谷歌編程之夏

『壹』 如何成為Google軟體工程師

招聘的流程？在線申請簡歷篩選電話訪談現場面試Offer發放面試包括哪些內容？簡短介紹介紹你的專長或進行技術評估提出你的問題面試沒有益智類問題（因為益智問題並不能反映你的編程能力）如何對申請人的工程技能進行評估？我們會根據以下四個方面來進行評估：編程語言的語法，關鍵庫函數，編程風格，對程序性能的考慮等演算法和數據結構分析能力合理設計如何准備面試？復習基礎知識復習演算法與數據結構練習寫代碼 在白板上或在紙上練習不要使用偽代碼你可以選擇你最擅長的編程語言認識Google員工？
和他聊聊他在Google的經歷。讓他成為你的推薦人，或者讓招聘者知道誰可以成為你的推薦人。在實際面試過程中：我們希望了解你解決問題的能力我們會向你提出一個有深度的問題，我們想了解你對復雜問題的解決方法不一定要得到正確答案，你的思考過程比正確答案更加重要我是在校生，離畢業還有兩三年的時間，應該怎麼努力？打好專業基礎學習編程語言：C、C++、Java、Perl、Python參加課堂之外的活動參加計算機俱樂部或社團參加編程競賽爭取盡可能多的實習生機會參與開源項目（不要忘記參加Google編程之夏－Google Summer of Code)博士生的面試會有所不同么？我們會根據每個人的情況安排有針對性的面試面試內容包括標准演算法，設計，編碼能力論文討論所有的面試官都具有博士學位Google軟體工程師如是說： 問：在Google工作，最擔心的一點是什麼？ 答：公司的零食太多了，在Google工作要防止長胖 問：在Google工作，最輕松的事情是什麼？ 答：坐在桌子上跟老闆說話 問：在Google上班，著裝有什麼要求？ 答：穿總比不穿好。 問：Google工程師幾點上班？ 答：Google工程師的工作比較自由，沒有固定考勤，允許Work from home。但由於需要和其他辦公室的同事交流，有可能一大清早就爬起來開會，或者一直工作到深夜。 問：在Google工作，最讓你欣喜的事情是什麼？ 答：在Google工作，有機會與許多大牛共事，一起交流技術。 問：出差的機會多嗎？ 答：取決於項目安排，可能需要去美國東西海岸、倫敦、蘇黎世、悉尼、東京等地出差 問：怎麼才能獲得上萬台計算機來做大規模並行計算實驗？ 答：到Google工作，你隨時可以做到。 問：在Google可以做開源軟體嗎？ 答：可以，很多著名的開源軟體程序員加入了Google，包括Google中國也有很多著名的開源軟體程序員 問：你們的夢想是什麼？ 答：我們的夢想是：技術改變世界，do good things that matter in the worldGoogle 非軟體工程師如是說： 問：聽說在 Google 吃的很好，如果胖了怎麼辦？ 答：公司有健身房，瑜伽房，吃多了下去跑兩圈。 問：Google 員工有保險么？ 答：有，很好的員工保險，還包括員工家屬呢。 問：Google員工有帶薪假期么？ 答：員工在入職的第一年有15天的帶薪假期。在Google工作每多一年，帶薪假期就多一天。所以，如果你在Google 工作滿235年，就可以全年休假啦！ 問： Google對於非技術性職位的要求是什麼？ 答：用戶至上，無論是對終端客戶還是內部用戶，都將是最重要的標准之一。 問：面試Google非技術性職位有什麼技巧？ 答：陳述事實，善用數據，如果你經驗足夠豐富！你懂的。：） 問：Google的銷售工作壓力大嗎？ 答：我們歡迎敢於接受挑戰的人加入銷售團隊，按摩椅，健身房，瑜伽室是你最好的減壓夥伴。

