Google Data Science interjúkérdések: Mindössze annyit kell tudnia, hogy feltörje

Ez a cikk egy csomó Google Adat-interjú Questiosnt, az interjú folyamatát és az előfeltételeket nyújtja be, hogy jelentkezzen a Google-ba.

Felvétel egy olyan világszerte elismert vállalatba, mint a Google, sok ember számára álommunka. Vannak a legtehetségesebb AI kutatói, és a világban. Nincs sok forrás a Google számára Interjúkérdések online, és nem könnyű ott elhelyezkedni. Tehát a következő témákkal foglalkozom ebben a cikkben:



Munkaköri leírás és követelmények

Átlagos fizetéssel 169 067 USD , beleértve a bónuszt is. A Google Data Scientist fizetése: 120 000 - 280 000 USD . Ezzel a magas fizetéssel ismernie kell a jelentkező munka követelményeit. Bár a követelmények helyenként változnak, az alábbiakban bemutatunk néhányat:

A minimum követelmény:



google

  • Kvantitatív fegyelem mesterképzése (statisztika, operációkutatás, informatika)
  • 2 éves munkatapasztalat az adatelemzéssel kapcsolatos területen
  • Tapasztalat a statisztikai szoftverekről (pl. R , , MATLAB, Pandas) és
  • Tapasztalat az adatbázis nyelveivel (pl. SQL )

Feladatok:



hogyan klónozhat egy tárgyat a java-ban
  • Munka nagy, összetett adathalmazokkal. Nehéz, nem rutinszerű elemzési problémák megoldása, szükség szerint fejlett analitikai módszerek alkalmazásával
  • Elemzés elvégzése, amely magában foglalja az adatgyűjtést és a követelmények specifikálását, feldolgozását, elemzését, a folyamatban lévő eredményeket és prezentációkat
  • Az elemzési csővezetékeket iteratív módon állítsák össze és prototípusok segítségével, hogy betekintést nyújtsanak a skálába
  • Fejlessze átfogó ismereteit a Google adatstruktúráiról és mutatóiról, támogatva a változásokat, ahol a termék fejlesztéséhez szükséges
  • Interakcionálisan kölcsönhatásba lépve üzleti ajánlásokat tehet (pl. Költség-haszon, előrejelzés, kísérleti elemzés)
  • Kutasson és dolgozzon ki elemzési, előrejelzési és optimalizálási módszereket a Google felhasználóinak szánt termékek minőségének javítása érdekében

Google Data Science interjú folyamata

A kiválasztott lista törlése önmagában is nehéz feladat, amely teljes mértékben az Önöktől függ Önéletrajz, kísérőlevél és a Tapasztalat . Google Adattudomány Az interjúk kérdései ötvözeteket és technikai lekérdezéseket tartalmaznak. Általában az első folyamat a telefonos interjú.

Telefonos interjú:

Leginkább a következőkre alapuló kérdésekből áll (konkrét és elméleti) és erősen ezeken alapul . A kérdések attól függően változnak, hogy milyen projekteken dolgoztál.
  • 1. eset: Az interjúk a funkciókivonási technikákról, a PCA-ról (Használt projektekben), a korrelációs elemzésről, néhány alkalmazott osztályozási technikáról (SVM, GBM, idegháló) kérdeztek. Miért nem logisztikai regresszió, miért GBM? - Alapvetően az osztályelválaszthatóság körüli kérdések.
  • 2. eset: Miért érdemes használni a funkciók kiválasztását? Ha két prediktor szoros összefüggésben van, akkor mi a hatás az együtthatókra a logisztikai regresszióban? Mekkora az együtthatók konfidencia intervalluma?
  • 3. eset: Egy korong forog az orsón, és nem tudja, milyen irányban forog a korong. Tűkészletet kapsz. Hogyan fogod használni a csapokat annak leírására, hogy a lemez milyen módon forog?
A telefonos interjúk után ez négyszemközt és kódolási forduló. Szóval, Beszéljük meg a Google Data Science interjúval kapcsolatos leggyakoribb kérdéseket. Bár ezeket a kérdéseket nem feltétlenül pontosan az alábbiakban adják meg, megpróbáltam sokukat lefedni.

