logo

„Google Data Science“ interviu klausimai: viskas, ko jums reikia žinoti, kad jį nulaužtumėte

Pagrindinis Duomenų Mokslas „Google Data Science“ interviu klausimai: viskas, ko jums reikia žinoti, kad jį nulaužtumėte



Šiame straipsnyje pateikiama krūva „Google Data Science Interview Questiosn“, interviu procesas ir prielaidos kreiptis dėl darbo „Google“.

Įdarbinimas tokioje pasaulinio garso įmonėje kaip „Google“ yra svajonių darbas daugeliui žmonių. Jie turi talentingiausius dirbtinio intelekto tyrimus, ir pasaulyje. „Google“ šaltinių nėra daug Interviu klausimai internete ir ten nėra lengva įsidarbinti. Taigi šiame straipsnyje aptarsiu šias temas:

Pareigybės aprašymas ir reikalavimai

Su vidutiniu atlyginimu 169 067 USD , įskaitant premiją. „Google Data Scientist“ atlyginimas svyruoja nuo 120 000–280 000 USD . Turėdami šią didelę algą, turite žinoti tinkamus reikalavimus, keliamus jūsų siūlomam darbui. Nors reikalavimai skirtingose ​​pozicijose skiriasi, žemiau pateikiami keli įprasti reikalavimai:

Minimalus reikalavimas:





google

  • Kiekybinės disciplinos (statistika, operacijų tyrimai, informatika) magistro kvalifikacinis laipsnis
  • 2 metų darbo patirtis duomenų analizės srityje
  • Patirtis naudojant statistinę programinę įrangą (pvz., R , , MATLAB, Pandas) ir
  • Patirtis naudojant duomenų bazių kalbas (pvz., SQL )

Atsakomybė:



ką java reiškia trumpalaikis
  • Dirbkite su dideliais, sudėtingais duomenų rinkiniais. Išspręskite sudėtingas, neįprastas analizės problemas, prireikus taikydami pažangius analitinius metodus
  • Atlikti analizę, apimančią duomenų rinkimą ir reikalavimų specifikavimą, apdorojimą, analizę, vykstančius rezultatus ir pristatymus
  • Kurkite ir prototipinius analizės vamzdynus kartokite, kad gautumėte masto įžvalgas
  • Plėskite išsamias žinias apie „Google“ duomenų struktūras ir metriką, pasisakydami už pokyčius, jei to reikia produkto plėtrai
  • Sąveikaujant funkcionaliai, teikiant verslo rekomendacijas (pvz., Sąnaudų ir naudos, prognozavimo, eksperimento analizės)
  • Tyrinėkite ir plėtokite analizės, prognozavimo ir optimizavimo metodus, kad pagerintumėte „Google“ vartotojams skirtų produktų kokybę

„Google Data Science“ interviu procesas

Ištrinti trumpąjį sąrašą yra sunki užduotis, kuri visiškai priklauso nuo jūsų CV, motyvacinis laiškas ir Patirtis . „Google“ Duomenų mokslas Interviu klausimai yra „Brain teasers“ ir „Technical Queries“ mišinys. Paprastai pirmasis procesas yra telefoninis interviu.

Telefoninis interviu:

Ją sudaro klausimai, daugiausia pagrįsti (konkretus ir teorinis) ir labai pagrįstas . Klausimai taip pat skiriasi atsižvelgiant į projektus, kuriuose dirbote.
  • 1 atvejis: Interviu metu buvo klausiama apie funkcijų išskyrimo metodus, PCA (naudojamas projektuose), koreliacijos analizę, kai kuriuos naudojamus klasifikavimo metodus (SVM, GBM, neuroninis tinklas). Kodėl ne logistinė regresija, kodėl GBM? - Iš esmės klausimai, susiję su klasės atskirumu.
  • 2 atvejis: Kodėl verta naudoti funkcijų pasirinkimą? Jei du prediktoriai yra labai susiję, koks yra logistinės regresijos koeficientų poveikis? Kokie yra koeficientų pasikliautini intervalai?
  • 3 atvejis: Diskas sukasi ant suklio ir jūs nežinote, kuria kryptimi diskas sukasi. Jums pateikiamas kaiščių rinkinys. Kaip smeigtukais apibūdinsite, kokiu būdu diskas sukasi?
Po telefoninių interviu tai akis į akį ir kodavimo raundai. Taigi, aptarkime kelis dažniausiai pasitaikančius „Google Data Science“ interviu klausimus. Nors šie klausimai gali būti užduoti ne taip, kaip nurodyta žemiau, bandžiau aptarti daugelį jų.

