小弟前阵子在板上请教过问题，最近面试结束，分享给乡民参考 本来因为觉得运气成分居多仅分享给朋友QQ 但朋友各种怂恿就还是PO上来了 背景： 私大EE学+硕(4+1) 多益640 硕论做影像辨识+切割 职缺： 1. AI工程师(CV相关)* 2. ML/DL工程师(CV相关)* 3. 电脑视觉/影像处理工程师 *仅投Computer Vision相关，NLP和金融相关因完全没碰过所以不投 应徵方式： 104 投29家，收到5家邀约 + 1家感谢，没去1家** 内推 **阿福虽然不给面但有感谢投递的回覆，HTC有寄信和打电话来，但婉拒面试 面试顺序(共一个月)： ?(一面) -> 金宝(新世代机器人) -> NexVision -> ?(二面) -> 由田 -> 仁宝 ------------------------------------------ ? - ML/DL engineer 最後选择的公司，也不知道为什麽心里就是不想公开是哪间，内推得到面试机会 一面 跟主管*2聊 1. 自我介绍 2. 报做过甚麽专案跟讨论内容 3. 未来会希望除了ML、CV这两块之外再多学甚麽 4. 觉得他们公司的产品可以跟AI有哪些结合 这边说一下，小弟技能仅DL、CV、IP 前後端基本上算0，未来会点一些资料库技能 然後主管A就开始介绍公司近况、福利和在各国的据点等等 最後互相留下联络方式 总时约1.5 hr 二面 过了两个礼拜以为没戏了 结果某天LINE我说可以约时间二面，与另一位主管聊 聊的东西跟一面基本上一样，技术的东西比较少了一点，第4点居多 会多这次好像是因为一面时这个主管在国外，所以多加一次，不确定是不是常态 聊完後过一下子，一面的主管进来问期望薪资 这边我开50k但朋友都嘴我开太低QQ 说这几天不管结果是怎样都会联络我 总共花约1.5 hr Offer get N*12 (N>60) ------------------------------------------ 金宝(新世纪机器人) – DL Engineer变软体工程师又变影像处理工程师 来看乡民口中的金宝，果然还没去面就... EMAIL收到要先填一堆资料，很多不想填的我直接空白好像也没差 面试当天早上接到电话说DL想找有经验的，但还是可以去面软体，为了朝圣还是去了 在深坑...超远 到那边先跟HR聊了一下，大概就是多益成绩、介绍之类的，不过人资态度很好 主管进来，一样自我介绍，然後报做过的projects跟硕论等等 我也老实跟他说我念EE没修过CS的课，软工基本上不熟 听完他说那不如来做影像，不过他们公司用的都还是传统影像的方法 问我对传统影像有没有兴趣，我是回我对影像相关都蛮有兴趣 然後就开始介绍公司福利，现在在做甚麽产品 一直强调他们公司很传统之类的，其实态度一直都不错，也可能是在...XD 最後问我期望薪资，我是开55k 他说月薪不会这麽高，但年薪会有到16个月之类的 奖金以全薪计算，不是底薪，如果OFFER开50k，年就是50k*12+50k*? 以上这段是以我理解主管的话来举例，如果有错不好意思 最後说如果这周五没联络我就寄个Email给他提醒他 结果一直到隔周五才又寄信问我说能不能在电话聊一下 我说可以约时间聊，然後就再也没回我了... 莫名其妙 ------------------------------------------ NexVision – AI Engineer 在六张犁捷运附近，交通蛮方便的，办公室小小一间 里面只有5个人 1个HR、2个工程师、2个intern，没有主管 只有一个比较资深的工程师当窗口直接对日本老板 老板日本人也常驻日本，"好像"有母公司在日本 貌似是接案，主要做AI相关 基本上就是像学校实验室的样子，挺...特别？ 