• マンツーマンメンタリング

• 毎日8時間チャットサポート

• 回数無制限の課題レビュー

挫折しない学習方法を動画で見る【無料】

メールアドレスを入力して動画を見る(※ソーシャルボタンでも可能)

フォームの始まり

メールアドレス

無料で説明会動画を見る

 

ソーシャルボタン

• ​

• ​

• ​

プライバシーポリシーはこちら

コースに申し込む

はじめてのAIコース

非エンジニアが身につけるべきAIプログラミングの知識を習得しよう

AIプログラミングの基礎だけ学びたい方向け

詳しく見る

AIコース

AI（人工知能）の構築に必要な機械学習・ディープラーニングを習得

AIプログラミングを本格的に学びたい方向け

詳しく見る

オススメのセット

 

Python+AIセット

AIコースを受講したいけど、Pythonの基礎知識がないという方は
このセットをご受講ください。
1コースずつ受講した場合に比べ最大60,000円もお得！

詳しく見る

フォームの終わり

 

 

 

PythonAIセット

Pythonを使ってAIの構築に必要な機械学習・ディープラーニング習得

受講開始3月9日（月）

申込締切（本日締切）3月1日（日）26時

今すぐ申し込む

Python＋AIセット

• 概要

• 対象

• 特徴

• スキル

• メンター

• 料金

• 受講の流れ

• FAQ

• 申し込む

 

お得情報を
詳しく見る

 

第13回 日本e-Learning大賞
プログラミング教育特別部門賞

【セット割】Python＋AIセットについて

Pythonの基礎から機械学習・ディープラーニングまで学べるお得なセット。PythonコースとAIコースを合わせて受講でき、それぞれ1コースずつ受講した場合に比べ社会人プランで60,000円もお得に！現役のエンジニアのパーソナルメンターが徹底サポートいたします。

こんな方にオススメです

人工知能を基礎から実践的に理解したい方

人工知能やディープラーニングに代表される機械学習を実際に体験しながら理解できます。

機械学習ライブラリを使い実装を行いたい方

scikit-learnやKerasといった機械学習ライブラリを使い、画像認識や評判分析、レコメンデーションなどを実装します。

機械学習を学びエンジニアとして活躍したい方

忙しい社会人の方でも、平日の夜、休日を使って学習することで働きながらでもジョブチェンジに挑戦することが可能です。

時間と場所にとらわれない働き方をしたい方

手に職をつけることで、クラウドソーシングなどを利用し在宅でも深夜の時間帯でも、自由な働き方を実現できます。

学習内容 - Python

機械学習の基礎を習得

期間内で4つの機械学習プログラムを開発します。実務に近い形で学習することで、社会でも通用するスキルが身につきます。

画像を解析して分類

画像から犬か猫かを分類する

データから花の種類を分類

データセットから花の種類を分類

住宅価格の分析と予想

データセットから部屋数と住宅価格を予想

ビットコインの価格変動を予測

ビットコインの過去のデータから価格変動を予想

学習内容 - AI

人工知能に関するスキルを習得

機械学習のライブラリを使って実装を行います。実務に近い形で学習し、社会でも通用するスキルが身につきます。

回帰モデルの作成

プロ野球選手の年俸を予測（教師あり学習）

クラスタリングの実装

花の品種を分類（教師なし学習）

Amazonレビューを評価分析

対象商品の評価を判定（自然言語処理）

手書き数字の画像認識

手書き数字を画像認識する（深層学習）

身につくスキル

Pythonの基礎からAIの構築に必要な機械学習・ディープラーニングまでまとめて学べます。

 

Python

機械学習でよく使われる言語

 

機械学習

AIを構築する際の根幹となる技術の1つ

 

Pandas

データの集計・分析を行うライブラリ

 

scikit-learn

回帰分析やクラスタリングなどを行うライブラリ

 

Keras

画像やテキストなどの分析を行うライブラリ

 

TensorFlow

画像認識や音声認識技術を行うライブラリ

データサイエンスコースとの比較

AIコースとデータサイエンスコースの違いについて表でまとめています。

AIコース

データサイエンスコース

プログラミング

Python

機械学習

教師あり学習scikit-learn

ディープラーニング

KerasTensorflow

評判分析

クラスタリング

数学・統計学

確率・推定・検定

モデルの構築

統計モデルの構築モデルの最適化

データサイエンスコースを詳しく見る

現役のエンジニアが徹底サポート

1人では難しいこともメンターがそばにいれば、くじけずに前に進めます。第一線で活躍する現役エンジニアが実務経験を元にあなたを全力でサポートします。

メンターサポート．1

マンツーマンメンタリング

週に2回ビデオチャットを使ってパーソナルメンターからのマンツーマンサポートを受けられます。

メンターサポート．2

チャットサポート

毎日15時〜23時のチャットサポートでは随時質問ができ、即回答をもらうことができます。

メンターサポート．3

回数無制限の課題レビュー

課題ができるようになるまで何度でもパーソナルメンターからのレビューを受けることができます。

< Pick Up Mentor >

 

Kazuki Ota

システムエンジニア歴約20年、プログラミング歴約35年。プログラミングの守備範囲はフロントエンド、サーバサイド、Android開発、機械学習と広く、また普段はシステム開発プロジェクトの管理や後輩の指導を行っています。

参加者へのメッセージ

プログラミングが出来るようになると世界が広がります！受講生様に寄り添い、楽しく学んで頂けるようサポートさせて頂きます。

 

Nobufumi Fukumoto

IT業界歴約26年。プログラミングは、汎用機から現在まで幅広くやっています。普段は、プロジェクトマネージャーやITコンサルタントをやっています。

参加者へのメッセージ

プログラミングは、考え方を身につければどんな言語でも応用ができます。色んなことにチャレンジする人をお節介なレベルまでサポートさせて頂きます。

受講スケジュールのイメージ

Pythonコースで基礎を習得してからAIコースをご受講ください。

いつでもご利用可能！

チャットサポート、課題提出、カリキュラム閲覧

いつでもご利用可能！

いつでもご利用可能！

受講開始受講終了

チャットサポート、課題提出、カリキュラム閲覧は、受講期間内でいつでもご利用いただけます。並行して学習を進めて頂いても、片方のコースから学習をされても構いません。

前半・後半に分けてしっかりサポート！

メンタリング

前半

後半

受講開始受講終了

パーソナルメンターとのメンタリングは決められた日程で行います。Pythonコースを前半に、AIコースを後半に行います。

 

残りわずか！お早めに

キャンペーン締切3月1日（日）26時

ブートキャンプの8・12・16・24週間プランのいずれかにお申し込みいただくと、もれなく「はじめてのプログラミングコース」のカリキュラムをプレゼント！暖かくなってきたら勉強を始めてみませんか！？

お申し込みフォームへ

• ※キャンペーン期間内に8週間・12週間・16週間・24週間のいずれかのプランにお申し込みの方が対象になります。

• ※上限に達し次第、予告なくキャンペーンは終了となります（表示がある間は対象です）。

• ※プレゼント内容は「はじめてのプログラミングコース」の教材（メンターのサポートはありません）。

• ※特典の教材は2020年3月10日から閲覧できます。

• ※先割との併用はできません。

料金

先割り・キャンペーン

8週間プラン

集中して学びたい方向け

先割り・キャンペーン

12週間プラン

じっくり学びたい方向け

先割り・キャンペーン

16週間プラン

多忙で時間がない方向け

先割り・キャンペーン

24週間プラン

焦らず学びたい方向け

 

セット割料金
（税別）※1
2つのコースをそれぞれ受講した際の合計金額

社会人

278,000円※1

248,000円
30,000円 お得！

学生

218,000円※1

188,000円
30,000円 お得！

社会人

328,000円※1

288,000円
40,000円 お得！

学生

248,000円※1

218,000円
30,000円 お得！

社会人

378,000円※1

328,000円
50,000円 お得！

学生

278,000円※1

238,000円
40,000円 お得！

社会人

478,000円※1

418,000円
60,000円 お得！

学生

328,000円※1

288,000円
50,000円 お得！

 

受講期間

• 開始3月9日 (月)

• 終了5月3日 (日)

• 開始3月9日 (月)

• 終了5月31日 (日)

• 開始3月9日 (月)

• 終了6月28日 (日)

• 開始3月9日 (月)

• 終了8月23日 (日)

 

メンタリング

14回

22回

30回

46回

 

 

チャットサポート

15〜23時（8時間）

 

