什么?技術(shù)大廠的面試題泄露了???當(dāng)然不是啦~ 國外知名博客平臺(tái) Medium 上有一位工程師，花時(shí)間整理了蘋果、谷歌、Facebook 等一線技術(shù)大廠的 AI 面試題，為眾多讀者提供了不小的幫助，有人還真的因?yàn)榭戳怂奈恼拢崆白龊昧藴?zhǔn)備，并通過了大廠的面試。本文將這些文章收集整理了起來，并進(jìn)行了中文翻譯，相信會(huì)對你有所啟發(fā)，走上人生巔峰或許就是此刻了!

1.微軟

微軟在企業(yè)中的統(tǒng)治地位是眾所周知的。微軟已經(jīng)駕馭了云計(jì)算浪潮。在第一財(cái)政季度，其 Azure 服務(wù)和 Office 365 在線生產(chǎn)力業(yè)務(wù)的收入分別增長了 90%和 42%。

在微軟 CEO Satya Nadella 最近致所有微軟員工的一封信中，Intelligent Cloud 和 Intelligent Edge 組建了兩支新團(tuán)隊(duì)，以塑造下一階段的創(chuàng)新。這意味著人工智能將要給微軟的業(yè)務(wù)帶來十分重大的改變。毋庸置疑，微軟在此公告之后可能會(huì)招聘更多 AI 相關(guān)員工。所以，現(xiàn)在你的機(jī)會(huì)來了。

面試流程

像大多數(shù)雇傭工程師的其他公司一樣，微軟有一套經(jīng)典的面試過程。通常有電話面試(涉及編碼)，然后進(jìn)行現(xiàn)場面試?，F(xiàn)場有大約 4-5 輪面試。面試過程中可能有 2-3 個(gè)確實(shí)深入研究數(shù)據(jù)科學(xué)相關(guān)的問題，包括研究和模型。其余的目的是測試編碼技能。

面試題

• 合并 k(在這種情況下 k = 2)個(gè)數(shù)組并對它們進(jìn)行排序。
• 如何最好地選擇 500 萬個(gè)搜索查詢的代表性樣本?
• 三個(gè)朋友告訴你今天會(huì)下雨，他們中每個(gè)人都有三分之一的概率說謊，那么今天下雨的可能性是多少?
• 你能解釋樸素貝葉斯的基本原理嗎?如何設(shè)定閾值?
• 你能解釋一下 MapReduce 是什么以及它是如何工作的?
• 你能解釋 SVM 嗎?
• 你如何檢測新的觀察結(jié)果是否異常?什么是偏置 - 方差權(quán)衡?
• 如何從產(chǎn)品用戶群中隨機(jī)選擇一個(gè)樣本?
• 你如何實(shí)現(xiàn)自動(dòng)完成?
• 描述梯度提升的工作原理。
• 在整數(shù)列表中查找子序列的最大值。
• 你會(huì)如何總結(jié) twitter 推文?
• 在應(yīng)用機(jī)器學(xué)習(xí)算法之前解釋數(shù)據(jù)爭用(wrangling )和清洗的步驟。
• 如何處理不平衡的二進(jìn)制分類?
• 如何測量數(shù)據(jù)點(diǎn)之間的距離?
• 定義方差。
• 箱形圖和直方圖有什么區(qū)別?
• 你如何解決 L2 正則化回歸問題?
• 如何通過使用一些計(jì)算技巧來更快地計(jì)算逆矩陣?
• 如何在沒有計(jì)算器的情況下執(zhí)行一系列計(jì)算。解釋步驟背后的邏輯。
• 好的和壞的數(shù)據(jù)可視化之間有什么區(qū)別?
• 你如何找到百分位數(shù)?為它編寫代碼。
• 從一系列值中查找最大總和子序列。
• 正則化指標(biāo) L1 和 L2 有哪些不同?
• 創(chuàng)建一個(gè)函數(shù)來檢查單詞是否是回文。

