Att bli anställd i ett globalt känt företag som Google är ett drömjobb för många människor. De har några av de mest begåvade AI-forskarna, och i världen. Det finns inte många källor för Google Intervjufrågor online och det är inte lätt att få ett jobb där. Så jag kommer att täcka följande ämnen i den här artikeln:
Jobbbeskrivning och krav
Med en genomsnittlig lön på 169 067 $ inklusive bonus. En Google Data Scientists lön varierar från 120 000 $ - 280 000 $ . Med den här höga lönen måste du veta rätt krav för det jobb du söker. Även om kraven varierar från position till position, nedan är några av de vanligaste:Minimikrav:
- Magisterexamen i kvantitativ disciplin (statistik, operationsforskning, datavetenskap)
- 2 års arbetserfarenhet inom dataanalysrelaterat område
- Erfarenhet av statistisk programvara (t.ex. R , , MATLAB, Pandas) och
- Erfarenhet av databasspråk (t.ex. SQL )
Ansvar:
- Arbeta med stora, komplexa datamängder. Lös svåra, icke-rutinmässiga analysproblem, använd avancerade analysmetoder efter behov
- Genomför analys som inkluderar datainsamling och kravspecifikation, bearbetning, analys, pågående leveranser och presentationer
- Skapa och prototypanalysrörledningar iterativt för att ge insikter i stor skala
- Utveckla omfattande kunskap om Googles datastrukturer och mätvärden och förespråka förändringar där det behövs för produktutveckling
- Interagera tvärfunktionellt och göra affärsrekommendationer (t.ex. kostnadsnytta, prognoser, experimentanalys)
- Undersök och utveckla analys-, prognos- och optimeringsmetoder för att förbättra kvaliteten på Googles användarvändande produkter
Intervjuprocess för Google Data Science
Att rensa kortlistan är i sig en tuff uppgift, som helt beror på din CV, personligt brev och den Erfarenhet . Google Datavetenskap Intervjufrågor är en blandning av Brain teasers och tekniska frågor. Vanligtvis är den första processen telefonisk intervju.Telefonisk intervju:
Den består av frågor som mest baseras på (konkret och teoretisk) och starkt baserad på . Frågorna varierar också beroende på de projekt du har arbetat med.- Fall 1: Intervjuerna hade frågat om funktionsextraktionstekniker, PCA (används i projekt), korrelationsanalys, några klassificeringstekniker som användes (SVM, GBM, neural net). Varför inte logistisk regression, varför GBM? - I grund och botten frågor som handlar om klassavskiljbarhet.
- Fall 2: Varför använda funktionsval? Om två prediktorer är starkt korrelerade, vad är då effekten på koefficienterna i den logistiska regressionen? Vilka är konfidensintervallens konfidensintervall?
- Fall 3: En skiva snurrar på en spindel och du vet inte i vilken riktning skivan snurrar. Du har en uppsättning stift. Hur kommer du att använda stiften för att beskriva på vilket sätt skivan snurrar?