学習時間の目安
（1週間）

20〜40時間

15〜30時間

10〜20時間

5〜15時間

分割払いをご利用いただけます

社会人の方は月々約10,334円〜

学生の方は月々約7,834円〜

※上記の値段は8週間プランを24回払いの場合となります。※分割手数料については、ご契約のカード会社によって異なりますので、直接カード会社にお問い合わせください。

早めの申し込み・入金がお得！今日から学習スタート！！

お申し込み後、入金が完了すると受講開始日を待たず
すぐにチャットサポートを開始できます。

※メンタリング・課題提出は通常の受講期間内での実施となります。
※先割の場合は通常よりも7日間早く受講を開始できます。

参加条件

• 必要なメンタリング回数をこなすことが出来る

• 期間内に必要な学習時間を確保出来る

• MacかWindowsのPCを持っている

• Google Chrome を利用できる

• PCの基本的な操作が問題なくできる

注意事項

• 支払い法はクレジットカード払い（分割可能）、コンビニ決済、銀行振込、ビットコイン決済からお選びいただけます。

• クレジットカード払いは、Visa、Master、JCB（楽天、セゾンのみ）に対応しています。

• カード分割払いご利用回数（3/5/6/10/12/15/18/20/24）

• JCB（セゾン）は分割の支払いが利用できません。

• コンビニ決済は30万円を超える支払いにはご利用いただけません。

• 請求書払いをご希望の場合はお申込後、専用のフォームからご申請ください。

• 決済後、専用のフォームから領収書の発行が可能です。

• 学生は25歳以下が対象、学生証の提示が必要です。

• 参加にはウェブカメラ、マイクが必要となります。

キャンセルポリシー

受講開始にかかわらず、学習システム（カリキュラム）にログインされた後のご返金はいたしかねますのでご了承下さい。なおログイン実施前かつ、受講開始日の1営業日前までであれば、振込手数料を引いて全額返金いたします。（受付：平日10時〜19時）

先割

今、セット割を先行申込すると受講料が8％OFF！このお得な割引を使ってセット割を受講しよう！

最大で33,440円分お得！

＼ 残りわずか！お早めに ／

先割締切3月1日（日）26時

先割で申し込める受講開始日

• 第109期03/30〜

• 第110期04/06〜

• 第111期04/13〜

• 第112期04/20〜

 

STEP1 -参加日程を選ぶ

 

先割の対象となるご希望の参加日程をお選びください。

STEP2 -申し込む

 

その他の必要事項をご記入の上、お申し込みください。

• ※先割の期間内に対象となる日程のセット割をお申し込みの方が対象になります。

• ※お申し込み時の入金期限までに決済をされた方が対象となります。

• ※その他のキャンペーン等との併用はできません。

お申し込みフォームへ

 

同僚や友人と一緒に受講すると受講料が10,000円割引！

セットを申し込む際に一緒に受講される同僚や友人の名前を「お申し込みフォーム」の備考欄に入力してください。受講料が1万円割引になります。ぜひお誘い合わせのうえ、このお得な割引をご利用ください。

備考欄に入力するワード

tomowari友人の名前例）tomowari煌木太郎

※他の割引との併用はできません。
※申し込みした方と友人とが別のセットになっても割引は適用されます。
※割引はお一人様につき1回のみの適用となります。

お申し込みフォームへ

受講生限定の転職サポート

一人ひとりの受講状況や習得したスキルに合わせたスカウトでニーズにあった転職の機会をご提供します。

 

 

 

 

成長中の企業や職場環境が整った企業をご紹介

 

 

TechAcademyの学習を進めればニーズに合ったスカウトが届く

 

スキルを活かせる環境へ転職

TechAcademyで学習したスキルを活かして転職

TechAcademyキャリアは受講生限定の無料の転職サポートです。一人ひとりのプロフィールや、学習で身につけたスキルを元に企業やコンサルタントがスカウトするため、それぞれのニーズにあった転職の機会をご提供することが可能です。TechAcademyを受講の際にはぜひお気軽にご利用ください。

ご利用までの
カンタン3STEP

TechAcademyの
コースを受講

TechAcademyキャリアに
簡単ステップでご登録

企業やコンサルタントから
スカウトが届く！

他スクールとの比較

他のスクールと比較するとの圧倒的なコストパフォーマンスをご確認いただけます。

 

A社

B社

C社

料金

99,000円〜※はじめてのプログラミングコース4週間の料金

148,000円〜

入会金128,000円
月額12,800円

入会金18,000円
96,000円〜

受講形態

オンライン完結

オンライン完結

会場とオンライン

会場のみ

メンター

現役エンジニア

現役エンジニア

大学生や卒業生が中心

スクールの講師

パーソナルメンター

メンターではない
担当者が対応

マンツーマンレッスン
（メンタリング）

チャットサポート

転職サポート

全コース対応

20万円のコースのみ対応

40万円のコースのみ対応

資格取得のサポートのみ

受講の流れ

お申し込み、お支払い、アカウント発行

下記フォームより必要事項を記入してお申し込みください。お申し込み後、入金についてのご連絡させていただきます。入金が確認出来次第、アカウントを発行いたしますのでカリキュラムで予習を始めることができます。

学習開始

開始日からはメンターによるサポートが始まります。オンライン上で学習、課題作成、チャットでの質問、パーソナルメンターとのメンタリングを繰り返し行って、短期間での習得を目指します。

Pythonを学習

まず前半でPythonについて学習していただきます。Pythonの基礎を習得してから、機械学習プログラムの開発も行います。

機械学習・ディープラーニングを実践的に習得

4種類のPythonのライブラリを使い、AI（人工知能）の構築に必要な機械学習・ディープラーニングを実践的に学びます。

FAQ

参加に迷っているのですが…

オンラインブートキャンプへの参加を検討されている方向けに、プログラミング無料体験をご用意しています。実際のメンタリングやカリキュラムを体験いただけます。お気軽にご参加下さい。
プログラミング無料体験への参加はこちら

他のプログラミングキャンプとの違いは？

通常のプログラミングキャンプではカリキュラムに沿って学習していくだけですが、プロを育てるため、オリジナルサービスを開発できるレベルまでパーソナルメンターが手厚くサポートし、受講生の結果にコミットしている部分が大きく違います。

合計どのくらい学習時間が必要ですか？

現在の理解度のレベルと進捗スピードによって異なりますが、目安として合計300時間ほどの確保をお願いしております。無駄を省いた学習システムと、メンターへの質問・課題レビューで通常より短期間で成長することが可能です。

期間内に学習が終わらなかったらどうなりますか？

オンラインブートキャンプ終了後もカリキュラムは継続して閲覧が可能です。受講生様のオリジナルサービスの開発を出来る限りサポートとするため、追加のメンターサポート（ 4週間69,000円 ）も合わせてご用意しております。

全くの初心者ですが問題ありませんか？

問題ありません。初心者の方でもしっかりと理解していただけるよう、パーソナルメンターが全力でサポートします。ただし、学習時間を確保の上、しっかり自習して学習を進めることが前提です。

プランの違いはなんですか？

学習期間の違いです。300時間の学習時間を確保できる方をお選びください。カリキュラムやメンターサポートの内容に違いはありません。期間中に終わらない場合は追加のメンターサポートも用意していますが、8週間プラン終了後に4週間延長すると、12週間プランより割高になります。

領収書や請求書の発行はできますか？

可能です。領収書はお支払い後に発行方法をご案内します。また、法人からお申し込みの場合は請求書払いも対応しています。まずはご受講される方の名前でお申し込みいただき、指定のフォームからご申請ください。

Python+AIセット
お申し込み

利用規約に同意の上、下記フォームに内容を記入してお申し込みください。お申込み後、メールにて入金のご案内をお送り致します。

本日締め切り！

参加日程必須

    第106期（2020/3/9 〜）【先割】第109期（2020/3/30 〜）【先割】第110期（2020/4/6 〜）【先割】第111期（2020/4/13 〜）【先割】第112期（2020/4/20 〜）

プラン必須

社会人学生

 

   24週間プラン （3/9 〜 8/23、 418,000円）16週間プラン （3/9 〜 6/28、 328,000円）12週間プラン （3/9 〜 5/31、 288,000円）8週間プラン （3/9 〜 5/3、 248,000円）

春から勉強キャンペーンの対象プランです

氏名必須

 

 

氏名（カナ）必須

 

 

メールアドレス必須

電話番号必須

備考任意

 

 

• お問い合わせ

• よくあるご質問

• コンテスト

• ブログ

• メンター募集

• マガジン

• 運営会社

• 利用規約

• プライバシーポリシー

• 特定商取引法に関する表示

© 2009 - 2020KiRAMEX CORPORATION.

20世紀型教師はいらない！？　学校にAI・ロボットがやってくる

•  

•  

•  

•  

私たちの知らないところで難しい計算や制御をしてくれるのは「電子計算機」や「マイコン」、「コンピューター」や「プログラム」というものでした。最近では「AI」というものが電気釜や冷蔵庫、エアコンといった家電製品の制御から、自動車や航空機の操縦までやってくれるという。また、自動車の製造ラインや掃除、お寿司の握りやホテルの受付などで活躍するのがロボットです。AIやロボットの導入で教師がいらなくなるって、本当でしょうか。

AIとは何か

AIとはArtificial Intelligenceの略で「人工知能」のことです。AIには、人間の知能に迫って同様の仕事が出来るような幅広い知能と自意識を持つと言われる「汎用人工知能」と人間の能力のある部分や特定の分野に特化した「特化型人工知能」があります。2045年に訪れると予測されているシンギュラリティ（技術的特異点）は、「汎用人工知能」が人間の脳の能力を超えることで、その真偽は学者や研究者の見解が分かれるところです。2018年の時点で、まだ「汎用人工知能」は出来ていません。

 

Photo by PIXTA

一方の「特化型人工知能」はめざましい発展を遂げています。チェスや囲碁、将棋といった人類の中では知能が高い人たちが職業としている分野では既に、AIが名人クラスを破っています。スマートフォンやスマートスピーカーでユーザーの要望に的確に答えてくれるのも、客からの電話での問合せやクレームに答えるのも、1秒間で株の売買を決断するのも、一人ひとりの子どもたちに最適な学習方法を提供するのもAIの得意分野となっています。

