员的决策支持。 4.粒度：指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存 放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。 5.数据规范化：指将数据按比例缩放(如更换大单位)，使之落入一个特定的区域 （如0－1）以提高数据挖掘效率的方法。规范化的常用方法有：最大－最小规范化、零－均值规范化、小数定标规范化。 6.关联知识：是反映一个事件和其他事件之间依赖或相互关联的知识。如果两项 或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。 7.数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐 含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 8.OLTP：OLTP为联机事务处理的缩写，OLAP是联机分析处理的缩写。前者是以数 据库为基础的，面对的是操作人员和低层管理人员，对基本数据进行查询和增、删、改等处理。 9.ROLAP：是基于关系数据库存储方式的，在这种结构中，多维数据被映像成二维 关系表，通常采用星型或雪花型架构，由一个事实表和多个维度表构成。10.MOLAP：是基于类似于“超立方”块的OLAP存储结构，由许多经压缩的、类似 于多维数组的对象构成，并带有高度压缩的索引及指针结构，通过直接偏移计算进行存取。 11.数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能 够得到和原始数据相同的分析结果。 12.广义知识：通过对大量数据的归纳、概括和抽象，提炼出带有普遍性的、概括 性的描述统计的知识。 13.预测型知识：是根据时间序列型数据，由历史的和当前的数据去推测未来的数 据，也可以认为是以时间为关键属性的关联知识。 14.偏差型知识：是对差异和极端特例的描述，用于揭示事物偏离常规的异常现象， 如标准类外的特例，数据聚类外的离群值等。
11 月 13 日，那是一个周日，中午，我刚吃完午饭回来，突然一个电话袭来…… -喂，你好，我是京东校招负责人，想问你几个问题简单了解一下。 -（一脸懵逼）哦好的你稍等一下，我先把吉他放下= =。 就这样开始了毫无防备的电话面试…… 我本来还一直在等面试通知来着，结果专业面居然是电话面试= =。 说起来，我的二面和这次电话面试全都是在周日，京东确实是个特别激情的公司啊，从 HR 这无怨无悔的加班就可见一斑。。。 来电的是京东物流运营部门的，主要问了以下一些问题： 自我介绍 优缺点 结合简历问问题 你对京东物流有什么看法 别说我偷懒啊……真的就是这些问题…… 尤其是第三点，面试官会根据你的回答不断追问 比如我说了自己一段跨国学术交流经历，我说是企业案例学习，她又追问是哪些企业，你们组的主题是什么，做了什么，其他小组成果如何，企业对你们的结果如何评价
挂电话的那一刻，我看屏幕显示通话时长 51 分钟…… 当时觉得应该还有戏……问这么久大概是还算感兴趣吧…… 接下来，就是今天刚刚结束的终面了……血与泪的教训。 【终面】 面试要求提前 40 分钟到，一定要提前到，在离面试 30 分钟左右，HR 会发材料。 面试形式是多对多，我们组 6 个人，都是牛人……有上海飞回来的（同济），有香港飞回来的（理工和科大），甚至还有日本飞回来的（早稻田）…… 除了我这个暗搓搓的北交大，连隔壁中财都比我光环大= =。
至于面试官，一共 5 个人，都是各种副总裁总监…… 首先是 2 分钟自我介绍，会提前发模板，三页：个人信息、校内外经历、职业规划。 然后是 3 分钟个人演讲，就刚刚发的材料发表观点。 接下来是 20 分钟（实际上接近 40 分钟）的自由提问，有时会带一点压力面，包括： 从小到大你经历过最大的挫折是什么？ 你觉得京东物流现在有什么问题？ 就项目经历提问，你觉得 XXX（比如仓库规划，园区规划等等，根据你的项目而定）中最重要的是什么？ 你相对本组其他人优势和劣势（甚至有追问，他说他在这个方面比你强，你同不同意？）别人是怎么评价你的？ 你希望在怎样的京东工作？ 你在未来 1-3 年的规划是怎样的？ 你以后想达到我们中谁的位置？（都是副总裁啊总监啊之类的……）
数据挖掘的10大经典算法 国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART. 不仅仅是选中的十大算法，其实参加评选的18种算法，实际上随便拿出一种来都可以称得上是经典算法，它们在数据挖掘领域都产生了极为深远的影响。 1. C4.5 C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进： 1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足； 2) 在树构造过程中进行剪枝； 3) 能够完成对连续属性的离散化处理； 4) 能够对不完整数据进行处理。 C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在 构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。 2. The k-means algorithm 即K-Means算法 k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割，k < n。它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量，并且目标是使各个群组内部的均方误差总和最小。 3. Support vector machines 支持向量机，英文为Support Vector Machine，简称SV机（论文中一般简称SVM）。它是一种監督式學習的方法，它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大，分类器的总误差越小。一个极好的指南是C.J.C Burges的《模式识别支持向量机指南》。van der Walt 和 Barnard 将支持向量机和其他分类器进行了比较。 4. The Apriori algorithm
京东产品运营笔试题整理 京东产品运营笔试题：判断题 1)一个身份证可以授权多个支付宝账户进行关联认证。() 2)交易成功后的30天之内，双方均有权对对方交易的情况作一个评价。() 3)淘宝的举报规则中举报人必须是通过支付宝认证的用户，而且整个举报过程中，举报方是匿名的，所有的个人信息受淘宝保护。() 4)规格是指产品的物理形状，一般包括体积，长度，形状，重量等。() 5)商品发布的形式有三种，分别是：一口价，拍卖，团购() 6)商品名称最多30个汉字，55个字节()7)在淘宝上搜索宝贝时，商品列表信息中可以直接看到卖家的信用级别。() 8)淘宝的商品描述字数是没有限制() 9)普通店铺店标格式必须是GIF或JPG、JPEG、PNG的图片文件，文件大小须在120K以内，图片的建议尺寸为100*100像素。() 10)阿里旺旺是淘宝网的支付工具() 11)一旦出现交易争议或者纠纷，阿里旺旺的聊天记录可以做为证据举证。() 12)阿里旺旺名片是不能看到上次登陆时间的。() 13)支付宝是淘宝唯一的在线付款方式，淘宝网还有其它线下支付方式() 14)工行提供的移动数字证书叫“网银盾”，需要安装证书驱动程序才能使用。()
15)淘宝助理可以批量下载和编辑商品() 16)相机的感光元件越大，相机的像素就越低。() 17)所有相机上的微距功能是用一朵小花的图形来表示的。() 18)一张图片可显示的像素越高，画面就越精细。() 19)光圈与光圈值(F值)之间是正比的关系。就是说，光圈越大，光圈值也越大。()p162 20)编辑宝贝描述时，为了提升效率，可以用word编辑好相关文字内容，再复制到描述里。()21)拍摄衣服的时候可以采用吸光体的布光方式。() 22)相机上面的模式标识(P)是手动模式。() 23)货物打包中纸箱的尺寸不用比货物的外形尺寸大，只要能装入商品就可以了。() 24)只要是淘宝上的卖家，必须使用推荐物流。() 25)平邮包裹的到货周期较长，顾客通常要7-15天才能收到购买的商品，但是提供了网上查询物流进程的服务。() 26)新商业文明的六大特质是：透明、诚信、平等、分享、责任、和谐。() 27)淘宝直通车是淘宝网为淘宝卖家量身定制的推广工具，是通过关键词竞价，按照点击付费，进行商品精准推广的服务。() 28)网店的推广和营销大致分为店内、站内和外部这几种类型。() 29)商品图片上添加店铺LOGO只是为了体现个性化，提高店铺的整体形象。()