Сундар Пичаи, генеральный директор Google, сосредоточил свои усилия на преобразовании Google в компанию, в первую очередь ориентированную на искусственный интеллект.
В Google работают одни из самых талантливых ученых-исследователей в области ИИ, инженеров и специалистов по обработке данных в мире. Google внедрил ИИ во все или большинство своих продуктов, от Gmail до автономного вождения с огромным объемом данных, которыми он располагает.
Исследования, связанные с Google AI, представлены в трех основных коллекциях: Инфраструктура и анализ данных, Google Brain Team и Google AI Residency.
Три области с наибольшим количеством публикаций по ИИ в Google:
- Машинный интеллект
- Машинное восприятие
- "Обработка естественного языка"
Процесс собеседования
Техническое собеседование в Google - это стандартный процесс технического собеседования. Он состоит из экрана / экранов телефона с последующими интервью на месте. Для технических собеседований у них есть руководство по собеседованию: здесь.
Важная информация (о Google AI)
- TensorFlow: система для крупномасштабного машинного обучения.
- Инструменты, которые Google использует как аппаратное, так и программное обеспечение: Инструменты искусственного интеллекта.
- Неофициальный блог Google Data Science
Вопросы на собеседовании, связанные с искусственным интеллектом и наукой о данных
- Какая производная от 1 / x?
- Нарисуйте журнал кривой (x + 10)
- Как разработать опрос удовлетворенности клиентов?
- Если подбросить монету десять раз, выпадут 8 орлов и 2 решки. Как бы вы проанализировали, честная ли монета? Что такое p-значение?
- У вас есть 10 монет. Вы подбрасываете каждую монету 10 раз (всего 100 бросков) и наблюдаете за результатами. Не могли бы вы изменить свой подход к проверке честности монет?
- Объясните ненормальное распределение вероятностей и как это применить?
- Зачем использовать выбор функций? Если два предиктора сильно коррелированы, каково влияние на коэффициенты логистической регрессии? Каковы доверительные интервалы коэффициентов?
- Модель смеси K-средних и Гаусса: в чем разница между K-средними и EM?
- Откуда вы знаете, что при использовании модели гауссовой смеси? (Нормальное распределение)
- Если метки известны в проекте кластеризации, как оценить производительность модели?
- У вас есть приложение Google, и вы вносите изменения. Как вы проверяете, увеличился ли показатель?
- Опишите процесс анализа данных?
- Почему не логистическая регрессия, почему GBM?
- Выведите уравнения для GMM.
- Как бы вы измерили, насколько пользователям понравились видео?
- Симулируйте двумерную нормаль
- Вывести дисперсию распределения
- Сколько человек обращается в Google в год?
- Как вы строите оценки для медиан?
- Если каждая из двух оценок коэффициентов в регрессионной модели статистически значима, ожидаете ли вы, что тест обоих вместе все еще значим?
Размышляя над вопросами
Google известен своими плотными интервью. Это сочетание вопросов с практической точки зрения, с точки зрения общего машинного обучения, а также с теоретической точки зрения. Хорошо начитанный кандидат, которому немного повезет, наверняка попадет в одну из самых престижных компаний в области ИИ в мире.
Более подробный список вопросов: 20 вопросов на собеседовании по Google AI
Спасибо за внимание! 😊 Если вам понравилось, проверьте, сколько раз вы можете нажать 👏 за 5 секунд. Это отличное кардио для ваших пальцев, И оно поможет другим людям увидеть историю.
Подпишитесь на нашу рассылку Acing AI, я обещаю не спамить и БЕСПЛАТНО!
Подпишитесь на наши новости здесь. Мы создаем новый курс, чтобы помочь людям пройти собеседования в области науки о данных. Зарегистрируйтесь ниже, чтобы присоединиться к листу ожидания!