20世紀の産業を発展させた高度で緻密なコンピューターの「プログラム」とAIはどこが違うのでしょうか。いま活躍しているAI＝「特化型人工知能」の特徴は「機械学習」です。
「機械学習」とは、最初に人がすべてをプログラミングするのではなく、大量のデータをAIが自分で解析して、法則性やルールを見つけ出すというもので、まさに「学習」を積み上げていくのもです。もちろん、データの解析方法などの「学び方」は人がプログラムで指示しています。この学び方などのプログラムなしで、AI自身が自分の判断で学んでいく「ディープラーニング」が実現すると、「汎用人工知能」～「シンギュラリティ」となっていくのかもしれません。

AIが教室にやってくる

AIを活用した学習システムを2つ紹介します。1つはすららネットの「すらら」です。「すらら」は、アダプティブ・ラーニングやゲーミフィケーションの要素を取り入れた対話型アニメーションのeラーニングです。一番の特徴は、一人ひとりのペースや学力レベルに合わせて問題を出し、学習計画を立てていけるようなオーダーメイド学習、いわゆるアダプティブ・ラーニングだということです。AIは一人ひとりに対応するために様々に活用されていますが、例えばこんなことができます。

 

「すらら」の画面イメージ

中学1年生が数学の問題を解いていて、ある分野になると苦手だということが明らかになります。すると「すらら」は、苦手の原因を履歴から探って特定します。例えば原因を「分数と分数のかけ算が出来ない」と特定すると、小学校の問題から「分数×分数」の問題を選んで分かるまで繰り返し出題して、いま解けない問題の原因から解決します。「すらら」は、小学校1年生から高校3年生までを対象に国語・英語・数学（算数）の3教科を提供していて、導入している学習塾が690校以上、学校では150校以上で利用されています。

2つめに紹介する「Qubena」は、最初からAIを活用することを前提に開発された、数学（算数）に特化した世界初の人工知能（AI）型タブレット教材です。「Qubena」を開発したCOMPASSの神野 元基CEOが留学中のシリコンバレーで「シンギュラリティ」に出会い、この時代を生きる子どもたちに「生き抜く力を身につけさせなければならない」という使命感で帰国して開発したものです。間違いの原因を人工知能が分析し、たとえ過去の単元や前の学年の分野につまずきポイントがあったとしても、原因を解決するためにその生徒が解くべき問題へと誘導するのはもちろん、生徒が「解いている問題、解答時間、正答率なと」の学習データを専用の管理システムによってリアルタイムに収集・分析したり、ヒントや解説アニメーションを活用して、上級学年の単元へ進むことも、難易度の高い問題へ挑戦することもできます。

COMPASSが実施した導入実験では、通常14週間かけて行う1学期の授業が2週間分の授業時間で終わり、受講者全員が学校平均点を上回る結果となったといいます。実に7倍の速さということです。現在、経済産業省の「未来の教室」プロジェクトの実証事業にも使われいます。

ロボットも教室にやってくる

AIが学びの形や質、スピードにまで影響をもたらす可能性があることはおわかり頂けてたと思いますが、ロボットも教育現場で活躍の場を広げようとしています。得意な分野は英語とプログラミングです。そもそもロボットはプログラミングで動く訳ですから、プログラミング学習に使われるのは当然として、英語で利用されるのはなぜでしょうか。

2020年の学習指導要領の改訂により英語は小学校では、5～6年で「外国語」として教科化され、3～4年では「外国語活動」が必修化されます。これまで「慣れ親しむ」程度だった小学校英語が、「コミュニケーションできる」レベルを求められることになります。3～4年で「聞く・話す」を体験し、5～6年では「読む・書く」能力が求められることになりそうです。また、中学校でもこれまで高校で実施されていた「英語で英語を教える」という指導方針が示されています。中学や高校では英語の専任教師がいますが、小学校ではどうでしょうか。「読む・書く」は学生時代に学んだでしょうが、「聞く・話す」まで自信のある教師は少ないことでしょう。ALT（外国語指導助手）を活用すればいいのでしょうが、人材や費用の問題で簡単ではありません。そこで登場するのがロボットです。

 

柏の葉T-SITEのイベントで

英語学習ロボットとして最も有名なのは「Musio（ミュージオ）」です。「Musio」は、人工知能エンジンや人工知能ソーシャルロボットを開発している米国企業のAKAが開発した英語学習AIロボットで、自ら考えて会話し、その内容を記憶していくコミュニケーションロボットです。米国のネイティブ英語での自然な英会話ができるチャットモード、専用教材でレベル・目的別の英語学習ができるチューターモード、単語や表現、会話フレーズの発音練習ができるエデュモードを搭載し、英語学習を楽しくサポートしてくれます。サイズは幅174×奥行き83×高さ218mmで、重さ約 850gです。

昨年発売以来、多くの学校や教育機関で実証研究やプロジェクトが進行していて、ICT教育ニュースでも度々取り上げています。例えば、明星中学校・高等学校は昨年4月、「Musio」を、私立中学校としては日本で初めて授業に導入。週5コマある英語の授業時間内で、概ね週2回利用しているということです。生徒が使い慣れた段階では、生徒が自由に使える時間を増やしていき、生徒の発話量を増加させるとともに、「（非人間との）リアルな英会話」を通して「実践で使用できる本物の英会話力」を養っていくとしています。

 

戸田市の導入イメージ

埼玉県戸田市教育委員会では昨年10月から、同市の公立小・中学校向けに「Musio」を活用した外国語活動授業を開始。戸田第二小学校では、5年生を対象に週2回の外国語活動のモジュール授業で、「Musio」を活用した授業を実施しています。あらかじめ設定された文章を、「Musio」に続いて児童が発声し、発音や抑揚などを「Musio」がチェックするというものです。今年1月からは戸田東中学校で、グループごとに「Musio」を使い、その日の重要表現の発音練習に取り入れています。授業では、Musioが一人ひとりの発音を分析・評価し、適切な発音になるまで繰り返し練習するというもの。これまで教師1人では難しかった個人の発音チェックを「Musio」が代行することで、クラス全体の発音レベルの向上を目指しているといいます。

 

教室の「NAO」

もう一つ、今年になってメディアへの露出が増えてきたのがフランス生まれの人型ロボット「NAO」です。身長は58㎝、体重は5.4㎏。Pepperに比べたらものすごく小型で軽量ですから、持ち運んだり収納したりするのに便利。でも、もっと小型のロボットに比べたら存在感も充分あるので、教室の一番前のデスクの上にいてもしっかり見える、ちょうどいい大きさ。「NAO」の1番の特徴は「かわいい」ことです。可愛くて親しみやすい。この親近感を得やすいというのは、学校教育の現場ではおおきなメリットを生み出すのだそうです。英会話を学ぶ日本人の多くは「恥ずかしい」「失敗したくない」という思いが強く、生身の先生と対面しても上手にコミュニケーションできません。子どもも同じです。そんな時、可愛いロボットが相手なら、ゲーム感覚で楽しく対応できるし、恥ずかしい事もない。

教師という職業は残れるか

さて、AIの進化によって社会のあり方が変わり、「何年後には何パーセントの職業がなくなる」といった記事を見かけます。なくなる職業としては「電車やバスの運転手」「工場の組立工や梱包担当」「銀行の窓口」「スーパーのレジ担当」などがあげられます。一方、なくならない職業には、「小学校の教員」「中学校の教員」が必ず入っています。しかし、安心してはいけません。教壇に立って、一方的に知識を伝授するだけの20世紀型教育を続けていたら、すぐにAIやロボットに取って代わられるでしょう。

「教師」がなくならない理由は明らかにされていませんが、おそらく「触れあい」「見守り」「気配り」「思いやり」といった、人間的で曖昧な要素が重要な職業だからではないでしょうか。21世紀型のICT活用教育になっても変わらず教師に求められる能力かもしれません。因みに、なくならない職業に「高校の教員」はありません。なぜでしょうか。

一款真正的AI面试产品，需要怎样的技术内核？

凡心青衣瑶

2020-02-21 16:32

关注

一场突如其来的新冠肺炎疫情，改变了2020的走势。这个庚子年，注定不平凡。 从最初感染几十人到如今几万人，疫情的蔓延，对企业和个人都造成巨大影响。

疫情之下，临危受命

疫情肆虐，春节假期延后、复工延迟、工厂停工、资金压力等让很多企业面临危机甚至濒临倒闭，远程办公、在线教育、互联网医疗、企业级SaaS服务顺势崛起。当正常社会活动受阻，“无接触”成为疫情防控之下最流行和最有效的应对方式。

根据e成科技最新调研数据显示，约64%的受访企业表示可以接受远程面试的方式。（权威发布：疫情之下，克制中的白领与用工潮下的蓝领何去何从？）可见，“无接触招聘”、“线上招聘会”等形式，正在成为特殊时期零接触、高效率、足不出户招人才的有效途径，“远程面试”也脱颖而出成为企业“无接触”招人的首选。

