Google AI 面接の質問（回答と戦略付き）

おそらくすべてのプログラマーは Google への入社を考えたことがあるでしょう。

しかし、「試験」に合格するには、開発者のプログラミングスキルだけでなく、出場者が幅広いチャネル、強力なバックグラウンド、独自の脳回路を持っているかどうかもテストされます...

しかし、夢を持って履歴書を提出しなければなりません。面接が来るかもしれません。そのため、予期せぬ面接に備えて十分な準備をする必要があります。

私たちの前には何千人もの応募者が戦略を送り返し、私たちの後ろには、何人かの民間プログラミングの達人が隠されたレベルを発見しました... Google アプリケーション ガイドを要約する時が来ました。

PS このガイドは Google だけに当てはまるわけではありません (試験に失敗したインスピレーションあふれる人物が Amazon に引き抜かれました～)

あなたの目の前には毒があるに違いない（20の本当の質問）

Google の技術面接プロセスは、すべての企業で標準となっているもので、最初はリモートで、次にオンサイトで行われます。

面接は緊張感を伴うことで知られており、質問を読んだだけで家に帰りたくなるかもしれません。これらの質問はすべて Glassdoor によって収集され、集計されます。ただし、ついでに参考回答も見ておくと良いでしょう。

1. 1/x の導関数を求めます。

答え: -1/x2

Python ではこのように動作します。

2. log(x+10)曲線を描きます。

回答：写真の通りです。 logx の画像を 10 スペース左にシフトするだけです。

Python ではこのように動作します。

3. 顧客満足度調査をどのように設計するか?

回答: 3 番目の質問は非常に抽象的です。どこから始めればいいのかわからないので、ガイドすることにしました。検索エンジンで「顧客満足度と顧客ロイヤルティの計算基準」と検索できます。

4. コインを 10 回投げると、表が 8 回、裏が 2 回出ます。コイン投げは公平ですか? p 値とは何ですか?

5. 前の質問に続きます。 10 枚のコインをそれぞれ 10 回投げると、何が起こるでしょうか。コイン投げをより公平にするには、どのように改善すればよいでしょうか。





回答:少数の法則が役に立つかもしれません。

参考資料はこちらです: https://medium.com/@lorenz.rumberger/i-think-a-more-advanced-answer-for-the-coin-toss-game-would-use-the-bayesian-method-569696e89271

6. 非正規分布とその適用方法を説明します。





回答: 面接官がどのような分布に遭遇したかはわかりません。しかし、先月、MITは、濃霧の中でも自動運転システムが鮮明な視界を維持できるように、魅力的なガンマ分布を使用するアルゴリズムを公開しました。

7. 特徴選択を使用するのはなぜですか? 2 つの予測変数の相関が高い場合、係数はロジスティック回帰にどのような影響を与えますか? 係数の信頼区間はどれくらいですか?





回答:高次元データの処理に関しては、多くのモデルが対応できません。特徴選択により、多くの情報を失うことなくデータの次元を削減できます。

参照ポータル: https://towardsdatascience.com/why-how-and-when-to-apply-feature-selection-e9c69adfabf2

8. K 平均法とガウス混合モデル: K 平均法アルゴリズムと EM アルゴリズムの違いは何ですか?

回答： CSDNブロガーのJpHuは、K-Meansアルゴリズムはデータポイントのクラスタリングに対して「ハード割り当て」を実行する、つまり各データポイントは1つのクラスタにのみ属すると述べています。一方、GMMのEMソリューションは事後確率分布に基づいており、データポイントに対して「ソフト割り当て」を実行します。つまり、個々のガウスモデルはデータのクラスタリングに寄与しますが、寄与値は異なります。

ポータル: https://blog.csdn.net/tingyue_/article/details/70739671

9. ガウス混合モデルを使用する場合、それが適用可能かどうかをどのように判断しますか? (正規分布)





A:それでも、次のページをご覧ください。

詳細については、https://stats.stackexchange.com/questions/260116/when-to-use-gaussian-mixture-model をご覧ください。

10. クラスタリング時にラベルは既知です。モデルのパフォーマンスを評価するにはどうすればよいでしょうか?

