華爲數據分析師技術面試感受
前言
年末華爲的各個部門好像都在招人。筆者收到了個面試邀請，是數據分析師的。好像只有三個步驟，投遞簡歷，技術面試，業務面試。就其中可能是大家最想知道的技術面試和大家分享一下。
正文
首先面試的形式是電話面試，時間大概是35分鐘（鬼知道我這麼能聊）。
首先是先寒暄了幾句。問了我現在在哪個城市，然後強調了一下是籤德科，這是招聘的基礎。目前社招的17級及以下的都是走德科哈。至於德科和華爲的關係，建議大家自行百度。（當然之後我如果簽了，我肯定也會分享出來這方面的感受）
然後說進行技術面試，先自我介紹。
我：“XXXX”（大概三分鐘）
接着是詢問你簡歷裏的和數據分析的項目。
因爲我的工作是做圖像識別，而且公司做圖像的只有我一個。所以這方面的所有步驟我都很清楚，而這個又是和數據分析能扯到關係的。所以回答的算是很不錯。
再然後就是問數據分析的問題，猜測應該是考察對數據分析的瞭解的。建議瞭解下數據預處理和相關算法。
問題有
1.如何去衡量一個模型是一個好模型。
我：“如何衡量一個模型的好壞應該有五點，準確率，速度，強壯型，可規模性，可解釋性。然後就這五點我都舉了各自的例子”
2.如何去優化一個模型。
我：“模型的優化，還是要看你對模型的哪一點不滿意。你要是對準確性不滿意，那麼可以嘗試把多個弱分類器組成一個強分類器；對速度不滿意，可以import numba,然後在函數前面加@jit;對別的不滿意就針對性的去改就好。。。XXX說了一堆”
3.如何提高模型的準確性。
我就舉了些別人的經驗，之前網上看的kaggle一些大神的經驗分享，這時候就派上了用場。沒喫過豬肉，但我見過豬跑啊。別人的名人名言，從我嘴裏出來，那就是我的了。
4.過大的數據的準確度要怎麼提高。
說實話，這個我就不知道了，完全不知道。我回答是“您提到了以億級別的數據量，我第一個考慮到的就是時間問題。”我先打了一下擦邊球，然後說了不太清楚。
5.你處理的最大的數據量是什麼級別的，百萬的？千萬的？億？十億？
。。。。。。不好意思，最高就十萬（TAT）
6.你做圖像處理的時候，如何防止處理過程中的丟失數據對結果的影響？
說到了圖像，瞬間我就可以舉一反三。從圖像金字塔扯到深度學習裏的池化層。歸根到底，應該就是具有特徵的數據不丟就行。
7.你覺得你已經有了很大的訓練數據，這時候又有了些新的數據，你覺得這些新的數據對你是否有用。
我先回答的是要看這些數據是否具有我需要的特徵，然後我再做決定。然後我又改了下我的回答，改成了有用。我會把這些數據給放到我的測試集裏去。也不知道我回答的對不對。
8.你有沒有用過python做過一些爬蟲類的項目？
答“沒有，但我用python做過按鍵精靈。Python 實現按鍵精靈的功能，超簡單詳細
大概就這8個，沒有什麼其他問題了，問完之後就和我說，我技術面試過了，還差個業務面，這個面試不會問技術的問題了。接着評價我的廣度夠了，深度不夠。（這個肯定啊，我深度在圖像上啊）
下一步就是我問他了，這一部分我寫下我獲取到的信息。
部門是企業交付與服務部，負責華爲全國的AI項目。這個工作base在成都，但需要經常出差，短則一兩星期，長則半年。出差地大多是北京和廣州。順帶提一下，面試電話的來源也是在廣州。
工作時間跟着項目走（這個大家都懂）
至於薪資，想來各位會比較感興趣。說實話，我沒問，之後還有個業務面，那個時候的面試官肯定會主動的去問你的，到時候先漫天要價好了。
面試前的準備
既然通過了技術面，那麼分享下我的準備，給大家做一做參考。
1.瞭解技術分析師是做什麼的，這個去搜下他們的招聘需求就知道了，裏面也有些相關的知識。
2.瞭解“數據挖掘的十大算法”分別是C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART。瞭解他們的優點，缺點，適用的數據類型和場景。對其中的一部分算法用代碼跑了一下，感受了一下。
3.數據庫的相關知識，惡補了我的mySQL。（雖然面試官基本沒問）
4.平時的積累，我也覺得挺有用的。說出一些大牛的觀點和對問題解決的思路，感覺也有點用。
注
這篇文章發之前和我的面試官溝通了一下，比較擔心隱私的問題，不過還是獲得了允許的。希望對各位看官有用，以及麻煩能點個贊和要個關注。承諾周更。有不清楚的可以留言給我，會及時回覆的。