„Google Data Science“ interviu klausimai

Šie klausimai nėra galvosūkiai, nes „Google“ vietoj to nebekėlė klausimų, jiems kyla panašių klausimų, kuriuos jie vadina Problemų sprendimo klausimai . Užduodama daug mašininio mokymosi klausimų, pradedant bendraisiais ir baigiant praktiniais. „Google“ iš esmės apima plačią temą, o ne gylį. Q1. Jūs esate kazino ir turite du kauliukus žaisti. Laimi 10 dolerių kiekvieną kartą, kai suki 5. Jei žaidi, kol laimėsi, o tada sustosi, koks laukiamas laimėjimas? Q2. Ketinate lipti į lėktuvą į Londoną, norite sužinoti, ar turite atsinešti skėtį, ar ne. Jūs paskambinate trims savo atsitiktiniams draugams ir kaip kiekvienam iš jų, jei lyja. Tikimybė, kad tavo draugas sako tiesą, yra 2/3, o tikimybė, kad meluodamas tave paleidžia išdaigą, yra 1/3. Jei visi 3 iš jų sako, kad lyja, tai kokia tikimybė, kad Londone iš tikrųjų lyja. Q3. Kaip pridėti naują Facebook narius į narių duomenų bazę ir koduoti jų santykius su kitais duomenų bazėje? Q4. Kaip patikrinsite, ar padidėja tikimybė, kad vartotojas išliks aktyvus po 6 mėnesių, atsižvelgiant į tai, kad vartotojas dabar turi daugiau draugų? Q5. Jums suteikiama 40 kortelių su keturiomis skirtingomis spalvomis - 10 žalių, 10 raudonų, 10 mėlynų ir 10 geltonų. Kiekvienos spalvos kortelės sunumeruotos nuo vieno iki dešimties. Dvi kortos renkamos atsitiktinai. Sužinokite tikimybę, kad pasirinktos kortelės nėra to paties skaičiaus ir tos pačios spalvos. Q6. Sukurkite programą pasirinkta kalba, kad galėtumėte perskaityti tekstinį failą su įvairiais tweetais. Išvestis turėtų būti 2 tekstiniai failai - vienas, kuriame yra visų unikalių žodžių sąrašas tarp visų tweetų kartu su pakartotų žodžių skaičiumi, o antrame faile turėtų būti vidutinis unikalių visų tweetų žodžių skaičius. Q7. Ką darysite, jei pašalinę trūkstamas reikšmes iš duomenų rinkinio sukelsite šališkumą? Q8. Diskas sukasi ant suklio ir jūs nežinote, kuria kryptimi diskas sukasi. Jums pateikiamas kaiščių rinkinys. Kaip smeigtukais apibūdinsite, kokiu būdu diskas sukasi? Q9. Kaip sukursite rekomendacijų variklį darbams? Q10. Kokį produktą norite sukurti „Google“? Q11. Automobiliams implantuojamas greičio matuoklis, kad draudimo bendrovės galėtų sekti mūsų vairavimo būseną. Remiantis šia nauja schema, į kokius verslo klausimus galima atsakyti? Q12. Kaip galite nuspręsti, ar vienas algoritmas yra geresnis už kitą? Q13. Dėžutėje yra 12 raudonų ir 12 juodų kortelių. Kitoje dėžutėje yra 24 raudonos ir 24 juodos kortelės. Iš vienos iš dviejų langelių norite atsitiktinai ištraukti dvi korteles, kurioje dėžutėje yra didesnė tikimybė gauti tos pačios spalvos korteles ir kodėl? Q14. Kuo skiriasi „bagged“ modelis ir „boosted“ modelis? Q15. Kiekvieną mėnesį kuriate