Search test library by skills or roles
⌘ K

About the test:

データマイニングテストでは、シナリオベースのMCQを使用して、データマイニング技術、データの前処理、アソシエーションルールマイニング、分類、クラスタリング、およびデータの視覚化に関する知識について候補者を評価します。これらの重要なスキルに加えて、このテストでは、データ倉庫、データクリーニング、ビッグデータテクノロジーに関する候補者の理解も評価しています。

Covered skills:

  • 情報処理
  • データの前処理
  • データクリーニング
  • データマイニングプロセス
  • データウェアハウスとOLAPテクノロジー
  • 頻繁なパターンのマイニング
  • データ削減
  • データの統合と変換

9 reasons why
9 reasons why

Adaface Data Mining Assessment Test is the most accurate way to shortlist データサイエンティストs



Reason #1

Tests for on-the-job skills

The Data Mining Test helps recruiters and hiring managers identify qualified candidates from a pool of resumes, and helps in taking objective hiring decisions. It reduces the administrative overhead of interviewing too many candidates and saves time by filtering out unqualified candidates at the first step of the hiring process.

The test screens for the following skills that hiring managers look for in candidates:

  • 大規模なデータセットから意味のある洞察を抽出する能力
  • データモデリング手法の習熟度
  • ETL(抽出、変換、ロード)プロセスの理解
  • データ処理と分析の知識
  • データウェアハウスとOLAPテクノロジーに精通しています
  • マイニング目的でデータを前処理する能力
  • データセットの頻繁なパターンのマイニングの経験
  • データノイズをきれいにして減らす能力
  • データマイニングプロセスの理解
  • データの統合と変換の能力
Reason #2

No trick questions

no trick questions

Traditional assessment tools use trick questions and puzzles for the screening, which creates a lot of frustration among candidates about having to go through irrelevant screening assessments.

View sample questions

The main reason we started Adaface is that traditional pre-employment assessment platforms are not a fair way for companies to evaluate candidates. At Adaface, our mission is to help companies find great candidates by assessing on-the-job skills required for a role.

Why we started Adaface
Reason #3

Non-googleable questions

We have a very high focus on the quality of questions that test for on-the-job skills. Every question is non-googleable and we have a very high bar for the level of subject matter experts we onboard to create these questions. We have crawlers to check if any of the questions are leaked online. If/ when a question gets leaked, we get an alert. We change the question for you & let you know.

How we design questions

これらは、10,000以上の質問のライブラリからのわずかなサンプルです。これに関する実際の質問 データマイニングテスト グーグルできません.

🧐 Question

Easy

Healthcare System
Data Integrity
Normalization
Referential Integrity
Solve
You are designing a data model for a healthcare system with the following requirements:
 image
A: A separate table for each entity with foreign keys as specified, and a DoctorPatient table linking Doctors to Patients.
B: A separate table for each entity with foreign keys as specified, without additional tables.
C: A combined PatientDoctor table replacing Patient and Doctor, and separate tables for Appointment and Prescription.
D: A separate table for each entity with foreign keys, and a PatientPrescription table to track prescriptions directly linked to patients.
E: A single table combining Patient, Doctor, Appointment, and Prescription into one.
F: A separate table for each entity with foreign keys as specified, and an AppointmentDetails table linking Appointments to Prescriptions.

Hard

ER Diagram and minimum tables
ER Diagram
Solve
Look at the given ER diagram. What do you think is the least number of tables we would need to represent M, N, P, R1 and R2?
 image
 image
 image

Medium

Normalization Process
Normalization
Database Design
Anomaly Elimination
Solve
Consider a healthcare database with a table named PatientRecords that stores patient visit information. The table has the following attributes:

- VisitID
- PatientID
- PatientName
- DoctorID
- DoctorName
- VisitDate
- Diagnosis
- Treatment
- TreatmentCost

In this table:

- Each VisitID uniquely identifies a patient's visit and is associated with one PatientID.
- PatientID is associated with exactly one PatientName.
- Each DoctorID is associated with a unique DoctorName.
- TreatmentCost is a fixed cost based on the Treatment.

