百度
实习北京市 · 实习 · 不限
长期有效
【岗位职责】
-负责基于Hadoop/Spark/Flink等平台的批量处理和实时计算开发
-参与支撑业务的数据模型的设计及开发，包括数据需求沟通，离线/实时模型设计开发、质量管理监控等工作
-参与海量数据的存储、查询和运营数据分析体系搭建
-负责构建大数据分析平台以及数据分析和挖掘工作
【任职要求】
-对Spark及Hadoop技术有深入了解
-熟悉Python/Java/Scala等编程语言，熟练使用SQL，有良好的编码习惯，对分布式有深刻理解
-了解Windows、Unix、Linux等主流操作系统原理，熟练运用系统层支持应用开发
-技术视野开阔，有强烈的上进心和求知欲，善于学习和运用新知识，勇于解决难题
-善于沟通和逻辑表达，拥有优秀的分析问题和解决问题的能力，良好的团队合作精神和积极主动的沟通意识
-有激情，具有自我驱动力，追求卓越
-计算机领域相关的编程大赛获奖、专业期刊发表文章或者有发明专利等
-具备大数据云平台、计算存储平台、可视化开发平台经验，熟悉软件工程开发流程
-具备专业领域的计算机知识和技能： Storm/Hive/Hbase/Storm/Kafka等
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。