『貳』 《Python數據挖掘入門與實踐》pdf下載在線閱讀，求百度網盤雲資源

《Python數據挖掘入門與實踐》（[澳] Robert Layton）電子書網盤下載免費在線閱讀

鏈接：https://pan..com/s/12d3rQe0uNTG98m09c12INA

書名：Python數據挖掘入門與實踐

作者：[澳] Robert Layton

譯者：杜春曉

豆瓣評分：7.9

出版社：人民郵電出版社

出版年份：2016-7

頁數：252

內容簡介：

本書作為數據挖掘入門讀物，介紹了數據挖掘的基礎知識、基本工具和實踐方法，通過循序漸進地講解演算法，帶你輕松踏上數據挖掘之旅。本書採用理論與實踐相結合的方式，呈現了如何使用決策樹和隨機森林演算法預測美國職業籃球聯賽比賽結果，如何使用親和性分析方法推薦電影，如何使用樸素貝葉斯演算法進行社會媒體挖掘，等等。本書也涉及神經網路、深度學習、大數據處理等內容。

作者簡介：

Robert Layton

計算機科學博士，網路犯罪問題和文本分析方面的專家。多年來一直熱衷於Python編程，參與過scikit-learn庫等很多開源庫的開發，曾擔任2014年度「谷歌編程之夏」項目導師。他曾與全球幾大數據挖掘公司密切合作，挖掘真實數據並研發相關應用。他的公司dataPipeline為多個行業提供數據挖掘和數據分析解決方案。

譯者簡介：

杜春曉

英語語言文學學士，軟體工程碩士。其他譯著有《電子達人——我的第一本Raspberry Pi入門手冊》《Python數據分析》。新浪微博：@宜_生。

『叄』 阿里巴巴編程之夏很難入選嗎

是的。阿里巴巴編程之夏（AlibabaSummerofCode，簡稱ASoC）是面向全球18歲及以上本科、碩士、博士高校學生的編程普惠計劃，很難入選。鼓勵高校學生深度參與開源開發活動，以第一視角感受開源世界的魅力，成為開源社區新鮮「血液」。

『肆』 谷歌編程之夏的含金量高嗎

先說說含金量的問題。其實從各方面來說，這個含金量都是很高的，遠遠超過一份互聯網公司的暑期實習。我參加過兩次GSoC，也參加過兩次暑期實習，這個對比還是很明顯的。實習其實基本是打雜，但是在GSoC里是真正地負責一個項目，一個社區期待已久的feature。能學到的東西、以及最後的成就感是完全不一樣的。
Ps. 如果所謂含金量還包括了對找工作的幫助的話，那麼實際上谷歌里負責GSoC項目的Ms. Carol說過，凡是參加過GSoC的學生，隨時可以找她內推去Google。我正好今年找工作，就正在等待時機使用這個重量級內推 :)

1. 報名者需要有什麼樣的基礎才可以被選拔上？
如果你有語言偏好，那麼當然最好找對口的，例如一些偏php的web項目，一些Java寫的應用，一些C/C++寫的游戲等。至於編程的實力，其實並沒有那麼高的要求，足夠cover住你的工作就行。上面@羅聰翼 哥哥也提到了，我11年給Blender做國際化的時候，完全沒用過這個軟體，也基本不懂3D建模，但是我所要做的東西跟這些沒關系，我就根本不需要知道。
所以當你看到有些來頭很大的項目，例如Python，GNU，Unix，不要望而生畏，點開看一看，很有可能會發現一些idea完全在你的能力范圍之內。接下來需要做的就是去和社區里的人「套磁」，讓他們相信你能夠勝任這個項目。
我的室友是大三暑假參加的GSoC，我大四、研一各參加了一次，去年中國貌似有一個大二的成功參加，而國外甚至不乏大一大二的成功參加。所以我覺得計算機大三，或者基本達到這一水平，付出一點心思，付出一點勞動，就完全可以成功參加。