目前好像还要自备电脑 HR很热心，也很愿意了解目前AI产业人才的想法是怎样 很直接地跟我请教看到怎样的职缺跟介绍会有兴趣 一般的AI人才该有的技能有甚麽，哪些是plus之类的 再跟比较资深的工程师聊我做过的专案，用了哪些技术遇到甚麽困难等等 然後介绍他们现在在干嘛、目前的情况是怎样 这期间HR都在旁边听，偶尔问几个问题 最後HR就说等老板那边回覆，月底不管有没有上都会给答案 等待中，已经最月底了可能无声卡XD ------------------------------------------ 由田 - 影像处理应用工程师，自我介绍後加面AI部门 办公室环境蛮不错的，面试前也是有先寄一个资料表要填 一样不想填的就空白也没差，但要自己印好带过去 公司在中和，到那边先写逻辑跟程式测验，很基础的题目 基本上就网路上找得到的那种逻辑题型 四个人各讲一段叙述，只有一个人说实话，那小名到底有几个老婆？ 程式部分 1. String reverse (手写CODE) 2. sort (手写CODE) 3. *ptr 4. == & = 5. public protected private 6. i++ ++i 其他还有一两题忘了，都名词解释或解释差异 考完等一下，AI主管先进来，一样聊做过的projects、论文 问了一些NN的基本观念问题 CNN跟Fully connected谁能够取到比较多特徵 为什麽大家都跑来用CNN，优势在哪里之类的 介绍AI部门在干嘛，怎麽运作，跟传统影像部门区别在哪 优点是几乎不用对客户，95%时间都认真在做研发 我问会不会加班，他说基本上6点就走90% 不过有个很猛的点是AI部门每个人最低配就是Titan 主管本人一个人用一张V100，觉得羡慕... AI主管说我程度不错，应该是会拿到他们AI部门的Offer 最後要去AI还是传统影像我再自己决定 再等了十几分钟，换传统影像主管 这边有点特别，可能刚刚AI主管有跟他说我对AI比较有兴趣 这个主管好像对我兴趣缺缺，讲话很慢，常常尴尬冷场 只聊了一下专案和论文就请我回去了 不过倒也没有冷言冷语或态度不好，就是讲话很慢 会想几秒才讲一句话那种 期望薪资我开85万/年 几天後电话offer 53k*14+分红奖金等等 ------------------------------------------ 仁宝 – 影像演算法工程师 (AI team) 宝宝集团老大？ 面试前要先在家做线上适职测验 个人觉得选项不够全面，花了一点时间甚麽选项才符合我 一样有资料表、个资同意书，都要自己印自己签完带过去 在员工餐厅等了大概20分钟，进去一个休闲室做线上测验 测数字比对、图形比对和矩阵旋转比对，各有50题，分别只有3.5、3.5和9分钟 数字我只写了40题，图形30题，矩阵44题 其实矩阵我个人比较擅长，但时间还没到就败给了括约肌... 话说这个题数後来主管说我考得不错 不知道真的假的我没看到分数 考完到隔壁栋面主管，直接开始讲我的论文 是一个人蛮NICE的主管，跟我愉快的聊了很多跟我论文相关的东西 也有问到业界赚钱需要压成本，但同时performance不能降时，该怎麽办？ 这题我也真不知怎答 我就老实回答如果当下没有更好的演算法或model可以达到这样的效果 时程又紧的话，我真的会不知道怎麽应对 但我也说，我对自己的近期期望是业界新鲜人的这一到三年 能完整参与到一件电脑视觉相关产品的开始到结束，累积经验 这是我在学校学不到的 说完主管就开始讲他们TEAM现在运作的情况 好像挺缺人的，AI team目前只有3个人，说预计要找到5-7人，NLP和CV的都要 目前都还是做内部客户，还没有对外，主要在做长照和AOI的部分 最後聊到薪资，因为我资料表上填期望薪资 70k/M 主管直接说不可能开到这麽高，照我这样差不多就42-43k 但他们一年保15个月(12+0.5+0.5+2) 之後每年10月还11月会有一包额外的奖金 看绩效大概落在1-4个月，所以通常会有17-19个月这样 最後问我现在能不能确定要来上班，确定的话现场就可以发OFFER给我 但我回答说还要一个礼拜做最後决定，因为还有其他结果没出来 现场口头offer 42-43k*15 (满一年後16-19)，但没有当场答应 ------------------------------------------ 总结 学历部分，私大硕真的不好拿面试，新竹小弟不太清楚 双北104相关职缺被我轮了上百次，仅6个面试机会 小弟也不知道哪来的心脏连C/C++都没练就上场了 结果运气好，不是没考就是考得挺基础的 也许会考的公司我连面试机会都没有吧XD 关键还是在作品，因为作品，我跟仁宝、由田、?