Google 데이터 과학 인터뷰 질문 : 크랙하기 위해 알아야 할 모든 것



이 기사는 Google 데이터 과학 인터뷰 질문, 인터뷰 프로세스 및 Google 채용에 지원하기위한 전제 조건을 제공합니다.

Google과 같은 세계적으로 유명한 회사에 고용되는 것은 많은 사람들에게 꿈의 직업입니다. 그들은 가장 재능있는 AI 연구 과학자를 보유하고 있습니다. 과 세상에. Google에 대한 소스가 많지 않습니다. 면접 질문은 온라인이며 그곳에서 직업을 얻는 것은 쉽지 않습니다. 따라서이 기사에서는 다음 주제를 다룰 것입니다.

직업 설명 및 요구 사항

평균 연봉으로 169,067 달러 , 보너스 포함. Google 데이터 과학자의 급여 범위는 $ 120,000-$ 280,000 . 이 높은 급여를 받으려면 지원하는 작업에 대한 올바른 요구 사항을 알아야합니다. 요구 사항은 위치에 따라 다르지만 다음은 몇 가지 일반적인 요구 사항입니다.

최소 요구 사항:





파이썬에서 분할 기능을 사용하는 방법

google

  • 양적 분야 석사 학위 (통계, 운영 연구, 컴퓨터 과학)
  • 데이터 분석 관련 분야 경력 2 년
  • 통계 소프트웨어에 대한 경험 (예 : 아르 자형 , , MATLAB, Pandas) 및
  • 데이터베이스 언어에 대한 경험 (예 : SQL )

책임:



다이어그램이있는 Java의 mvc 아키텍처
  • 크고 복잡한 데이터 세트로 작업합니다. 필요에 따라 고급 분석 방법을 적용하여 어렵고 비일상적인 분석 문제 해결
  • 데이터 수집 및 요구 사항 사양, 처리, 분석, 지속적인 결과물 및 프레젠테이션을 포함하는 분석 수행
  • 대규모 인사이트를 제공하기 위해 반복적으로 분석 파이프 라인을 구축하고 프로토 타이핑
  • Google 데이터 구조 및 측정 항목에 대한 포괄적 인 지식을 개발하고 제품 개발에 필요한 변경을 지원합니다.
  • 부서 간 상호 작용하여 비즈니스 추천 (예 : 비용 편익, 예측, 실험 분석)
  • Google 사용자 용 제품의 품질을 개선하기위한 분석, 예측, 최적화 방법을 연구하고 개발합니다.

Google 데이터 과학 인터뷰 프로세스

후보 목록을 지우는 것은 그 자체로 어려운 작업이며, 이는 전적으로 귀하의 CV, 커버 레터 그리고 경험 . 구글 데이터 과학 인터뷰 질문은 수수께끼와 기술적 인 질문이 혼합되어 있습니다. 일반적으로 첫 번째 프로세스는 전화 인터뷰입니다.

전화 인터뷰 :

주로 다음을 기반으로 한 질문으로 구성됩니다. (구체적 및 이론적) . 질문은 작업 한 프로젝트에 따라 다릅니다.
  • 사례 1 : 인터뷰에서는 피처 추출 기술, PCA (프로젝트에서 사용됨), 상관 관계 분석, 사용 된 일부 분류 기술 (SVM, GBM, 신경망)에 대해 질문했습니다. 로지스틱 회귀가 아닌 이유, 왜 GBM이 필요한가?-기본적으로 클래스 분리 성을 중심으로 질문합니다.
  • 사례 2 : 기능 선택을 사용하는 이유는 무엇입니까? 두 예측 변수가 상관 관계가 높은 경우 로지스틱 회귀에서 계수에 미치는 영향은 무엇입니까? 계수의 신뢰 구간은 무엇입니까?
  • 사례 3 : 디스크가 스핀들에서 회전하고 디스크가 회전하는 방향을 알 수 없습니다. 핀 세트가 제공됩니다. 디스크가 회전하는 방식을 설명하기 위해 핀을 어떻게 사용 하시겠습니까?
전화 인터뷰 후, 대면 및 코딩 라운드입니다. 이제 가장 일반적인 Google 데이터 과학 인터뷰 질문에 대해 토론 해 보겠습니다. 이러한 질문은 아래에 주어진 것과 정확히 일치하지 않을 수 있지만 많은 질문을 다루려고 노력했습니다.

