¿Cómo diseñarías una carga de datos escalable desde múltiples API REST: desde la adquisición de datos hasta S3, con una interfaz para un analista?
Senior
3
Data Engineer
743
0
¿Qué es SQL procedural?
Middle
3
Cuéntanos sobre ti y tu experiencia en ingeniería de datos.
Senior
3
Hay 101 objetos: 100 ceros y 1 uno. Después de ordenar por puntuación, primero vienen 50 ceros, luego uno, y después otros 50 ceros. ¿Cuáles son su ROC AUC y la forma de la curva ROC?
Middle+
3
¿Cuáles son las desventajas de los índices además del espacio que ocupan?
Middle
3
En el boosting de gradiente, ya se ha construido una composición de N algoritmos base. ¿Cuál será el objetivo para el nuevo, N+1-ésimo algoritmo?
Middle+
3
¿Por qué son útiles las evaluaciones perezosas?
Middle
3
¿Qué es el spill de datos en Spark y cómo evitarlo si no se pueden agregar recursos fácilmente?
Middle
3
¿Cómo manejaría las transformaciones de datos de alta carga?
Middle
3
¿En qué se diferencian los modos de lanzamiento de Spark: cluster, client y local?
Middle
3
¿Cuáles son las ventajas y desventajas de implementar un cargador de API como un operador/hook personalizado de Airflow en comparación con una biblioteca o servicio de contenedores separado?
Senior
3
2. Hay una tabla t, que lista la suma de transacciones de clientes por día: - Escribe una consulta que para cada fila muestre las transacciones del cliente para el día calendario actual y el anterior La tabla final está abajo:
Middle
3
¿Qué son las evaluaciones perezosas y cómo entenderlas?
Middle
3
¿Qué tareas típicas has resuelto en Airflow?
Middle
3
fecha, número de pedido, cantidad select date, sum(amount) as sum_amount from t group by date having sum(amount) > 1000000 order by sum_amount desc limit 3
Middle
3
¿Qué son los modelos en estrella y Data Vault?
Middle
3
Cuéntanos sobre ti: ¿dónde trabajaste por última vez, qué hacías, qué buscas y por qué?
Middle+
2
¿Dónde se encuentran Driver y Executors en modo cluster y por qué se usa en producción?
Middle
2
¿Dónde exactamente ocurre el gradiente en el algoritmo de boosting por gradiente si el algoritmo base es un árbol de decisión simple?
Middle+
2
¿De qué componentes consta Greenplum y Hadoop HDFS?
Middle
2