AI面试为何脱颖而出

目前视频面试主要分为两类：

一类是通过各种视频工具进行远程1对1或多人面试，我们称之为

远程面试

；另一类是候选人与AI虚拟面试官进行面试，我们称之为

AI面试

。 事实上，视频面试并不是一个新生事物，国外类似HireVue、SparkHire等AI面试产品已经问世多年，并得到了不错的应用。在国内，此次疫情的爆发倒逼企业开始使用视频面试，它才得以真正“出圈”，广泛进入人们的视野。

国内也有不少类似产品，比如e成科技的AI面试产品“e面通”。e成科技在2019年已将AI面试应用到数字化招聘产品（ATS）中，并通过了两千余家客户的检验。

但从AI面试诞生伊始，与之相关的争议也一直存在，比如AI面试官信效度和AI伦理问题等。AI面试的效果最受关注，AI面试官能否达到专业面试官水平是企业普遍关心的问题。以目前人工智能发展水平，尚不能直接替代人类，在面试场景亦是如此。在能力上，真人面试官沟通反应能力、对候选人细节把握，以及专业知识能力都令目前的AI算法望尘莫及；在产品形式上，很多特定面试场景暂时无法用AI实现。

但是，这些挑战并不影响AI面试的独特价值。相反，AI面试官可以根据自身特点形成差异化优势，与真人面试官人机协作，帮助企业提升招聘效率和效果。

01海量候选人初筛，降本增效

对于企业面临的海量候选人初筛，AI面试可以通过技术优势实现降本增效。从长期来看，在整体经济下行、企业运营压力加大的情况下，大部分企业都有降本增效需求，减少在招聘中的人力投入，提升效率是其中重要一环。

简单来说，对于标准明确、对候选人要求偏低的岗位，AI面试通过设定标准化问题就可以判断候选人是否满足要求，在这些场景下，AI面试官可以基本替代人类面试官完成招聘流程，比如门店店长、服务人员、销售、导购等。对于高要求岗位，通过AI面试可以对候选人进行初筛，从而减轻面试官后续的面试量，大大降低人工成本。

此外，AI面试还可以快速收集候选人信息，交给专业面试官进行判断，降低面试官沟通成本。

02雇主品牌形象提升

对于候选人来说，一款体验好、科技含量高的AI面试产品能够让他们对企业有更全面地了解，提升面试体验，增加对企业的好感。

而良好的产品设计和交互体验，也有利于候选人克服紧张情绪，充分展示个人能力。同时，相比于人类面试官可能会带有的个人偏见和情绪波动，AI面试官没有情绪、更加客观，使得面试过程更加公平、透明。这都将更好地赋能企业雇主品牌，吸引更多优秀人才加入。

03精准匹配，避免“招错人”

减少流程步骤、提高面试效率的同时，如何保障面试质量成为核心。面对海量候选人，很多企业都面临“招错人”的风险，即便是经验丰富的面试官也难免会看走眼，而“招错人”一旦既成事实，可能对企业组织管理、业务发展和人力成本等各方面带来不小的负面影响。

AI面试不仅能够通过自动化流程和智能化工具，提高招聘效率，还能通过AI技术进行精准匹配，同时基于智能分析给出科学、合理的建议，降低招错人的风险。

同时，通过语音识别、微表情识别、情感计算等AI技术，对候选人性格、情绪、动机等心理状态进行分析，可以在面试官做出决策前提前预警，避免“招错人”。

一款真正的AI面试产品，对AI能力有何要求？

特殊时期，远程面试避免了面对面接触带来的感染风险，可解企业燃眉之急。相比于直接使用skype、微信、QQ等通讯工具，很多HR服务供应商提供的远程面试工具能够针对面试场景做更多优化，比如与企业ATS系统进行打通等，可进一步提升远程面试的体验与效率。

但从面试的内容和结果看，这样的远程面试和传统的现场面试并不存在本质区别。

AI面试之所以区别于传统现场面试以及传统远程面试，是基于底层的领先的AI技术的应用、AI技术与大量的HR知识和行业经验结合。要实现AI技术应用于远程面试场景并不存在很高的技术壁垒，但要真正具备以上两种条件的厂商并不多，他们大多需要通过外部合作接入AI技术。

兼备两种条件的厂商无一例外都具备相同的特点：长期的AI技术投入和行业经验积累。与全球视频面试先驱HireVue类似，e成科技作为领先的人力资本数字化平台，从创立之初就将AI深植于基因，拥有7年的AI技术积累，并伴随着人力资本业务发展不断学习和进化，融合了深厚的HR行业经验积累、顶尖专家团队提供专业知识，突破技术边界，才在HR SaaS领域形成独一无二的“护城河”。

实现一款好的AI面试产品并不容易，一方面要对业务流程深刻理解和产品体验持续优化，另一方面需要领先的AI技术作为内核。可以说，AI能力越强、应用越充分，AI面试体验越好，也给企业和候选人带来更大价值。

那么一款好的AI面试产品到底需要哪些AI能力呢？

01音视频理解与情感计算

AI面试主要通过录制视频进行交互，首先要对视频中的语音和视觉信息进行抽取。将语音转为文本的ASR技术虽然已经成熟，但在复杂环境和对特定领域的识别准确率，仍需针对性的优化。

除此之外，语音视觉信息还可以为不同维度判断候选人提供支持：通过对候选人行为和人脸检测，可确保候选人面试真实性；通过分析候选人的语音与人脸信息，可以判别普通话、表达能力和形象等额外信息；通过情感计算技术分析候选人的微表情和声音变化，可以进一步了解候选人情绪变化，为候选人评价提供进一步支持。

02对话能力

AI面试与传统面试一样，都可以看做是一个候选人与面试官对话的过程。相比人与人之间的面试，AI面试中对话的难度更高，通常轮次也不会过多。

首先AI面试官需要根据候选人的情况准备合适的问题。其次，AI面试官可以在面试过程中多一些与候选人的寒暄与闲聊，包括解答一些候选人提出的问题，这就向拟人化方向往前又走了一步。最后，如果AI面试官还可以根据候选人的回答，灵活且有针对性地进行回复与追问，就可以让AI面试与真实面试更加接近，达到更好的效果和体验。

对候选人说的话进行实时的理解与回复，依赖于强大的AI语义理解能力与计算性能，也是判断AI面试智能性的重要标准。

03语义理解

无论是对候选人的即时追问还是对其回答的离线判分过程，都需要强大的自然语言理解能力作为支撑

具体来说，知识图谱通常是对领域知识进行理解的基础，用来进行各类实体的抽取与关联分析。而文本序列标注、分类、相似度计算等常见自然语言处理技术也必不可少，而这些能力还需与专家业务知识进行结合，在样本缺乏的情况下保证效果。

04跨媒体分析

真实场景下，面试官对候选人进行判断，往往会综合考虑候选人表情、动作、声音、语言等各种信息，而人类大脑天生具备把不同类型多媒体进行整合与分析的能力。

AI面试官也需要在此方面有所作为，对不同的媒体来源综合分析，我们称之为跨媒体分析。比如候选人在描述某一段经历时的眼神飘忽、声音较低，AI可能会对这段经历给出比较低的置信度，这就是跨媒体分析的一种体现。

05人岗匹配

基于岗位的要求与候选人的回答，AI面试官可以给出候选人与岗位的匹配度，供企业HR使用或参考。匹配度的计算既需要考虑业务角度的规则，也需要融入基于大数据学习得到的机器学习模型，并同时考虑候选人冰山上的知识技能与冰山下的职业素质。

以上这些AI能力，e成科技早已融入到自主研发的AI面试产品“e面通”中。

▲ e成科技AI面试产品“e面通”融入多种AI能力

有相关的AI能力作为基础，再加上e成对业务的深刻洞悉和领先的创新研发产品能力，开发一款AI面试产品水到渠成。可以说，“e面通”是一款集e成科技AI能力之大成的产品，音视频理解、语义理解、对话能力、跨媒体分析、人岗匹配等这些AI能力应用都融入了最新的AI技术、大量的人力资源数据与专家知识积累。后续，我们会继续对这些AI能力及其与AI面试产品的结合方式做更具体地介绍。

当然，这些都离不开多年的积累，e成科技从2013年开始就致力于HR领域的AI能力建设，并且落地于对话机器人、ATS、人才盘点等众多场景中，为大量用户赋能，助力企业降本增效。与此同时，e成科技也将自己的AI能力整合，并打造六大AI算法中台，能快速响应内部业务和客户各项AI需求。

拥抱数字化，危机中崛起

不管是互联网在线医疗服务平台提供线上问诊，AI算法助力疫情态势研判、辅助疫情防控部署，智能机器人提供疫情排查服务，还是人工智能提供的“无接触招聘”服务，这次疫情都让我们切实感受到大数据和人工智能的价值。

当前，AI面试看似是一种特殊时期临时性、过渡性的面试方式，但事实上，这次疫情强化了AI面试的价值与影响，也让很多企业产生危机感，开始探索人工智能技术推动下的企业招聘管理新模式，加速了人力资本数字化进程。

疫情之下，我们不仅要思考“当下”如何渡过难关，也要思考“长远”趋势下，企业如何通过人力资本数字化能力提升，改变组织管理和运行模式。从长远来看，对AI面试等智能工具的驾驭是也一种能力，是组织数字化能力提升过程中的重要能力。