2. 想取得好的成績難度有多大？
我覺得在寫proposal的時候就應該考慮到工作量有多大，基本按照3個月的全職實習工作量（每周5天，每天6小時）來考慮是比較合適的。在這個時間內，盡量把該有的feature做完，代碼穩定，文檔充分，最終能順利進入主代碼庫，應該就算是很不錯的成績了。
如果是一個較大的項目，你可以拆成幾大塊，在GSoC時間范圍內完成其中一塊。後續再接著做其他的，畢竟GSoC本身的意義就是為開源軟體找到更多志願者。也可以在第二年的GSoC再繼續完成，這相當於做了個大蛋糕慢慢吃。
也有很多項目沒有做得盡善盡美，例如不穩定，BUG多，缺文檔，其實mentor也都會給pass。我2012年做的項目其實就是在別人2011年的項目上繼續做，重構一下，修修bug，增強點功能，寫些wiki，最終使它並入主代碼庫。工作難度不大，又比較有意義——要不然2011年的工作就白白浪費了。
所以說，多付出一點，總會取得好成績的。比如你每天干8個小時，或者每周干6天，結果肯定完全不一樣——前提是你乾的時候要感到快樂，這是GSoC和實習的區別之一。

3. 有什麼好的經驗可以分享。
貌似上面說得挺多了……
大概還需要補充一點——多說話。多跟社區的人、自己的mentor，甚至跟你自己的項目不相乾的人交流，甚至去幫助別的GSoC學生。積極交流和反饋至少可以將你的申請成功率提高一倍。

『伍』 我是一名軟體工程大二年級的學生，怎麼才能參加谷歌編程之夏

http://kbdl.lenovo.com.cn/Think/ThinkPad/T_Series/T400S/T400s%20T%20R%20W%20400%20500%20Win7-Professional%2032%20SC%2058Y3243/DISK1%2071Y7097.iso

http://kbdl.lenovo.com.cn/Think/ThinkPad/T_Series/T400S/T400s%20T%20R%20W%20400%20500%20Win7-Professional%2032%20SC%2058Y3243/DISK2%2058Y3344.iso

『陸』 如何規劃研究生三年最後成為谷歌軟體工程師

谷歌員工眼中的 6 個關鍵點

在我向你提供課程列表前，先讀第一二點

全職工作人員——基於你的行業經驗和學術背景去選擇性的看待這個回答

准大學生——請直接跳到第七點

標記說明：

# 可選的

**必須的

#第一點：讓我們回到這個問題本身，也即是如何准備才能讓自己成為「優秀」的軟體工程師？

是的！這個問題的剩餘部分都是可選的。加入谷歌不是登月計劃。任何優秀的軟體工程師都有好機會成為谷歌工作文化的一部分。問題是你如何定義「優秀」。

**第二點：調整態度

在你給谷歌招聘人員留下深刻印象之前，讓我們來看看谷歌的軟體工程師這一角色是否是你真正想要的。

軟體工程師並不是像普遍觀念所說的那樣有趣。除了用戶界面和用戶體驗的職位，通常來說，不管你用什麼文字編輯器——Eclipse、Vim或者Emacs——你的屏幕將是黑的，無聊和枯燥的。全職的軟體工程師，不僅需要有從事復雜演算法的能力，還需要足夠的包容和耐心來一絲不苟地關注大型程序上的細節。

在谷歌，通常大多數軟體工程師的角色主要是處理數學問題。你掌握了多少種語言或者你把Java、C、C++等玩得多溜是無所謂的。

重要的是這個四個目標：

你創造有效演算法的能力

你閱讀別人寫的代碼以及發現其中存在任何問題的細心品質

你的學習和實現新技術趨勢並且適應需求的好奇心

最後也是最重要的：你創造了什麼，如何創造的？

我必須之處要實現以上四個目標並不容易。我們大多數谷歌員工都有一段苦逼時間來達到這些目標，但是我們嘗試過，所以你也應該去嘗試。

每個人都有不同的學習方法。於我，我每天讀一篇我在Quora鏈接上找到的研究論文（可能和也可能不和計算機科學有關），一篇谷歌的研究文章（內部記錄）。

一旦你加入谷歌，將可以訪問所有的代碼庫，資料庫，論壇，研究論文和一些能給你學習時提供巨大幫助而你卻無法在維基網路上找到的項目。但當你在為加入谷歌而准備路上時，有幾樣事情在學習的過程中很常見。在第五點中，你將會更多地了解到——怎樣來實現這四個目標——但在這之前有些前提還是需要看看的。所以，我們進入下一點吧。也即是：

