微软人工智能和数据科学25个经典面试问题！-创新互联

微软在企业中的主导地位是众所周知的。可以说，微软已经驾驭了云计算浪潮。在第一财季，其Azure服务和Office 365在线生产力业务的收入分别飙升了90％和42％。

我曾为谷歌、亚马逊、苹果、Facebook、Salesforce、Uber、LinkedIn撰写过AI访谈问答文章对一些读者非常有帮助。

在首席执行官萨蒂亚·纳德拉（Satya Nadella）最近致所有微软员工的一封信中，他表示，微软有两个新的团队，即智能云（Intelligent Cloud)和智能边缘(Intelligent Edge)，以形成下一阶段的创新。这宣布了将人工智能编织到微软所做的一切中的一种深刻的转变。毋庸置疑，微软在此公告后可能会增加与该公司相关的人工智能招聘。

面试流程

与其他大多数雇用工程师的公司一样，微软有一个典型的面试流程。数据科学角色通常会稍微调整一个过程，这反映了数据科学保护伞下不同方面的重要性。通常有电话采访（涉及编码），然后是现场采访，现场约有4-5次采访。但其中可能仅有2-3个人真正深入研究与数据科学相关的问题、研究和模型。其余的旨在测试编码技能。

重要的阅读

与Google一样，微软也有自己的AI版本，该版本最近刚刚发布。其核心人工智能平台分为三个组成部分，即服务、基础设施和工具。

1. Microsoft AI School：不同的学习路径（https://aischool.microsoft.com/en-us/）

2. AI演示（展示数据展示和可视化）：AI演示（https://aidemos.microsoft.com）

3. Microsoft Azure AI解决方案（与Amazon AWS类似）：项目（https://gallery.azure.ai）

4. 微软研究播客：研究播客（Petercooper通过HackerNews）（https://www.microsoft.com/en-us/research/blog/category/podcast/）

数据科学/ AI相关问题

1. 合并k（在本例中为k = 2）数组并对它们进行排序。

2. 如何最好地从500万搜索查询中选择具有代表性的样本？

3. 西雅图的三个朋友告诉你下雨了。每个人的谎言概率为1/3，西雅图多雨的概率是多少？

4. 你能解释朴素贝叶斯的基本原理吗？你如何设定门槛？

5. 你能解释一下MapReduce是什么以及它是如何工作的吗？

6. 你能解释一下SVM吗？

7. 你如何发现一个新观察是否是一个异常值，什么是偏差 - 方差权衡？

8. 讨论如何从产品用户群中随机选择样本？

9. 你如何实现自动完成？

10. 描述梯度增强的工作原理。

11. 在整数列表中查找子序列的大值。

12. 你会怎么做总结一下推文？

13. 在应用机器学习算法之前，解释数据争用和清理的步骤。

14. 如何处理不平衡的二进制分类？

15. 如何测量数据点之间的距离？

16. 定义一下方差的概念

17. 箱形图和直方图有什么区别？

18. 你如何解决L2正则化回归问题？

19. 如何通过一些计算技巧来更快地计算逆矩阵？

20. 如何在没有计算器的情况下执行一系列计算？解释步骤背后的逻辑。

21. 好的和坏的数据可视化有什么区别？

22. 你如何找到百分位数？为它编写代码？

23. 从一系列数值中如何查找大总和子序列？

24. 有哪些不同的正则化指标L1和L2？

25. 创建一个检查单词是否为回文的函数。

反思问题

微软采访有很多开放式问题，这些问题的解决方案可以自由解释。许多问题也基于数据表示和可视化。这与我们之前看过的其他公司不同。