2.Amazon

亞馬遜從成為“地球上最大的書店”變?yōu)?ldquo;地球上最以客戶為中心的公司”。首席執(zhí)行官杰夫·貝佐斯一次又一次地在他的致股東信中定義了公司的發(fā)展道路。亞馬遜利用 Alexa 部署深度語言學(xué)習(xí)功能，并通過 AWS 為 AI 提供云基礎(chǔ)架構(gòu)。它還在 Amazon.com 上大規(guī)模地構(gòu)建和部署了世界上第一批推薦系統(tǒng)。

面試流程

在現(xiàn)場面試的過程中，會(huì)有一場稱為 Bar 面試。Bar raiser 的意思是，面試小組中最有經(jīng)驗(yàn)的人，他的動(dòng)機(jī)是決定你是否在亞馬遜的前 50% 的員工中。Bar raiser 有權(quán)否決一個(gè)候選人，不管其他面試者是否喜歡這個(gè)候選人。

面試題

• 邏輯回歸模型中如何知道系數(shù)是什么?
• 凸和非凸成本函數(shù)之間的區(qū)別 ; 當(dāng)成本函數(shù)是非凸的時(shí)候它是什么意思?
• 隨機(jī)權(quán)重分配是否優(yōu)于為隱藏層中的單位分配相同的權(quán)重?
• 給出一個(gè)條形圖并且想象你正從上面倒水，如何確定條形圖中可以保存多少水?
• 什么是過擬合?
• 主要會(huì)員費(fèi)的變化如何影響市場?
• 為什么梯度檢查很重要?
• 描述樹，SVM，隨機(jī)森林和 XGBoost 算法。談?wù)勊麄兊膬?yōu)點(diǎn)和缺點(diǎn)。
• 你如何在天平上重復(fù)稱重 9 個(gè)彈珠三次以選擇最重的彈珠?
• 查找西雅圖客戶過去 6 個(gè)月中前 10 名利潤最高的產(chǎn)品的累計(jì)總和。
• 描述特定模型選擇的標(biāo)準(zhǔn)。降維為什么重要?
• 邏輯回歸和線性回歸的假設(shè)是什么?
• 如果你可以構(gòu)建完美(100%準(zhǔn)確度)的分類模型來預(yù)測某些客戶行為，那么
• 應(yīng)用程序中會(huì)出現(xiàn)什么問題?
• 項(xiàng)目位置 A 的項(xiàng)目概率為 0.6，項(xiàng)目位置 B 的概率為 0.8。在亞馬遜網(wǎng)站上找到項(xiàng)目的概率是多少?
• 給定帶有 ID 和數(shù)量列的“csv”文件，5000 萬條記錄和數(shù)據(jù)大小為 2 GB，請用
• 您選擇的任何語言編寫一個(gè)程序來聚合 QUANTITY 列。
• 使用數(shù)組實(shí)現(xiàn)循環(huán)隊(duì)列。
• 如果您每月都有時(shí)間序列數(shù)據(jù)，那么它有大量的數(shù)據(jù)記錄，您將如何發(fā)現(xiàn)本月與前幾個(gè)月的數(shù)值存在顯著差異?
• 比較套索和嶺回歸。
• MLE 和 MAP 推斷有什么區(qū)別?
• 給定一個(gè)帶有輸入的函數(shù)：一個(gè) N 個(gè)隨機(jī)排序數(shù)的數(shù)組，以及一個(gè) int K，返回一個(gè) K 個(gè)數(shù)最大的數(shù)組。
• 當(dāng)用戶瀏覽亞馬遜網(wǎng)站時(shí)，他們正在執(zhí)行幾項(xiàng)操作。如果他們的下一個(gè)行動(dòng)是購買行為，建立模型的最佳方式是什么?
• 鑒于全國范圍內(nèi)可能性很低，估計(jì)一個(gè)城市的疾病概率。在這個(gè)城市隨機(jī)詢問 1000 人，全部為負(fù)面反應(yīng)(無疾病)。這個(gè)城市發(fā)病的概率是多少?
• 描述 SVM。
• K-means 如何工作?你會(huì)選擇什么樣的距離度量?如果不同的特征有不同的動(dòng)態(tài)范圍呢?
• 什么是提升 (Boosting) 算法?