naudotojo turinio įkėlimo ataskaitą ir stebite staigų sausio mėnesio įkėlimų skaičiaus padidėjimą. Įkėlimų daugėja, ypač vaizdų. Kaip manote, kokia bus to priežastis ir kaip išbandysite šį staigų šuolį? Q16. Jūs turite drabužių įmonę ir norite pagerinti savo vietą rinkoje. Kaip tai padarysite nuo žemės lygio? Q17. Kaip nuspręsite, kurios dviejų viršįtampių kainų algoritmų versijos tinka bet kuriai aviacijos bendrovei? Q18. Koks yra laso laisvės laipsnis? Q19. Kuo skiriasi iteratorius, generatorius ir sąrašo supratimas „Python“? Q20. Atsižvelgdami į tinklalapių rinkinį ir pakeitimus svetainėje, kaip išbandysite naują svetainės funkciją, kad nustatytumėte, ar pakeitimas veikia teigiamai? Q21. Pateikdami MxN matmenų matricą su kiekviena ląstele, kurioje yra abėcėlė, raskite, ar joje yra eilutė. Q22. Kaip sukursite talpyklos sistemą naudodami pažangią duomenų struktūrą, pvz., „Hashmap“? Q23. Jei galėtumėte gauti duomenų rinkinį bet kuria dominančia tema, neatsižvelgiant į rinkimo metodus ar išteklius, kaip jis atrodytų ir ką su juo darysite? Q24. Kas yra anomalijų nustatymo metodai? Q25. Kaip talpykla veikia ir kaip ją naudojate duomenų moksle? Taigi, vaikinai, tuo mes baigėme šį straipsnį. „Google Data Science“ interviu klausimai dažniausiai yra scenarijus pagrįstas ir reikalauti, kad jūs turite Problemų sprendimo gebėjimai be to, jūs turite žinoti, kaip pritaikyti duomenų mokslą šiose situacijose. Tikiuosi, kad tai suteiks perspektyvos būti pasirengusiems bet kokiam duomenų mokslo interviu ateityje. Ar tai būtų „Google“, „Microsoft“, „Apple“ ar „Uber“. Visi technologijų milžinai užduoda panašaus tipo klausimus, kai kalbama apie duomenų mokslą, nes tai yra didžiulė ir tuo pačiu nauja sritis. leidžia jums išmanyti įrankius ir sistemas, kurias naudoja duomenų mokslo profesionalai. Tai apima statistikos, duomenų mokslo, „Python“, „Apache Spark & ​​Scala“, „Tensorflow“ ir „Tableau“ mokymus. Mokymo programa buvo nustatyta atlikus išsamius 5000 ir daugiau darbo aprašymų visame pasaulyje tyrimus. Jei turite kokių nors klausimų, nedvejodami paminėkite toliau pateiktame komentarų skyriuje.
Duomenų Mokslas

Kategorijos

Popular Articles

Kas yra „Vector“ programoje „Java“ ir kaip mes ją naudojame?

Kaip skaityti ir analizuoti XML failą „Java“?

Demistifikuojantis skaidymas „Spark“

„MongoDB“ su „Hadoop“ ir susijusiomis „Big Data“ technologijomis

Viskas, ką reikia žinoti apie „Goto“ pareiškimą „Python“

Skirtingi „Blockchain“ tipai ir kodėl mums jų reikia

„Ansible Tutorial“ - išmokite rašyti „Ansible Playbooks“

OS modulis „Python“: viskas, ką reikia žinoti

„Azure“ saugyklos pamoka - lentelės, BLOB, eilės ir failų saugykla „Microsoft Azure“

Statinės svetainės talpinimas naudojant AWS S3