微軟人工智慧和資料科學25個經典面試問題！

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

我曾為谷歌、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。

在執行長薩蒂亞·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，即智慧雲（Intelligent Cloud)和智慧邊緣(Intelligent Edge)，以形成下一階段的創新。這宣佈了將人工智慧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慧招聘。

面試流程

與其他大多數僱用工程師的公司一樣，微軟有一個典型的面試流程。資料科學角色通常會稍微調整一個過程，這反映了資料科學保護傘下不同方面的重要性。通常有電話採訪（涉及編碼），然後是現場採訪，現場約有4-5次採訪。但其中可能僅有2-3個人真正深入研究與資料科學相關的問題、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，該版本最近剛剛釋出。其核心人工智慧平臺分為三個組成部分，即服務、基礎設施和工具。

1. Microsoft AI School：不同的學習路徑（）

2. AI演示（展示資料展示和視覺化）：AI演示（）

3. Microsoft Azure AI解決方案（與Amazon AWS類似）：專案（）

4. 微軟研究播客：研究播客（Petercooper透過HackerNews）（https://www.microsoft.com/en-us/research/blog/category/podcast/）

資料科學/ AI相關問題

1. 合併k（在本例中為k = 2）陣列並對它們進行排序。

2. 如何最好地從500萬搜尋查詢中選擇具有代表性的樣本？

3. 西雅圖的三個朋友告訴你下雨了。每個人的謊言機率為1/3，西雅圖多雨的機率是多少？

4. 你能解釋樸素貝葉斯的基本原理嗎？你如何設定門檻？

5. 你能解釋一下MapReduce是什麼以及它是如何工作的嗎？

6. 你能解釋一下SVM嗎？

7. 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？

8. 討論如何從產品使用者群中隨機選擇樣本？

9. 你如何實現自動完成？

10. 描述梯度增強的工作原理。

11. 在整數列表中查詢子序列的最大值。

12. 你會怎麼做總結一下推文？

13. 在應用機器學習演算法之前，解釋資料爭用和清理的步驟。

14. 如何處理不平衡的二進位制分類？

15. 如何測量資料點之間的距離？

16. 定義一下方差的概念

17. 箱形圖和直方圖有什麼區別？

18. 你如何解決L2正則化迴歸問題？

19. 如何透過一些計算技巧來更快地計算逆矩陣？

20. 如何在沒有計算器的情況下執行一系列計算？解釋步驟背後的邏輯。

21. 好的和壞的資料視覺化有什麼區別？

22. 你如何找到百分位數？為它編寫程式碼？

23. 從一系列數值中如何查詢最大總和子序列？

24. 有哪些不同的正則化指標L1和L2？

25. 建立一個檢查單詞是否為迴文的函式。

反思問題

微軟採訪有很多開放式問題，這些問題的解決方案可以自由解釋。許多問題也基於資料表示和視覺化。這與我們之前看過的其他公司不同。