logo

Interviewvragen over Google Data Science: alles wat u moet weten om het te kraken

Hoofd Data Science Interviewvragen over Google Data Science: alles wat u moet weten om het te kraken



In dit artikel vind je een heleboel Google Data Science Interview Questiosn, het interviewproces en de voorwaarden om te solliciteren bij Google.

In dienst worden genomen bij een wereldwijd gerenommeerd bedrijf als Google is voor veel mensen een droombaan. Ze hebben enkele van de meest getalenteerde AI-onderzoekswetenschappers, en in de wereld. Er zijn niet veel bronnen voor Google Interviewvragen online en het is niet gemakkelijk om daar een baan te vinden. Daarom behandel ik de volgende onderwerpen in dit artikel:

Functieomschrijving en vereisten

Met een gemiddeld salaris van $ 169.067 , inclusief bonus. Het salaris van een Google Data Scientist varieert van $ 120.000 - $ 280.000 . Met dit hoge salaris moet u weten wat de juiste vereisten zijn voor de baan waarop u solliciteert. Hoewel de vereisten van positie tot positie verschillen, vindt u hieronder enkele van de meest voorkomende:

Minimale vereiste:





chef vs marionet vs zout

google

hoe te converteren van double naar int java
  • Master's degree in kwantitatieve discipline (statistiek, operationeel onderzoek, computerwetenschappen)
  • 2 jaar werkervaring op het gebied van Data-analyse
  • Ervaring met statistische software (bijv. R , , MATLAB, Panda's) en
  • Ervaring met databasetalen (bijv. SQL )

Verantwoordelijkheden:



  • Werk met grote, complexe datasets. Los moeilijke, niet-routinematige analyseproblemen op en pas indien nodig geavanceerde analytische methoden toe
  • Voer analyses uit die het verzamelen van gegevens en specificatie van vereisten, verwerking, analyse, doorlopende resultaten en presentaties omvatten
  • Bouw en maak een prototype van analysepijplijnen om op schaal inzichten te bieden
  • Ontwikkel uitgebreide kennis van de gegevensstructuren en statistieken van Google en pleit voor veranderingen waar nodig voor productontwikkeling
  • Interfunctioneel samenwerken, zakelijke aanbevelingen doen (bijv. Kosten-batenanalyse, prognoses, experimentanalyse)
  • Onderzoek en ontwikkel analyse-, prognose- en optimalisatiemethoden om de kwaliteit van de gebruikersgerichte producten van Google te verbeteren

Google Data Science-sollicitatieproces

Het opruimen van de shortlist is op zich een zware taak, die volledig van u afhangt CV, sollicitatiebrief en de Ervaring . Google Data Science Interviewvragen zijn een mix van hersenkrakers en technische vragen. Meestal is het eerste proces telefonisch interview.

Telefonisch interview:

Het bestaat uit vragen die voornamelijk gebaseerd zijn op (concreet en theoretisch) en sterk gebaseerd op . De vragen variëren ook op basis van de projecten waaraan u heeft gewerkt.
  • Zaak 1: De interviews hadden gevraagd naar kenmerk-extractietechnieken, PCA (gebruikt in projecten), correlatieanalyse, en enkele gebruikte classificatietechnieken (SVM, GBM, neuraal net). Waarom geen logistische regressie, waarom GBM? - In wezen vragen die draaien om de scheiding van klassen.
  • Geval 2: Waarom functieselectie gebruiken? Als twee voorspellers sterk gecorreleerd zijn, wat is dan het effect op de coëfficiënten in de logistische regressie? Wat zijn de betrouwbaarheidsintervallen van de coëfficiënten?
  • Geval 3: Een schijf draait op een as en u weet niet in welke richting de schijf draait. U krijgt een setje pinnen. Hoe ga je de pinnen gebruiken om te beschrijven op welke manier de schijf draait?
Na de telefonische interviews zijn het de face-to-face- en coderingsrondes. Laten we daarom eens kijken naar enkele van de meest voorkomende sollicitatievragen over Google Data Science. Hoewel deze vragen misschien niet precies worden gesteld zoals hieronder wordt aangegeven, heb ik geprobeerd er veel van te behandelen.

