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
※Pytorch 中如何處理 RNN 輸入變長序列 padding
※類Keras的PyTorch 深度學習框架——PyToune
TAG:AI研習社 |