想去 Google AI 工作？請收下這 20 道面試題

AI 研習社按：Google AI Interview Questions— Acing the AI Interview 本文為雷鋒字幕組編譯的技術博客，原標題，作者為Vimarsh Karbhari。

翻譯 | 鄭前 整理 | 凡江

谷歌擁有世界上最聰明的AI研發科學家，數據工程師及數據科學家。谷歌的CEO桑達爾·皮查伊（Sundar Pichai）重新調整了公司戰略，即「AI先行」。谷歌依靠其擁有的海量數據，將AI融入絕大多數產品，從Gmail到自動駕駛，形成了一張網。

谷歌AI相關研究有三大塊：

數據基礎設施與分析；

https://research.google.com/pubs/DataInfrastructureandAnalysis.html

谷歌大腦團隊；

https://research.google.com/pubs/BrainTeam.html

谷歌AI醫療；

https://research.google.com/pubs/AIResidency.html

谷歌在AI領域的刊物主要涉及三塊：

機器智能

https://research.google.com/pubs/MachineIntelligence.html

機器感知

https://research.google.com/pubs/MachinePerception.html

自然語言處理

https://research.google.com/pubs/NaturalLanguageProcessing.html

面試過程

谷歌的技術崗位面試是標準化的。首先是電話視頻面試，隨後是現場面試。技術崗位面試指引請在這裡查看：

https://careers.google.com/how-we-hire/interview/#interviews-for-software-engineering-and-technical-roles

重要的信息（關於谷歌 AI）

TensorFlow：大規模機器學習系統

谷歌運用的軟體和硬體：AI工具

https://ai.google/tools/

非官方谷歌數據科學博客

http://www.unofficialgoogledatascience.com/

AI / 數據科學相關面試題

1/x的導數是多少？

畫出log(x+10)的曲線

如何設計客戶滿意度調查？

擲一個硬幣10次，8次正面，2次反面。你如何分析硬幣的重量是否分布均勻？p值是多少？

你有10個硬幣，每個硬幣拋擲10次（共拋100次），並觀察結果。你會修改檢查硬幣分布是否均勻的方法嗎？

解釋一個非正態的概率分布以及如何應用？

為什麼要用特徵選擇？如果兩個預測值高度相關，對邏輯回歸的係數有什麼影響？係數的置信區間呢？

K-mean聚類演算法與高斯混合模型：K-means聚類與EM最大期望演算法的區別是什麼？

運用高斯混合模型時，你怎麼判斷它是否適用？（正態分布）

在聚類中已知標籤，如何評價模型的表現？

你有一個google app，並對其進行了修改。如何測試改進？

描述數據分析過程？

為什麼不用邏輯回歸，而用GBM演算法？

推導GMM公式

如何衡量用戶對視頻的喜愛程度？

模擬一個二元正態分布

推導一個分布的方差

每年有多少人申請谷歌（的工作）？

如何估計中位數？

對一個回歸模型中的兩個係數分別做估計時是統計顯著的，那麼兩個一起檢驗是否仍然顯著？

來源：Glassdoor

針對這些問題的反思

谷歌素來有眾多面試者。這些問題從實戰角度，機器學習角度及理論角度進行了考察。一個博學的候選者加上一點運氣，就可以成功進入世界上最有聲望之一的AI公司。

獲取更多問題集，請訪問：20個谷歌AI面試問題

https://medium.com/series/20-google-ai-interview-questions-98a8372fb28d

博客原址：

https://medium.com/acing-ai/google-ai-interview-questions-acing-the-ai-interview-1791ad7dc3ae

雷鋒字幕組正在招募中

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！