At blive ansat i et globalt anerkendt firma som Google er et drømmejob for mange mennesker. De har nogle af de mest talentfulde AI-forskere, og i verden. Der er ikke mange kilder til Google Interviewspørgsmål online, og det er ikke let at få et job der. Så jeg vil dække følgende emner i denne artikel:
Jobbeskrivelse og krav
Med en gennemsnitlig løn på $ 169.067 , inklusive bonus. En Google Data Scientists løn spænder fra $ 120.000 - $ 280.000 . Med denne høje løn skal du kende de rigtige krav til det job, du ansøger. Selvom kravene varierer fra position til position, nedenfor er nogle af de almindelige:Minimumskrav:
hvad er tostring-metoden i java
- Kandidatgrad i kvantitativ disciplin (statistik, operationsforskning, datalogi)
- 2 års erhvervserfaring inden for dataanalyserelateret felt
- Erfaring med statistisk software (f.eks. R , , MATLAB, Pandas) og
- Erfaring med databasesprog (f.eks. SQL )
Ansvar:
hvordan man bruger splitmetoden i java
- Arbejd med store, komplekse datasæt. Løs vanskelige, ikke-rutinemæssige analyseproblemer ved at anvende avancerede analysemetoder efter behov
- Udfør analyser, der inkluderer dataindsamling og kravspecifikation, behandling, analyse, løbende leverancer og præsentationer
- Byg og prototype analyserørledninger iterativt for at give indsigt i skala
- Udvikle omfattende viden om Googles datastrukturer og metrics, og fortaler for ændringer, hvor det er nødvendigt for produktudvikling
- Interagere tværfunktionelt ved at komme med forretningsanbefalinger (f.eks. Cost-benefit, prognoser, eksperimentanalyse)
- Forskning og udvikling af analyse-, prognosemetoder og optimeringsmetoder for at forbedre kvaliteten af Googles brugervenlige produkter
Google Data Science Interviewproces
Rydning af listen er i sig selv en hård opgave, som helt afhænger af din CV, følgebrev og Erfaring . Google Datalogi Interviewspørgsmål er en blanding af Brain teasers og tekniske forespørgsler. Normalt er den første proces telefonisk interview.Telefonisk interview:
Den består af spørgsmål, der hovedsagelig er baseret på (konkret og teoretisk) og stærkt baseret på . Spørgsmålene varierer også afhængigt af de projekter, du har arbejdet med.- Sag 1: Interviewene havde spurgt om funktionsextraktionsteknikker, PCA (brugt i projekter), korrelationsanalyse, nogle klassificeringsteknikker, der blev brugt (SVM, GBM, neuralt net). Hvorfor ikke logistisk regression, hvorfor GBM? - Dybest set spørgsmål, der drejer sig om klasseseparation.
- Sag 2: Hvorfor bruge funktionsvalg? Hvis to forudsigere er stærkt korrelerede, hvad er virkningen på koefficienterne i den logistiske regression? Hvad er koefficienternes konfidensintervaller?
- Sag 3: En disk drejer på en spindel, og du ved ikke i hvilken retning disken drejer. Du får et sæt stifter. Hvordan vil du bruge stifterne til at beskrive, på hvilken måde disken drejer?