Evaluating the PatientRecords table, which of the following statements most accurately describes its normalization state and the required actions for higher normalization?
A: The table is in 1NF. To achieve 2NF, remove partial dependencies by separating Patient information (PatientID, PatientName) and Doctor information (DoctorID, DoctorName) into different tables.
B: The table is in 2NF. To achieve 3NF, remove transitive dependencies by creating separate tables for Patients (PatientID, PatientName), Doctors (DoctorID, DoctorName), and Visits (VisitID, PatientID, DoctorID, VisitDate, Diagnosis, Treatment, TreatmentCost).
C: The table is in 3NF. To achieve BCNF, adjust for functional dependencies such as moving DoctorName to a separate Doctors table.
D: The table is in 1NF. To achieve 3NF, create separate tables for Patients, Doctors, and Visits, and remove TreatmentCost as it is a derived attribute.
E: The table is in 2NF. To achieve 4NF, address any multi-valued dependencies by separating Visit details and Treatment details.
F: The table is in 3NF. To achieve 4NF, remove multi-valued dependencies related to VisitID.

Medium

University Courses
ER Diagrams
Complex Relationships
Integrity Constraints
Solve
 image
Based on the ER diagram, which of the following statements is accurate and requires specific knowledge of the ER diagram's details?
A: A Student can major in multiple Departments.
B: An Instructor can belong to multiple Departments.
C: A Course can be offered by multiple Departments.
D: Enrollment records can link a Student to multiple Courses in a single semester.
E: Each Course must be associated with an Enrollment record.
F: A Department can offer courses without having any instructors.

Medium

Data Merging
Data Merging
Conditional Logic
Solve
A data engineer is tasked with merging and transforming data from two sources for a business analytics report. Source 1 is a SQL database 'Employee' with fields EmployeeID (int), Name (varchar), DepartmentID (int), and JoinDate (date). Source 2 is a CSV file 'Department' with fields DepartmentID (int), DepartmentName (varchar), and Budget (float). The objective is to create a summary table that lists EmployeeID, Name, DepartmentName, and YearsInCompany. The YearsInCompany should be calculated based on the JoinDate and the current date, rounded down to the nearest whole number. Consider the following initial SQL query:
 image
Which of the following modifications ensures accurate data transformation as per the requirements?
A: Change FLOOR to CEILING in the calculation of YearsInCompany.
B: Add WHERE e.JoinDate IS NOT NULL before the JOIN clause.
C: Replace JOIN with LEFT JOIN and use COALESCE(d.DepartmentName, 'Unknown').
D: Change the YearsInCompany calculation to YEAR(CURRENT_DATE) - YEAR(e.JoinDate).
E: Use DATEDIFF(YEAR, e.JoinDate, CURRENT_DATE) for YearsInCompany calculation.

Medium

Data Updates
Staging
Data Warehouse
Solve
Jaylo is hired as Data warehouse engineer at Affflex Inc. Jaylo is tasked with designing an ETL process for loading data from SQL server database into a large fact table. Here are the specifications of the system:
1. Orders data from SQL to be stored in fact table in the warehouse each day with prior day’s order data
2. Loading new data must take as less time as possible
3. Remove data that is more then 2 years old
4. Ensure the data loads correctly
5. Minimize record locking and impact on transaction log
Which of the following should be part of Jaylo’s ETL design?

A: Partition the destination fact table by date
B: Partition the destination fact table by customer
C: Insert new data directly into fact table
D: Delete old data directly from fact table
E: Use partition switching and staging table to load new data
F: Use partition switching and staging table to remove old data

Medium

SQL in ETL Process
SQL Code Interpretation
Data Transformation
SQL Functions
Solve
In an ETL process designed for a retail company, a complex SQL transformation is applied to the 'Sales' table. The 'Sales' table has fields SaleID, ProductID, Quantity, SaleDate, and Price. The goal is to generate a report that shows the total sales amount and average sale amount per product, aggregated monthly. The following SQL code snippet is used in the transformation step:
 image
What specific function does this SQL code perform in the context of the ETL process, and how does it contribute to the reporting goal?
A: The code calculates the total and average sales amount for each product annually.
B: It aggregates sales data by month and product, computing total and average sales amounts.
C: This query generates a daily breakdown of sales, both total and average, for each product.
D: The code is designed to identify the best-selling products on a monthly basis by sales amount.
E: It calculates the overall sales and average price per product, without considering the time dimension.

