logo

Spørsmål om intervju med Google Data Science: Alt du trenger å vite for å knekke det

Hoved Datavitenskap Spørsmål om intervju med Google Data Science: Alt du trenger å vite for å knekke det



Denne artikkelen gir deg en haug med Google Data Science Interview Questiosn, intervjuprosessen og forutsetningene for å søke jobb hos Google.

Å bli ansatt i et globalt kjent selskap som Google er en drømmejobb for mange mennesker. De har noen av de mest talentfulle AI-forskerne, og i verden. Det er ikke mange kilder for Google Intervju spørsmål online, og det er ikke lett å få jobb der. Så jeg skal dekke følgende emner i denne artikkelen:

Jobbbeskrivelse og krav

Med en gjennomsnittslønn på $ 169 067 , inkludert bonus. En Google Data Scientists lønn varierer fra $ 120 000 - $ 280 000 . Med denne høye lønnen må du vite de riktige kravene til jobben du søker. Selv om kravene varierer fra posisjon til posisjon, er det noen av de vanligste:

Minstekrav:





hvordan ta et skjermbilde i selen webdriver ved hjelp av java

google

  • Mastergrad i kvantitativ disiplin (statistikk, operasjonsforskning, informatikk)
  • 2 års arbeidserfaring innen dataanalyserelatert felt
  • Erfaring med statistisk programvare (f.eks. R , , MATLAB, Pandas) og
  • Erfaring med databasespråk (f.eks. SQL )

Ansvar:



  • Arbeid med store, komplekse datasett. Løs vanskelige, ikke-rutinemessige analyseproblemer, og bruk avanserte analysemetoder etter behov
  • Gjennomfør analyse som inkluderer datainnsamling og kravspesifikasjon, prosessering, analyse, løpende leveranser og presentasjoner
  • Bygg og prototype analyserørledninger iterativt for å gi innsikt i stor skala
  • Utvikle omfattende kunnskap om Googles datastrukturer og beregninger, og be om endringer der det er nødvendig for produktutvikling
  • Samhandle tverrfunksjonelt, gi forretningsanbefalinger (f.eks. Nytte, prognoser, eksperimentanalyse)
  • Undersøk og utvikle metoder for analyse, prognoser og optimalisering for å forbedre kvaliteten på Googles brukervendte produkter

Google Data Science intervjuprosess

Å rydde listen er i seg selv en tøff oppgave, som helt avhenger av din CV, følgebrev og Erfaring . Google Datavitenskap Intervjusspørsmål er en blanding av hjernetrim og tekniske spørsmål. Vanligvis er den første prosessen telefonisk intervju.

Telefonisk intervju:

Den består av spørsmål mest basert på (konkret og teoretisk) og tungt basert på . Spørsmålene varierer også basert på prosjektene du har jobbet med.
  • Sak 1: Intervjuene hadde spurt om funksjonsekstraksjonsteknikker, PCA (brukt i prosjekter), korrelasjonsanalyse, noen klassifiseringsteknikker som ble brukt (SVM, GBM, nevralnett). Hvorfor ikke logistisk regresjon, hvorfor GBM? - I utgangspunktet spørsmål som dreier seg om klasseseparering.
  • Sak 2: Hvorfor bruke funksjonsvalg? Hvis to prediktorer er sterkt korrelert, hva er da effekten på koeffisientene i den logistiske regresjonen? Hva er konfidensintervallene til koeffisientene?
  • Sak 3: En plate spinner på en spindel, og du vet ikke i hvilken retning platen spinner. Du får et sett med pinner. Hvordan vil du bruke pinnene til å beskrive på hvilken måte platen spinner?
Etter de telefoniske intervjuene er det Face to Face og Coding Rounds. Så la oss diskutere noen av de vanligste spørsmålene om intervju med Google Data Science. Selv om disse spørsmålene kanskje ikke blir stilt nøyaktig som gitt nedenfor, har jeg prøvd å dekke mange av dem.

