เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

TensorFlow test for hiring

See how candidates interpret TensorFlow behavior across model building and training topics.

  • 10 เดฎเดฟเดจเดฟเดฑเตเดฑเต
  • 15 เดšเต‹เดฆเตเดฏเด™เตเด™เตพ
  • เด‡เดŸเดคเตเดคเดฐเด‚
  • เดฌเดนเตเดตเดฟเด•เตฝเดชเตเดชเด‚
  • เด‡เด‚เด—เตเดฒเต€เดทเต เดญเดพเดทเดฏเดฟเดฒเต† เดšเต‹เดฆเตเดฏเด™เตเด™เตพ
  • เดซเต‹เดฃเดฟเดฒเตเด‚ เดกเต†เดธเตโ€Œเด•เตโ€ŒเดŸเต‹เดชเตเดชเดฟเดฒเตเด‚

เดšเตเดฐเตเด•เตเด•เดคเตเดคเดฟเตฝ

The intermediate TensorFlow test checks working knowledge of TensorFlow 2 and its Keras API. Candidates answer multiple-choice questions based on short Python snippets and precise statements about tensors and gradients, data pipelines and training, convolutional networks, and complex architectures. It is designed for engineers and data professionals who build or maintain neural network models.

เด‡เดคเต เดŽเดจเตเดคเดพเดฃเต เด…เดณเด•เตเด•เตเดจเตเดจเดคเต

Practical TensorFlow knowledge: tensors and gradients, data pipelines and training, convolutional networks, and more complex model architectures.

Core tensors and execution

Short Python snippets and precise statements cover tensor behavior, execution, and automatic differentiation.

Data pipelines and training

Questions address input pipelines and the steps involved in training models.

Convolutional networks

Candidates encounter questions about convolutional networks and how TensorFlow handles them.

Complex model architectures

Questions cover multi-part designs, including recurrent, residual, and multi-input networks.

เดšเต‹เดฆเตเดฏเด™เตเด™เดณเตเดŸเต† เดฐเต‚เดชเด™เตเด™เตพ

เดฌเดนเตเดตเดฟเด•เตฝเดชเตเดชเด‚

เด•เดพเตปเดกเดฟเดกเต‡เดฑเตเดฑเต: เด’เดฐเต เดšเต†เดฑเดฟเดฏ เดธเดพเดนเดšเดฐเตเดฏเดฎเต‹ เดชเดŸเตเดŸเดฟเด•เดฏเต‹ เดชเตเดฐเดธเตเดคเดพเดตเดจเดฏเต‹ เดตเดพเดฏเดฟเดšเตเดšเต เดถเดฐเดฟเดฏเดพเดฏ เด‰เดคเตเดคเดฐเด‚ เด…เดฒเตเดฒเต†เด™เตเด•เดฟเตฝ เดถเดฐเดฟเดฏเดพเดฏ เดŽเดฒเตเดฒเดพ เด‰เดคเตเดคเดฐเด™เตเด™เดณเตเด‚ เดคเดฟเดฐเดžเตเดžเต†เดŸเตเด•เตเด•เตเดจเตเดจเต.

เดจเดฟเด™เตเด™เตพ เด•เดพเดฃเตเดจเตเดจเดคเต: เด•เดพเตปเดกเดฟเดกเต‡เดฑเตเดฑเดฟเดจเต เดตเดฟเดทเดฏเด‚ เดคเดฟเดฐเดฟเดšเตเดšเดฑเดฟเดฏเตเด• เดฎเดพเดคเตเดฐเดฎเดฒเตเดฒ, เด…เดคเต เดชเตเดฐเดฏเต‹เด—เดฟเด•เตเด•เดพเดจเตเด‚ เดฎเดคเดฟเดฏเดพเดฏ เด…เดฑเดฟเดตเตเดฃเตเดŸเต‹ เดŽเดจเตเดจเต.

10 เดฎเดฟเดจเดฟเดฑเตเดฑเดฟเดจเตเดณเตเดณเดฟเตฝ 15 เดšเต‹เดฆเตเดฏเด™เตเด™เตพ, เด“เดฐเต‹เดจเตเดจเดพเดฏเดฟ เดจเตฝเด•เตเดจเตเดจเต.