Medium

Trade Index
Index
Solve
Silverman Sachs is a trading firm and deals with daily trade data for various stocks. They have the following fact table in their data warehouse:
Table: Trades
Indexes: None
Columns: TradeID, TradeDate, Open, Close, High, Low, Volume
Here are three common queries that are run on the data:
 image
Dhavid Polomon is hired as an ETL Developer and is tasked with implementing an indexing strategy for the Trades fact table. Here are the specifications of the indexing strategy:

- All three common queries must use a columnstore index
- Minimize number of indexes
- Minimize size of indexes
Which of the following strategies should Dhavid pick:
A: Create three columnstore indexes: 
1. Containing TradeDate and Close
2. Containing TradeDate, High and Low
3. Container TradeDate and Volume
B: Create two columnstore indexes:
1. Containing TradeID, TradeDate, Volume and Close
2. Containing TradeID, TradeDate, High and Low
C: Create one columnstore index that contains TradeDate, Close, High, Low and Volume
D: Create one columnstore index that contains TradeID, Close, High, Low, Volume and Trade Date
🧐 Question🔧 Skill

Easy

Healthcare System
Data Integrity
Normalization
Referential Integrity

2 mins

Data Modeling
Solve

Hard

ER Diagram and minimum tables
ER Diagram

2 mins

Data Modeling
Solve

Medium

Normalization Process
Normalization
Database Design
Anomaly Elimination

3 mins

Data Modeling
Solve

Medium

University Courses
ER Diagrams
Complex Relationships
Integrity Constraints

2 mins

Data Modeling
Solve

Medium

Data Merging
Data Merging
Conditional Logic

2 mins

ETL
Solve

Medium

Data Updates
Staging
Data Warehouse

2 mins

ETL
Solve

Medium

SQL in ETL Process
SQL Code Interpretation
Data Transformation
SQL Functions

3 mins

ETL
Solve

Medium

Trade Index
Index

3 mins

ETL
Solve
🧐 Question🔧 Skill💪 Difficulty⌛ Time
Healthcare System
Data Integrity
Normalization
Referential Integrity
Data Modeling
Easy2 mins
Solve
ER Diagram and minimum tables
ER Diagram
Data Modeling
Hard2 mins
Solve
Normalization Process
Normalization
Database Design
Anomaly Elimination
Data Modeling
Medium3 mins
Solve
University Courses
ER Diagrams
Complex Relationships
Integrity Constraints
Data Modeling
Medium2 mins
Solve
Data Merging
Data Merging
Conditional Logic
ETL
Medium2 mins
Solve
Data Updates
Staging
Data Warehouse
ETL
Medium2 mins
Solve
SQL in ETL Process
SQL Code Interpretation
Data Transformation
SQL Functions
ETL
Medium3 mins
Solve
Trade Index
Index
ETL
Medium3 mins
Solve
Reason #4

1200+ customers in 75 countries

customers in 75 countries
Brandon

Adafaceを使用すると、初期スクリーニングプロセスを75%以上最適化することができ、採用マネージャーとタレント獲得チームの両方にとって貴重な時間を解放しました!


Brandon Lee, 人々の頭, Love, Bonito

Reason #5

Designed for elimination, not selection

The most important thing while implementing the pre-employment データマイニングテスト in your hiring process is that it is an elimination tool, not a selection tool. In other words: you want to use the test to eliminate the candidates who do poorly on the test, not to select the candidates who come out at the top. While they are super valuable, pre-employment tests do not paint the entire picture of a candidate’s abilities, knowledge, and motivations. Multiple easy questions are more predictive of a candidate's ability than fewer hard questions. Harder questions are often "trick" based questions, which do not provide any meaningful signal about the candidate's skillset.

Science behind Adaface tests
Reason #6

1 click candidate invites

Email invites: You can send candidates an email invite to the データマイニングテスト from your dashboard by entering their email address.

Public link: You can create a public link for each test that you can share with candidates.

API or integrations: You can invite candidates directly from your ATS by using our pre-built integrations with popular ATS systems or building a custom integration with your in-house ATS.

invite candidates
Reason #7

Detailed scorecards & benchmarks

Reason #8

High completion rate

Adaface tests are conversational, low-stress, and take just 25-40 mins to complete.

