雷鋒網(wǎng)按：Google AI Interview Questions— Acing the AI Interview 本文為雷鋒字幕組編譯的技術(shù)博客，原標(biāo)題，作者為Vimarsh Karbhari。

翻譯 | 鄭前   整理 |  凡江

谷歌擁有世界上最聰明的AI研發(fā)科學(xué)家，數(shù)據(jù)工程師及數(shù)據(jù)科學(xué)家。谷歌的CEO桑達爾·皮查伊（Sundar Pichai）重新調(diào)整了公司戰(zhàn)略，即“AI先行”。谷歌依靠其擁有的海量數(shù)據(jù)，將AI融入絕大多數(shù)產(chǎn)品，從Gmail到自動駕駛，形成了一張網(wǎng)。

谷歌AI相關(guān)研究有三大塊：數(shù)據(jù)基礎(chǔ)設(shè)施與分析，谷歌大腦團隊 與 谷歌AI醫(yī)療。

谷歌在AI領(lǐng)域的刊物主要涉及三塊：機器智能 ，機器感知 與 自然語言處理。

技術(shù)崗位面試流程

谷歌的技術(shù)崗位面試是標(biāo)準(zhǔn)化的。首先是電話視頻面試，隨后是現(xiàn)場面試。技術(shù)崗位面試指引請在這里查看：鏈接

谷歌AI的相關(guān)信息

  1.大規(guī)模機器學(xué)習(xí)系統(tǒng)：TensorFlow

  2.谷歌運用的軟件和硬件：AI工具

  3.非官方谷歌數(shù)據(jù)科學(xué)博客

AI和數(shù)據(jù)科學(xué)相關(guān)面試題

• 1/x的導(dǎo)數(shù)是多少

• 畫出log(x+10)的曲線

• 如何設(shè)計客戶滿意度調(diào)查

• 擲一個硬幣10次，8次正面，2次反面。你如何分析硬幣的重量是否分布均勻，p值是多少

• 你有10個硬幣，每個硬幣拋擲10次（共拋100次），并觀察結(jié)果。你會修改檢查硬幣分布是否均勻的方法嗎

• 解釋一個非正態(tài)的概率分布以及如何應(yīng)用

• 為什么要用特征選擇？如果兩個預(yù)測值高度相關(guān)，對邏輯回歸的系數(shù)有什么影響，系數(shù)的置信區(qū)間呢

• K-mean聚類算法與高斯混合模型：K-means聚類與EM最大期望算法的區(qū)別是什么

• 運用高斯混合模型時，你怎么判斷它是否適用（正態(tài)分布）

• 在聚類中已知標(biāo)簽，如何評價模型的表現(xiàn)

• 你有一個google app，并對其進行了修改，如何測試改進

• 描述數(shù)據(jù)分析過程

• 為什么不用邏輯回歸，而用GBM算法

• 推導(dǎo)GMM公式

• 如何衡量用戶對視頻的喜愛程度

• 模擬一個二元正態(tài)分布

• 推導(dǎo)一個分布的方差

• 每年有多少人申請谷歌的工作

• 如何估計中位數(shù)

• 對一個回歸模型中的兩個系數(shù)分別做估計時是統(tǒng)計顯著的，那么兩個一起檢驗是否仍然顯著

獲取更多題集，請訪問 20個谷歌AI面試問題

博客原址 https://medium.com/acing-ai/google-ai-interview-questions-acing-the-ai-interview-1791ad7dc3ae 雷鋒網(wǎng)雷鋒網(wǎng)

---

雷鋒字幕組正在招募中

掃描下方二維碼

備注“雷鋒字幕組+姓名”加入我們吧

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。