Vragen tijdens solliciteren bij Google Data Science

Deze vragen zijn geen puzzelaars, aangezien Google deze vragen niet meer stelt, hebben ze soortgelijke vragen die ze oproepen Probleemoplossende vragen . Er worden veel Machine Learning-vragen gesteld, van generiek tot praktisch. Google behandelt in feite de breedte van onderwerpen in plaats van diepte. V1. Je bent in een casino en hebt twee dobbelstenen om mee te spelen. Je wint $ 10 elke keer dat je een 5 gooit. Als je speelt totdat je wint en dan stopt, wat is dan de verwachte uitbetaling? Q2. U staat op het punt om op het vliegtuig naar Londen te stappen, u wilt weten of u een paraplu moet meenemen of niet. Je belt drie van je willekeurige vrienden en elk van hen als het regent. De kans dat je vriend (in) de waarheid vertelt, is 2/3 en de kans dat ze je voor de gek houden door te liegen is 1/3. Als ze alle drie vertellen dat het regent, wat is dan de kans dat het echt regent in Londen. Q3. Hoe zou nieuw toevoegen Facebook leden aan de database met leden en hun relaties met anderen in de database coderen? V4. Hoe gaat u testen of de kans groter is dat een gebruiker na 6 maanden actief blijft, aangezien een gebruiker nu meer vrienden heeft? V5. Je krijgt 40 kaarten met vier verschillende kleuren: 10 groene kaarten, 10 rode kaarten, 10 blauwe kaarten en 10 gele kaarten. De kaarten van elke kleur zijn genummerd van één tot tien. Twee kaarten worden willekeurig gekozen. Ontdek de kans dat de gekozen kaarten niet hetzelfde nummer en dezelfde kleur hebben. V6. Maak een programma in een taal naar keuze om een ​​tekstbestand met verschillende tweets te lezen. De uitvoer moet 2 tekstbestanden zijn - een die de lijst bevat van alle unieke woorden onder alle tweets, samen met het aantal herhaalde woorden, en het tweede bestand moet het gemiddelde aantal unieke woorden voor alle tweets bevatten. V7. Wat gaat u doen als het verwijderen van ontbrekende waarden uit een dataset vertekening veroorzaakt? V8. Een schijf draait op een as en u weet niet in welke richting de schijf draait. U krijgt een setje pinnen. Hoe ga je de pinnen gebruiken om te beschrijven op welke manier de schijf draait? V9. Hoe ontwerp je een aanbevelingsengine voor banen? V10. Wat voor soort product wil je bij Google bouwen? V11. Auto's zijn geïmplanteerd met een snelheidsmeter, zodat de verzekeringsmaatschappijen onze rijstatus kunnen volgen. Welke zakelijke vragen kunnen op basis van deze nieuwe regeling worden beantwoord? V12. Hoe kun je beslissen of het ene algoritme beter is dan het andere? V13. Een doos heeft 12 rode kaarten en 12 zwarte kaarten. Een andere doos heeft 24 rode kaarten en 24 zwarte kaarten. U wilt willekeurig twee kaarten trekken uit een van de twee dozen, welke doos heeft een grotere kans om kaarten van dezelfde kleur te krijgen en waarom? V14. Wat is het verschil tussen een model in zak en een model met boost? V15. U maakt elke maand een rapport voor het uploaden van gebruikerscontent en ziet een plotselinge toename van het aantal uploads voor de maand januari. De toename van uploads is vooral het geval bij het uploaden van afbeeldingen. Wat denk je dat hiervan de oorzaak zal zijn en hoe ga je deze plotselinge piek testen? V16. U heeft een kledingbedrijf en wilt uw positie in de markt verbeteren. Hoe ga je dat vanaf de grond doen? V17. Hoe gaat u beslissen welke versies van de twee Surge Pricing Algorithms beter werken voor elk luchtvaartbedrijf? V18. Wat is de vrijheidsgraad voor lasso? V19. Wat is het verschil tussen een iterator, generator en lijstbegrip in Python? V20. Gezien een aantal webpagina's en wijzigingen op de website, hoe gaat u de nieuwe websitefunctie testen om te bepalen of de wijziging positief werkt? V21. Gegeven een MxN-dimensiematrix waarbij elke cel een alfabet bevat, zoek dan of er een string in staat of niet. V22. Hoe ga je een cachingsysteem bouwen met een geavanceerde datastructuur zoals hashmap? V23. Als u de dataset over een bepaald onderwerp zou kunnen krijgen, ongeacht de verzamelingsmethoden of bronnen, hoe zou de dataset er dan uitzien en wat gaat u ermee doen? V24. Wat zijn methoden voor het detecteren van afwijkingen? V25. Hoe werkt caching en hoe gebruik je het in data science? Dus jongens, hiermee komen we een einde aan dit artikel. Google Data Science-sollicitatievragen zijn meestal scenario gebaseerd en vereisen dat je dat wel hebt Probleemoplossend vermogen en bovendien moet je weten hoe je Data Science op deze situaties kunt toepassen. Ik hoop dat dit je een perspectief geeft om voorbereid te zijn op elk Data Science Interview in de toekomst. Of het nu Google, Microsoft, Apple of Uber is. Alle technische giganten stellen vergelijkbare soorten vragen als het gaat om Data Science, aangezien het een enorm en tegelijkertijd nieuw veld is. maakt u bekwaam in de tools en systemen die door Data Science Professionals worden gebruikt. Het omvat training over statistiek, datawetenschap, Python, Apache Spark & ​​Scala, Tensorflow en Tableau. Het curriculum is bepaald door uitgebreid onderzoek naar meer dan 5000 functiebeschrijvingen over de hele wereld. Als u vragen heeft, kunt u deze in de commentaarsectie hieronder vermelden.
Data Science

Categorieën

Popular Articles

Top 10 JavaScript-bibliotheken die u moet kennen

Alles wat u moet weten over JavaScript-arraymethoden

Excel-grafieken: geavanceerde gegevensvisualisatie met MS Excel

Java-objecten en -klassen - Leer hoe u kunt maken en implementeren

Python-klassen en -objecten - Objectgeoriënteerd programmeren

Hadoop installeren: een Hadoop-cluster met één knooppunt opzetten

Hoe een JFrame-klasse in Java te implementeren

Hoe kan ik een gelijktijdige hash-kaart het beste implementeren in Java?

Wat is het gemiddelde salaris van een Android-ontwikkelaar?

Inleiding tot Column Family met Cassandra