微軟人工智能和數據科學25個經典麵試問題！

點擊上方關注，All in AI中國

微軟在企業中的主導地位是眾所周知的。可以說，微軟已經駕馭了雲計算浪潮。在第一財季，其Azure服務和Office 365在線生產力業務的收入分別飆升了90％和42％。

我曾為穀歌、亞馬遜、蘋果、Facebook、Salesforce、Uber、LinkedIn撰寫過AI訪談問答文章對一些讀者非常有幫助。

在首席執行官薩蒂亞·納德拉（Satya Nadella）最近致所有微軟員工的一封信中，他表示，微軟有兩個新的團隊，即智能雲（Intelligent Cloud)和智能邊緣(Intelligent Edge)，以形成下一階段的創新。這宣布了將人工智能編織到微軟所做的一切中的一種深刻的轉變。毋庸置疑，微軟在此公告後可能會增加與該公司相關的人工智能招聘。

麵試流程

與其他大多數雇用工程師的公司一樣，微軟有一個典型的麵試流程。數據科學角色通常會稍微調整一個過程，這反映了數據科學保護傘下不同方麵的重要性。通常有電話采訪（涉及編碼），然後是現場采訪，現場約有4-5次采訪。但其中可能僅有2-3個人真正深入研究與數據科學相關的問題、研究和模型。其餘的旨在測試編碼技能。

重要的閱讀

與Google一樣，微軟也有自己的AI版本，該版本最近剛剛發布。其核心人工智能平台分為三個組成部分，即服務、基礎設施和工具。

Microsoft AI School：不同的學習路徑（https://aischool.microsoft.com/en-us/）AI演示（展示數據展示和可視化）：AI演示（https://aidemos.microsoft.com）Microsoft Azure AI解決方案（與Amazon AWS類似）：項目（https://gallery.azure.ai）微軟研究播客：研究播客（Petercooper通過HackerNews）（https://www.microsoft.com/en-us/research/blog/category/podcast/）

數據科學/ AI相關問題

合並k（在本例中為k = 2）數組並對它們進行排序。如何最好地從500萬搜索查詢中選擇具有代表性的樣本？西雅圖的三個朋友告訴你下雨了。每個人的謊言概率為1/3，西雅圖多雨的概率是多少？你能解釋樸素貝葉斯的基本原理嗎？你如何設定門檻？你能解釋一下MapReduce是什麼以及它是如何工作的嗎？你能解釋一下SVM嗎？你如何發現一個新觀察是否是一個異常值，什麼是偏差 - 方差權衡？討論如何從產品用戶群中隨機選擇樣本？你如何實現自動完成？描述梯度增強的工作原理。在整數列表中查找子序列的最大值。你會怎麼做總結一下推文？在應用機器學習算法之前，解釋數據爭用和清理的步驟。如何處理不平衡的二進製分類？如何測量數據點之間的距離？定義一下方差的概念箱形圖和直方圖有什麼區別？你如何解決L2正則化回歸問題？如何通過一些計算技巧來更快地計算逆矩陣？如何在沒有計算器的情況下執行一係列計算？解釋步驟背後的邏輯。好的和壞的數據可視化有什麼區別？你如何找到百分位數？為它編寫代碼？從一係列數值中如何查找最大總和子序列？有哪些不同的正則化指標L1和L2？創建一個檢查單詞是否為回文的函數。

反思問題

微軟采訪有很多開放式問題，這些問題的解決方案可以自由解釋。許多問題也基於數據表示和可視化。這與我們之前看過的其他公司不同。