和病毒共存，是人生的一部分；和危机共存，是生存的一部分。

疫情的出现，正在倒逼企业自救升级，拥有数字化能力武装自己成为转危为机的利器。人工智能和AI视频面试都是大势所趋，我们正确应对危机的方式，或许也正是我们抓住机遇的开始。

未来，AI面试将成为企业招聘的重要方向，e成科技将引领行业趋势，凭借自身在AI开放平台、技术、产品、行业经验等优势，助您实现人力资本数字化新升级！

vivo-AI算法-19内推面试

 发表于 2018-08-07 |  更新于 2018-08-13 |  分类于 面试

已收到offer

 

本来是约了晚上19：00，搬砖忘记了时间，后来改约到晚上22：00。

vivo 一面

自我介绍

• 算法题：Top k 有哪些算法，时间复杂度分别是多少

• 算法题：最长增序列，时间复杂度

• 对于树模型的理解？

• 随机森林并行？GDBT可以改成并行吗？引入LightGBM

• GBDT和Xgboost的区别

• 讲讲LDA ？LDA里面的共轭分布解释一下？

• 讲讲word2vec

• 讲讲RCNN、fast RCNN、faster RCNN做出的改进？

感受：

和intel有类似的地方，面试官的目的主要是发掘你的优点，不是为了挑你的缺点，似乎有国外背景的人会比较喜欢这样。

遇到不会、不熟悉的地方，我就直说，然后跳过聊下一个问题。

面试快要结束的时候，面试官主动拉起来家常，聊到他之前的经历，16年在头条AI lab，后来去了腾讯，最后去了vivo。

似乎我所经历的面试官都很好奇我为什么不读硕士，这位就更直接了，直接劝我说还有时间，现在考研来得及。这是个什么操作？

CV、机器学习、数据挖掘、NLP都做过，还说他自己不小心读了硕士又读了博士。

最后面试官安利了一波他们部门，说我的背景和他们部分比较契合，去了应该能有施展的空间。

好在不是第一次听这种话，之前微信的mentor就说过，可是呢。

这次要留个心眼，不过面试官很真诚，也很厉害，好评。

最后我问了三个问题

• 面试有几轮？

• 部门的组织架构如何？

• 好奇问问面试官你这几次跳槽的原因是什么？

HR面

2018年08月13日 update

不知道什么情况，直接就终面了。

随便聊聊人生，8月20号之前给结果。

参考

• RF、GBDT、XGBoost、lightGBM原理与区别

推荐阅读

• 拼多多算法工程师（SSP），秋招结束！

• 秋招准备-规划篇

• 英特尔深度学习实习生面经

• 链表高频算法题及其解法

• 算法岗面试方法论：以面代练

人工智能与数据科学强化课程

从这里，踏上人工智能与数据科学创新之路

免费试听查看课表

课程时长

16 周

每周5节课, 每节课2-3小时

下次开课

即将开课

关注我们获取最新信息

建议预修课程

无

适合所有学生

商业分析与数据科学两大方向，强化培养面试技能！

针对学员的职业规划，分商业分析和数据科学两个方向教学。前两个月共同上课，夯实基础，后一个月，分班上课，有针对性的准备面试。两个方向课程时间不冲突，您如果学有余力，也可以全方面准备。

由近20位工业界一线的数据科学家和机器学习专家联合授课，师生比高达1:5。95+课时，结合人工智能与数据科学岗位要求，从编程能力、模型理解、项目经验三个角度提升您的综合实力。

课程案例包括用户黏性分析、文本聚类、Spark程序开发、深度学习等多个数据科学领域当前热门问题。

本课程已帮助众多学员拿到科技、金融、咨询等行业数据科学家、机器学习工程师、数据分析、商业分析等岗位offer。

 

试听课

课程概述

主讲老师：Jason老师

一门课程，两条路径

根据不同的职业路径，您可以选择商业分析或数据科学两个课程。两门课程资源共享，帮助您横向拓宽发展机会，收获理想的offer。

Track I

商业分析Track

注重加强您的案例分析能力和数理统计知识，夯实SQL和Python基础，帮助您顺利通过商业分析岗位面试。

Data Analysis

Data Manipulation

Data Visualization

Business Communication

Case Studies

• 基于商业分析岗位的面试要求，为您定制合适的学习方案。

• 4+ Data Challenge和Case Study项目，帮您提升简历，拿到面试机会。

• 课程设置了一系列数据可视化、数据操作及商业软实力课程。

• 由在IT、金融、能源、咨询等行业有多年商业分析经验的老师授课。

Track II

数据科学Track

为您深入讲解分布式系统和深度学习等前沿知识，并通过4+个机器学习项目帮助您拿到数据科学岗位offer。

Big Data

Deep Learning

Machine Learning

Apache Spark

TensorFlow

• 课程涵盖数据科学岗位所需的编程、模型、统计、大数据系统、深度学习等重要知识点。

• 手把手教您完成4+个机器学习前沿项目。

• 通过模拟面试课程，帮您解密数据科学岗位面试。

• 由Apache Spark核心开发工程师和数据科学家亲自授课。

10+ 热门Spark、Machine Learning与Business Analysis项目

• 银行用户流失预测与分析

用户流失是一个常见的商业指标。不同行业都会根据这个指标调整公司策略、留住当前用户。因此，如何高效分析这个指标，将会极大影响公司的策略和发展。

本项目以用户银行数据信息为例，带领学员应用多种监督学习模型(例如逻辑回归，随进森林)对银行用户流失进行预测和分析，并进一步分析影响流失的关键因素，为提高用户留存做出更好的商业决策。通过本项目，您将学到如何使用Pandas做数据探索、数据分析、数据预处理，以及如何通过Sklearn使用机器学习模型。

Pandas

Customer Churn Prediction and Analysis

Sklearn

Machine learning

• 电商平台用户评价分析与自然语言处理

随着互联网的兴起，用户也越来越愿意表达自己的想法。特别是在网上购物方面，我们可以明显地发现，用户在购物前会参考他人的经验，在购物后也愿意加上自己的评价和购买建议。通过对用户评价的分析，公司可以更好地了解用户的想法和需求，也可以更有针对性地做出商业决策。在本项目中，我们会使用机器学习的方法来分析某知名电商的用户评价数据，从文本中发现一些隐含信息和内在联系，进而在未来使用这些信息来帮助我们解决一些商业问题，如提高转化率。

TFIDF

PCA

Python

K-means cluster

Latent Dirichlet Analysis

• 旧金山犯罪数据分析和预警

大数据分析是算法工程师必备的技能，合格的算法工程师需要掌握从数据收集到数据建模的整个流程，最后才能保证从数据中发现可能的规律，并建立机器学习模型。

本项目以旧金山地区犯罪数据为列，带领学员建立从数据采集、清洗、存储、分析的一整套数据分析的工作流。通过对于不同地区犯罪数据，天气数据的分析和建模，建立可能的犯罪事件预测机制。

Spark RDD

Spark SQL

OLAP

Regression

Data Pipeline

• Movie Lense和Netflix 电影数据分析和推荐系统

推荐系统是互联网公司的现金奶牛。无论是Google、Facebook等IT巨头，还是Uber、Airbnb、Pinterest各类初创公司，都需要一套高性能的推荐系统。推荐系统的设计与开发能力是各大顶尖科技公司普遍看重的能力之一。

本项目带领您成为推荐系统设计与开发专家。本项目以Netflix电影数据为训练数据，带领学员掌握主流的推荐系统的算法，并熟练使用Spark Machine learning pipeline建立自己的协同过滤算法，并部署推荐系统到生产型环境。

Recommendation System

Collaborative Filtering

Matrix Factorization

Spark ALS Model

• 基于Auto-Encoder-Decoder 的电影推荐

随着深度学习技术的飞速发展，越来越多的互联网公司开始在推荐系统中使用深度学习。相对于传统的推荐系统，深度学习可以实现端到端的学习。

本项目以深度学习模型auto-encoder-decoder网络为基础，以imdb电影数据为训练数据，使用tensorflow建立auto-encoder-decoder模型。通过模型提取用户及电影特征，最终实现电影的自动推荐。

Auto-encoder-decoder

Recommendation System

Tensorflow

Movie Recommendation

End-to-end Training

• 基于LSTM深度学习模型的股票大盘指数预测

时间序列（Time Series）是我们在日常生活和社会工作中十分常见的一种数据，它是通过将一系列时间点上的观测值按等时间间隔测量来获取的数据集合，比如商业活动中，服装公司的年销售量；每日股票的价格波动；气象学中某城市的年降水量，月平均气温；城市污染PM2.5 指数 等等，因此对时间序列的研究广泛存在于各行各业。

本项目以LSTM为基础，以股票数据作为训练数据，带您通过TensorFlow，建立时间序列数据分析的深度学习模型。最终实现个股的伴随时间的未来变化趋势，以及对应的大盘指数的变化预测和分析。

Time Series Data

LSTM

RNN

TensorFlow

Stock Price Prediction

• 纽约出租车数据与股市走向关系分析

随着计算机技术的提高，我们现在很容易从不相关的数据中挖掘出隐藏的信息。比如十八世纪的时候，股票价格会随着来往的船只而波动，因为来往的商船传递着最新的消息。又有研究发现，公司高管拜访白宫的出入记录可以预测未来该公司股票的走向。这里，我们将遵循相同的思路，分析研究纽约出租车和股市的关系。看似纷繁复杂的纽约交通是否隐藏着有趣的信息呢？