เดˆ เดŸเต†เดธเตเดฑเตเดฑเดฟเดจเต เด…เดจเตเดฏเต‹เดœเตเดฏเดฎเดพเดฏ เดœเต‹เดฒเดฟเด•เตพ

Machine learning engineers, deep learning engineers, AI engineers, data scientists and data analysts who build or maintain neural network models in TensorFlow.

Evidence beyond a resume

  1. Framework behavior, not name recall

    Candidates respond to short code and precise statements about TensorFlow behavior, giving you evidence beyond a list of frameworks on a resume.

  2. A fairer version comparison

    Code targets current TensorFlow 2 releases and avoids behavior that changed between versions, so recent-release differences do not shape the questions.

  3. Room for small calculations

    Shape and parameter arithmetic uses small numbers, and candidates may use scratch paper while working through these model details.

เด“เดฐเต‹ เด•เดพเตปเดกเดฟเดกเต‡เดฑเตเดฑเดฟเดจเตเด‚ เดฒเดญเดฟเด•เตเด•เตเดจเตเดจเดคเต

เดฎเดพเดคเตƒเด•เดพ เดฑเดฟเดชเตเดชเต‹เตผเดŸเตเดŸเต (เดธเดพเด™เตเด•เตฝเดชเตเดชเดฟเด• เดกเดพเดฑเตเดฑ)TensorFlow
66%เดชเต†เตผเดธเต†เดจเตเดฑเตˆเตฝ 35. เดฎเดพเดจเดฆเดฃเตเดกเด‚: HireValid เดธเตเดฅเดพเดจเดพเตผเดฅเดฟเด•เตพ, n = 2,269
Core tensors and execution56%
Data pipelines and training57%
Convolutional networks62%
Complex model architectures87%
Integrity Scoreเด‰เดฏเตผเดจเตเดจ เด†เดคเตเดฎเดตเดฟเดถเตเดตเดพเดธเด‚
  • เดชเดฐเต€เด•เตเดทเดฏเดฟเดฒเตเดŸเดจเต€เดณเด‚ เดŸเต†เดธเตเดฑเตเดฑเต เดŸเดพเดฌเดฟเตฝ เดคเตเดŸเตผเดจเตเดจเต
  • เดชเต‡เดธเตเดฑเตเดฑเต เดšเต†เดฏเตเดค เด‰เดคเตเดคเดฐเด™เตเด™เดณเดฟเดฒเตเดฒ
  • เดธเตเดฅเดฟเดฐเดฎเดพเดฏ เดตเต‡เด—เดคเตเดคเดฟเตฝ เดฎเดฑเตเดชเดŸเดฟ เดจเตฝเด•เดฟ

เดธเตเด•เต‹เดฑเตเด•เดณเตเด‚ เดชเตเดฐเตŠเดซเตˆเดฒเตเด•เดณเตเด‚ เด‡เดจเตเดฑเด—เตเดฐเดฟเดฑเตเดฑเดฟ เดธเดฟเด—เตเดจเดฒเตเด•เดณเตเด‚ เด’เดฐเต เด…เดญเดฟเดฎเตเด–เดคเตเดคเต‹เดŸเตŠเดชเตเดชเด‚ เดจเดฟเด™เตเด™เตพ เดตเดฟเดฒเดฏเดฟเดฐเตเดคเตเดคเดพเดจเตเดณเตเดณ เดคเต†เดณเดฟเดตเตเด•เดณเดพเดฃเต; เด…เดต เด’เดฐเดฟเด•เตเด•เดฒเตเด‚ เดธเตเดตเดฏเดฎเต‡เดตเดฏเตเดณเตเดณ เดคเต€เดฐเตเดฎเดพเดจเดฎเดฒเตเดฒ.