3.Facebook

Facebook 不需要過多介紹。經(jīng)過近十年來累積大量數(shù)據(jù)之后，2013 年起，F(xiàn)acebook 內(nèi)的工程師開始嘗試使用 CNN。之后，F(xiàn)acebook 認(rèn)識(shí)到 AI 和 Deep Learning 的重要性，并聘用了他們的第一位 AI 工程師——Google 大腦 Marc'Aurelio Ranzato。隨后又聘請了 CNN 的發(fā)明人 Yann LeCun(現(xiàn)已不再負(fù)責(zé) Facebook AI 研究院的領(lǐng)導(dǎo)工作)。

面試流程

Facebook 面試過程是大多數(shù)公司使用的標(biāo)準(zhǔn)面試過程?？蓞⒖迹?/p>

https://www.facebook.com/notes/facebook-engineering/get-that-job-at-facebook/10150964382448920/

面試題

• 有一個(gè) 100 層的建筑物，2 個(gè)相同的雞蛋。您如何使用 2 個(gè)雞蛋來查找閾值樓層 N，在 N 層及 N 層以上，雞蛋肯定會(huì)摔碎。
• 從 100 個(gè)硬幣中隨機(jī)抽取一枚硬幣：1 枚不公平的硬幣(都是正面)，99 枚公平的硬幣(一正一反)并投擲 10 次。如果結(jié)果是 10 個(gè)正面，那么這枚硬幣是不公平的概率為多少?
• 在 Python 中為數(shù)值數(shù)據(jù)集編寫排序算法。
• Facebook 想要開發(fā)一種方法來估計(jì)人們生日的月份和日期，而不管人們是否直接給我們提供這些信息。你會(huì)提出什么方法和數(shù)據(jù)來幫助完成這項(xiàng)任務(wù)?使用 python 內(nèi)置包來處理'csv'數(shù)據(jù)。
• 您如何比較兩種不同后端引擎的自動(dòng)生成 Facebook“朋友”建議的相對表現(xiàn)?給定 KPI，選擇正確的指標(biāo)，執(zhí)行 ETL。(使用 SQL / 代碼)
• 你即將坐飛機(jī)去西雅圖。你想知道你是否應(yīng)該帶一把雨傘。你可以給 3 個(gè)隨機(jī)的朋友打電話，每個(gè)人都會(huì)獨(dú)立詢問是否下雨。你的每個(gè)朋友都有三分之二的機(jī)會(huì)告訴你真相，并有三分之一的機(jī)會(huì)通過撒謊與你打交道。所有 3 位朋友都告訴你正在下雨。在西雅圖實(shí)際下雨的可能性有多大?(同微軟的那道題)
• 考慮一個(gè)有 2 名玩家 A 和 B 的比賽。A 有 8 個(gè)棋子，B 有 6 個(gè)棋子。比賽進(jìn)行如下。首先，A 滾動(dòng)一個(gè)公平的六面模具，并且模具上的數(shù)字決定 A 從 B 接收多少個(gè)寶石。接下來，B 滾動(dòng)相同的模具，并且完全相同的事情發(fā)生在相反的位置。本輪結(jié)束。誰在比賽結(jié)束時(shí)擁有更多的寶石則贏得比賽。如果玩家在回合結(jié)束時(shí)獲得相同數(shù)量的寶石，則會(huì)形成平局并且接下來會(huì)有一輪。B 在 1，2，...，n 輪獲勝的概率是多少?
• 你如何得到一個(gè)句子中每個(gè)字母的數(shù)量?
• 通過了解性別或身高，你如何證明男性平均身高比女性高?
• 什么是猴子補(bǔ)丁(monkey patch)?
• 給定一個(gè)對象列表 A 和另一個(gè)與 A 相同的列表 B，一個(gè)元素被刪除，請找到被刪除的元素。
• 給定一個(gè)整數(shù)列表(正數(shù)和負(fù)數(shù))，編寫一個(gè)算法來查找是否至少有一對總和為零的整數(shù)。你會(huì)如何提高算法的性能?
• 制作 2 個(gè)變量的直方圖。
• 在 SQL 中構(gòu)建回帖計(jì)數(shù)的直方圖(包含 x 個(gè)回復(fù)，x + 1 個(gè)回復(fù)等的帖子數(shù))。建立一個(gè)表格，其中包含每個(gè)用戶每天使用的功能使用情況摘要(跟蹤用戶的最后一個(gè)操作并每天匯總)。
• 你在一個(gè)賭場擲色子，如果擲出 5 則贏，并獲得 10 美元的獎(jiǎng)金。你能賺多少?如果你一直玩到你贏了 (不管花多長時(shí)間)，那么你的預(yù)期支出是多少?
• 如果您試圖讓客戶注冊 Facebook 廣告，您會(huì)向小型企業(yè)展示什么指標(biāo)?
• 給定發(fā)送好友請求和收到好友請求的表格，找到擁有最多好友的用戶。在平臺(tái)上花費(fèi)的贊 / 用戶和分鐘數(shù)正在增加，但用戶總數(shù)正在減少。最有可能的根本原因是什么?
• 多少人在他們的檔案中列出的高中是真實(shí)的?我們?nèi)绾伟l(fā)現(xiàn)并大規(guī)模部署尋找無效學(xué)校的方法?
• 你如何將昵稱(Pete，Andy，Nick，Rob 等)映射到真實(shí)姓名?
• Facebook 認(rèn)為贊的年同比增長 10%，為什么會(huì)這樣呢?
• 如果一位管理人員表示他們希望將新聞源廣告的數(shù)量加倍，那么如何確定這是不是一個(gè)好主意?

