现在全国各省正处于招聘的高峰期，面试者也越来越紧张，都希望有高人指点一二，倘若有面试题能提示一下，那面试能拿到offer的机会便大的多，下面就是一些常见的大数据面试题，希望能帮助你们一二。

在银行做了两年的数据分析和挖掘工作，较少接触互联网的应用场景，因此，一直都在思考一个问题，“互联网和金融，在数据挖掘上，究竟存在什么样的区别”。在对这个问题的摸索和理解过程中，发现数据挖掘本身包含很多层次。并且模型本身也是存在传统和时髦之分的。本文就想聊聊这些话题。

数学方程式数学方程式不仅能够帮助人们解决知识上的问题，同时，从某种角度来看，它们本身也是非常美丽的。许多科学家都曾坦承，自己非常喜欢某些方程式，并不仅仅因其功能，更在于它们所表现出的那种简约而不简单、形式如诗句般优雅的美感。 这些方程式中，有一些声名显赫并为公众所熟识，比如爱因斯坦的质能方程：E = mc^2，但是在科学领域还有很多其它的美妙方程。

本篇内容来源于网络，因为工作需要，所以就去网上查找资料，顺便整理一下分享给大家，小红自己也是在学习阶段， 做这个公众号的目的也是为了输出自己学习的内容，一方面是为了自己更好的学习，另一方面希望能够帮助一些和我一样刚进入互联网行业的新人。 本篇分为用户画像的概念、如何搭建用户画像以及用户画像的步骤三部分。

数学是很难的科学，但因为它是科学家用数学来解释宇宙的语言，我们无可避免的要学习它。看看下面的这些GIF动图，它们提供了视觉的方式来帮助你理解各种数学技巧。

之前已经写过用LSTM来做分词的方案了，今天再来一篇用CNN的，准确来说是FCN，全卷积网络。其实这个模型的主要目的并非研究中文分词，而是练习tensorflow。本文就是练习一下如何用tensorflow处理不定长输入任务，以中文分词为例，并在最后加入了硬解码，将深度学习与词典分词结合了起来。

查词典方法和字标注各有各的好处，笔者一直在想，能不能给出一种只需要大规模语料来训练的无监督分词模型呢？也就是说，怎么切分，应该是由语料来决定的，跟语言本身没关系。说白了，只要足够多语料，就可以告诉我们怎么分词。 看上去很完美，可是怎么做到呢？《【中文分词系列】2.基于切分的新词发现》中提供了一种思路，但是不够彻底，而最近正好把这个思路补全了。因为没有查找到类似的工作，所以这算是笔者在分词方面的一点原创工作了。

上一篇文章谈到了分词的字标注法。在笔者看来，字标注法有效有两个主要的原因：第一个原因是它将分词问题变成了一个序列标注问题，而且这个标注是对齐的，也就是输入的字跟输出的标签是一一对应的，这在序列标注中是一个比较成熟的问题；第二个原因是这个标注法实际上已经是一个总结语义规律的过程。

在这篇文章中，我们暂停查词典方法的介绍，转而介绍字标注的方法。 值得一提的是，这种通过给每个字打标签、进而将问题转化为序列到序列的学习，不仅仅是一种分词方法，还是一种解决大量自然语言问题的思路，比如命名实体识别等任务，同样可以用标注的方法来做。

上一篇文章讲的是基于词典和AC自动机的快速分词。基于词典的分词有一个明显的优点，就是便于维护，容易适应领域。如果迁移到新的领域，那么只需要添加对应的领域新词，就可以实现较好地分词。当然，好的、适应领域的词典是否容易获得，这还得具体情况具体分析。本文要讨论的就是新词发现这一部分的内容。