Search test library by skills or roles
⌘ K

About the test:

Test eksploracji danych ocenia kandydatów pod kątem wiedzy na temat technik eksploracji danych, przetwarzania danych, eksploracji reguł stowarzyszenia, klasyfikacji, klastrowania i wizualizacji danych przy użyciu MCQ opartych na scenariuszach. Oprócz tych kluczowych umiejętności, test ocenia również zrozumienie kandydata na magazynowanie danych, czyszczenie danych i technologie dużych zbiorów danych.

Covered skills:

  • Przetwarzanie danych
  • Przetwarzanie danych
  • Czyszczenie danych
  • Proces wydobycia danych
  • Magazyn danych i technologia OLAP
  • Częste wzory wydobywcze
  • Redukcja danych
  • Integracja i transformacja danych

9 reasons why
9 reasons why

Adaface Data Mining Assessment Test is the most accurate way to shortlist Naukowiec danychs



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:

  • Zdolność do wyodrębnienia znaczących spostrzeżeń z dużych zestawów danych
  • Biegłość w technikach modelowania danych
  • Zrozumienie procesów ETL (ekstrakt, transformacja, obciążenie)
  • Znajomość przetwarzania i analizy danych
  • Znajomość magazynu danych i technologii OLAP
  • Możliwość wstępnego przetwarzania danych do celów wydobywczych
  • Doświadczenie w wydobywaniu częstych wzorców w zestawach danych
  • Możliwość czyszczenia i zmniejszania szumu danych
  • Zrozumienie procesu wydobywania danych
  • Kompetencja w integracji danych i transformacji
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

To tylko niewielka próbka z naszej biblioteki ponad 10 000 pytań. Rzeczywiste pytania dotyczące tego Test wydobycia danych będzie nieobowiązany.

🧐 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

Dzięki Adaface udało nam się zoptymalizować nasz proces wstępnej selekcji o ponad 75%, oszczędzając cenny czas zarówno menedżerom ds. rekrutacji, jak i naszemu zespołowi ds. pozyskiwania talentów!


Brandon Lee, Głowa Ludu, Love, Bonito

Reason #5

Designed for elimination, not selection

The most important thing while implementing the pre-employment Test wydobycia danych 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 Test wydobycia danych 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

Zobacz przykładową kartę wyników
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 Test wydobycia danych 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:

  • Techniki przetwarzania i manipulacji danych
  • Znajomość magazynowania danych i technologii OLAP
  • Zrozumienie podstaw i koncepcji wydobywania danych
  • Techniki i metody wstępnego przetwarzania danych
  • Możliwość wydobywania częstych wzorów w dużych zestawach danych
  • Czyszczenie i obsługa brudnych danych
  • Techniki redukcji danych dla wydajnego wydobycia
  • Zrozumienie i przestrzeganie procesu wydobywania danych
  • Umiejętności integracji danych i transformacji
  • Zdolność do interpretacji i analizy wyników wydobycia

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?

  • Przedrożenie wstępne danych

    Przetwarzanie danych polega na przygotowaniu i czyszczeniu danych przed faktycznym procesem wydobycia. Zawiera zadania, takie jak usuwanie szumu, obsługa brakujących wartości, standaryzację danych i zmienne przekształcające. Mierzenie tej umiejętności w teście pomaga ocenić zdolność kandydata do skutecznego wstępnego przetwarzania danych, zapewniając jakość i niezawodność wyników wydobycia.

  • Częste wzorce wydobywcze

    Częste wzorce wydobywcze koncentrują Przedmioty lub sekwencje w zestawie danych. Obejmuje to techniki takie jak analiza koszyka rynku i wydobycie reguł stowarzyszenia. Ta umiejętność należy zmierzyć w teście, aby ocenić biegłość kandydata w identyfikacji wspólnych wzorców, co może być cenne dla różnych aplikacji, takich jak systemy rekomendacji i analiza rynku.