เดˆ เดŸเต†เดธเตเดฑเตเดฑเต เดธเต—เดœเดจเตเดฏเดฎเดพเดฏเดฟ เด‰เดชเดฏเต‹เด—เดฟเด•เตเด•เตเด•

How the test handles integrity signals

Each candidate receives a different set of questions from large pools. Questions appear one at a time, in a different order, and answer options are shuffled. The test takes 10 minutes, and candidates cannot go back to earlier questions. If a page reloads, the same question returns with only the remaining time. Question text cannot be copied or selected; a blocked copy attempt is recorded in the timeline. HireValid records signals such as time away from the test tab, pastes into answers, and answers faster than a question can be read. An Integrity Score and evidence timeline are provided for employer review, not an automatic decision. With candidate consent, employers can add webcam photos at random moments.

Use the score as one signal

Review the score alongside a work sample using TensorFlow and a structured interview. For example, ask candidates to work through a model-related task, then discuss the choices they made around input pipelines, training, or model architecture. The test does not decide who to hire. For more context, see how we build our tests, the pre-employment testing guide, and the related Neural Networks test.

Structured interview questions

  1. Tell me about a TensorFlow model you built or maintained. How did you handle its input data and training?

    Listen for a clear account of the candidate's role, the pipeline and training decisions they made, and how they explained those choices.

  2. Describe a convolutional network you worked on and how you approached its design.

    Look for a concrete example and a reasoned explanation of the candidate's decisions, rather than a recited definition of convolutional networks.

  3. Walk me through a model with multiple parts that you worked on. How did the parts fit together?

    Listen for a specific example involving a recurrent, residual, or multi-input design, and how the candidate describes its structure and their contribution.

เดจเต€เดคเดฟเดชเต‚เตผเดตเด•เดคเดฏเตเด‚ เด†เดตเดถเตเดฏเดฎเดพเดฏ เดธเต—เด•เดฐเตเดฏเด™เตเด™เดณเตเด‚

Questions use short code and plain technical English with no idioms. They test how the framework behaves rather than memorized names or the exact text of error messages. Code targets current TensorFlow 2 releases and avoids behavior that changed between versions, so candidates using any recent release are treated alike. Shape and parameter arithmetic uses small numbers, and every candidate may use scratch paper.

เด…เดจเตเดฏเต‹เดœเตเดฏเดฎเดพเดฏ เดธเต—เด•เดฐเตเดฏเดฎเดพเดฏเดฟ เดเดคเต เดธเตเดฅเดพเดจเดพเตผเดฅเดฟเด•เตเด•เตเด‚ เด…เดงเดฟเด• เดธเดฎเดฏเด‚ เดจเตฝเด•เดพเด‚. เดซเดฒเด™เตเด™เตพ เด’เดฐเดพเตพ เดตเดฟเดฒเดฏเดฟเดฐเตเดคเตเดคเดพเดจเตเดณเตเดณ เดคเต†เดณเดฟเดตเตเด•เดณเดพเดฃเต, เด’เดฐเดฟเด•เตเด•เดฒเตเด‚ เดธเตเดตเดฏเดฎเต‡เดตเดฏเตเดณเตเดณ เดคเต€เดฐเตเดฎเดพเดจเดฎเดฒเตเดฒ.

Provisional: reliability is reported once 200 candidates have completed it.

เดžเด™เตเด™เดณเตเดŸเต† เดจเต€เดคเดฟเดชเต‚เตผเดตเดฎเดพเดฏ เดธเดฎเต€เดชเดจเด‚ เดตเดพเดฏเดฟเด•เตเด•เตเด•

เดŸเต†เดธเตเดฑเตเดฑเดฟเดจเตเดฑเต† เดตเดฟเดถเดฆเดพเด‚เดถเด™เตเด™เตพ

A ten-minute check of working knowledge of TensorFlow 2 and its Keras API. Candidates read short Python snippets and precise statements about how the framework behaves. The questions cover tensors and automatic differentiation, input pipelines and training, convolutional networks, and multi-part models such as recurrent, residual and multi-input networks.

