¿Cómo usas Python en tu trabajo y en qué te sientes más seguro: en Python o en SQL?
Senior
2
Data Engineer
743
0
Hay 101 objetos: 100 objetos de la clase 0 y 1 objeto de la clase 1. El primer modelo da la misma puntuación a todos los objetos. ¿Cuáles son su ROC AUC y la forma de la curva ROC?
Middle+
2
¿Cómo probar si una serie temporal es estacionaria?
Middle+
2
Dado una consulta SQL escrita por un analista. Identifica ineficiencias en la consulta y sugiere cómo evitarlas. La consulta une dos tablas: - tabla de hechos 'events' con clave 'event_id' - tabla de referencia de fuente de tráfico con clave 'referer_str' Ambas tablas contienen miles de millones de registros. select * from (select distinct e.event_id, e.user_id, e.category_id, e.location_id, s.source_name, s.medium_name, s.campaign_name, row_number() over(partition by e.event_id, e.user_id, e.category_id, e.location_id, s.source_name, s.medium_name, s.campaign_name) as rnk from events e left join traffic_source s on e.referer_str = s.referer_str where e.event_date = current_date() - 1 group by 1,2,3,4,5,6,7) t where rnk = 1
Senior
2
Hay un objetivo continuo no negativo y cuatro algoritmos: regresión lineal, árbol de decisión, bosque aleatorio y boosting en árboles. ¿Cuáles de ellos pueden producir pronósticos negativos?
Middle+
2
Se han cargado datos en una tabla ReplacingMergeTree; ¿qué ocurrirá durante la lectura si la fusión aún no ha ocurrido, y cómo obtener la versión más reciente de los registros?
Middle
2
¿Qué es la desnormalización?
Middle
2
¿Es posible combinar deduplicación y posterior volcado de datos sin usar tablas separadas; y si es así, ¿cómo?
Middle
2
¿Qué es la prueba de hipótesis? ¿Qué son los errores de Tipo I y Tipo II y el valor p?
Middle+
2
¿Qué estructuras de índices existen y cómo funcionan?
Middle
2
¿Qué formas conoces para acelerar la ejecución de tareas en PostgreSQL?
Middle
2
¿Qué es una serie temporal estacionaria y por qué la estacionaridad es importante para los modelos clásicos?
Middle+
2
¿Qué es bagging y boosting, y en qué se diferencian?
Middle+
2
¿Cuáles son las características del uso de JOIN al construir vitrinas en PostgreSQL/Greenplum en comparación con ClickHouse?
Middle
2
¿Estás familiarizado con el modelado uplift? ¿Qué sabes sobre ello?
Middle+
2
¿Cómo prevenir el crecimiento de la tabla si el almacenamiento de datos está limitado en tiempo, por ejemplo, dos años?
Middle
2
¿Qué es ROC AUC?
Middle+
1
Hay que verificar si en la tabla hay clientes con varios correos electrónicos. Si los hay, eliminarlos (solo dejar la última entrada por create_date).
Middle
1
¿Qué es un watermark en Spark Structured Streaming?
Middle
1
¿Qué es la normalización y cuándo se aplica?
Middle
1