#第三點： 2014年技術發展指南——來自谷歌

作為一個成功的軟體工程師，有著扎實的計算機基礎是很重要的。對於大學生，通過自我把握節奏地親身實踐學習，來專業性地或者非專業性地培養他們的技術能力，跟隨這份谷歌指南是一條建議路徑。

請自己權衡使用這份指南

這份指南之外可能也有你想學或者想做的其他東西——盡管去做吧！

**第四點：對專業性學習的建議

計算機科學入門課程

註：計算機科學的入門課能提供編程的一些指導。

在線資源：

Udacity – intro to CS course,
Coursera – Computer Science 101

*譯者註：這些在線資源大都是英文授課，因此沒有翻譯課程名（下同），另外作為程序員英語必須得好啊，可以參看伯樂在線老碼農寫的《老碼農教你學英語》一文。

至少用一種面向對象的編程語言寫代碼：C++，Java，或者Python

初學者在線資源：

Coursera – Learn to Program: The Fundamentals,

MIT Intro to Programming in Java,

Google』s Python Class,

Coursera – Introction to Python,

Python Open Source E-BookIntermediate Online Resources:

Udacity』s Design of Computer Programs,

Coursera – Learn to Program: Crafting Quality Code,

Coursera – Programming Languages,

Brown University – Introction to Programming Languages

學習其他編程語言

註：可以將這些語言加到你的倉庫里：Java Script, CSS, HTML, Ruby, PHP, C, Perl, Shell. Lisp, Scheme.

在線資源：w3school.com – HTML教程*,Learn to code

測試你的代碼

註：學會如何跟蹤bugs，創建測試，並且破壞你的軟體

在線資源：Udacity – Software Testing Methods,Udacity – Software Debugging

培養邏輯思維和積累離散數學知識

在線資源：

MIT Mathematics for Computer Science,
Coursera – Introction to Logic,
Coursera – Linear and Discrete Optimization,
Coursera – Probabilistic Graphical Models,
Coursera – Game Theory.

譯者註：coursera課程大多都有中文字幕，對於學習語言門檻會降低，不過仍推薦學習原版課程。

培養演算法和數據結構的深刻理解能力

註：了解一些基本數據類型（棧、隊列和包），排序演算法（快排、合並排序、堆排序）和數據結構（二分查找、紅黑樹、哈希表），大O表示法等

在線資源：

MIT Introction to Algorithms,
Coursera – Introction to AlgorithmsPart 1&Part 2,
Wikipedia –List of Algorithms,
Wikipedia –List of Data Structures,
Book:The Algorithm Design Manual

培養對操作系統的深刻理解能力

在線資源：UC Berkeley Computer Science 162*

*譯者註：這個鏈接是YouTube上的，國內有很多電驢的資源，親測可用（如果找不到可用鏈接，譯者可提供）

學習人工智慧的知識

在線資源：Stanford University –Introction to Robotics,Natural Language Processing,Machine Learning*

