Cum folosiți Python în munca dvs. și unde vă simțiți mai încrezător: în Python sau în SQL?
Senior
2
Data Engineer
743
0
Există 101 obiect: 100 obiecte de clasa 0 și 1 obiect de clasa 1. Primul model atribuie același scor tuturor obiectelor. Care sunt ROC AUC-ul și forma curbei ROC?
Middle+
2
Cum se testează o serie temporală pentru staționaritate?
Middle+
2
Dat fiind o interogare SQL scrisă de un analist. Identificați ineficiențele din interogare și sugerați cum să le evitați. Interogarea unește două tabele: - tabelul de fapte 'events' cu cheia 'event_id' - tabelul de referință al sursei de trafic cu cheia 'referer_str' Ambele tabele conțin miliarde de înregistrări. 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
Există un țintă continuă nenegativă și patru algoritmi: regresie liniară, arbore de decizie, pădure aleatorie și boosting pe arbori. Care dintre acestea pot produce predicții negative?
Middle+
2
Datele au fost încărcate într-un tabel ReplacingMergeTree; ce se va întâmpla în timpul citirii dacă fuziunea nu a avut încă loc și cum se obține cea mai recentă versiune a înregistrărilor?
Middle
2
Ce este denormalizarea?
Middle
2
Este posibil să combinați deduplicarea și spill-ul de date ulterioare fără a folosi tabele separate; și dacă da, cum?
Middle
2
Ce este testarea ipotezelor? Care sunt erorile de tip I și de tip II și valoarea p?
Middle+
2
Ce structuri de index și cum funcționează?
Middle
2
Ce metode cunoști pentru a accelera executarea sarcinilor în PostgreSQL?
Middle
2
Ce este o serie temporală staționară și de ce este importantă staționaritatea pentru modelele clasice?
Middle+
2
Ce este bagging-ul și boosting-ul, și în ce se deosebesc?
Middle+
2
Care sunt caracteristicile utilizării JOIN la construirea de vitrine în PostgreSQL/Greenplum comparativ cu ClickHouse?
Middle
2
Ești familiar cu modelarea uplift? Ce știi despre ea?
Middle+
2
Cum să previi creșterea tabelului dacă stocarea datelor este limitată în timp, de exemplu doi ani?
Middle
2
Ce este ROC AUC?
Middle+
1
Este necesar să verificați dacă în tabel există clienți cu mai multe emailuri. Dacă da, ștergeți-i (păstrați doar ultima înregistrare după create_date).
Middle
1
Ce este un watermark în Spark Structured Streaming?
Middle
1
Ce este normalizarea și când se aplică?
Middle
1