  • Czyszczenie danych

    danych danych Czyszczenie to proces identyfikacji i korygowania lub usuwania błędów, niespójności i wartości odstających w zestawie danych. Zawiera zadania takie jak obsługa zduplikowanych rekordów, rozwiązywanie niespójności i radzenie sobie z głośnymi lub nieistotnymi danymi. Pomiar tej umiejętności w testach pomaga ocenić zdolność kandydata do zapewnienia integralności danych i niezawodności, co jest kluczowe dla dokładnych wyników wydobycia.

  • Redukcja danych

    Redukcja danych obejmuje techniki zmniejszenia wielkości oraz wymiarowość zestawu danych bez znaczącego utraty odpowiednich informacji. Ma na celu usunięcie redundantnych lub nieistotnych funkcji i przekształcenie danych w bardziej zwartą reprezentację. Mierzenie tej umiejętności w teście pomaga ocenić zdolność kandydata do optymalizacji procesu wydobywania danych poprzez zmniejszenie złożoności obliczeniowej i poprawę wydajności.

  • Proces wydobycia danych

    Proces wydobycia danych obejmuje systematyczne kroki Wyodrębniając znaczące wzorce i spostrzeżenia z danych. Obejmuje zadania takie jak eksploracja danych, wybór modelu, ocena wzorca i interpretacja wyników. Mierzenie tej umiejętności w teście pomaga ocenić zrozumienie przez kandydata ogólnego przepływu pracy w zakresie eksploracji danych i ich zdolności do stosowania odpowiednich technik na każdym etapie.

  • Integracja danych i transformacja danych

    Integracja danych i transformacja danych Zaangażuj konsolidację danych z różnych źródeł, rozwiązywanie konfliktów danych i przekształcenie danych w zunifikowany format do analizy. Wymaga wiedzy na temat technik integracji danych, mapowania danych i operacji transformacji danych. Mierzenie tej umiejętności w teście pomaga ocenić zdolność kandydata do skutecznego integracji i przekształcania różnych źródeł danych, zapewniając spójność i dokładność w procesie wydobycia.

  • 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 Test wydobycia danych to be based on.

    Przetwarzanie danych
    Hurtownia danych
    Technologia OLAP
    Przetwarzanie danych
    Częste wzory wydobywcze
    Czyszczenie danych
    Redukcja danych
    Proces wydobycia danych
    Integracja danych
    Transformacja danych
    Ekstrakcja danych
    Ładowanie danych
    Modelowanie danych
    Analityka danych
    Nadzorowana nauka
    Uczenie się bez nadzoru
    Zasady stowarzyszenia
    Drzewa decyzyjne
    Grupowanie
    Klasyfikacja
    Wizualizacja danych
    Eksploracja danych
    Big Data
    Modelowanie predykcyjne
    Rozpoznawanie wzorców
    Wydobycie tekstowe
    Wydobycie internetowe
    Analiza sieci społecznościowych
    Wybór funkcji
    Redukcja wymiarowości
    Wykrywanie wartości odstających
    Imputacja danych
    Naiwne Bayes
    Maszyny wektorowe wsparcia
    Sieci neuronowe
    Algorytmy genetyczne
    Analiza regresji
    Analiza szeregów czasowych
    Wydobycie danych przestrzennych
    Prywatność danych
    Etyka w wydobywaniu danych
    Analiza koszyka rynkowego
    Wydobycie zasad stowarzyszenia
    Sekwencyjne wydobycie wzorów
    Wykrywanie anomalii
    Ocena modelu
    Nadmierne dopasowanie
    Metody zespołowe
    Walidacja krzyżowa
    Próbkowanie danych
    Fuzja danych
    Równoległe i rozproszone wydobycie danych
    Skalowalność danych
    Ocena jakości danych
    Profilowanie danych
    Inżynieria cech
    Przekształcanie danych

What roles can I use the Data Mining Test for?