回答: CSDN ブロガー howhigh は、カテゴリ ラベルがある場合、クラスタリング結果でも分類と同様に精度とリコール率を計算できると述べています。ただし、関連する事前知識がある場合や、分類内のギャップが小さいという何らかの仮定がある場合を除き、分類ラベルをクラスタリング結果の評価指標として使用しないでください。

詳細: https://blog.csdn.net/howhigh/article/details/73928635

11. GBM の代わりにロジスティック回帰を使用しないのはなぜですか?





回答: GB は Gradient Boosting の略です。知乎の回答者であるフランケンシュタインの言葉を引用すると、決定境界の観点から、線形回帰の決定境界は直線であり、ロジスティック回帰の決定境界は曲線であり、GBMの決定境界は複数の線になる可能性がある。

ロジスティック回帰は回帰問題のみを処理できますが、GBM は分類やランキングの問題を解決するためにも使用できます。

参考回答ポータル:

https://www.zhihu.com/question/54626685/answer/140610056

12. 毎年何人が Google の求人に応募しますか?

答え: 200万。おそらくほとんどの人は、自分が勝てるかどうかを見るために投票するだけでしょう。



もちろん、技術的な質問と答えは無限にあります。以下に答えは示されていませんので、自己テストを行い、試験時間に注意してください。

13. Google アプリにいくつか変更を加えました。特定の指標が増加したかどうかをテストする方法

14. データ分析のプロセスについて説明します。

15. ガウス混合モデル（GMM）において、式を導出する。

16. 動画に対するユーザーの好感度を測定するにはどうすればよいでしょうか?

17. 二変量正規分布をシミュレートします。

18. 分布の分散を求めます。

19. 中央値推定値を構築するにはどうすればいいですか?

20. 回帰モデル内の 2 つの係数推定値が統計的に有意である場合、それらを一緒にテストすると同等に有意になりますか?





テクノロジーだけではない

こうした深遠な技術的な質問に加えて、長年にわたる Google のインタビューでは、魂に触れるような神秘的な質問が常にいくつかありました。 BI では、次のようなものもカウントしました。

• スクールバスにはゴルフボールが何個入りますか？
• シアトルのすべての窓を掃除するにはいくらかかりますか?
• マンホールの蓋はなぜ丸いのでしょうか？

長い例を挙げます。

生卵はたった 2 個しかありませんが、非常に丈夫な場合もあれば、非常に壊れやすい場合もあります。 100 階建てのビルで、2 つの卵が割れずにどのくらいの高さまで落ちたら両方とも死んでしまうか、どうすればわかるでしょうか。何段の階段が必要ですか。

卵は以下を表します:

脳を開くテストの問題がどのように採点されるのか興味があります。親切なリマインダー: 上記の質問のいくつかは、巧妙なトリックで答えることができます...

答えや類似の質問を知りたい場合は、Quantum Bit公式アカウント（ID：QbitAI）のダイアログインターフェースで「謎の質問」という3つの単語に返信することができます。

史上最もオーソドックスなGoogle面接ガイド

本当の質問についての議論は終わりました。面接準備は長い間議論されてきたトピックですが、とにかく次のガイドを読む必要があります。

「血統」という点では、このガイドは Google の公式採用ウェブサイトで「将来の Google 社員」向けに特別に用意されているため、最も信頼性が高いと言えます。採用担当者が面接官に個人的にどのような提案をしたかを見てみましょう。



面接の質問を予測する:面接の前に、基本的に 90% の質問を予測できます。 「なぜこの仕事に応募したいのですか？」「これまでどんな問題を解決してきましたか？」といった質問は、面接では必ず聞かれます。準備として、事前に20個くらい書き出しておいても損はありません。

計画:最も可能性の高い質問を書き留めた後、リストにある各質問に対する回答を書き留めます。これは、これらの質問に対する印象を深めるのに役立ち、面接中に流暢に答えるための強力なツールになります。

プラン B と C:上記の質問に対して、Google の採用担当者は最大 3 つの回答を準備することを推奨しています。これらのバックアップ回答は、最初の面接官があなたの話を気に入らなかった場合に、次の面接官の説得に役立ちます。

