一、筆試

1、limit offset：分頁查詢

SELECT column1, column2, ...
FROM table_name
LIMIT number_of_rows OFFSET start_row;
--跳過前 start_row 行，返回接下來的 number_of_rows 行。

2、lag、lead：查詢前后行數據

--lag函數用于訪問當前行的上一行（或指定行）的數據
LAG(column, n, default_value) OVER (PARTITION BY partition_columnORDER BY order_column
)

----lead函數用于訪問當前行的下一行（或指定行）的數據
LEAD(column, n, default_value) OVER (PARTITION BY partition_columnORDER BY order_column
)

二、面試

1、求每個班級學生總成績最高的3名

可以使用 SQL 的窗口函數和排名函數來解決這個問題。

假設學生表的名稱為 students，包含學生的 id，班級 id 和成績，那么可以使用以下 SQL 查詢語句來獲取每個班級學生總成績最高的3名：

WITH ranked_scores AS
(SELECT student_id, class_id, score, RANK() OVER(PARTITION BY class_id ORDER BY SUM(score) DESC) AS rank                               
FROM students 
GROUP BY student_id, class_id, score
)
SELECT class_id, student_id, SUM(score) AS total_score 
FROM ranked_scores 
WHERE rank <= 3 
GROUP BY class_id, student_id 
ORDER BY class_id, total_score DESC;

2、insert?into?和?insert?overwrite有什么區別？join?和left?join的區別？

• 在關系型數據庫中，insert into用于向表中插入新的行，而insert overwrite用于覆蓋表中已有的數據，重新寫入新的數據
• left join和join之間的區別在于，left join返回左邊表中所有行，而右邊表中沒有匹配行的地方填充為 NULL。而join只返回兩個表中都有匹配的行。另外，在使用left join時，需要注意左邊表和右邊表的順序，因為左右表的順序會影響連接結果的順序。

3、與聚合函數一起使用的篩選關鍵字是什么？

與聚合函數一起使用的篩選關鍵字是HAVING。在使用聚合函數如COUNT、SUM、AVG等對數據進行分組后，可以使用HAVING關鍵字對分組后的數據進行篩選，類似于WHERE對原始數據的篩選。HAVING關鍵字接在GROUP BY語句后面，可以使用聚合函數和分組字段進行篩選

4、你對風控業務有多少認識？

• 風控業務主要是指對企業風險進行控制和管理的業務，其中包括信用評估、反欺詐、交易風險控制、合規監管等方面。
• 作為數據分析工程師，對風控業務的了解是很重要的。在此方面，我對信用評估和反欺詐有一定的了解，了解一些常見的風險控制手段和工具，例如評分卡、邏輯回歸、決策樹等等，以及一些常見的反欺詐技術，例如黑名單過濾、IP歸屬地識別等等。
• 另外，我還了解到合規監管在風控業務中的重要性，例如在個人信息保護、反洗錢、反恐怖融資等方面，都需要遵循國家的相關法規和政策。

總之，我認為風控業務是數據分析工程師所需要了解的重要領域之一。

5、介紹隨機森林

• 隨機森林（Random Forest）是一種集成學習算法，通過訓練多個決策樹并結合它們的預測結果來提高預測的準確性。
• 隨機森林的基本原理是：構建多個決策樹，每個決策樹的特征和樣本是隨機選擇的。在預測時，多個決策樹的預測結果進行投票，選出出現次數最多的結果作為最終的預測結果。?
• 隨機森林的優點包括：?
  • 可以處理高維數據和非線性關系；?
  • 可以通過特征重要性評估方法獲取特征的重要程度，幫助進行特征選擇和數據可視化；?
  • 可以防止過擬合和提高模型的泛化能力。?
• 隨機森林的缺點包括：?
  • 訓練速度較慢；?
  • 難以解釋模型的預測結果。?
• 在實際應用中，隨機森林常用于分類和回歸問題，比如文本分類、情感分析、股票價格預測等。

6、介紹降維方法?

• 降維方法是指在保持數據重要信息的前提下，減少數據特征維度的方法。
• 在大數據處理中，降維方法可以用來減少存儲空間、降低計算復雜度、提高模型效率等。
• 以下是一些常見的降維方法：?
  • 主成分分析（PCA）：是一種線性降維方法，它通過將數據映射到低維空間中的新坐標系，最大程度地保留數據的方差來實現降維。PCA通常用于特征提取和數據可視化。?
  • t-SNE：是一種非線性降維方法，它將高維數據映射到二維或三維空間中，以便于可視化。t-SNE通過測量相似度來保留數據之間的局部結構，并將其映射到低維空間中。
  • 局部線性嵌入（LLE）：是一種非線性降維方法，它試圖在低維空間中保留數據的局部結構。LLE通過在高維空間中找到每個數據點周圍最近的數據點，并嘗試將其映射到低維空間中的相應位置來實現降維。?
  • 獨立成分分析（ICA）：是一種非線性降維方法，它試圖將數據分解為多個獨立的成分。ICA通常用于信號處理和圖像處理等領域。 在實際應用中，根據數據的特點和降維的目的，可以選擇不同的降維方法。