logo

Vprašanja za Google Data Science Interview: Vse, kar morate vedeti, da ga razbijete

Glavni Podatkovna Znanost Vprašanja za Google Data Science Interview: Vse, kar morate vedeti, da ga razbijete



Ta članek vam ponuja kup vprašanj za Google Data Science Intervju, postopek razgovora in pogoje za prijavo na delovno mesto v Googlu.

Zaposlitev v svetovno znanem podjetju, kot je Google, je za mnoge ljudi sanjsko delo. Imajo nekaj najbolj nadarjenih raziskovalcev umetne inteligence, in na svetu. Googlovih virov ni veliko Intervju z vprašanji na spletu in tam ni lahko dobiti službe. V tem članku bom obravnaval naslednje teme:

Opis delovnega mesta in zahteve

S povprečno plačo 169.067 USD , vključno z bonusom. Plača Google Data Scientist se giblje od 120.000 do 280.000 dolarjev . S to visoko plačo morate poznati prave zahteve za delovno mesto, za katero se prijavljate. Čeprav se zahteve od položaja do položaja razlikujejo, je nekaj najpogostejših:

Minimalna zahteva:





dinamično dodeljevanje pomnilnika v c ++

google

  • Magisterij iz kvantitativne discipline (statistika, operativne raziskave, računalništvo)
  • 2 leti delovnih izkušenj na področju analize podatkov
  • Izkušnje s statistično programsko opremo (npr. R , , MATLAB, Pandas) in
  • Izkušnje z jeziki zbirke podatkov (npr. SQL )

Odgovornosti:



php pretvori objekt v matriko
  • Delo z velikimi, zapletenimi nabori podatkov. Rešujte težke, rutinske probleme analize z uporabo naprednih analitičnih metod po potrebi
  • Izvedite analizo, ki vključuje zbiranje podatkov in specifikacijo zahtev, obdelavo, analizo, tekoče rezultate in predstavitve
  • Izdelajte in prototipe za analizo prototipov ponovite, da zagotovite obsežne vpoglede
  • Razvijte celovito znanje o Googlovih podatkovnih strukturah in meritvah ter zagovarjajte spremembe, ki so potrebne za razvoj izdelkov
  • Medsebojno delujte in dajte poslovna priporočila (npr. Stroškovna korist, napovedovanje, analiza eksperimenta)
  • Raziskujte in razvijajte metode analize, napovedovanja in optimizacije za izboljšanje kakovosti Googlovih izdelkov, usmerjenih k uporabnikom

Proces razgovora z Google Data Science

Čiščenje ožjega seznama je samo po sebi težka naloga, ki je v celoti odvisna od vas Življenjepis, spremno pismo in Izkušnje . Google Podatkovna znanost Vprašanja za intervju so mešanica možganov in tehničnih vprašanj. Običajno je prvi postopek telefonski intervju.

Telefonski intervju:

Sestavljen je iz vprašanj, ki temeljijo predvsem na (konkretno in teoretično) in močno temelji na . Vprašanja se razlikujejo tudi glede na projekte, pri katerih ste delali.
  • Primer 1: Intervjuji so spraševali o tehnikah ekstrakcije lastnosti, PCA (uporabljeno v projektih), korelacijski analizi, nekaterih uporabljenih tehnikah klasifikacije (SVM, GBM, nevronska mreža). Zakaj ne logistična regresija, zakaj GBM? - V bistvu se vprašanja vrtijo okoli ločljivosti razredov.
  • Primer 2: Zakaj uporabiti izbor funkcij? Če sta dva napovednika močno povezana, kakšen je učinek na koeficiente v logistični regresiji? Kakšni so intervali zaupanja koeficientov?
  • Primer 3: Disk se vrti na vretenu in ne veste, v katero smer se vrti. Priloženi ste z zatiči. Kako boste s pomočjo zatičev opisali, na kakšen način se disk vrti?
Po telefonskih intervjujih gre za Face to Face in kodiranje. Torej, razpravljajmo o nekaterih najpogostejših vprašanjih za Google Data Science Interview. Čeprav teh vprašanj morda ne bodo postavili natančno tako, kot so navedena spodaj, sem jih poskušal zajeti veliko.

