数据挖掘工程师的笔试通常包含以下类型的内容：

基础知识

数据挖掘的概念和过程。

数据预处理、数据仓库、OLAP技术。

数据库操作，如建立连接、执行命令、关闭连接。

算法与理论

机器学习算法，如Naive Bayes、XGBoost、LightGBM、逻辑回归、决策树、k-NN、随机森林、支持向量机等。

算法原理及对比分析。

模型评估标准，如准确率、召回率、F1分数、ROC曲线等。

编程与实现

编程题，如二叉树的最小深度、动态规划解法（如硬币找零问题）。

实现数据挖掘算法的代码，如分类、聚类、关联规则挖掘等。

实际应用

处理缺失值的方法，如删除记录、均值/中位数/众数填充、预测模型预测等。

数据规范化和离群点处理。

构建用户画像和推荐系统的数据类型选择。

系统设计

MVC结构及其作用。

数据挖掘系统的组成部分。

案例分析

分析真实案例，如电商用户购物数据分析、销售数据中的离群点检测等。

多选题

涵盖数据挖掘任务中常用的技术或工具，如机器学习算法、关联规则挖掘、文本挖掘、数据可视化工具、统计分析软件等。

准备笔试时，应确保对这些知识点有深入的理解，并能够应用相关算法解决实际问题。同时，注意练习编程题和算法实现，以提高解题能力和编程技巧