想去Google做AI？面試題在手，全程無憂！

AI科技大本營發表於2018-04-11

GoAI面試題

作者 | 阿司匹林
出品 | 人工智慧頭條（公眾號ID：AI_Thinker）

憑藉強大的技術實力和良好的工作氛圍，Google 對求職者一直有著強大吸引力。

雖然 Google 在幾年前就已經退出了中國大陸市場，但是在北京、上海等國內城市依然保留著辦公地點，而且一直在對外發布招聘需求。特別是去年底，Google 宣佈在北京成立 AI 中心，更是為中國的 AI 人才提供了又一個好去處。

為此，我們整理一份 Google 面試指南，並蒐集了 20 道 Google AI 的面試問題，希望對感興趣的讀者能有所助益。

當然，如果你想申請國外的 Google 崗位，這份資料也同樣適用。

▌Google 面試方式

首先，Google 為求職者提供兩種面試方式，一種是電話面試或者通過 Google Hangout 進行面試，一種是現場面試，面試方式視情況而定。

電話面試

在電話面試或者 Google Hangout 面試中，面試官將會是你潛在的同事或者經理。

如果你面試的是軟體工程崗位，那麼面試時間將持續 30~60 分鐘。在回答程式設計問題時，你需要一邊在 Google Doc 裡面寫程式碼，一邊告訴面試官你的思考過程。我們建議你使用擴音耳機或者揚聲器，以便騰出手來打字。

電話面試的內容包含資料結構和演算法，你需要做好準備，用你最擅長的語言編寫 20~30 行程式碼。

面試官會提一個開放式的問題，你可以讓面試官將問題解釋清楚。

你需要用演算法來解釋它。

用程式碼來實現演算法（提示：不要擔心不夠完美，因為時間有限。先將你想到的寫下來，然後再完善，確保考慮到了 corner case 和 edge case）。

優化程式碼，用案例來測試程式碼，然後找出所有的 bug。

如果你申請的是其他職位，那麼電話面試時間大約為 30~45 分鐘。

面採

面試官通常有 4 位，包括潛在的同事以及一些跨職能的員工，每位面試官擁有 30~45 分鐘的時間。作為求職者，你有機會表現你在以下四個不同領域的優勢：

一般認知能力：我們會問一些開放式的問題來了解你是如何處理和解決問題的。這些問題沒有固定的正確答案，我們更看重解釋思考過程的能力以及使用資料來指導決策的能力。

領導力：說明你是如何使用自己的溝通和決策技巧來調動他人的。比如，你是如何在某個組織中晉升到領導職位的？或者在不是正式領導的情況下，你是如何幫助團隊取得成功的？

與職位相關的知識：我們感興趣的是，你如何將你的個人優勢與經驗相結合，從而發揮影響力的。我們關注的不僅僅是你現在能做些什麼，而是你未來在不同崗位上的發展潛力。

“谷歌範兒”（Googleyness）：你在單獨工作或者團隊協作時的工作方式？你是如何幫助他人的？你是如何駕馭不確定性情況的？又如何走出舒適區，讓自己成長的？

對於軟體工程師候選人，我們希望瞭解你的程式設計技能和技術領域專業知識，包括程式設計工具、程式語言、以及資料結構和演算法基本知識。在面試過程中免不了會有一些討論，因為我們喜歡互相推動，學習不同的方法。因此，請你做好要深入討論你提出的解決方案的準備。打破自己的邊界，找到最優答案。

Google 的技術面採歷來用的是白板，但為了節省時間，同時提供更加真實的程式設計環境，我們已經開始在一些站點提供 Chromebook，用於程式設計面試。這些電腦上安裝了一個面試程式，你可以選擇自己偏好的語言。

在整個面試過程中，你可以隨時讓面試官作出解釋，確保自己完全理解面試官的問題。此外，你也可以“採訪”我們，問一些與工作、團隊、文化等相關的問題，幫助你決定這份工作是否適合自己。

▌Google 軟體工程和技術職位面試

如果你選擇的是軟體工程相關的崗位，在面試前你最好先掌握以下幾個方面的知識：

程式設計實踐：你可以在 CodeLab、Quora、Stack Overflow 等網站上找到一些程式設計示例。Cracking the Coding Interview 這本書也是一個不錯的資源。在某些站點，你可以選擇在 Chromebook 或者白板上程式設計（提前詢問招聘人員，這樣你可以先行練習）。一定要測試程式碼，確保程式碼易於閱讀，而且沒有 bug。不用過分關注細微的句法錯誤，比如在給定方法（start, end or start, length）時應該使用哪種 substring，選擇一個，告訴你的面試官即可。
程式設計：你應該熟練掌握至少一門程式語言，最好是 C++、Java、Python、Go 或者 C。你需要知道 API，物件導向的設計和程式設計，如何測試程式碼，以及 corner case 和 edge case。注意，我們關注的是你對概念的理解而不是記憶。
演算法：同時用自下而上的演算法和自上而下的演算法來處理問題。你需要了解演算法的複雜性以及如何改進演算法。Google 裡常用的包括排序演算法（加上搜尋和二分法檢索）、分治演算法、動態程式設計/記憶、貪心演算法、遞迴演算法、連結到特定資料結構的演算法。瞭解大 O 符號（Big O notation，比如執行時），並做好討論 Dijkstra 和 A* 等複雜演算法的準備。我們建議你在寫程式碼之前討論或概述你所想到的演算法。
排序：熟悉常用的排序函式以及瞭解它們對哪些輸入資料有效。從執行時（runtime）和記憶體佔用的角度思考效率問題。例如，在特殊情況下，插入排序（insertion-sort）或基數排序（radix-sort ）比一般的快速排序/合併排序/堆排序（QuickSort/MergeSort/HeapSort）答案好得多。
資料結構：你應該研究儘可能多的資料結構。最常用的資料結構有陣列、連結串列、堆疊、佇列、雜湊集、雜湊對映、雜湊表、字典、樹和二叉樹、堆和圖（ arrays, linked lists, stacks, queues, hash-sets, hash-maps, hash-tables, dictionary, trees and binary trees, heaps and graphs）。你需要徹底瞭解資料結構，以及不同演算法對不同資料結構的偏好。
數學：有些面試官會問一些基本的離散數學問題，因為我們經常碰到各種計算問題、概率問題、以及其他的 Discrete Math 101 問題。面試前，你可以花時間複習下（或者自學）基本概率論和組合數學的基本知識。你需要熟悉 n-choose-k 等同型別的問題。
圖演算法：考慮一個問題是否可以應用圖演算法，如距離，搜尋，連線，迴圈檢測等（distance, search, connectivity, cycle-detection）。熟悉三種基本方法——物件和指標，矩陣和鄰接表——的利弊。瞭解基本的圖遍歷演算法、廣度優先搜尋和深度優先搜尋，以及它們的計算複雜性、優缺點、實現方法。
遞迴：許多編碼問題都涉及遞迴思考，而且可能還要對遞迴解決方案進行編碼。針對那些能夠用迭代解決的問題，你需要找到更簡練、更優雅的遞迴方法。