的主管都聊得很多 聊得多，能展现专业的地方也就比较多，学历的影响应该就小一点吧 技能部分，硕班真的有被好好操到 ML/DL部分还顶得住，但软工不熟，资料库或APP等完全不懂 不知道算是缺点还是这应该属於plus，每间公司的尺都不太一样 薪资部分，真的不要怕开高，尤其AI/ML/DL缺 除了大公司很多固定价外，有开有希望 小弟实验室同届毕业的同学们都拿到非常不错的offer 都在55k/M上下，只能说大AI时代啊 ... 不过同学们真的都很强就是了 在这边祝福大家都能找到理想工作好好打拼 薪资除了?我是直接开了，貌似也没签甚麽保密协定之类的 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 27.246.30.47 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1535716676.A.12B.html 没猜到，不过真的是满意到不能再满意的薪资了 个人是兴趣取向啦 当初也没想到做影像可以拿到这样的薪水 学长姊给我们的忠告都是毕业不要做影像... 嗯...有的公司几个人用一张1080呢 私信你 如果运气也是实力，那小弟近期真的有点强... 我听到也是傻眼，要多爽有多爽 Titan已经train到不要不要的了 V100极狠 ※ 编辑: ZuiYang (27.246.30.47), 09/01/2018 07:05:05 我的专题就是implement别人的论文 不过我是有修改、加一些东西进去啦 我觉得完全可以算 至少放在github也好 去面试还可以讲一下你有在经营github之类的 ※ 编辑: ZuiYang (27.246.30.47), 09/01/2018 13:49:21 程度怎麽分我也不太清楚欸 小弟自嗨举个例子看看 只针对DL部分，ML懂得太少不敢举例 1.能自己提出不逊於当前top performance models的model 或是能提出不一样的算法来优 化model 像是提出Focal loss这种 2.能用C手刻出NN/BP和一些相关函数 3.会用framework架model并设计如何训练的计画与优化方案(针对自己的case) 4.只会github clone来玩玩 改改参数试试看变怎样 小弟大概2.的菜鸡 1.就顶尖conference常客，这个数学要极猛，脑洞也要够大，然後被人家问怎麽做出来的 都说就乱调出来的，只能跪 2.是我认为研究要做得好应该要努力的地方，只有从头到尾自己走过一遍，才能知道自己 在干嘛 3.就会应用，相关的硕班能毕业至少有这个程度吧...应该 4.就初学或玩玩 ※ 编辑: ZuiYang (27.246.30.47), 09/01/2018 23:30:02 ※ 编辑: ZuiYang (27.246.30.47), 09/01/2018 23:55:20 不是啊 就是CNN v.s. Fully Connected FC是每个Neuron 对 每个Neuron呢 取到的特徵量FC>>CNN 但有效特徵的比例CNN>FC 所以大家都先用数层CNN把真正重要的特徵取出来（降维）也就是滤掉不重要的 然後最後再用FC找这些特徵的关联 这边补充一下 我指的是hidden layer取特徵的阶段 ※ 编辑: ZuiYang (27.246.30.47), 09/02/2018 23:13:08 嗯嗯主管也是这麽说的， 因为某些私人原因不然真的挺想去由田的， 薪资真的也给的不错 ※ 编辑: ZuiYang (27.246.30.47), 09/03/2018 23:33:16