*譯者註：斯坦福Andrew Ng的這門機器學習課程強烈推薦，譯者也有大量該課程資源。

學習如何構造編譯器

在線資源：Coursera – Compilers*

*譯者註：這門課程也是相當實用，最好跟著可能動手完成課程的編譯器項目。

學習密碼學

在線資源：Coursera – Cryptography,Udacity – Applied Cryptography

學習並行編程

在線資源：Coursera – Heterogeneous Parallel Programming

**第五點：對非專業性學習建議

參與課堂之外的項目

註：創建和維護一個網站，構建你自己的伺服器，或者做一個機器人。

在線資源：Apache List of Projects,Google Summer of Code,Google Developer Group

參與大系統（代碼庫）中的小代碼片段，閱讀和理解已有的代碼，查文檔並且跟蹤調試。

註：用GitHub來閱讀別人的代碼或者去貢獻一個項目是一種很好的方式。

在線資源：Github,Kiln

和其他程序員一起參與項目

註：這將會幫你提高在團隊工作的能力，也使你能夠向他人學習。

鍛煉你的演算法知識和編程能力

註：通過像CodeJam或者ACM ICPC這些編程競賽來鍛煉你的演算法知識

在線資源：CodeJam,ACM ICPC*

*譯者註：國內有很多OJ也可以起到這個作用，比如POJ、九度等

成為一個助教

註：幫助教其他學生將會有助於增加你在這個學科的知識

軟體工程方面的實習經歷

註：確保你在實習招聘期來臨前申請了實習工作。在印度和美國，實習期在暑假，5至9月份，而申請通道通常提前幾個月就打開了。

在線資源：google.com/jobs

#第六點：谷歌推薦/贊助的項目和團隊

在你興趣領域內，你可能選擇訂閱的課程很少。這些課程和項目是非常好的學習地方，但他們不會增加或減少你進谷歌的機會——他們不等於實習。（更多信息來自Robert Love）

谷歌課程——Making Sense of Data

這門自我把握節奏的在線課程是為任何想學習更多關於結構、可視化、操作數據的人准備的。

2.谷歌課程——BOLD Discovery

這個為期兩天的互動會議將給一二年級的大學生提供一些關於谷歌文化和這家公司職業前景的介紹。

3.谷歌編程之夏

一個全球在線項目，提供給上完中學且年齡在18以上學生開發者津貼，讓他們為各種各樣的開源軟體項目寫代碼。

4.谷歌獎學金政策

這個項目提供學生在暑假期間為互聯網工作的機會和在公共利益組織上提出的技術政策。

5.谷歌學生退伍軍人峰會

谷歌學生退伍軍人峰會包括為老兵適應工作環境而准備的職業培養課程。也可以參看：Ellen Spertus在How can I effectively use my last two years of college to prepare for a great Software Engineering job at Google/FB or a startup?這個問題上的觀點。*

*譯者註：這是Quora上Ellen Spertus對另一個問題（我是怎樣高效地利用大學最後兩年來為谷歌/Facebook或者初創企業的一個很好的軟體工程師職位做准備的）的回答。

**第七點：對數學課程的建議

（對准大學生而言）

個人觀點：任何忽視這些學科企圖將使你進入完全以錯誤方式學習的平庸程序員的范疇。之前准備的越充分就越使得寫代碼越享受。這些是軟體工程的幾個前提，對軟體工程你需要去理解演算法的精髓。如果軟體工程師能夠回憶起學校里學的簡單知識，大多數他們犯的錯誤本可以避免的。

在你深入學習數學或者計算機科學中，你將意識到你「大學本科時學過的數據結構」和「研究生時學過的機器學習」的重要性。因此，要想設計復雜的演算法，一下是你必須精通的課程清單。對於大學研究生，如果你忽視了這些學科，我強烈建議你應該你能做到的最好的方式去復習它們。

在你學習完學校課本上的介紹性大綱之後，練習下面的課程來加深理解吧。大多數大學生（甚至在職員工）低估了這些課程然後成為了另一類平庸的程序員；

線性代數

1.Linear Algebra | Mathematics | MIT OpenCourseWare(我推薦的)
2.Coding the Matrix: Linear Algebra Through Computer Science Application(同事推薦的)

學習這些會幫你理解後續的回歸模型——機器學習基本的一步。任何學校、大學、研究室或者機構都不會教你這些線性代數課程。自己去學吧。

微積分

1.Calculus 1– Ohio State University
2.Pre-Calculus Courses– Universitat Autonoma de Barcelona
3.Calculus for Beginners and Artists– MIT

統計&概率

註：當你上大學和讀研究生時，大綱就會變成機器學習的演算法了。對於大多數大學生，機器學習課程的頭三個月里數學使他們苦不堪言，而當他們好不容易趕上進度了，大綱又推進到更加機器學習復雜的領域，比如深度學習，神經網路和神經網路流處理。