説明:面接官はあなたの考えを理解したいので、面接中に思考プロセスと最善の解決策を示す必要があります。この部分では、技術的な能力だけでなく、問題を解決する柔軟性も評価されます。

ストーリーテリング: Google の面接官は、応募者がストーリーを語れることを期待しています。興味深い面接のヒントは、すべての質問にストーリーで答えるべきだということです。例えば、「どのようにリードしますか？」という質問です。*** 例を挙げてお話をしましょう〜



ディスカッション:面接の過程で、無意識のうちに質問の「罠」に陥ることがあります。これは、面接官が技術的な問題に遭遇したときにあなたがどのような情報を重視しているかをより深く理解し、あなたが問題にどのように対処し、主に問題を解決しているかを見たいと考えているためです。このとき、思考プロセスについて必ず話し合ってください。

改善:現在のソリューションをどのように改善できるかを考え、自分が何を行っているか、なぜそのように行っているかを面接官に伝えます。

練習: ***受験者は、練習を積めば完璧になるということを常に覚えておく必要があります。模擬面接を練習し、それぞれの話を明確かつ簡潔に伝えられるようになるまで自信を持って答えてください。

Google での面接の準備は時間のかかるプロセスのようです。優れた技術的スキルを身につけることに加えて、面接中の 20×3 の質問の準備にも多くの時間がかかります。

ちなみに、成功した Google エンジニアの中には、技術的な質問に対する「試験準備」のアドバイスをくれた人もいます。彼らのアドバイスに耳を傾ければ、面接に役立つでしょう。

はい、隠しレベルがあります!

Google の求人に応募する方法は、社内紹介、キャンパス リクルート、履歴書を送るソーシャル リクルートの 3 つだけですか? 甘いですね! Google エンジニアの想像力を過小評価しています。ブログの多くの専門家によると、Google には応募を得るための秘密のチャネルもあるそうです。

Google で特定のプログラミング用語を検索しているのが見つかった場合、誰かがその仕事に応募するようあなたを招待する可能性があります。誰かがこの隠されたレベルを解除できるよ〜

マックス・ロゼットはかつて興味深い話に遭遇した。彼が「Python ラムダ関数 リストの理解」を Google で検索すると、検索インターフェースが分割されて折り畳まれ、「あなたは私たちの声を使っています」というボックスがポップアップ表示され、試してみるように誘われました。

「チャレンジ」をクリックすると、「foo.bar」というページにジャンプし、時間制限のあるチャレンジ問題が表示されます。 6つの質問を続けて解いた後、foo.barは挑戦者に個人情報を提出するよう求めました。その後、採用担当者が私の履歴書を求めに来ました。

foo.bar のアドレスは次のとおりです。

https://www.google.com/foobar/

でも、興奮しないでください。Googleからの招待がなければ、このページに登録する方法はまだありません〜

この話から私たちが学べる教訓は、Google 検索をもっと頻繁に使うということかもしれません...

Google流「大学入試」

Google面接に関しては、その人気と難易度は業界の「大学入試」と変わらず、何千人もが一枚板の橋を渡る光景が再び現れた。

その中で、Google で働きたいと思っていた「インスピレーションあふれる男」ジョン・ワシャムが有名になりました。この男は大学で経済学を学び、韓国軍に勤務し、除隊後は英語を教えていました。しかし、コードと Google への情熱は消えていませんでした。彼は目標を達成するために、Google の面接に全力で取り組むために 8 か月を費やすことを決意しています。

これは苦行です。彼はかつて 3 週間で 1,000 ページの C++ の本を勉強し、GitHub で 21,000 以上のスターを獲得し、簡単に復習できるように 1,792 枚の電子カードを作ったことがあります... 彼は合計 1,000 時間以上を、読書、コードの作成、講義の聴講に費やしました。

8か月間懸命に準備したにもかかわらず、彼は...まだ選ばれませんでした。電話面接さえ受けずに不合格になったのです。

しかし、努力は必ず報われます。彼は不採用になった後、現在はアマゾンで働いています。

Google は良いですが、欲張ってはいけません。