  • Naukowiec danych
  • Analityk Biznesowy
  • Analityk danych
  • Inżynier danych
  • Administrator bazy danych
  • Badacz

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

  • Biegłość w analizie statystycznej
  • Możliwość wdrażania różnych algorytmów wydobywania danych
  • Znajomość nadzorowanych i bez nadzoru technik uczenia się
  • Doświadczenie z algorytmami drzewa decyzyjnego
  • Zrozumienie wydobycia zasad stowarzyszenia
  • Wiedza specjalistyczna w zakresie technik klastrowania
  • Doświadczenie w modelach klasyfikacji i regresji
  • Biegłość w obsłudze dużych zestawów danych
  • Znajomość technologii Big Data
  • Wiedza specjalistyczna w zakresie wizualizacji danych i raportowania
Singapore government logo

Menedżerowie ds. rekrutacji mieli poczucie, że dzięki technicznym pytaniom, które zadawali podczas rozmów panelowych, byli w stanie stwierdzić, którzy kandydaci uzyskali lepsze wyniki, i odróżnić się od tych, którzy również nie uzyskali takich punktów. Oni są bardzo zadowolony z jakością kandydatów wybranych do selekcji Adaface.


85%
Zmniejszenie czasu badań przesiewowych

Data Mining Hiring Test Często zadawane pytania

Czy mogę połączyć wiele umiejętności w jedną niestandardową ocenę?

Tak, absolutnie. Oceny niestandardowe są konfigurowane na podstawie opisu stanowiska i będą zawierać pytania dotyczące wszystkich określonych umiejętności, które określasz.

Czy masz jakieś funkcje anty-cheatingowe lub proktorowe?

Mamy następujące funkcje anty-cheatingowe:

  • Pytania o niezgodne z nich
  • Proctoring IP
  • Proctoring Web
  • Proctoring kamery internetowej
  • Wykrywanie plagiatu
  • Bezpieczna przeglądarka

Przeczytaj więcej o funkcjach Proctoring.

Jak interpretować wyniki testów?

Najważniejsze, o czym należy pamiętać, jest to, że ocena jest narzędziem eliminacyjnym, a nie narzędziem wyboru. Ocena umiejętności jest zoptymalizowana, aby pomóc Ci wyeliminować kandydatów, którzy nie są technicznie zakwalifikowani do roli, nie jest zoptymalizowana, aby pomóc Ci znaleźć najlepszego kandydata do tej roli. Dlatego idealnym sposobem na wykorzystanie oceny jest podjęcie decyzji o wyniku progowym (zwykle 55%, pomagamy Ci porównać) i zaprosić wszystkich kandydatów, którzy wyniki powyżej progu na następne rundy wywiadu.

Do jakiego poziomu doświadczenia mogę użyć tego testu?

Każda ocena Adaface jest dostosowana do opisu stanowiska/ idealnego kandydującego osobowości (nasi eksperci przedmiotu będą podejmować właściwe pytania dotyczące oceny z naszej biblioteki ponad 10000 pytań). Ocenę tę można dostosować do dowolnego poziomu doświadczenia.

Czy każdy kandydat otrzymuje te same pytania?

Tak, znacznie ułatwia porównanie kandydatów. Opcje pytań MCQ i kolejność pytań są losowe. Mamy funkcje anty-cheating/proctoring. W naszym planie korporacyjnym mamy również możliwość tworzenia wielu wersji tej samej oceny z pytaniami o podobnych poziomach trudności.

Jestem kandydatem. Czy mogę spróbować testu ćwiczeniowego?

Nie. Niestety, w tej chwili nie wspieramy testów ćwiczeń. Możesz jednak użyć naszych przykładowych pytań do ćwiczeń.

Jaki jest koszt korzystania z tego testu?

Możesz sprawdzić nasze Plany cenowe.

Czy mogę dostać bezpłatny proces?

Tak, możesz zarejestrować się za darmo i podgląd tego testu.

Właśnie przeniosłem się do płatnego planu. Jak mogę poprosić o ocenę niestandardową?

Oto szybki przewodnik dotyczący jak poprosić o ocenę niestandardową na Adaface.

customers across world
Join 1200+ companies in 75+ countries.
Wypróbuj dziś najbardziej przyjazne narzędzie do oceny umiejętności.
g2 badges
Ready to use the Adaface Test wydobycia danych?
Ready to use the Adaface Test wydobycia danych?
Porozmawiaj z nami
ada
Ada
● Online
Previous
Score: NA
Next
✖️