4.Google

谷歌擁有一些世界上最有才華的人工智能研究科學(xué)家、數(shù)據(jù)工程師和數(shù)據(jù)科學(xué)家。Google 首席執(zhí)行官 Sundar Pichai 專注于將 Google 重新整合為一家人工智能第一公司。谷歌已經(jīng)將其所有或大部分產(chǎn)品的人工智能編碼從 Gmail 遷移到擁有大量數(shù)據(jù)的自動(dòng)駕駛系統(tǒng)。

面試流程

Google 的技術(shù)面試流程是標(biāo)準(zhǔn)的技術(shù)面試流程。它由電話視頻面試和現(xiàn)場面試組成。詳情參見：

https://careers.google.com/how-we-hire/interview/#interviews-for-software-engineering-and-technical-roles

面試題

• 什么是 1 / x 的導(dǎo)數(shù)?
• 繪制曲線 log(x + 10)
• 如何設(shè)計(jì)客戶滿意度調(diào)查?
• 擲硬幣十次，得到結(jié)果為 8 個(gè)正面和 2 個(gè)反面。如何分析一枚硬幣是否公平?p 值是什么?
• 你有 10 個(gè)硬幣。你每擲硬幣 10 次(共 100 次)并觀察結(jié)果。你會(huì)修改你的方法來測試硬幣的公平性嗎?
• 解釋一個(gè)不是正態(tài)的概率分布以及如何應(yīng)用它?
• 為什么使用特征選擇?如果兩個(gè)預(yù)測因子高度相關(guān)，那么對邏輯回歸中的系數(shù)有什么影響?系數(shù)的置信區(qū)間是多少?
• K- 均值和高斯混合模型：K 均值和 EM 之間有什么區(qū)別?
• 當(dāng)使用高斯混合模型時(shí)，你怎么知道它適用?(正態(tài)分布)
• 如果標(biāo)簽在聚類項(xiàng)目中是已知的，那么如何評(píng)估模型的性能?
• 有一個(gè)谷歌應(yīng)用程序，做了一個(gè)改變。如何測試指標(biāo)是否增加?
• 描述數(shù)據(jù)分析的過程?
• 為什么不進(jìn)行邏輯回歸，為什么選擇 GBM?
• 推導(dǎo) GMM 方程。
• 如何衡量有多少用戶喜歡視頻?
• 模擬雙變量法線
• 導(dǎo)出分布的方差
• 每年有多少人申請 Google?
• 如何建立中位數(shù)的估計(jì)量?
• 如果回歸模型中的兩個(gè)系數(shù)估計(jì)值中的每一個(gè)都具有統(tǒng)計(jì)顯著性，那么您是否期望兩者的測試仍然很重要?

