**Tâches SQL** 1) Indique le nombre de commandes en statut "processing" pour chaque exécuteur en mars 2024 UNIQUEMENT pour les commandes prioritaires (priority = 'high').
Intern
375
Product Analyst
129
0
**Tâches SQL** 1) Affichez le nombre de commandes en statut "processing" pour chaque exécuteur en mars 2024 UNIQUEMENT pour les commandes prioritaires (priority = 'high'). Triez par ordre décroissant du nombre. Excluez les exécuteurs avec 0 commandes. 2) Affichez le nombre de commandes terminées avec succès par catégories, dont le revenu moyen > 70000, en ne tenant compte que des commandes de clients avec ID >= 1002. Excluez les catégories sans revenu moyen connu. 3) Ajoutez à la table orders_log une colonne rank, qui classe les enregistrements pour chaque exécuteur par timestamp en ordre croissant, mais uniquement pour les commandes avec le statut "pending" ou "processing". Exemple de résultat (exécuteur=1):
Intern
353
20. Parenthèses valides Étant donné une chaîne s contenant uniquement les caractères '(', ')', '{', '}', '[' et ']', déterminez si la chaîne d'entrée est valide. Une chaîne d'entrée est valide si : 1. Les crochets ouverts doivent être fermés par le même type de crochets. 2. Les crochets ouverts doivent être fermés dans le bon ordre. 3. Chaque crochet de fermeture a un crochet d'ouverture correspondant du même type. Exemple 1 : Entrée : s = "()" Sortie : true Exemple 2 : Entrée : s = "()[]{}" Sortie : true Exemple 3 : Entrée : s = "(]" Sortie : false
Intern
304
**Tâches Python** Un DataFrame Pandas avec les données de orders_log s'appelle df. 1) Filtrez les lignes : statut "processing" et revenu (revenue) > 50000 et priorité "high". Affichez le résultat. 2) Créez une colonne 'revenue_group' selon les règles : ‘Small’ (< 50000), ‘Medium’ (50000 <= revenue < 90000), ‘Large’ (>= 90000). Ensuite, comptez le nombre de commandes dans chaque groupe par catégories (Category) et affichez le résultat. 1) df[(df["state"] == "processing") & (df["revenue"] > 50000) & (df["priority"] == "high")] 2)
Intern
296
**Tâches SQL** 1) Indique le nombre de commandes en statut "processing" pour chaque exécuteur (executor) en mars 2024 UNIQUEMENT pour les commandes prioritaires (priority = 'high'). 2) Trouvez le revenu moyen (revenue) pour chaque catégorie (Category) de produits. 3) Déterminez combien de clients uniques (client_id) ont passé des commandes dans la catégorie "Electronics". 4) Affichez la liste des commandes qui ont été rejetées (state = 'rejected') ou annulées, s'il y en a. 5) Trouvez l'exécuteur (executor) qui a traité le plus grand nombre de commandes en statut "completed".
Intern
284
Parlez plus en détail du projet d'équipe : qui a participé dans l'équipe, quelle était votre zone de responsabilité et comment la communication était-elle organisée au sein de l'équipe ?
Intern
246
Quelles sont vos attentes pour le stage ? Vous voyez-vous à l'avenir comme un spécialiste expérimenté en analyse de produits ?
Intern
232
Que pensez-vous de l'apprentissage automatique et de la science des données ? Cela vous intéresse-t-il ?
Intern
193
Parlez-moi de vous et de votre expérience. Que faites-vous actuellement?
Intern
173
Quelles tâches en analyse vous plaisent le plus, lesquelles moins ? Quelle direction en analyse vous attire ? Les tests A/B et la vérification d'hypothèses vous intéressent-ils ?
Intern
143