Hoe gebruik je Python in je werk en waar voel je je zekerder: in Python of in SQL?
Senior
2
Data Engineer
743
0
Er zijn 101 objecten: 100 objecten van klasse 0 en 1 object van klasse 1. Het eerste model geeft alle objecten dezelfde score. Wat zijn zijn ROC AUC en de vorm van de ROC-curve?
Middle+
2
Hoe test je een tijdreeks op stationariteit?
Middle+
2
Stel dat een analist een SQL-query heeft geschreven. Identificeer inefficiënties in de query en stel voor hoe deze te vermijden. De query voegt twee tabellen samen: - feitentabel 'events' met sleutel 'event_id' - referentietabel verkeersbron met sleutel 'referer_str' Beide tabellen bevatten miljarden records. 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
Er is een niet-negatieve continue target en vier algoritmes: lineaire regressie, beslissingsboom, willekeurige bos en gradient boosting op bomen. Welke van hen kunnen negatieve voorspellingen geven?
Middle+
2
Gegevens zijn geladen in een ReplacingMergeTree-tabel; wat gebeurt er tijdens het lezen als de merge nog niet heeft plaatsgevonden, en hoe krijg je de nieuwste versie van de records?
Middle
2
Wat is denormalisatie?
Middle
2
Is het mogelijk om deduplicatie en daaropvolgend data spill te combineren zonder aparte tabellen te gebruiken; en zo ja, hoe?
Middle
2
Wat is hypothese testen? Wat zijn Type I- en Type II-fouten en p-waarde?
Middle+
2
Wat zijn indexstructuren en hoe werken ze?
Middle
2
Welke manieren ken je om de uitvoering van taken in PostgreSQL te versnellen?
Middle
2
Wat is een stationaire tijdreeks en waarom is stationariteit belangrijk voor klassieke modellen?
Middle+
2
Wat is bagging en boosting, en hoe verschillen ze?
Middle+
2
Wat zijn de kenmerken van het gebruik van JOIN bij het bouwen van datamarts in PostgreSQL/Greenplum in vergelijking met ClickHouse?
Middle
2
Ben je bekend met uplift-modellering? Wat weet je erover?
Middle+
2
Hoe voorkom je dat de tabel groeit als de gegevensopslag beperkt is in tijd, bijvoorbeeld twee jaar?
Middle
2
Wat is ROC AUC?
Middle+
1
Het is nodig om te controleren of er klanten met meerdere e-mails in de tabel staan. Zo ja, verwijder ze (laat alleen de laatste record op basis van create_date).
Middle
1
Wat is een watermark in Spark Structured Streaming?
Middle
1
Wat is normalisatie en wanneer wordt het toegepast?
Middle
1