Vprašanja za Google Data Science Interview

Ta vprašanja niso zmedena, ker jih je Google prenehal postavljati, temveč imajo podobna vprašanja, ki jih imenujejo Vprašanja za reševanje težav . Zastavljenih je veliko vprašanj o strojnem učenju, vse od splošnih do praktičnih. Google v bistvu pokriva širino tem in ne globino. Q1. Ste v igralnici in imate dve kocki za igranje. Vsakič, ko zavrnete petico, dobite 10 $. Če igrate, dokler ne zmagate in se nato ustavite, kakšno je pričakovano izplačilo? Q2. Kmalu se boste odpravili na letalo za London in vas zanima, ali morate s seboj prinesti dežnik ali ne. Pokličete tri svoje naključne prijatelje in kot vsakega izmed njih, če dežuje. Verjetnost, da vaš prijatelj govori resnico, je 2/3, verjetnost, da se vam z lažjo norčujejo, pa je 1/3. Če vsi trije povedo, da dežuje, kakšna je verjetnost, da v Londonu dejansko dežuje. Q3. Kako bi dodali novo Facebook člani v zbirko podatkov članov in kodirajo njihove odnose z drugimi v zbirki podatkov? V4. Kako boste preizkusili, ali obstaja večja verjetnost, da bo uporabnik po 6 mesecih ostal aktiven, če ima zdaj več prijateljev? V5. Dobili boste 40 kartonov s štirimi različnimi barvami - 10 zelenih, 10 rdečih, 10 modrih in 10 rumenih kartonov. Karte posamezne barve so oštevilčene od ena do deset. Naključno se izbereta dve karti. Ugotovite verjetnost, da izbrane karte niso enake številke in iste barve. V6. Ustvarite program v jeziku, ki ste ga izbrali za branje besedilne datoteke z različnimi tviti. Izhodni datoteki morata biti 2 besedilni datoteki - ena, ki vsebuje seznam vseh enoličnih besed med vsemi tvitami, skupaj s številom ponovljenih besed, druga datoteka pa mora vsebovati srednje število enoličnih besed za vse tvite. V7. Kaj boste storili, če bo odstranjevanje manjkajočih vrednosti iz nabora podatkov povzročilo pristranskost? V8. Disk se vrti na vretenu in ne veste, v katero smer se vrti. Priloženi ste z zatiči. Kako boste s pomočjo zatičev opisali, na kakšen način se disk vrti? V9. Kako boste oblikovali mehanizem priporočil za delovna mesta? Q10. Kakšen izdelek želite izdelati pri Googlu? Q11. Avtomobili so vgrajeni s sledilnikom hitrosti, da lahko zavarovalnice spremljajo naše stanje vožnje. Na podlagi te nove sheme lahko odgovorite na kakšna poslovna vprašanja? Q12. Kako se lahko odločite, ali je en algoritem boljši od drugega? Q13. Škatla ima 12 rdečih in 12 črnih kartonov. Druga škatla ima 24 rdečih in 24 črnih kartonov. Iz enega od obeh polj želite naključno narisati dve karti, katera škatla ima večjo verjetnost, da dobite karte iste barve in zakaj? Q14. Kakšna je razlika med modelom v vrečah in ojačanim modelom? Q15. Vsak mesec ustvarjate poročilo o nalaganju uporabniške vsebine in opazite nenaden porast števila naloženih za mesec januar. Povečanje nalaganja je zlasti pri nalaganju slik. Kaj mislite, da bo vzrok za to in kako boste preizkusili to nenadno konico? Q16. Ste lastnik oblačilnega podjetja in želite izboljšati svoje mesto na trgu. Kako boste to storili s tal? Q17. Kako se boste odločili, katera različica dveh algoritmov prenapetostnih cen deluje bolje za katero koli letalsko družbo? Q18. Kakšna je stopnja svobode za laso? Q19. Kakšna je razlika med iteratorjem, generatorjem in razumevanjem seznama v Pythonu? Q20. Kako boste glede na nabor spletnih strani in sprememb na spletnem mestu preizkusili novo funkcijo spletnega mesta, da ugotovite, ali sprememba deluje pozitivno? Q21. Glede na matriko dimenzij MxN z vsako celico, ki vsebuje abecedo, poiščite, ali je v njej niz ali ne. Q22. Kako boste zgradili sistem predpomnjenja z uporabo napredne podatkovne strukture, kot je hashmap? Q23. Če bi lahko dobili nabor podatkov o kateri koli zanimivi temi, ne glede na metode zbiranja ali vire, kako bi izgledal nabor podatkov in kaj boste z njimi naredili? Q24. Kaj so metode odkrivanja anomalij? Q25. Kako deluje predpomnjenje in kako ga uporabljate v znanosti o podatkih? Torej, fantje, s tem smo končali ta članek. Vprašanja za Google Data Science Interview so večinoma temelji na scenariju in zahtevajo, da imate Sposobnosti reševanja problemov poleg tega morate vedeti, kako v teh situacijah uporabiti Data Science. Upam, da vam bo to omogočilo, da se v prihodnosti pripravite na kakršen koli intervju s področja podatkovnih znanosti. Naj bo to Google, Microsoft, Apple ali Uber. Vsi tehnološki velikani zastavljajo podobne vrste vprašanj, ko gre za podatkovno znanost, saj je to obsežno in hkrati novo področje. vas obvlada v orodjih in sistemih, ki jih uporabljajo strokovnjaki za Data Science. Vključuje usposabljanje iz statistike, podatkovne znanosti, Pythona, Apache Spark & ​​Scala, Tensorflow in Tableau. Učni načrt je bil določen z obsežnimi raziskavami o 5000+ opisih delovnih mest po vsem svetu. Če imate kakršna koli vprašanja, vas prosimo, da to navedete v spodnjem oddelku za komentarje.
Podatkovna Znanost

Kategorije

Popular Articles

Profil učencev Hadoop

Kako postati razvijalec tabel?

Kaj je Try Catch v JavaScript in kako deluje?

Zemljevid, filtriranje in zmanjšanje funkcij v Pythonu: vse, kar morate vedeti

Nadzorna plošča Tableau - Ponovna določitev vizualizacije podatkov

Razlika med metom metov in metanjem v Javi

Poln. XI - Kariera ure Edureka - 13. april 2019

Kaj je čakanje in obveščanje v Javi?

10 najboljših IDE za Python: Kako izbrati najboljši IDE za Python?

7 grafičnih uporabniških vmesnikov MongoDB, ki jih morate preveriti leta 2019