5.Uber

面試流程

Uber 的技術(shù)面試流程是一個(gè)標(biāo)準(zhǔn)的技術(shù)面試流程，由電話視頻面試和現(xiàn)場面試組成(通常是 5-6 輪面試)。Uber 在其工程博客上詳細(xì)解釋了這一點(diǎn)：

https://eng.uber.com/engineering-interview/

面試題

• 描述二值分類
• 計(jì)算 ROC 曲線的 AUC
• 如何使用 A / B 測試?
• 使用隨機(jī)伯努利試驗(yàn)發(fā)生器編寫函數(shù)以返回來自正態(tài)分布的值樣本
• P 值是什么意思?
• 解釋線性回歸、線性假設(shè)和線性方程
• 定義 CLT，它和 Uber 有何關(guān)系?
• 解釋 Logistic 回歸、Logistic 假設(shè)和 Logistic 方程
• 一個(gè)車隊(duì)要花多少錢才能看到我們每個(gè)大城市的街景照片?
• 如何建立汽車租賃司機(jī)成本的模型?
• 解釋 surge 定價(jià)算法是如何工作的，以及如何測試哪種策略更有效?
• 什么是交叉驗(yàn)證?
• 網(wǎng)絡(luò)效應(yīng)如何影響選擇來定義實(shí)驗(yàn)和測量結(jié)果?
• 什么是異常檢測方法?
• 駕駛狀況和擁堵對 Uber 收入有何影響?
• 駕駛狀況和擁堵如何影響 Uber 的收入或司機(jī)體驗(yàn)?
• 高速緩存如何工作以及如何在數(shù)據(jù)科學(xué)中使用它?
• 如何優(yōu)化各種營銷渠道之間的營銷支出?
• 如何計(jì)算一個(gè)城市 Uber Pool 的半徑?
• 如何決定一個(gè)地點(diǎn)是否應(yīng)該包含在 Uber Pool 中?
• 什么是時(shí)間序列預(yù)測技術(shù)?
• 解釋 PCA，PCA 假設(shè)，PCA 方程式。
• Uber 會(huì)造成交通堵塞嗎?

6.Apple

AI 被包含在蘋果硬件之上的軟件中。也就是說，人工智能是蘋果的一種服務(wù)。根據(jù)他們在 2018 年一季度的收益報(bào)告，他們的服務(wù)收入比去年增長了 18%。截至去年 12 月底，所有服務(wù)產(chǎn)品的付費(fèi)用戶數(shù)量都超過了 2.4 億。

面試流程

與大多數(shù)雇傭工程師的其他公司一樣，蘋果公司也有典型的面試流程，電話面試與現(xiàn)場面試兼有?，F(xiàn)場大約有 4-5 名團(tuán)隊(duì)成員進(jìn)行面試。詳情可參考：

https://www.quora.com/What-is-the-recruiting-and-hiring-process-of-Apple-How-does-one-contact-their-HR-department

