想去 Google AI 工作？请收下这 20 道面试题

AI 研习社按：Google AI Interview Questions— Acing the AI Interview 本文为雷锋字幕组编译的技术博客，原标题，作者为Vimarsh Karbhari。 翻译 | 郑前 整理 | 凡江

谷歌拥有世界上最聪明的AI研发科学家，数据工程师及数据科学家。谷歌的CEO桑达尔·皮查伊（Sundar Pichai）重新调整了公司战略，即“AI先行”。谷歌依靠其拥有的海量数据，将AI融入绝大多数产品，从Gmail到自动驾驶，形成了一张网。

谷歌AI相关研究有三大块：

1. 数据基础设施与分析； https://research.google.com/pubs/DataInfrastructureandAnalysis.html
2. 谷歌大脑团队； https://research.google.com/pubs/BrainTeam.html
3. 谷歌AI医疗； https://research.google.com/pubs/AIResidency.html

谷歌在AI领域的刊物主要涉及三块：

1. 机器智能 https://research.google.com/pubs/MachineIntelligence.html
2. 机器感知 https://research.google.com/pubs/MachinePerception.html
3. 自然语言处理 https://research.google.com/pubs/NaturalLanguageProcessing.html

面试过程

谷歌的技术岗位面试是标准化的。首先是电话视频面试，随后是现场面试。技术岗位面试指引请在这里查看：

https://careers.google.com/how-we-hire/interview/#interviews-for-software-engineering-and-technical-roles

重要的信息（关于谷歌 AI）

1. TensorFlow：大规模机器学习系统
2. 谷歌运用的软件和硬件：AI工具 https://ai.google/tools/
3. 非官方谷歌数据科学博客 http://www.unofficialgoogledatascience.com/

AI / 数据科学相关面试题

• 1/x的导数是多少？
• 画出log(x+10)的曲线
• 如何设计客户满意度调查？
• 掷一个硬币10次，8次正面，2次反面。你如何分析硬币的重量是否分布均匀？p值是多少？
• 你有10个硬币，每个硬币抛掷10次（共抛100次），并观察结果。你会修改检查硬币分布是否均匀的方法吗？
• 解释一个非正态的概率分布以及如何应用？
• 为什么要用特征选择？如果两个预测值高度相关，对逻辑回归的系数有什么影响？系数的置信区间呢？
• K-mean聚类算法与高斯混合模型：K-means聚类与EM最大期望算法的区别是什么？
• 运用高斯混合模型时，你怎么判断它是否适用？（正态分布）
• 在聚类中已知标签，如何评价模型的表现？
• 你有一个google app，并对其进行了修改。如何测试改进？
• 描述数据分析过程？
• 为什么不用逻辑回归，而用GBM算法？
• 推导GMM公式
• 如何衡量用户对视频的喜爱程度？
• 模拟一个二元正态分布
• 推导一个分布的方差
• 每年有多少人申请谷歌（的工作）？
• 如何估计中位数？
• 对一个回归模型中的两个系数分别做估计时是统计显著的，那么两个一起检验是否仍然显著？

来源：Glassdoor

针对这些问题的反思

谷歌素来有众多面试者。这些问题从实战角度，机器学习角度及理论角度进行了考察。一个博学的候选者加上一点运气，就可以成功进入世界上最有声望之一的AI公司。

获取更多问题集，请访问：20个谷歌AI面试问题

https://medium.com/series/20-google-ai-interview-questions-98a8372fb28d

博客原址：

https://medium.com/acing-ai/google-ai-interview-questions-acing-the-ai-interview-1791ad7dc3ae