在大作业的实战中，同学们将会运用之前学习过的所有知识来合理探索数据，包括商业问题的数据化，提出合理问题，并对数据进行归纳整理，选择合理统计模型，验证猜想。

Python Dashboard

Segmentation Analysis

Statistical Model

Poisson Regression

• E-Commerce营销策略优化

2017年，全球零售电子商务营业额达到了2.290万亿美元，约占零售总额的10.1%，预计到2021年将达到4.479万亿美元。2018年是线上线下零售革命——“未来零售”落地生根发芽、蓬勃发展的一年。

在本项目中，同学会通过分析某知名电商网站销量和产品信息，系统化的学习个性化设计，新顾客吸引与鼓励顾客再购物方法，商业推销途径优化，然后建立一个网页产品销量预测模型。

E-commerce

Business Analysis

Data Visualization

Product Insight

• 数据可视化与Tableau应用举例

“一图胜千言”。如何利用可视化来理解和沟通数据已经成为现代数据分析不可或缺的能力。 在本项目中， 我们将一起学习可视化的基本原理和最佳实践，用Tableau对其经典数据集Global Superstore Retail Data做探索性数据分析和汇报总结；并使用Matplotlib, Seaborn and Pandas实现Python数据可视化分析。

Tableau

Python

Data Visualization

Data Analysis

• YouTube用户评价情感分析项目

使用大数据和机器学习算法去分析和了解用户行为，是数据科学家分析互联网用户行为的必备技能之一。掌握Spark ML 去处理大规模的自然语言数据，更是当下最为热门的一项技能。

通过本项目，您将学习设计合理的metric来评估ML模型，运用Spark ML、NLP等相关技术对用户评论数据进行清洗，选取数据特征，构建监督模型，对用户评论进行分类，并处理unbalanced data，预测用户评论的语义偏好，学习使用AutoML来加速模型调试过程，分析评论隐藏话题信息。

AutoML

Pyspark

Spark ML

NLP

Comment Prediction

Topic Analysis

• 股票价格建模及时间序列分析预测

时间序列分析及预测是目前工业界热门问题, 在金融业、电商业、共享行业等多个领域都有广泛应用。为了更好地理解并应用此项技术，我们将以标普500指数为训练数据，通过时间序列分析技术简历模型并预测未来股票价值

本项目以ARIMA为基础，带领同学建立时间序列数据分析模型，预测未来附股票价值。

Python

ARIMA

RNN

LSTM

Time Series Data

• Fintech 用户信用评级建模分析

数据挖掘和数据分析是互联网金融风险控制中最重要的一环。在大数据时代，银行和互联网金融公司在控制金融风险上进行了大量的投入。在过去的几年，大量的小型借贷，P2P公司所面临的金融风险成为了其成长的魔咒。但是国外P2P的鼻祖Lending Club，国内的阿里金融都能够做到较好地控制小贷风险。本项目利用LendingClub的实际案例，帮助同学学习互联网金融公司及传统银行怎样通过分析，建模来融合多维，多来源的数据，区分正常用户和欺诈用户，降低贷款风险。

在项目结束后，同学可以独立完成数据的特征挖掘，能够自己动手开发基于机器学习的金融分析模型，能够熟练掌握各种分类算法，并且可以用业界数据解决任何互联网金融或银行的实际问题。

Risk Control

Credit Risk Model

Fraud Labeling

Machine Learning

工业界资深专家，培养一流数据科学人才

课程由20余位老师实时直播授课，为您提供紧贴工业界，系统的知识讲解和求职指导。

授课团队由Google, Facebook, Airbnb, McKinsey & Company, Linkedin等科技、咨询公司的Senior Data Scientist、Machine Learning Engineer和Business Analyst组成。

还有Apache Spark、Apache Hadoop的代码贡献者和管理者委员会成员亲自授课。

 

读懂人工智能，充实您的求职技能点

20余位Google, McKinsey等科技、咨询公司的资深数据科学家、机器学习工程师和商业分析师实时实时直播授课。教师团队还有Apache Spark、Hadoop的管理者委员会成员。

 

工业界一线专家

直播授课

10+节统计课程全面更新，针对数据科学面试的面试趋势，强化培训case study及实验设计应考技能。

 

统计模块全面更新

全方位增强实力

基于数据科学岗位的面试要求的，依托来Offer超强算法与编程的教学经验，用30+Python课程，帮助您快速入门，建立算法和编程知识体系，自信应对面试。

 

30+ Python课程

夯实编程基础

本课程针对学员的不同职业规划，分商业分析和数据科学两个方向教学，由资深数据科学家和高级商业分析师，针对不同岗位的面试要求，有针对性的帮您提升。

 

BA与DS两个方向

分班教学

来自一线科技/咨询公司的老师们，还会为您量身修改简历，并培训同学对简历中各项内容的英文描述能力。同时，他们还会与您进行1V1的模拟面试，帮您抓住面试机会。

 

个性化简历修改

模拟面试

来Offer与硅谷众多一线IT公司人力资源部门及猎头公司均保持良好的合作关系，拥有超过千人、遍布硅谷各大IT公司的强大校友资源，为您提供强有力的内推支持。

 

强大内推网络

助力求职

苹果、谷歌等大厂的AI面试题被我们搞到手了，你敢来挑战吗？

 

作者 | Vimarsh Karbhari

编译 | Vincent

编辑 | Emily Chen

AI 前线导读：什么？技术大厂的面试题泄露了？？？当然不是啦~ 国外知名博客平台 Medium 上有一位工程师，花时间整理了苹果、谷歌、Facebook 等一线技术大厂的 AI 面试题，为众多读者提供了不小的帮助，有人还真的因为看了他的文章，提前做好了准备，并通过了大厂的面试。AI 前线将这些文章收集整理了起来，并进行了中文翻译，相信会对你有所启发，走上人生巅峰或许就是此刻了！

更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）

微软

 

微软在企业中的统治地位是众所周知的。微软已经驾驭了云计算浪潮。在第一财政季度，其 Azure 服务和 Office 365 在线生产力业务的收入分别增长了 90％和 42％。

在微软 CEO Satya Nadella 最近致所有微软员工的一封信中，Intelligent Cloud 和 Intelligent Edge 组建了两支新团队，以塑造下一阶段的创新。这意味着人工智能将要给微软的业务带来十分重大的改变。毋庸置疑，微软在此公告之后可能会招聘更多 AI 相关员工。所以，现在你的机会来了。

面试流程

像大多数雇佣工程师的其他公司一样，微软有一套经典的面试过程。通常有电话面试（涉及编码），然后进行现场面试。现场有大约 4-5 轮面试。面试过程中可能有 2-3 个确实深入研究数据科学相关的问题，包括研究和模型。其余的目的是测试编码技能。

面试题

 

• 合并 k（在这种情况下 k = 2）个数组并对它们进行排序。

• 如何最好地选择 500 万个搜索查询的代表性样本？

• 三个朋友告诉你今天会下雨，他们中每个人都有三分之一的概率说谎，那么今天下雨的可能性是多少？

• 你能解释朴素贝叶斯的基本原理吗？如何设定阈值？

• 你能解释一下 MapReduce 是什么以及它是如何工作的？

• 你能解释 SVM 吗？

• 你如何检测新的观察结果是否异常？什么是偏置 - 方差权衡？

• 如何从产品用户群中随机选择一个样本？

• 你如何实现自动完成？

• 描述梯度提升的工作原理。

• 在整数列表中查找子序列的最大值。

• 你会如何总结 twitter 推文？

• 在应用机器学习算法之前解释数据争用（wrangling ）和清洗的步骤。

• 如何处理不平衡的二进制分类？

• 如何测量数据点之间的距离？

• 定义方差。

• 箱形图和直方图有什么区别？

• 你如何解决 L2 正则化回归问题？

• 如何通过使用一些计算技巧来更快地计算逆矩阵？

• 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。

• 好的和坏的数据可视化之间有什么区别？

• 你如何找到百分位数？为它编写代码。

• 从一系列值中查找最大总和子序列。

• 正则化指标 L1 和 L2 有哪些不同？

• 创建一个函数来检查单词是否是回文。

Amazon

 

亚马逊从成为“地球上最大的书店”变为“地球上最以客户为中心的公司”。首席执行官杰夫·贝佐斯一次又一次地在他的致股东信中定义了公司的发展道路。亚马逊利用 Alexa 部署深度语言学习功能，并通过 AWS 为 AI 提供云基础架构。它还在 Amazon.com 上大规模地构建和部署了世界上第一批推荐系统。

面试流程

在现场面试的过程中，会有一场称为 Bar 面试。Bar raiser 的意思是，面试小组中最有经验的人，他的动机是决定你是否在亚马逊的前 50% 的员工中。Bar raiser 有权否决一个候选人，不管其他面试者是否喜欢这个候选人。

面试题

 