  • เดšเต‹เดฆเตเดฏเด™เตเด™เตพ เด‡เด‚เด—เตเดฒเต€เดทเดฟเดฒเดพเดฃเต.
  • เด…เดจเตเดตเดฆเดจเต€เดฏเดฎเดพเดฏ เดธเดนเดพเดฏเด™เตเด™เตพ: เด•เดฐเดŸเต เดŽเดดเตเดคเดพเดจเตเดณเตเดณ เดชเต‡เดชเตเดชเตผ.
  • เด“เดฐเต‹ เดšเต‹เดฆเตเดฏเดคเตเดคเดฟเดจเตเด‚ เด•เตเดฐเดฎเดคเตเดคเดฟเตฝ เด’เดฐเดฟเด•เตเด•เตฝ เดฎเดพเดคเตเดฐเด‚ เด‰เดคเตเดคเดฐเด‚ เดจเตฝเด•เดพเด‚. เดฎเตเดฎเตเดชเดคเตเดคเต† เดšเต‹เดฆเตเดฏเด™เตเด™เดณเดฟเดฒเต‡เด•เตเด•เต เดฎเดŸเด™เตเด™เดพเดจเดพเด•เดฟเดฒเตเดฒ.
  • เดธเดฎเดฏเดชเดฐเดฟเดงเดฟเดฏเตเดณเตเดณ เดŸเต†เดธเตเดฑเตเดฑเดฟเดจเต เดฎเตเดฎเตเดชเต 4 เดชเดฐเดฟเดถเต€เดฒเดจ เดšเต‹เดฆเตเดฏเด™เตเด™เตพ, 4 เดฎเดฟเดจเดฟเดฑเตเดฑเต.

TensorFlow, Keras, Python เด…เดตเดฏเตเดŸเต† เด‰เดŸเดฎเด•เดณเตเดŸเต† เดตเตเดฏเดพเดชเดพเดฐเดฎเตเดฆเตเดฐเด•เดณเดพเดฃเต. HireValid เด…เดตเดฐเตเดฎเดพเดฏเดฟ เดฌเดจเตเดงเดชเตเดชเต†เดŸเตเดŸเดคเต‹ เด…เดตเดฐเตเดŸเต† เด…เด‚เด—เต€เด•เดพเดฐเดฎเตเดณเตเดณเดคเต‹ เด…เดฒเตเดฒ.

เดชเดคเดฟเดตเดพเดฏเดฟ เดšเต‹เดฆเดฟเด•เตเด•เตเดจเตเดจ เดšเต‹เดฆเตเดฏเด™เตเด™เตพ

Who is the TensorFlow test for?+

It is an intermediate test for machine learning engineers, deep learning engineers, AI engineers, data scientists, and data analysts who build or maintain neural network models in TensorFlow. Use it when that work is relevant to the role, rather than as a general-purpose programming screen.

Can candidates take the TensorFlow test on a phone?+

Yes. The test is not desktop only, so it can be taken on a phone or a computer. Code snippets are short, and the shape and parameter arithmetic uses small numbers that can be worked out on scratch paper.

Can candidates use aids or return to a question in the TensorFlow test?+

Candidates may use scratch paper. They cannot go back to an earlier question during the 10-minute test. A separate practice set has 4 questions and takes 4 minutes, so candidates can see the multiple-choice format before starting.

Should the TensorFlow test score decide who moves forward?+

No. Treat the score as evidence for a person to review, alongside a TensorFlow work sample and a structured interview. Follow up on relevant results by asking about the candidate's experience with training workflows, convolutional networks, or multi-part model architectures.

เดฌเดจเตเดงเดชเตเดชเต†เดŸเตเดŸ เดŸเต†เดธเตเดฑเตเดฑเตเด•เตพ

เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

Azure-เดฒเต† เดฎเต†เดทเต€เตป เดฒเต‡เดฃเดฟเด‚เด—เต

10 เดฎเดฟเดจเดฟเดฑเตเดฑเต, เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

เดชเดฐเตเดฏเดตเต‡เด•เตเดทเดฃเด‚ เดšเต†เดฏเตเดฏเตเด•
เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

Google Cloud Platform (GCP)-เดฒเต† เดฎเต†เดทเต€เตป เดฒเต‡เดฃเดฟเด‚เด—เต

10 เดฎเดฟเดจเดฟเดฑเตเดฑเต, เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

เดชเดฐเตเดฏเดตเต‡เด•เตเดทเดฃเด‚ เดšเต†เดฏเตเดฏเตเด•
เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

PyTorch

10 เดฎเดฟเดจเดฟเดฑเตเดฑเต, เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