This is why Adaface has the highest test-completion rate (86%), which is more than 2x better than traditional assessments.

test completion rate
Reason #9

Advanced Proctoring


Learn more

About the Data Mining Online Test

Why you should use Pre-employment Data Mining Test?

The データマイニングテスト makes use of scenario-based questions to test for on-the-job skills as opposed to theoretical knowledge, ensuring that candidates who do well on this screening test have the relavant skills. The questions are designed to covered following on-the-job aspects:

  • データ処理と操作技術
  • データ倉庫とOLAPテクノロジーの知識
  • データマイニングの基本と概念を理解する
  • データの前処理手法と方法
  • 大きなデータセットで頻繁なパターンを採掘する能力
  • 汚れたデータのクリーニングと処理
  • 効率的なマイニングのためのデータ削減手法
  • データマイニングプロセスを理解し、従う
  • データの統合と変換スキル
  • マイニング結果を解釈および分析する能力

Once the test is sent to a candidate, the candidate receives a link in email to take the test. For each candidate, you will receive a detailed report with skills breakdown and benchmarks to shortlist the top candidates from your pool.

What topics are covered in the Data Mining Test?

  • データ前処理

    データ前処理には、実際のマイニングプロセスが行われる前にデータの準備とクリーニングが含まれます。これには、ノイズの削除、欠損値の取り扱い、データの標準化、変換などのタスクが含まれます。テストでこのスキルを測定することで、データを効果的に処理する候補者の能力を評価し、マイニング結果の品質と信頼性を確保します。データセット内のアイテムセットまたはシーケンス。これには、マーケットバスケット分析や関連性のルールマイニングなどのテクニックが含まれます。このスキルは、候補者の一般的なパターンを特定する能力を評価するためにテストで測定する必要があります。これは、推奨システムや市場分析などのさまざまなアプリケーションに役立つ可能性があります。

  • データクリーニング

    データデータクリーニングとは、データセット内のエラー、矛盾、および外れ値を識別および修正または削除するプロセスです。これには、重複したレコードの処理、矛盾の解決、騒々しいデータや無関係なデータへの対処などのタスクが含まれます。このテストでこのスキルを測定するのに役立ちます。データの整合性と信頼性を確保する候補者の能力を評価するのに役立ちます。これは、正確なマイニング結果に重要です。関連情報を大幅に失うことなく、データセットの次元。冗長または無関係な機能を削除し、データをよりコンパクトな表現に変換することを目的としています。このテストでこのスキルを測定することで、計算の複雑さを減らし、効率を改善することにより、データマイニングプロセスを最適化する候補者の能力を評価するのに役立ちます。データから意味のあるパターンと洞察を抽出する際。データ探索、モデルの選択、パターン評価、結果の解釈などのタスクが含まれます。このテストでこのスキルを測定するのに役立ちます。候補者のデータマイニングワークフロー全体と、各段階で適切な手法を適用する能力についての理解を評価するのに役立ちます。さまざまなソースからのデータを統合し、データの競合を解決し、データを分析のために統一形式に変換することを伴います。データ統合手法、データマッピング、およびデータ変換操作に関する知識が必要です。このテストでこのスキルを測定すると、候補者が異なるデータソースを効果的に統合および変換する能力を評価し、マイニングプロセスの一貫性と精度を確保するのに役立ちます。

  • Full list of covered topics

    The actual topics of the questions in the final test will depend on your job description and requirements. However, here's a list of topics you can expect the questions for データマイニングテスト to be based on.

    情報処理
    データウェアハウス
    OLAPテクノロジー
    データの前処理
    頻繁なパターンのマイニング
    データクリーニング
    データ削減
    データマイニングプロセス
    データ統合
    データ変換
    データ抽出
    データの読み込み
    データモデリング
    データ分析
    監視された学習
    監視されていない学習
    協会規則
    決定木
    クラスタリング
    分類
    データの視覚化
    データ探索
    ビッグデータ
    予測モデリング
    パターン認識
    テキストマイニング
    ウェブマイニング
    ソーシャルネットワーク分析
    機能選択
    次元削減
    外れ値の検出
    データ代入
    素朴なベイズ
    ベクターマシンをサポートします
    ニューラルネットワーク
    遺伝的アルゴリズム
    回帰分析
    時系列分析
    空間データマイニング
    データのプライバシー
    データマイニングの倫理
    マーケットバスケット分析
    協会のルールマイニング
    シーケンシャルパターンマイニング
    異常検出
    モデル評価
    オーバーフィッティング
    アンサンブルメソッド
    相互検証
    データサンプリング
    データ融合
    並列および分散データマイニング
    データのスケーラビリティ
    データ品質評価
    データプロファイリング
    機能エンジニアリング
    データの争い

What roles can I use the Data Mining Test for?

