Google人工智慧面試·真·題(附參考答案+攻略)

安妮 栗子 發自 澤浩寺

量子位 出品 | 公眾號 QbitAI

可能每個程序猿,都想過加入Google。

然而想要「應試」成功,考驗的不僅僅是開發人員的編程技術,還能側面考驗著參賽者的渠道來源是否廣泛、背景力量是否強大、腦洞迴路是否清奇……

不過,夢是要做的,簡歷是要投的,說不準面試就來了呢?所以,我們需要為萬一砸到頭頂的面試,做好一萬的準備。

前有萬千過橋的應聘大軍發回攻略,後有民間編程大神發現隱藏關卡……是時候來總結一份Google應聘指南了。

P.S. 這份攻略也不僅僅適用於Google(中途落榜的勵志哥還被亞馬遜挖走了呢~)

面前必毒(20道·真·題)

Google的技術面試流程就是各家的標配而已,先遠程後現場。

面試以強度聞名,可能看看問題就想回家了。這些題目全部由Glassdoor收集統計。不過,順便看下參考答案也是好的。

1、求導1/x。

答:-1/x2

用Python是這樣。

2、畫出log (x+10)曲線。

答:如圖。只要把logx的圖像左移10格。

用Python是這樣。

3、怎樣設計一次客戶滿意度調查?

答:第三題就這麼抽象了。不知從何說起的我決定指引各位,可以在搜索引擎里查詢一下:「客戶滿意度和客戶忠誠度的計算標準」。

4、一枚硬幣拋10次,得到8正2反。試析拋硬幣是否公平?p值是多少?

5、接上題。10枚硬幣,每一枚拋10次,結果會如何?為了拋硬幣更公平,應該怎麼改進?

答:小數定律或許可以幫到你。

附一個參考資料:medium.com/@lorenz.rumb

6、解釋一個非正態分布,以及如何應用。

答:不知道面試者遇到是怎樣的分布。不過,上個月MIT發表了用妖嬈的伽瑪分布,幫助自動駕駛系統在濃霧裡保持如炬目光的演算法。

詳情傳送門:點這裡

7、為什麼要用特徵選擇?如果兩個預測因子高度相關,係數對邏輯回歸有怎樣的影響?係數的置信區間是多少?

答:需要處理高維數據的時候,很多模型都吃不消。特徵選擇可以讓我們在給數據降維的同時,不損失太多信息。

參考資料傳送門:towardsdatascience.com/

8、K-mean與高斯混合模型:K-means演算法和EM演算法的差別在哪裡?

答:CSDN博主JpHu說,K-Means演算法對數據點的聚類進行了「硬分配」,即每個數據點只屬於唯一的聚類;而GMM的EM解法則基於後驗概率分布,對數據點進行「軟分配」,即每個單獨的高斯模型對數據聚類都有貢獻,不過貢獻值有大有小。

傳送門:blog.csdn.net/tingyue_/

9、使用高斯混合模型時,怎樣判斷它適用與否?(正態分布)

答:依然,請前往以下頁面。

詳情傳送門:stats.stackexchange.com

10、聚類時標籤已知,怎樣評估模型的表現?

答: CSDN博主howhigh說,如果有了類別標籤,那麼聚類結果也可以像分類那樣計算準確率和召回率。但是不應該將分類標籤作為聚類結果的評價指標,除非你有相關的先驗知識或某種假設,知道這種分類類內差距更小——

詳情傳送門:blog.csdn.net/howhigh/a

11、為什麼不用邏輯回歸,而要用GBM?

答:邏輯回歸 (LR) 是二元線性分類器。決策邊界是線性的,通常適於處理線性問題。如果要捕捉非線性關係,就需要複雜的特徵工程,來增強模型的表達能力。

GBDT是由多棵決策樹組成,最終結果是所有樹的結論累加而成。能夠發現許多有區分性的特徵,更細地劃分特徵空間。可以處理線性和非線性數據。

參考答案傳送門:

zhihu.com/question/5462

12、每年應聘Google的人有多少?

答:兩百萬。大多數人可能都只是順便投一下,看看會不會中獎。

當然,技術題是出不完的,也是答不完的——以下統一不給答案了,請進行自我測試,並注意考試時間。

13、你給一個Google APP做了些修改。怎樣測試某項指標是否有增長

14、描述數據分析的流程。

15、高斯混合模型 (GMM) 中,推導方程。

16、怎樣衡量用戶對視頻的喜愛程度?

17、模擬一個二元正態分布。

18、求一個分布的方差。

19、怎樣建立中位數的Estimator?

20、如果回歸模型中的兩個係數估計,分別是統計顯著的,把兩個放在一起測試,會不會同樣顯著?

不只是技術

除了這些深刻的技術問題,Google歷年的面試中,總有一些直擊靈魂的神秘考題。BI也統計了一些,例如:

  • 一輛校車可以放進多少個高爾夫球?
  • 擦一遍西雅圖所有的窗戶需要多少錢?
  • 井蓋為什麼是圓的?

再來個長的:

你只有兩個生雞蛋,是可以無比堅固也可以無比脆弱的雞蛋。在一百層的高樓里,在兩個雞蛋都陣亡之前,怎麼才能知道它們最高能從幾樓摔下來不碎?需要多少步?