• 逻辑回归模型中如何知道系数是什么？

• 凸和非凸成本函数之间的区别 ; 当成本函数是非凸的时候它是什么意思？

• 随机权重分配是否优于为隐藏层中的单位分配相同的权重？

• 给出一个条形图并且想象你正从上面倒水，如何确定条形图中可以保存多少水？

• 什么是过拟合？

• 主要会员费的变化如何影响市场？

• 为什么梯度检查很重要？

• 描述树，SVM，随机森林和 XGBoost 算法。谈谈他们的优点和缺点。

• 你如何在天平上重复称重 9 个弹珠三次以选择最重的弹珠？

• 查找西雅图客户过去 6 个月中前 10 名利润最高的产品的累计总和。

• 描述特定模型选择的标准。降维为什么重要？

• 逻辑回归和线性回归的假设是什么？

• 如果你可以构建完美（100％准确度）的分类模型来预测某些客户行为，那么

• 应用程序中会出现什么问题？

• 项目位置 A 的项目概率为 0.6，项目位置 B 的概率为 0.8。在亚马逊网站上找到项目的概率是多少？

• 给定带有 ID 和数量列的“csv”文件，5000 万条记录和数据大小为 2 GB，请用

• 您选择的任何语言编写一个程序来聚合 QUANTITY 列。

• 使用数组实现循环队列。

• 如果您每月都有时间序列数据，那么它有大量的数据记录，您将如何发现本月与前几个月的数值存在显着差异？

• 比较套索和岭回归。

• MLE 和 MAP 推断有什么区别？

• 给定一个带有输入的函数：一个 N 个随机排序数的数组，以及一个 int K，返回一个 K 个数最大的数组。

• 当用户浏览亚马逊网站时，他们正在执行几项操作。如果他们的下一个行动是购买行为，建立模型的最佳方式是什么？

• 鉴于全国范围内可能性很低，估计一个城市的疾病概率。在这个城市随机询问 1000 人，全部为负面反应（无疾病）。这个城市发病的概率是多少？

• 描述 SVM。

• K-means 如何工作？你会选择什么样的距离度量？如果不同的特征有不同的动态范围呢？

• 什么是提升 (Boosting) 算法？

Facebook

 

Facebook 不需要过多介绍。经过近十年来累积大量数据之后，2013 年起，Facebook 内的工程师开始尝试使用 CNN。之后，Facebook 认识到 AI 和 Deep Learning 的重要性，并聘用了他们的第一位 AI 工程师——Google 大脑 Marc'Aurelio Ranzato。随后又聘请了 CNN 的发明人 Yann LeCun（现已不再负责 Facebook AI 研究院的领导工作）。

面试流程

Facebook 面试过程是大多数公司使用的标准面试过程。可参考：

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

面试题

 

• 有一个 100 层的建筑物，2 个相同的鸡蛋。您如何使用 2 个鸡蛋来查找阈值楼层 N，在 N 层及 N 层以上，鸡蛋肯定会摔碎。

• 从 100 个硬币中随机抽取一枚硬币：1 枚不公平的硬币（都是正面），99 枚公平的硬币（一正一反）并投掷 10 次。如果结果是 10 个正面，那么这枚硬币是不公平的概率为多少？

• 在 Python 中为数值数据集编写排序算法。

• Facebook 想要开发一种方法来估计人们生日的月份和日期，而不管人们是否直接给我们提供这些信息。你会提出什么方法和数据来帮助完成这项任务？使用 python 内置包来处理'csv'数据。

• 您如何比较两种不同后端引擎的自动生成 Facebook“朋友”建议的相对表现？给定 KPI，选择正确的指标，执行 ETL。（使用 SQL / 代码）

• 你即将坐飞机去西雅图。你想知道你是否应该带一把雨伞。你可以给 3 个随机的朋友打电话，每个人都会独立询问是否下雨。你的每个朋友都有三分之二的机会告诉你真相，并有三分之一的机会通过撒谎与你打交道。所有 3 位朋友都告诉你正在下雨。在西雅图实际下雨的可能性有多大？（同微软的那道题）

• 考虑一个有 2 名玩家 A 和 B 的比赛。A 有 8 个棋子，B 有 6 个棋子。比赛进行如下。首先，A 滚动一个公平的六面模具，并且模具上的数字决定 A 从 B 接收多少个宝石。接下来，B 滚动相同的模具，并且完全相同的事情发生在相反的位置。本轮结束。谁在比赛结束时拥有更多的宝石则赢得比赛。如果玩家在回合结束时获得相同数量的宝石，则会形成平局并且接下来会有一轮。B 在 1，2，...，n 轮获胜的概率是多少？

• 你如何得到一个句子中每个字母的数量？

• 通过了解性别或身高，你如何证明男性平均身高比女性高？

• 什么是猴子补丁（monkey patch）？

• 给定一个对象列表 A 和另一个与 A 相同的列表 B，一个元素被删除，请找到被删除的元素。

• 给定一个整数列表（正数和负数），编写一个算法来查找是否至少有一对总和为零的整数。你会如何提高算法的性能？

• 制作 2 个变量的直方图。

• 在 SQL 中构建回帖计数的直方图（包含 x 个回复，x + 1 个回复等的帖子数）。建立一个表格，其中包含每个用户每天使用的功能使用情况摘要（跟踪用户的最后一个操作并每天汇总）。

• 你在一个赌场掷色子，如果掷出 5 则赢，并获得 10 美元的奖金。你能赚多少？如果你一直玩到你赢了 (不管花多长时间)，那么你的预期支出是多少?

• 如果您试图让客户注册 Facebook 广告，您会向小型企业展示什么指标？

• 给定发送好友请求和收到好友请求的表格，找到拥有最多好友的用户。在平台上花费的赞 / 用户和分钟数正在增加，但用户总数正在减少。最有可能的根本原因是什么？

• 多少人在他们的档案中列出的高中是真实的？我们如何发现并大规模部署寻找无效学校的方法？

• 你如何将昵称（Pete，Andy，Nick，Rob 等）映射到真实姓名？

• Facebook 认为赞的年同比增长 10％，为什么会这样呢？

• 如果一位管理人员表示他们希望将新闻源广告的数量加倍，那么如何确定这是不是一个好主意？

Google

 

谷歌拥有一些世界上最有才华的人工智能研究科学家、数据工程师和数据科学家。Google 首席执行官 Sundar Pichai 专注于将 Google 重新整合为一家人工智能第一公司。谷歌已经将其所有或大部分产品的人工智能编码从 Gmail 迁移到拥有大量数据的自动驾驶系统。

面试流程

Google 的技术面试流程是标准的技术面试流程。它由电话视频面试和现场面试组成。详情参见：

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

面试题

 

• 什么是 1 / x 的导数？

• 绘制曲线 log（x + 10）

• 如何设计客户满意度调查？

• 掷硬币十次，得到结果为 8 个正面和 2 个反面。如何分析一枚硬币是否公平？p 值是什么？

• 你有 10 个硬币。你每掷硬币 10 次（共 100 次）并观察结果。你会修改你的方法来测试硬币的公平性吗？

• 解释一个不是正态的概率分布以及如何应用它？

• 为什么使用特征选择？如果两个预测因子高度相关，那么对逻辑回归中的系数有什么影响？系数的置信区间是多少？

• K- 均值和高斯混合模型：K 均值和 EM 之间有什么区别？

• 当使用高斯混合模型时，你怎么知道它适用？（正态分布）

• 如果标签在聚类项目中是已知的，那么如何评估模型的性能？

• 有一个谷歌应用程序，做了一个改变。如何测试指标是否增加？

• 描述数据分析的过程？

• 为什么不进行逻辑回归，为什么选择 GBM？

• 推导 GMM 方程。

• 如何衡量有多少用户喜欢视频？

• 模拟双变量法线

• 导出分布的方差

• 每年有多少人申请 Google？

• 如何建立中位数的估计量？

• 如果回归模型中的两个系数估计值中的每一个都具有统计显着性，那么您是否期望两者的测试仍然很重要？

Uber

 

面试流程

Uber 的技术面试流程是一个标准的技术面试流程，由电话视频面试和现场面试组成（通常是 5-6 轮面试）。Uber 在其工程博客上详细解释了这一点：

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

面试题

 

• 描述二值分类

• 计算 ROC 曲线的 AUC

• 如何使用 A / B 测试？

• 使用随机伯努利试验发生器编写函数以返回来自正态分布的值样本

• P 值是什么意思？

• 解释线性回归、线性假设和线性方程

• 定义 CLT，它和 Uber 有何关系？

• 解释 Logistic 回归、Logistic 假设和 Logistic 方程

• 一个车队要花多少钱才能看到我们每个大城市的街景照片?

• 如何建立汽车租赁司机成本的模型？

• 解释 surge 定价算法是如何工作的，以及如何测试哪种策略更有效?