Google Data Science Interjúkérdések

Ezek a kérdések nem fejtörők, mivel a Google helyette abbahagyta ezeket a kérdéseket, hasonló kérdéseik vannak, amelyeket hívnak Problémamegoldó kérdések . Sok gépi tanulási kérdést tesznek fel, az általánostól a gyakorlatiig. Google alapvetően a témák szélességét fedi le, nem pedig a Mélységet. Q1. Kaszinóban vagy, és két kockával kell játszanod. 10 dollárt nyersz minden alkalommal, amikor 5-öt dobsz. Ha addig játszol, amíg nem nyersz, majd megállsz, akkor mi a várható kifizetés? Q2. Éppen Londonba akar szállni, tudni akarja, kell-e esernyőt vinnie vagy sem. Hívsz három véletlenszerű barátodat, és mindegyiket, ha esik az eső. Annak a valószínűsége, hogy barátja igazat mond, 2/3-a, annak valószínűsége, hogy hazugsággal tréfálkozik rajtatok, 1/3. Ha mindhárman azt mondják, hogy esik az eső, akkor mekkora annak a valószínűsége, hogy Londonban valóban esik. Q3. Hogyan adhatna hozzá újat Facebook tagokat a tagok adatbázisába, és kódolni kapcsolataikat másokkal az adatbázisban? Q4. Hogyan fogja tesztelni, hogy nagyobb a valószínűsége annak, hogy egy felhasználó 6 hónap elteltével aktív marad, tekintve, hogy a felhasználónak több barátja van? Q5. 40 kártyát kap négyféle színben - 10 zöld, 10 piros, 10 kék és 10 sárga. Az egyes színek kártyái egytől tízig vannak számozva. Két kártyát véletlenszerűen választanak ki. Derítse ki annak valószínűségét, hogy a kiválasztott kártyák száma nem azonos és azonos színű. Q6. Hozzon létre egy programot az Ön által választott nyelven, és olvassa el a szöveges fájlt különféle tweetekkel. A kimenetnek 2 szövegfájlnak kell lennie - egy, amely tartalmazza az összes egyedi szó listáját az összes tweet között, az ismételt szavak számával együtt, a második fájl pedig az összes tweet egyedi szavainak közepes számát tartalmazza. Q7. Mit fog tenni, ha a hiányzó értékek eltávolítása az adatkészletből torzítást okoz? Q8. Egy korong forog az orsón, és nem tudja, milyen irányban forog a korong. Tűkészletet kapsz. Hogyan fogod használni a csapokat annak leírására, hogy a lemez milyen módon forog? Q9. Hogyan tervez egy ajánlási motort a munkákhoz? Q10. Milyen terméket szeretne építeni a Google-nál? Q11. A gépkocsikat sebességmérővel ültetik be, hogy a biztosító társaságok nyomon követhessék vezetési állapotunkat. Ezen új rendszer alapján milyen üzleti kérdésekre lehet válaszolni? Q12. Hogyan lehet eldönteni, hogy az egyik algoritmus jobb-e a másiknál? Q13. Egy dobozban 12 piros és 12 fekete kártya található. Egy másik dobozban 24 piros és 24 fekete kártya található. Szeretne véletlenszerűen két kártyát húzni a két doboz egyikéből, melyik doboz nagyobb valószínűséggel kap egyforma színű kártyákat, és miért? Q14. Mi a különbség a zsákos modell és a felerősített modell között? Q15. Minden hónapban jelentést készít a felhasználói tartalom feltöltéseiről, és figyelje meg a feltöltések számának hirtelen növekedését január hónapra. A feltöltések száma nő, különösen a képfeltöltések esetében. Mit gondolsz, mi lesz ennek az oka, és hogyan fogod tesztelni ezt a hirtelen tüskét? Q16. Ruházati vállalkozás vagy, és javítani szeretnél a piacon. Hogyan fogja megtenni a földszinttől? Q17. Hogyan fogja eldönteni, hogy a két túlfeszültség-árképzési algoritmus melyik verziója működik jobban bármelyik repülési vállalatnál? Q18. Mekkora a lasszó szabadságának foka? Q19. Mi a különbség az iterátor, a generátor és a lista megértése között a Pythonban? Q20. Tekintettel egy sor weboldalra és változásra a webhelyen, hogyan teszteli az új webhelyfunkciót annak megállapítására, hogy a változás pozitívan működik-e? Q21. Adott egy MxN dimenziós mátrix minden ábécét tartalmazó cellában, és keresse meg, hogy tartalmaz-e egy karakterláncot vagy sem. Q22. Hogyan fog felépíteni egy gyorsítótár-rendszert egy olyan fejlett adatstruktúra segítségével, mint a hashmap? Q23. Ha bármilyen érdekes témában megszerezné az adatkészletet, függetlenül a gyűjtési módszerektől vagy forrásoktól, akkor hogyan nézne ki az adatkészlet, és mit kezdene vele? Q24. Melyek az anomáliák detektálási módszerei? Q25. Hogyan működik a gyorsítótár és hogyan használja az adattudományban? Szóval srácok, ezzel véget értünk ennek a cikknek. A Google Data Science interjúk kérdései többnyire forgatókönyv alapján és megkövetelik, hogy legyen Problémamegoldó képességek és ráadásul tudnia kell, hogyan alkalmazhatja a Data Science-t ezekre a helyzetekre. Remélem, hogy ez perspektívát nyújt Önnek arra, hogy felkészüljön a jövőben bármely Data Science Interjúra. Legyen az Google, Microsoft, Apple vagy Uber. Az összes technológiai óriás hasonló típusú kérdéseket tesz fel az adattudomány terén, mivel ez egy hatalmas és egyben új terület. elsajátítja a Data Science Professionals által használt eszközöket és rendszereket. Ez magában foglalja a statisztika, az adattudomány, a Python, az Apache Spark & ​​Scala, a Tensorflow és a Tableau képzését. A tantervet több mint 5000 munkaköri leírás kiterjedt kutatása határozta meg világszerte. Ha bármilyen kérdése van, nyugodtan említse meg az alábbi megjegyzés részben.