#准大學生：谷歌推薦/贊助的項目

谷歌的Code-in項目（GCI）

這個比賽為年齡在13至17歲的准大學生介紹了各種各樣使得開源軟體開發成為可能的貢獻。

RISE獎金

谷歌RISE是一種對合夥人的獎勵，它獎勵旨在促進和支援為全世界的K12*小學生和中學生的STEM*以及計算機教育舉措的項目。

*K12，從幼兒園到12年級

*STEM，Science，Technology，Engineering，Math，科學、技術、工程、數學

前沿計算機科學研究院（LEAD-CSI）

這個項目使得來自不同社區的中學生可以接觸到STEM領域的大學和職業。

用代碼創造

編程是種新能力-它承載著創造、創新和文明改造世界的潛能。這個舉措旨在激勵數以百萬計的女孩體驗代碼的魔力。

高中座談會

這個為期一天的項目旨在為優秀的高年級中學生在上大學前提供有價值的商業技巧。

先驅者

先驅者項目是一個全球性的網路，這里聚集著領導者、倡導者和計算機教育大使，大使們負責讓全球的青年和教育工作者通過計算機科學被聯系和激勵。

谷歌科技博覽會

谷歌科技博覽會是對13到18歲青少年開放的全球性競賽。學生在線提交項目並得到贏得大獎的機會。

計算機科學暑期研究所（CSSI）

CSSI是一個為期三周的暑期項目，針對即將進入大學且對學習計算機科學感興趣的新生而設。

Google+露營項目

30天的DIY和製作活動。Maker Camp是一個在Google+上對所有人開放的免費虛擬暑期露營活動

互聯教室

在Google+ 上和老師、教育組織協作來為K12學生提供經驗性的學習機會。

參考：

http://blog.jobbole.com/79736/

『柒』 谷歌編程之夏（gsoc）的含金量高嗎

注稅注會同樣五門 前者要求三年內完成 後者要求五年內完成 這就能看出難易了 注稅五門基本就相當於注會三門不到 除了稅代 其他全部為客觀題目 最不濟的考生也能去猜 注會客觀題難且少 沒有真才識學沒有任何可能通過 現在注冊稅務師市場不錯 注冊會計師含量更高 會計師相對普通點

『捌』 阿里巴巴編程之夏很難入選嗎

阿里巴巴編程之夏很難入選。該項目面向全球學生，競爭壓力非常大，共有三次評估，因為以上原因導致十分難入選。阿里巴巴編程之夏是一個全球性計劃，通過這個計劃，學生可以直接參與開源軟體開發，在導師的指導下，深度體驗真實世界的軟體開發，感受開源技術共建的魅力。

『玖』 《Python數據挖掘入門與實踐》pdf下載在線閱讀全文，求百度網盤雲資源

《Python數據挖掘入門與實踐》（[澳] Robert Layton）電子書網盤下載免費在線閱讀

鏈接: https://pan..com/s/1nTpCBoYD2yuoks387BJstg

書名：Python數據挖掘入門與實踐

作者：[澳] Robert Layton

譯者：杜春曉

豆瓣評分：7.9

出版社：人民郵電出版社

出版年份：2016-7

頁數：252

內容簡介：

本書作為數據挖掘入門讀物，介紹了數據挖掘的基礎知識、基本工具和實踐方法，通過循序漸進地講解演算法，帶你輕松踏上數據挖掘之旅。本書採用理論與實踐相結合的方式，呈現了如何使用決策樹和隨機森林演算法預測美國職業籃球聯賽比賽結果，如何使用親和性分析方法推薦電影，如何使用樸素貝葉斯演算法進行社會媒體挖掘，等等。本書也涉及神經網路、深度學習、大數據處理等內容。

作者簡介：

計算機科學博士，網路犯罪問題和文本分析方面的專家。多年來一直熱衷於Python編程，參與過scikit-learn庫等很多開源庫的開發，曾擔任2014年度「谷歌編程之夏」項目導師。他曾與全球幾大數據挖掘公司密切合作，挖掘真實數據並研發相關應用。他的公司dataPipeline為多個行業提供數據挖掘和數據分析解決方案。