เดชเดฐเตเดฏเดตเต‡เด•เตเดทเดฃเด‚ เดšเต†เดฏเตเดฏเตเด•
เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

Amazon Web Services (AWS)-เดฒเต† เดฎเต†เดทเต€เตป เดฒเต‡เดฃเดฟเด‚เด—เต

10 เดฎเดฟเดจเดฟเดฑเตเดฑเต, เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

เดชเดฐเตเดฏเดตเต‡เด•เตเดทเดฃเด‚ เดšเต†เดฏเตเดฏเตเด•
เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

เดฎเตพเดŸเตเดŸเดฟ-เดŸเดพเดธเตโ€Œเด•เต เดฒเต‡เดฃเดฟเด‚เด—เต (MTL)

10 เดฎเดฟเดจเดฟเดฑเตเดฑเต, เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

เดชเดฐเตเดฏเดตเต‡เด•เตเดทเดฃเด‚ เดšเต†เดฏเตเดฏเตเด•
เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

เดจเตเดฏเต‚เดฑเตฝ เดจเต†เดฑเตเดฑเตโ€Œเดตเตผเด•เตเด•เตเด•เตพ

10 เดฎเดฟเดจเดฟเดฑเตเดฑเต, เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเดฟเด‚เด—เต เด•เดดเดฟเดตเตเด•เตพ

เดชเดฐเตเดฏเดตเต‡เด•เตเดทเดฃเด‚ เดšเต†เดฏเตเดฏเตเด•

เด…เดŸเตเดคเตเดค เดจเดฟเดฏเดฎเดจเดคเตเดคเดฟเตฝ TensorFlow เดŸเต†เดธเตเดฑเตเดฑเต เด‰เดชเดฏเต‹เด—เดฟเด•เตเด•เตเด•

Free เด‰เตพเดชเตเดชเต†เดŸเต† เดŽเดฒเตเดฒเดพ เดชเตเดฒเดพเดจเตเด•เดณเดฟเดฒเตเด‚ เดฎเตเดดเตเดตเตป เดŸเต†เดธเตเดฑเตเดฑเต เดฒเตˆเดฌเตเดฐเดฑเดฟเดฏเตเด‚ เดฒเดญเตเดฏเดฎเดพเดฃเต.

เดˆ เดŸเต†เดธเตเดฑเตเดฑเต เดธเต—เดœเดจเตเดฏเดฎเดพเดฏเดฟ เด‰เดชเดฏเต‹เด—เดฟเด•เตเด•เตเด•Free เดชเตเดฒเดพเตป. เด•เตเดฐเต†เดกเดฟเดฑเตเดฑเต เด•เดพเตผเดกเต เดตเต‡เดฃเตเดŸ.
Free เดชเตเดฒเดพเตป. เด•เตเดฐเต†เดกเดฟเดฑเตเดฑเต เด•เดพเตผเดกเต เดตเต‡เดฃเตเดŸ.เดˆ เดŸเต†เดธเตเดฑเตเดฑเต เดธเต—เดœเดจเตเดฏเดฎเดพเดฏเดฟ เด‰เดชเดฏเต‹เด—เดฟเด•เตเด•เตเด•

เดŽเดกเดฟเดฑเตเดฑเต‹เดฑเดฟเดฏเตฝ เดŸเต€เดฎเดฟเดจเต†เด•เตเด•เตเดฑเดฟเดšเตเดšเต

HireValid เดŽเดกเดฟเดฑเตเดฑเต‹เดฑเดฟเดฏเตฝ เดŸเต€เด‚ เดคเดฏเตเดฏเดพเดฑเดพเด•เตเด•เดฟ เดตเดธเตเดคเตเดคเด•เตพ เดชเดฐเดฟเดถเต‹เดงเดฟเดšเตเดšเดคเต. เดชเดฐเดฟเดถเต‹เดงเดฟเดšเตเดš เด‰เดฑเดตเดฟเดŸเด™เตเด™เตพ . เดŽเดกเดฟเดฑเตเดฑเต‹เดฑเดฟเดฏเตฝ เดจเดฏเด‚ เดตเดพเดฏเดฟเด•เตเด•เตเด•.