• 什么是交叉验证？

• 网络效应如何影响选择来定义实验和测量结果？

• 什么是异常检测方法？

• 驾驶状况和拥堵对 Uber 收入有何影响？

• 驾驶状况和拥堵如何影响 Uber 的收入或司机体验？

• 高速缓存如何工作以及如何在数据科学中使用它？

• 如何优化各种营销渠道之间的营销支出？

• 如何计算一个城市 Uber Pool 的半径？

• 如何决定一个地点是否应该包含在 Uber Pool 中？

• 什么是时间序列预测技术？

• 解释 PCA，PCA 假设，PCA 方程式。

• Uber 会造成交通堵塞吗？

Apple

 

AI 被包含在苹果硬件之上的软件中。也就是说，人工智能是苹果的一种服务。根据他们在 2018 年一季度的收益报告，他们的服务收入比去年增长了 18%。截至去年 12 月底，所有服务产品的付费用户数量都超过了 2.4 亿。

面试流程

与大多数雇佣工程师的其他公司一样，苹果公司也有典型的面试流程，电话面试与现场面试兼有。现场大约有 4-5 名团队成员进行面试。详情可参考：

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

面试题

 

• 如何以数百万的交易数量吸引数百万用户，并将这些用户集中在一个有意义的细分市场中？

• 我们对数据进行预先筛选以消除欺诈威胁 - 那么我们如何找到可用于确定欺诈事件真实表示的数据样本？

• 给定一张带有用户 ID 和用户购买的产品 ID 的 1B 的表格，以及具有用产品名称映射的产品 ID 的另一张表格。我们试图找到经常由同一用户一起购买的配对产品，例如葡萄酒和开瓶器，薯片和啤酒。如何找到这些并存的成对产品中的前 100 名？

• 请详细描述 L1 和 L2 正规化之间的区别，特别是对于它们对模型培训过程本身的影响的差异。

• 假设你有 100,000 个文件分布在多个服务器上，如何在 Hadoop 中处理这些文件？

• Python 和 Scala 有什么区别？

• 解释 LRU 缓存。

• 如何设计一个客户端 - 服务器模型，客户端每分钟发送一次位置数据？如何将数据从一个 Hadoop 集群传输到另一个 Hadoop 集群？

• Java 中有哪些不同类型的 memory？

• 如何处理数百个标题的元数据同时进行的日常繁琐任务?

• 在数据流和可访问性方面，如何衡量在隐藏时间框架内的成功，在这个时间框架中，核心超载了将计算机能量重定向到地窖圆顶的过度复杂文件系统的边界结构？

• 你最想拥有的超能力是什么？

• 你有时间系列的传感器，预测下一个读数。

• 使用 SQL 创建超市购物篮输出。

• 你有什么心理实践经验？（基于研究组合的问题）

• 您在表征方面的专长是什么？通常使用什么？你如何在研究中使用它并找到有趣的结果？（Research Portfolio based question）

• 你如何处理失效分析？

• 检查一个二叉树是否是左右子树上的镜像。

• 什么是随机森林？为什么朴素贝叶斯更好？

总结

六家代表着顶尖科技的技术企业，六套面试题，大家可以在这几套题中看到每家公司的侧重点有何不同，建议先收藏再慢慢研究。如果你能够为上面的面试题给出解答，欢迎留言联系我们，我们将很乐意把你的解答发布出来给其他读者参考，大家共同进步！如果你在面试中遇到了其他问题，也请留言或加入我们的社群，相信 AI 前线社群万能的大牛们会为你解答！

如果你能把上面这几套面试题研究透彻，就算进不了这六家公司，相信国内的 AI 大厂同样会为你敞开大门，未来就在你的手中！

参考链接

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

 

 

相关推荐

•  

  • 1558082726360

  • 2019-05-17 16:45:26

  • 85

superset 接入可视化echarts图表

• 0

• 85

• ​

•  

  • 1559897063000

  • 2019-06-07 16:44:23

  • 65

《Spark The Definitive Guide》Chapter 6：处理不同类型的数据

• 0

• 65

• ​

•  

  • 1560069913999

  • 2019-06-09 16:45:13

  • 61

[译] 边缘AI计算新品：NVIDIA Jetson Nano

• 0

• 61

• ​

•  

  • 1560069843434

  • 2019-06-09 16:44:03

  • 57

[知识图谱] 5.1-知识图谱开源数据获取

• 0

• 57

• ​

•  

  • 1559983514323

  • 2019-06-08 16:45:14

  • 54

搜索和在线阅读 Github 代码的插件推荐

• 0

• 54

• ​

•  

  • 1560069895288

  • 2019-06-09 16:44:55

  • 54

浏览器中的手写数字识别

• 0

• 54

• ​

•  

  • 1559810822657

  • 2019-06-06 16:47:02

  • 53

还在为数据清洗抓狂？这里有一个简单实用的清洗代码集

• 0

• 53

• ​

•  

  • 1559810705096

  • 2019-06-06 16:45:05

  • 52

一个22万张NSFW图片的鉴黄数据集？我有个大胆的想法……

• 0

• 52

• ​

•  

  • 1558255579560

  • 2019-05-19 16:46:19

  • 52

无痛的CPTN

• 0

• 52

• ​

•  

  • 1560069914930

  • 2019-06-09 16:45:14

  • 51

黑洞图片的背后，是图像处理技术的成熟！

• 0

• 51

• ​

•  

  • 1559724303883

  • 2019-06-05 16:45:03

  • 51

朋友融资了，给我看了一眼他们价值1个亿的Go AI 代码

• 0

• 51

• ​

•  

  • 1560069946598

  • 2019-06-09 16:45:46

  • 51

Flink在饿了么的应用与实践

• 0

• 51

• ​

•  

  • 1559637999880

  • 2019-06-04 16:46:39

  • 49

【NLP】BERT中文实战踩坑

• 0

• 49

• ​

•  

  • 1559378778102

  • 2019-06-01 16:46:18

  • 49

为什么Julia这么快？

• 0

• 49

• ​

•  

  • 1559551557474

  • 2019-06-03 16:45:57

  • 46

基于深度学习分析与检索海量短视频内容

• 0

• 46

• ​

•  

  • 1560069853359

  • 2019-06-09 16:44:13

  • 45

[知识图谱] 4.2-知识图谱在电商领域中的应用实践

• 0

• 45

• ​

•  

  • 1560069935668

  • 2019-06-09 16:45:35

  • 44

浏览器中的机器学习：使用预训练模型

• 0

• 44

• ​

•  

  • 1562204872158

  • 2019-07-04 09:47:52

  • 43

生命不息，折腾不止：Jetson Nano填坑之硬件篇

• 0

• 43

• ​

•  

  • 1559983568633

  • 2019-06-08 16:46:08

  • 43

人工智能教程 - 1.1.1 什么是神经网络

• 0

• 43

• ​

•  

  • 1559724335987

  • 2019-06-05 16:45:35

  • 43

如何为实时音视频设计小且优的深度学习模型？

• 0

• 43

• ​

•  

  • 1559724410462

  • 2019-06-05 16:46:50

  • 41

吴恩达：诸位CEO，我有一本「AI转型秘籍」传授给你

• 0

• 41

• ​

•  

  • 1559983580240

  • 2019-06-08 16:46:20

  • 41

[译] 时间序列的价格异常检测

• 0

• 41

• ​

•  

  • 1560069843537

  • 2019-06-09 16:44:03

  • 41

【NLP】UNILM粗读

• 0

• 41

• ​

•  

  • 1559465189427

  • 2019-06-02 16:46:29

  • 40

应用于实时视频通信的深度学习算法

• 0

• 40

• ​

•  

  • 1559983611802

  • 2019-06-08 16:46:51

  • 39

[译] 调试神经网络的清单

• 0

• 39

• ​

•  

  • 1559983588589

  • 2019-06-08 16:46:28

  • 39

基于three.js的3D粒子动效实现

• 0

• 39

• ​

•  

  • 1560070021727

  • 2019-06-09 16:47:01

  • 38

特征值分解和奇异值分解

• 0

• 38

• ​

•  

  • 1559897145813

  • 2019-06-07 16:45:45

  • 38

2019年算法岗就业分享 | 总结篇

• 0

• 38

• ​

•  

  • 1559983622234

  • 2019-06-08 16:47:02

  • 37

通过激励协作实现语义 Web 的弱中心化

• 0

• 37

• ​

•  

  • 1560069905401

  • 2019-06-09 16:45:05

  • 37

无所不能的人工智能也会被一张图片骗过？

• 0

• 37

• ​

语言分类

全部 C语言 C++ 数据结构 Java 数据库 计算机导论 操作系统 计算机网络 Linux 汇编语言 Python C# Windows MFC 安卓 qt

• ​

深入理解计算机系统

作者:（美）兰德尔 E.布莱恩特

 

• ​

Java Web开发基础与案例教程

作者:吴艳

 

• ​

Java2实用教程（第三版）

作者:耿祥义、张跃平

 

• ​

数据结构、算法及应用

作者:张宪超

 

• ​

C++语言程序设计（特别版）

作者:Biarne Stroustrup

 

• ​

计算机导论与程序设计基础(第二版)

作者:张雷，周春燕，艾波

 

• ​

Visual C++面向对象与可视化程序设计(第3版）

作者:黄维通、贾续涵

 

• ​

数据结构与算法

作者:张铭

 

• ​

数据库管理系统原理与设计（第3版）

作者:罗摩克里希纳 、格尔基

 

• ​

算法导论

作者:Thomas H. Cormen

 

• ​

计算机操作系统（第四版）

作者:汤小丹

 

• ​

java语言程序设计（基础篇）

作者:Y Daniel Liang

 

• ​

计算机系统概论

作者: Yale N. Patt

 

• ​

操作系统（第3版）

作者:孟庆昌

 

• ​

操作系统——精髓与设计原理

作者:William Stallings

 

• ​

数据结构与算法分析：C语言描述

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​