面試題

• 如何以數(shù)百萬的交易數(shù)量吸引數(shù)百萬用戶，并將這些用戶集中在一個(gè)有意義的細(xì)分市場中?
• 我們對數(shù)據(jù)進(jìn)行預(yù)先篩選以消除欺詐威脅 - 那么我們?nèi)绾握业娇捎糜诖_定欺詐事件真實(shí)表示的數(shù)據(jù)樣本?
• 給定一張帶有用戶 ID 和用戶購買的產(chǎn)品 ID 的 1B 的表格，以及具有用產(chǎn)品名稱映射的產(chǎn)品 ID 的另一張表格。我們試圖找到經(jīng)常由同一用戶一起購買的配對產(chǎn)品，例如葡萄酒和開瓶器，薯片和啤酒。如何找到這些并存的成對產(chǎn)品中的前 100 名?
• 請?jiān)敿?xì)描述 L1 和 L2 正規(guī)化之間的區(qū)別，特別是對于它們對模型培訓(xùn)過程本身的影響的差異。
• 假設(shè)你有 100,000 個(gè)文件分布在多個(gè)服務(wù)器上，如何在 Hadoop 中處理這些文件?
• Python 和 Scala 有什么區(qū)別?
• 解釋 LRU 緩存。
• 如何設(shè)計(jì)一個(gè)客戶端 - 服務(wù)器模型，客戶端每分鐘發(fā)送一次位置數(shù)據(jù)?如何將數(shù)據(jù)從一個(gè) Hadoop 集群傳輸?shù)搅硪粋€(gè) Hadoop 集群?
• Java 中有哪些不同類型的 memory?
• 如何處理數(shù)百個(gè)標(biāo)題的元數(shù)據(jù)同時(shí)進(jìn)行的日常繁瑣任務(wù)?
• 在數(shù)據(jù)流和可訪問性方面，如何衡量在隱藏時(shí)間框架內(nèi)的成功，在這個(gè)時(shí)間框架中，核心超載了將計(jì)算機(jī)能量重定向到地窖圓頂?shù)倪^度復(fù)雜文件系統(tǒng)的邊界結(jié)構(gòu)?
• 你最想擁有的超能力是什么?
• 你有時(shí)間系列的傳感器，預(yù)測下一個(gè)讀數(shù)。
• 使用 SQL 創(chuàng)建超市購物籃輸出。
• 你有什么心理實(shí)踐經(jīng)驗(yàn)?(基于研究組合的問題)
• 您在表征方面的專長是什么?通常使用什么?你如何在研究中使用它并找到有趣的結(jié)果?(Research Portfolio based question)
• 你如何處理失效分析?
• 檢查一個(gè)二叉樹是否是左右子樹上的鏡像。
• 什么是隨機(jī)森林?為什么樸素貝葉斯更好?

總結(jié)

六家代表著頂尖科技的技術(shù)企業(yè)，六套面試題，大家可以在這幾套題中看到每家公司的側(cè)重點(diǎn)有何不同，建議先收藏再慢慢研究。如果你能把上面這幾套面試題研究透徹，就算進(jìn)不了這六家公司，相信國內(nèi)的 AI 大廠同樣會(huì)為你敞開大門，未來就在你的手中!

參考鏈接

• https://medium.com/acing-ai/microsoft-ai-interview-questions-acing-the-ai-interview-be6972f790ea
• https://medium.com/acing-ai/amazon-ai-interview-questions-acing-the-ai-interview-3ed4e671920f
• https://medium.com/acing-ai/facebook-ai-interview-questions-acing-the-ai-interview-5982add0af55
• https://medium.com/acing-ai/google-ai-interview-questions-acing-the-ai-interview-1791ad7dc3ae
• https://medium.com/acing-ai/uber-ai-interview-questions-acing-the-ai-interview-9532794bc057
• https://medium.com/acing-ai/apple-ai-interview-questions-acing-the-ai-interview-803a65b0e795