雞蛋表示:

很好奇,腦洞考題是怎樣打分的。友情提示:上述幾道題,有些是可以抖機靈的……

如果你想知道答案和更多類似題,可以在量子位公眾號(ID:QbitAI)對話界面,回復:「神秘題」三個字。

史上最正統Google面試寶典

真題談完了。雖然面試準備是個老生常談的話題,但下面這份寶典無論如何你都要看看。

論「血統」,這份寶典最為正宗,因為它是Google招聘官網上專門為「Future Googler」準備的。一起看看招聘方親自對面試者提出了哪些建議——

預測面試題:面試前,你基本可以預測出90%的問題了。「為什麼想申請這份工作」「你曾經解決過什麼問題」等問題基本在面試中必現,寫20個出來先提前準備著有益無害。

計劃:寫出極可能出現的問題後,針對列出你的清單上的每一個問題,寫下你的答案。這將幫助你加深對這些問題的印象,是面試時能對答如流的利器。

Plan B&C:針對上面這些問題,Google招聘人員建議你最好能準備3個答案。這些備用答案能在第一位面試官不喜歡你的故事時,幫你征服下一位面試官。

解釋:面試官想要了解你的想法,所以在面試過程中需要展示你的思維過程和最後的解決方案。這個環節不僅是在評估你的技術能力,還在評估你解決問題的靈活性。

講故事:Google面試官希望以會「講故事」。有一個很有意思的面試小技巧,就是每個問題都應該用一個故事來回答。比如「你怎樣領導……」的問題最好就舉個例子講個故事吧~

探討:在面試過程中你可能會不自覺進入一些問題「圈套」,這是面試官想深入了解當你遇到技術難題中你看重哪些信息,希望看到你如何處理這個問題以及你解決問題的主要方法,這時一定要就你的思維過程進行討論。

改進:思考如何改進你現在的解決方案,讓面試官知道你在做什麼,為什麼要這樣做。

練習:最後應聘者要時刻謹記熟能生巧。模擬面試環節,自信說出你的答案,直到你能清晰而簡明地講述每一個故事。

看來,準備Google的面試是個時間活~除了技術能力需要過硬以外,單單面試時這20×3個問題的準備也得準備不少時間呢。

對了,已經應聘成功的Google工程師們還給你提了一些技術類問題的「備考」建議,聽聽老人言,助你面試一臂之力。

谷歌工程師面試_騰訊視頻?

v.qq.com圖標

對,有隱藏關卡!

應聘Google的方法只有內推、校招和發簡歷社招這三種?Naive,小看Google工程師的腦洞了,據多位大神在博客上透露,Google的應聘來源還有秘密渠道

如果Google捕捉到你在搜索某個特定的編程術語,可能就會有人邀請你申請這個職位。就有人能解鎖這種隱藏關卡~

小哥Max Rosett曾遇到過一個有趣的故事。在用Google搜索「Python lambda函數列表解析」時,搜索界面分裂並向後摺疊,一個方框彈出來寫著「你在使用我們的語音」,還邀請他去挑戰一下。

點擊「挑戰」後,頁面跳轉到一個叫「foo.bar」的頁面,還會出現一道限時挑戰題。連續攻破六道題後,foo.bar邀請這位挑戰者提交個人信息。後來,就有招聘人員來要簡歷了。

這個foo.bar的地址如下:

google.com/foobar/

不過莫激動,沒有得到Google的邀請這個網頁還是沒有辦法註冊的~

故事的最後給我們的啟示,可能是多用Google搜索……

Google式「高考」

關於Google面試這事,其熱度和難度無異於產業內的「高考」,千軍萬馬過獨木橋的景象又出現了。

這其中有個想進Google工作「勵志哥」John Washam火了,這位小哥大學時修經濟學,韓國當兵退伍後去教授英語,但對於代碼和Google的渴望沒有磨滅,他勵志專門騰出八個月的時間全職準備Google面試,實現自己的目標!

「勵志哥」John Washam

這是一場「苦行僧」式的修行,小哥曾三周攻讀1000頁的C++書,也在GitHub上收穫了21000多個star,還做了1792張電子卡片方便複習……讀書、寫代碼和聽講座的時間總共1000多個小時了。

勵志哥的夏季閱讀書單,只是準備過程中很小一部分

八個月的刻苦準備後,小哥……還是落選了,甚至連電話面試都沒有就被直接拒絕了。

但努力總會有回報,被拒後的小哥目前就職於亞馬遜。

Google雖好,也不能貪杯哦。

歡迎大家關注我們的專欄:量子位 - 知乎專欄

誠摯招聘

量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話界面,回復「招聘」兩個字。

量子位 QbitAI · 頭條號簽約作者

?? ? 追蹤AI技術和產品新動態


推薦閱讀:

如何看待 Google 說已經停用 Map Reduce 好多年?
Google 32 億美元收購 Nest 為什麼是以全現金的方式支付?
Google+ 的使用體驗感覺如何?你怎麼看?
為什麼國內定製化 Android 不遵循谷歌 Android M 要求?
(1 條消息)Google 美國和 Google 中國的面試難度相差多遠?

TAG:人工智慧 | 谷歌Google | 面試 |