logo

Pitanja za intervju za Google Data Science: Sve što trebate znati kako biste to iskoristili

Glavni Znanost O Podacima Pitanja za intervju za Google Data Science: Sve što trebate znati kako biste to iskoristili



Ovaj vam članak nudi hrpu Googleovih pitanja za intervju za znanost o podacima, postupak intervjua i preduvjete za prijavu za posao u Googleu.

Zapošljavanje u globalno poznatoj tvrtki poput Googlea posao je iz snova za mnoge ljude. Imaju neke od najtalentiranijih znanstvenika za AI istraživanja, i u svijetu. Nema mnogo izvora za Google Intervjuirajte pitanja na mreži i tamo nije lako dobiti posao. Dakle, pokrivat ću sljedeće teme u ovom članku:

Opis posla i zahtjevi

S prosječnom plaćom od 169 067 dolara , uključujući bonus. Plata Googleovog znanstvenika podataka kreće se od 120 000 - 280 000 USD . Uz ovu visoku plaću morate znati prave zahtjeve za posao koji prijavljujete. Iako se zahtjevi razlikuju od položaja do položaja, u nastavku su navedeni neki od uobičajenih:

Minimalni zahtjev:





google

  • Magisterij iz kvantitativne discipline (statistika, operativna istraživanja, računalne znanosti)
  • 2 godine radnog iskustva u području analize podataka
  • Iskustvo sa statističkim softverom (npr. R , , MATLAB, Pandas) i
  • Iskustvo s jezicima baza podataka (npr. SQL )

Odgovornosti:



  • Radite s velikim, složenim skupovima podataka. Riješite teške, nerutinske probleme analize primjenjujući napredne analitičke metode po potrebi
  • Provedite analizu koja uključuje prikupljanje podataka i specifikaciju zahtjeva, obradu, analizu, tekuće isporuke i prezentacije
  • Izrada i prototip analize cjevovoda iterativno za pružanje uvida u opsegu
  • Razvijajte sveobuhvatno znanje o Googleovim strukturama podataka i mjernim podacima zagovarajući promjene tamo gdje su potrebne za razvoj proizvoda
  • Međusobno komunicirajte, dajući poslovne preporuke (npr. Trošak-korist, predviđanje, analiza eksperimenta)
  • Istražite i razvijte metode analize, predviđanja i optimizacije kako biste poboljšali kvalitetu Googleovih proizvoda usmjerenih prema korisnicima

Proces razgovora s Google Data Scienceom

Čišćenje užeg izbora samo je po sebi težak zadatak koji u potpunosti ovisi o vašem Životopis, popratno pismo i Iskustvo . Google Znanost o podacima Pitanja za intervju su mješavina mozgalica i tehničkih pitanja. Obično je prvi postupak telefonski intervju.

Telefonski intervju:

Sastoji se od Pitanja koja se uglavnom temelje na (konkretan i teoretski) i u velikoj mjeri temeljen na . Pitanja se također razlikuju ovisno o projektima na kojima ste radili.
  • Slučaj 1: Intervjui su pitali o tehnikama ekstrakcije značajki, PCA (koristi se u projektima), korelacijskoj analizi, nekim klasificiranim tehnikama koje su korištene (SVM, GBM, neuronska mreža). Zašto ne logistička regresija, zašto GBM? - U osnovi pitanja koja se vrte oko odvojenosti klasa.
  • Slučaj 2: Zašto koristiti odabir značajke? Ako su dva prediktora u visokoj korelaciji, kakav je učinak na koeficijente u logističkoj regresiji? Koji su intervali pouzdanosti koeficijenata?
  • Slučaj 3: Disk se vrti na vretenu i ne znate u kojem se smjeru disk vrti. Opskrbljeni ste kompletom pribadača. Kako ćete pomoću igara opisati na koji se način disk vrti?
Nakon Telefonskih intervjua, to su Face to Face i kodiranje runde. Dakle, razgovarajmo o nekim od najčešćih pitanja o intervjuu za Google Data Science. Iako se ova pitanja možda neće postaviti točno onako kako su navedena u nastavku, pokušao sam pokriti mnoga od njih.