Intervjuespørsmål om Google Data Science

Disse spørsmålene er ikke forvirrende, ettersom Google har sluttet å stille disse spørsmålene i stedet, de har lignende spørsmål som de kaller Problemløsende spørsmål . Det stilles mange spørsmål om maskinlæring, helt fra generiske til praktiske. Google dekker i utgangspunktet bredden av emner i stedet for dybde. Q1. Du er på et kasino og har to terninger å spille med. Du vinner $ 10 hver gang du kaster 5. Hvis du spiller til du vinner og deretter stopper, hva er forventet utbetaling? Q2. Du er i ferd med å sette deg på et fly til London, du vil vite om du må ta med en paraply eller ikke. Du ringer til tre av tilfeldige venner og som hver av dem hvis det regner. Sannsynligheten for at vennen din forteller sannheten er 2/3, og sannsynligheten for at de leker på deg ved å lyve er 1/3. Hvis alle 3 av dem forteller at det regner, hva er sannsynligheten for at det faktisk regner i London. Q3. Hvordan vil legge til nytt Facebook medlemmer til databasen over medlemmer, og kode deres forhold til andre i databasen? Q4. Hvordan vil du teste at det er økt sannsynlighet for at en bruker holder seg aktiv etter 6 måneder, gitt at en bruker har flere venner nå? Q5. Du får 40 kort med fire forskjellige farger - 10 grønne kort, 10 røde kort, 10 blå kort og 10 gule kort. Kortene i hver farge er nummerert fra en til ti. To kort plukkes ut tilfeldig. Finn ut sannsynligheten for at kortene som er plukket, ikke har samme nummer og samme farge. Q6. Lag et program på et språk du ønsker å lese en tekstfil med forskjellige tweets. Utdataene skal være to tekstfiler, en som inneholder listen over alle unike ord blant alle tweets sammen med antallet for gjentatte ord, og den andre filen skal inneholde middels antall unike ord for alle tweets. Q7. Hva vil du gjøre hvis fjerning av manglende verdier fra et datasett forårsaker skjevhet? Q8. En plate spinner på en spindel, og du vet ikke i hvilken retning platen spinner. Du får et sett med pinner. Hvordan vil du bruke pinnene til å beskrive på hvilken måte platen spinner? Q9. Hvordan vil du designe en anbefalingsmotor for jobber? Q10. Hva slags produkt vil du bygge hos Google? Q11. Biler er implantert med speed tracker slik at forsikringsselskapene kan spore om vår kjørestatus. Basert på denne nye ordningen, hva slags forretningsspørsmål kan du få svar på? Q12. Hvordan kan du bestemme om den ene algoritmen er bedre enn den andre? Q13. En boks har 12 røde kort og 12 svarte kort. En annen boks har 24 røde kort og 24 svarte kort. Du vil trekke to kort tilfeldig fra en av de to boksene, hvilken boks har større sannsynlighet for å få kort i samme farge og hvorfor? Q14. Hva er forskjellen mellom en bagged-modell og en boosted-modell? Q15. Du oppretter en rapport for opplasting av brukerinnhold hver måned og observerer en plutselig økning i antall opplastninger for januar måned. Økningen i opplastinger er, spesielt i bildeopplastinger. Hva tror du vil være årsaken til dette, og hvordan vil du teste denne plutselige spissen? Q16. Du eier et klesforetak og vil forbedre din plass i markedet. Hvordan vil du gjøre det fra bakkenivå? Q17. Hvordan vil du bestemme hvilke versjoner av de to av Surge Pricing Algorithms som fungerer bedre for ethvert luftfartsselskap? Q18. Hva er graden av frihet for lasso? Q19. Hva er forskjellen mellom en iterator, generator og listeforståelse i Python? Q20. Gitt et sett med websider og endringer på nettstedet, hvordan vil du teste den nye nettsidefunksjonen for å avgjøre om endringen fungerer positivt? Q21. Gitt en MxN-dimensjonsmatrise med hver celle som inneholder et alfabet, finn ut om en streng er inneholdt i den eller ikke. Q22. Hvordan vil du bygge et caching-system ved hjelp av en avansert datastruktur som hashmap? Q23. Hvis du kunne få datasettet om et hvilket som helst tema av interesse, uavhengig av samlingsmetoder eller ressurser, hvordan ville datasettet se ut og hva vil du gjøre med det? Q24. Hva er metoder for deteksjon av avvik? Q25. Hvordan fungerer caching og hvordan bruker du det innen datavitenskap? Så gutter, med dette kommer vi til en slutt på denne artikkelen. Google Data Science intervju spørsmål er for det meste scenariobasert og krever at du har Problemløsende evner og dessuten må du vite hvordan du kan bruke datavitenskap på disse situasjonene. Jeg håper dette vil gi deg et perspektiv for å være forberedt på ethvert datavitenskapsintervju i fremtiden. Det være seg Google, Microsoft, Apple eller Uber. Alle de tekniske gigantene stiller lignende typer spørsmål når det gjelder datavitenskap, da det er et stort og samtidig et nytt felt. gjør deg dyktig i verktøyene og systemene som brukes av Data Science Professionals. Det inkluderer opplæring i statistikk, datavitenskap, Python, Apache Spark & ​​Scala, Tensorflow og Tableau. Læreplanen er bestemt av omfattende forskning på 5000+ stillingsbeskrivelser over hele verden. Hvis du har spørsmål, kan du gjerne nevne det i kommentarfeltet nedenfor.
Datavitenskap

Kategorier

Popular Articles

Hva er JavaScript MVC Architecture og hvordan fungerer det?

Økende popularitet av Hadoop og MongoDB i bransjen

Hvordan komme i gang med din karriere for webutviklere?

Hvordan reversere en streng i Python?

7 måter Big Data Training kan endre organisasjonen din

Hvordan implementere designmønstre i PHP?

Apache Flink: Neste generasjons Big Data Analytics-rammeverk for databehandling av strøm og batch

Hva er forskjellen mellom Big Data og Hadoop?

Truffle Ethereum Tutorial - Utvikling av Ethereum DApps med Truffle

Big Data-karrieren er den rette veien videre. Vite hvorfor!