  • データサイエンティスト
  • ビジネスアナリスト
  • データアナリスト
  • データエンジニア
  • データベース管理者
  • 研究科学者

How is the Data Mining Test customized for senior candidates?

For intermediate/ experienced candidates, we customize the assessment questions to include advanced topics and increase the difficulty level of the questions. This might include adding questions on topics like

  • 統計分析の習熟度
  • さまざまなデータマイニングアルゴリズムを実装する機能
  • 監視されていない監視されていない学習技術の知識
  • 意思決定ツリーアルゴリズムの経験
  • 協会のルールマイニングの理解
  • クラスタリング技術の専門知識
  • 分類モデルと回帰モデルの経験
  • 大規模なデータセットの処理に習熟
  • ビッグデータテクノロジーに精通しています
  • データの視覚化とレポートの専門知識
Singapore government logo

採用マネージャーは、パネルのインタビュー中に尋ねた技術的な質問を通して、どの候補者がより良いスコアを持っているかを知ることができ、得点しなかった人と差別化することができたと感じました。彼らです 非常に満足しています 候補者の品質は、ADAFACEスクリーニングで最終候補になりました。


85%
スクリーニング時間の短縮

Data Mining Hiring Test FAQ

複数のスキルを1つのカスタム評価に組み合わせることはできますか?

そのとおり。カスタム評価は、職務内容に基づいて設定され、指定したすべての必須スキルに関する質問が含まれます。

アンチチートまたは監督の機能はありますか?

次のアンチチート機能があります。

  • グーグル不可能な質問
  • IP監督
  • Webの提案
  • ウェブカメラの監督
  • 盗作の検出
  • 安全なブラウザ

[プロクチャリング機能](https://www.adaface.com/proctoring)の詳細をご覧ください。

テストスコアを解釈するにはどうすればよいですか?

留意すべき主なことは、評価が選択ツールではなく排除ツールであることです。スキル評価が最適化され、技術的にその役割の資格がない候補者を排除するのに役立ちます。これは、役割の最良の候補者を見つけるのに役立つために最適化されていません。したがって、評価を使用する理想的な方法は、しきい値スコア(通常は55%、ベンチマークを支援します)を決定し、インタビューの次のラウンドのしきい値を超えてスコアを上回るすべての候補者を招待することです。

このテストを使用できますか?

各ADAFACE評価は、職務記述書/理想的な候補者のペルソナにカスタマイズされます(当社の主題の専門家は、10000以上の質問のライブラリからあなたの評価に適切な質問を選択します)。この評価は、あらゆる経験レベルでカスタマイズできます。

すべての候補者は同じ質問を受け取りますか?

私は候補者です。練習テストを試すことはできますか?

いいえ。残念ながら、現時点では練習テストをサポートしていません。ただし、[サンプルの質問](https://www.adaface.com/questions)を使用するには、練習できます。

このテストを使用するコストはいくらですか?

無料トライアルを受けることはできますか?

私はちょうど有料プランに移りました。カスタム評価をリクエストするにはどうすればよいですか?

customers across world
Join 1200+ companies in 75+ countries.
今日、最も候補者のフレンドリーなスキル評価ツールをお試しください。
g2 badges
Ready to use the Adaface データマイニングテスト?
Ready to use the Adaface データマイニングテスト?
私たちとしゃべる
条項 プライバシー トラストガイド

🌎言語を選んでください

English Norsk Dansk Deutsche Nederlands Svenska Français Español Chinese (简体中文) Italiano Japanese (日本語) Polskie Português Russian (русский)
ada
Ada
● Online
Previous
Score: NA
Next
✖️