Pitanja za intervju za Google Data Science

Ta pitanja nisu zagonetna, jer je Google umjesto toga prestao postavljati ta pitanja, već imaju slična pitanja koja nazivaju Pitanja za rješavanje problema . Postavlja se puno pitanja o strojnom učenju, od generičkih do praktičnih. Google u osnovi pokriva širinu tema, a ne Dubinu. Q1. Nalazite se u kasinu i imate dvije kockice za igranje. Dobivate 10 dolara svaki put kada bacite peticu. Ako igrate dok ne pobijedite i zaustavite se, koja je očekivana isplata? Q2. Uskoro ćete sjesti na avion za London, želite znati morate li ponijeti kišobran ili ne. Nazovite trojicu svojih slučajnih prijatelja i kao svakog od njih ako pada kiša. Vjerojatnost da vaš prijatelj govori istinu je 2/3, a vjerojatnost da vas lažu podvala. 1/3. Ako sva trojica kažu da kiša pada, kolika je vjerojatnost da u Londonu zapravo pada kiša. Q3. Kako bih dodao novo Facebook članova u bazu podataka članova i kodiraju li njihove odnose s drugima u bazi podataka? Q4. Kako ćete testirati da postoji veća vjerojatnost da korisnik ostane aktivan nakon 6 mjeseci s obzirom na to da korisnik sada ima više prijatelja? P5. Dobit ćete 40 karata s četiri različite boje - 10 zelenih, 10 crvenih, 10 plavih i 10 žutih kartona. Karte svake boje broje se od jedne do deset. Nasumce se biraju dvije karte. Otkrijte vjerojatnost da odabrane karte nisu istog broja i iste boje. P6. Stvorite program na jeziku po vašem izboru za čitanje tekstualne datoteke s raznim tweetovima. Izlaz bi trebali biti 2 tekstualne datoteke - jedna koja sadrži popis svih jedinstvenih riječi među svim tweetovima, zajedno s brojem ponovljenih riječi, a druga datoteka treba sadržavati srednji broj jedinstvenih riječi za sve tweetove. P7. Što ćete učiniti ako uklanjanje vrijednosti koje nedostaju iz skupa podataka uzrokuje pristranost? P8. Disk se vrti na vretenu i ne znate u kojem se smjeru disk vrti. Opskrbljeni ste kompletom pribadača. Kako ćete pomoću igara opisati na koji se način disk vrti? P9. Kako ćete dizajnirati mehanizam za preporuke za radna mjesta? Q10. Kakav proizvod želite graditi na Googleu? Q11. Automobili su ugrađeni u uređaj za praćenje brzine kako bi osiguravajuća društva mogla pratiti stanje naše vožnje. Na temelju ove nove sheme na koja se poslovna pitanja može odgovoriti? Q12. Kako možete odlučiti je li jedan algoritam bolji od drugog? Q13. Kutija ima 12 crvenih i 12 crnih kartona. Još jedna kutija ima 24 crvena i 24 crna kartona. Iz jednog od dva okvira želite nasumično izvući dvije karte, koja kutija ima veću vjerojatnost dobivanja karata iste boje i zašto? P14. Koja je razlika između modela u vrećama i pojačanog modela? P15. Stvarate izvješće za prijenose korisničkog sadržaja svakog mjeseca i primijetite nagli porast broja prijenosa za mjesec siječanj. Porast prijenosa je, posebno prijenosa slika. Što mislite da će biti uzrok tome i kako ćete testirati ovaj iznenadni skok? Q16. Posjedujete odjeću i želite poboljšati svoje mjesto na tržištu. Kako ćete to učiniti s razine tla? Q17. Kako ćete odlučiti koje verzije dva algoritma cijene prenapona djeluju bolje za bilo koju zrakoplovnu tvrtku? Q18. Koji je stupanj slobode za laso? Q19. Koja je razlika između iteratora, generatora i razumijevanja popisa u Pythonu? Q20. S obzirom na skup web stranica i promjena na web mjestu, kako ćete testirati novu značajku web mjesta kako biste utvrdili radi li promjena pozitivno? Q21. S obzirom na matricu dimenzija MxN sa svakom ćelijom koja sadrži abecedu, pronađite sadrži li u njoj niz. Q22. Kako ćete izgraditi sustav predmemoriranja koristeći naprednu strukturu podataka poput hashmapa? Q23. Ako biste mogli dobiti skup podataka o bilo kojoj temi koja vas zanima, bez obzira na metode ili resurse prikupljanja, kako bi izgledao skup podataka i što ćete s njim učiniti? Q24. Što su metode otkrivanja anomalija? Q25. Kako funkcionira predmemoriranje i kako ga koristite u znanosti o podacima? Dakle, momci, ovim smo došli do kraja ovog članka. Pitanja za intervju za Google Data Science su uglavnom zasnovan na scenariju i zahtijevaju da imate Sposobnosti rješavanja problema i štoviše, morate znati primijeniti Data Science u tim situacijama. Nadam se da će vam ovo pružiti perspektivu da se u budućnosti pripremite za bilo koji intervju za znanost o podacima. Bilo to Google, Microsoft, Apple ili Uber. Svi tehnološki divovi postavljaju slične vrste pitanja kada je u pitanju Data Science jer je to veliko i istovremeno novo područje. čini vas vještima u alatima i sustavima koje koriste Data Science Professionals. Uključuje obuku iz statistike, znanosti o podacima, Pythona, Apache Spark & ​​Scala, Tensorflow i Tableau. Nastavni plan i program utvrđen je opsežnim istraživanjem o više od 5000 opisa poslova širom svijeta. Ako imate bilo kakvih pitanja, slobodno ih spomenite u odjeljku za komentare u nastavku.
Znanost O Podacima

Kategorije

Popular Articles

Instaliraj lutku - Instalirajte lutku u četiri jednostavna koraka

Analitika velikih podataka - pretvaranje uvida u akciju

Sinkronizacija u Javi: Što, kako i zašto?

Priča o uspjehu Edureke - Sriramova strast prema prepirkama

Osnovni Hadoop alati za drobljenje velikih podataka

Sve što trebate znati o Power BI Visualima

Sve što trebate znati o Salesforce certifikaciji

Kako implementirati Mysql_fetch_array u PHP

Kako pokrenuti skripte za košnice?

Postavljanje razvojnog okruženja pomoću Vagranta