書接上文，
昨天我們瞭解了大資料學員面對HR時該如何應對，
今天我給你支幾招，
讓你輕鬆搞定未來上司，
成功拿到大資料offer。
先從心理層面分析一下你未來的上司。
記住， 最好先不要急於表現你會什麼， 因為你會的不一定是他需要的， 你可以反客為主， 問問公司現在正在做什麼， 正在面臨哪些問題， 瞭解了公司情況， 你應該就能大概猜到領導招你過來是來做什麼的了。
來一波大資料相關職位的崗位職責：
A.演算法研究類
演算法研究類的職位還分為幾小類：
·排序：搜索結果排序、廣告排序等
·推薦：題目推薦、APP推薦、新聞推薦、廣告推薦等
·文本挖掘：垃圾短信過濾、領域知識圖譜構建等
·其他：如廣告投放效果分析， 圖像識別、理解， 互聯網信用評價等
B.資料採擷類
·商業智慧， 如統計報表等
·使用者體驗分析、預測流失用戶等
C.平臺搭建類
·資料計算平臺搭建、基礎演算法實現等， 要求支援大樣本量、高維度數據， 因此還需要底層開發、平行計算、分散式運算等方面的知識。
面試問答：
1.你用過的演算法， 最熟悉的演算法是什麼
這裡最好要說一些你在項目中應用過的。 推薦中可以有CF、LR等， 分類中可以有SVM， GBDT。 要說得具體點， 才會提高你說的話的真實性， 比如優缺點分析。 即使不是自己實現的用法， 也可以借鑒一下那些比較知名的實現， 使用中都踩過哪些坑等。
在說你熟悉的演算法時， 還可以列舉一下它的應用場合。 最好以基礎演算法為主， 不要太高大上， 避免未來領導再進一步提出你解決不了的問題。
演算法可以從這幾個方面掌握產生背景：
適用場合：特徵維度、資料規模， 是否有Online演算法， 離散/連續特徵處理等
原理推導：對偶、軟間隔、最大間隔
求解方法：擬牛頓法、隨機梯度下降等
優缺點、如何改進和避免
與其他基本方法的對比
2.你用過的框架、演算法包
列舉一些， 你可以在下面挑選幾種進行瞭解：
主流分散式框架：Hadoop， Spark， Graphlab， Parameter Server等
通用演算法包：mahout， scikit， weka等
專用演算法包：opencv， theano， torch7， ICTCLAS等
3.高頻話題
LR、決策樹、SVM、聚類演算法
4.開放性問題
開放性問題最考察一個人的專案實戰經驗， 也是經驗較少的應屆畢業生需要攻克的難點。
如：深度學習在推薦系統上可以怎樣發揮？在百度貼吧發佈APP廣告的推薦策略？怎樣評估網站內容的真實性等
遇到這類問題， 不要慌張， 不要怕出錯， 只要盡可能把你想到的說出來即可。 你的未來上級可能你回答的時候引導你，
你還可以虛心的向對方求教， 討論， 讓對方看出你的可造性。
最後提醒廣大的大資料學員， 幾次的面試失敗並不能代表什麼， 重要的是要在每次的失敗後， 反思自己的不足， 總結經驗， 把面試中回答得不太好的問題進行總結， 想出更好的回答方式， 爭取不在一個地方跌倒兩次， 那麼， 高薪的offer遲早都會到你碗裡來。