Google 데이터 과학 인터뷰 질문

이러한 질문은 당혹스러워하지 않습니다. Google이 대신 이러한 질문을하지 않기 때문에 유사한 질문이 있습니다. 문제 해결 질문 . 일반적인 질문부터 실용적인 질문에 이르기까지 많은 머신 러닝 질문이 제기됩니다. 구글 기본적으로 깊이보다는 주제의 폭을 다룹니다. Q1. 당신은 카지노에 있고 두 개의 오지가 있습니다. 당신은 5를 굴릴 때마다 $ 10을 얻습니다. 당신이 이길 때까지 플레이 한 다음 그만두면 예상되는 지불금은 얼마입니까? Q2. 런던으로가는 비행기를 타려고합니다. 우산을 가져와야하는지 여부를 알고 싶습니다. 무작위로 친구 3 명에게 전화를 걸어 비가 오면 각자 하나씩 전화를 겁니다. 당신의 친구가 진실을 말할 확률은 2/3이고 그들이 당신에게 거짓말을하여 장난을 칠 확률은 1/3입니다. 3 명 모두 비가 내린다고 말하면 실제로 런던에 비가 올 확률은 얼마입니까? Q3. 새로 추가하는 방법 페이스 북 멤버 데이터베이스에 멤버를 추가하고 데이터베이스에서 다른 멤버와의 관계를 코딩합니까? Q4. 사용자가 이제 더 많은 친구를 보유하고 있다는 점을 감안할 때 6 개월 후에도 사용자가 활동 상태를 유지할 확률이 증가하는지 어떻게 테스트할까요? Q5. 그린 카드 10 장, 레드 카드 10 장, 블루 카드 10 장, 옐로우 카드 10 장 등 4 가지 색상의 카드 40 장을받습니다. 각 색상의 카드는 1부터 10까지 번호가 매겨집니다. 두 장의 카드가 무작위로 선택됩니다. 뽑은 카드가 같은 숫자와 같은 색이 아닐 확률을 알아보세요. Q6. 다양한 트윗이 포함 된 텍스트 파일을 읽기 위해 선택한 언어로 프로그램을 만듭니다. 출력은 2 개의 텍스트 파일이어야합니다. 하나는 반복되는 단어 수와 함께 모든 트윗 중 모든 고유 단어 목록을 포함하고 두 번째 파일에는 모든 트윗에 대해 중간 수의 고유 단어가 포함되어야합니다. Q7. 데이터 세트에서 누락 된 값을 제거하면 편향이 발생하면 어떻게 하시겠습니까? Q8. 디스크가 스핀들에서 회전하고 디스크가 회전하는 방향을 모릅니다. 핀 세트가 제공됩니다. 디스크가 회전하는 방식을 설명하기 위해 핀을 어떻게 사용 하시겠습니까? Q9. 작업에 대한 추천 엔진을 어떻게 설계 하시겠습니까? Q10. Google에서 어떤 종류의 제품을 만들고 싶습니까? Q11. 자동차에는 속도 추적기가 이식되어 보험 회사가 운전 상태를 추적 할 수 있습니다. 이 새로운 계획에 따라 어떤 종류의 비즈니스 질문에 답할 수 있습니까? Q12. 한 알고리즘이 다른 알고리즘보다 나은지 어떻게 결정할 수 있습니까? Q13. 상자에는 12 개의 레드 카드와 12 개의 블랙 카드가 있습니다. 다른 상자에는 24 개의 레드 카드와 24 개의 블랙 카드가 있습니다. 두 상자 중 하나에서 무작위로 두 장의 카드를 뽑고 싶은데, 어떤 상자가 같은 색의 카드를 얻을 확률이 더 높으며 그 이유는 무엇입니까? Q14. bagged 모델과 boosted 모델의 차이점은 무엇입니까? Q15. 매월 사용자 콘텐츠 업로드에 대한 보고서를 만들고 있으며 1 월에 업로드 횟수가 갑작스럽게 증가하는 것을 목격하고 있습니다. 업로드 증가는 특히 이미지 업로드입니다. 이것의 원인은 무엇이며이 갑작스러운 급증을 어떻게 테스트 할 것입니까? Q16. 당신은 의류 기업을 소유하고 있으며 시장에서 당신의 입지를 향상시키고 싶습니다. 지상에서 어떻게 하시겠습니까? Q17. 두 Surge 가격 알고리즘 중 어떤 버전이 항공 회사에 더 잘 작동하는지 어떻게 결정합니까? Q18. 올가미의 자유도는 얼마입니까? Q19. 파이썬에서 반복기, 생성기 및 목록 이해의 차이점은 무엇입니까? Q20. 일련의 웹 페이지와 웹 사이트의 변경 사항을 고려할 때 새 웹 사이트 기능을 어떻게 테스트하여 변경 사항이 긍정적으로 작동하는지 확인 하시겠습니까? Q21. 각 셀에 알파벳이 포함 된 MxN 차원 행렬이 주어지면 문자열이 포함되어 있는지 여부를 찾습니다. Q22. 해시 맵과 같은 고급 데이터 구조를 사용하여 캐싱 시스템을 어떻게 구축 하시겠습니까? Q23. 수집 방법이나 리소스에 관계없이 관심있는 주제에 대한 데이터 세트를 얻을 수 있다면 데이터 세트는 어떻게 생겼으며 어떤 작업을 할 것입니까? Q24. 이상 탐지 방법이란 무엇입니까? Q25. 캐싱은 어떻게 작동하며 데이터 과학에서 어떻게 사용합니까? 그래서 여러분, 이것으로 우리는이 기사를 끝냅니다. Google 데이터 과학 인터뷰 질문은 대부분 시나리오 기반 그리고 당신이 가지고 있어야합니다 문제 해결 능력 또한 이러한 상황에 데이터 과학을 적용하는 방법을 알아야합니다. 앞으로 데이터 사이언스 인터뷰를 준비 할 수있는 관점이되기를 바랍니다. Google, Microsoft, Apple 또는 Uber가 될 수 있습니다. 데이터 과학은 방대하고 동시에 새로운 분야이기 때문에 모든 테크 거인들은 비슷한 유형의 질문을 던집니다. 데이터 과학 전문가가 사용하는 도구 및 시스템에 능숙합니다. 여기에는 통계, 데이터 과학, Python, Apache Spark 및 Scala, Tensorflow 및 Tableau에 대한 교육이 포함됩니다. 커리큘럼은 전 세계 5,000 개 이상의 직업 설명에 대한 광범위한 연구를 통해 결정되었습니다. 질문이 있으시면 아래 댓글 섹션에 자유롭게 언급하십시오.