拿下Offer：數(shù)據(jù)分析師求職面試指南

目錄
第1 章 面試前的準備 / 1
1．1　都有哪些數(shù)據(jù)類崗位 / 2
1．2　如何選擇適合自己的崗位 / 5
1．2．1　數(shù)據(jù)分析師 / 6
1．2．2　數(shù)據(jù)挖掘工程師 / 7
1．2．3　算法工程師 / 8
1．2．4　數(shù)據(jù)產(chǎn)品經(jīng)理 / 9
1．2．5　小結(jié) / 10
1．3　準備一份高質(zhì)量的簡歷 / 11
1．3．1　通用排版建議 / 12I
1．3．2　如何描述數(shù)據(jù)類項目 / 17
1．4　投遞簡歷有哪些途徑 / 19
1．4．1　校招 / 19
1．4．2　社招 / 20
1．4．3　其他途徑 / 21
第2 章 直面數(shù)據(jù)分析師面試 / 22
2．1　數(shù)據(jù)分析師面試流程 / 23
2．1．1　筆試 / 23
2．1．2　部門內(nèi)部成員面試 / 23
2．1．3　部門負責人面試 / 24
2．1．4　總監(jiān)面試 / 24
2．1．5　HR 面試 / 25
2．2　真實的面試經(jīng)驗分享 / 25
2．3　面試技巧 / 30
2．3．1　提前熟悉業(yè)務場景 / 30
2．3．2　充分準備好個人介紹 / 31
2．3．3　了解崗位的側(cè)重點 / 31
2．3．4　保持積極的面試態(tài)度 / 32
2．4　常見的數(shù)據(jù)分析師面試問題 / 33
2．4．1　基礎知識考查 / 33
2．4．2　編程能力考查 / 35
2．4．3　實戰(zhàn)項目考查 / 36
第3 章 基礎知識考查 / 38
3．1　統(tǒng)計＆ 數(shù)據(jù)分析知識 / 39
3．1．1　基礎概念：隨機變量、分布函數(shù)、概率密度函數(shù) / 39
3．1．2　隨機變量的常用特征 / 45
3．1．3　正態(tài)分布與大數(shù)定律、中心極限定理 / 50
3．1．4　假設檢驗 / 55
3．1．5　貝葉斯統(tǒng)計概覽 / 58
3．2　模型＆ 數(shù)據(jù)挖掘知識 / 63
3．2．1　數(shù)據(jù)挖掘常用概念 / 63
3．2．2　常見的模型分類方法 / 66
3．2．3　常見的模型介紹 / 68
3．2．4　模型效果評估方法 / 77
第4 章 編程技能考查 / 83
4．1　熟悉Python / 84
4．1．1　概覽 / 84
4．1．2　數(shù)據(jù)分析――pandas / 90
4．1．3　數(shù)據(jù)可視化――matplotlib ＆ pyecharts / 94
4．1．4　文本處理――jieba ＆ wordcloud / 99
4．2　懂R 語言 / 104
4．2．1　概覽 / 104
4．2．2　數(shù)據(jù)分析――DataFrame / 112
4．2．3　數(shù)據(jù)可視化――ggplot2 / 114
4．2．4　數(shù)據(jù)挖掘――以線性回歸分析為例 / 123
4．3　掌握SQL / 127
4．3．1　數(shù)據(jù)庫常見類型及單表查詢SQL 語句 / 127
4．3．2　多表查詢SQL 語句 / 132
4．3．3　更多SQL 內(nèi)容 / 138
第5 章 數(shù)據(jù)分析師實戰(zhàn)技能 / 150
5．1　數(shù)據(jù)分析師工作必備技能 / 151
5．1．1　數(shù)據(jù)人員如何創(chuàng)造價值 / 151
5．1．2　完整的指標體系構建 / 152
5．1．3　數(shù)據(jù)監(jiān)控及報表設計 / 158
5．1．4　設計一份優(yōu)質(zhì)的數(shù)據(jù)分析報告 / 162
5．2　基于互聯(lián)網(wǎng)大數(shù)據(jù)的應用 / 165
5．2．1　AB 測試 / 165
5．2．2　用戶畫像 / 171
5．2．3　完整的數(shù)據(jù)挖掘項目流程 / 174
第6 章 用努力給自己加分 / 180
6．1　學習方法很重要 / 181
6．2　拓展自己的知識面 / 182
6．2．1　爬蟲 / 182
6．2．2　社交網(wǎng)絡 / 188