(以下为代 po) 大家好，简单分享我在 2022 年底到 2023 年初的面试经验。本人约三年工作经验，现职 为 data scientist 。 1. 总共投了约 15 到 20 间，多数为台北的软体业或外商。投递方式为公司官网、104 、 LinkedIn 、少部分是朋友内推及 yourator　。扣掉猎头推荐但没兴趣的，最後总共 接到 8 个面试邀约，并拿到一个 offer 。包括： - OOO : offer get (暂不分享) - Dcard Junior Machine Learning Engineer : 二面後感谢函 - Appier Data Scientist, Analytics : 二面後感谢函 - 17live Sr./Jr. Data Scientist : 面试後感谢函 - ASUS AICS 大数据软体研发工程师 : 一面後婉拒二面 - 趋势 AI Research Engineer : 程式测验後没消息 (人事冻结) - 钛坦科技 senior data scientist : 要写作业所以婉拒面试 - Taboola Algorithm Engineer : 婉拒面试 (投递後过了三个月才寄面试邀约，已 经要 onboard 了) 2. 事前准备： - Leetcode : 陆续刷了 近 100 题，主要刷 array 及特定技巧 ，例如 backtracking 与 DP，另外也刷了一点 SQL ，看到 hard 就跳过。网路上已经很多刷题 心得这边不多说，只提两点： - 有 premium 帐号刷起来心情会好很多 - 这次面试考得都不难，顶多到 medium 难度 - 专案与自我介绍简报：疫情期间几乎都是远端面试，自介简报已经是基本配备了。 - ML 知识：花了点时间复习了相关知识，包括传统 ML 演算法 (tree-based 为主) 与 DL 技术 (熟悉领域的 SOTA 模型、基本知识)，但面试中几乎都没被问到。 3. 面试概述： - Dcard Junior Machine Learning Engineer - 时程：官网投递 → D+20 面试邀约 → D+22 一面 → D+39 二面 → D+41 感 谢函 一二面都是技术面，主要都着重在情境题。情境题基本上就是给一个推荐系统的 情境，并请你设计一个解决方案，考验你如何设计实验、选择指标、挑选演算法等等，面 试官会开电子白板跟你一起讨论。 一面包括自我介绍、讨论过去专案，情境题、与程式 测验，程式测验偏资料结构 (heap 、hash map)。二面则着重在情境题，另外还有问系统 设计，例如如何训练、部属、 serving ，中间会用到的工具等。 个人觉得面试难度非常高，除了要很懂推荐系统的情境与方法外 (不只是尻过模 型那种懂)，还要懂资料工程与系统设计，面试期间花了很多时间恶补，最後还是铩羽而 归qq。 面试官人都很友善，感觉技术很强。至於 HR … 与我联络的 HR (intern) 好像 很不想理我，让我觉得很不受尊重：首先在约二面的时间时，她先给我两个时段，我说时 间 ok ，但希望有其他时段给我选，我比较好配合，但她就直接订在原本的时间，并回了 封罐头确认信，也不知道有没有帮我协调。接着在二面前，我准备了一些面试相关的材料 ，请 HR 先寄给面试官，HR 也是完全不回信，直到面试当下我问了面试官才知道他们有 拿到我的材料。 虽然不是很夸张的错误，但在面试过程中，我要兼顾现职工作与其他公司的面试 ，周末也全都拿来准备 Dcard 的面试，结果 HR 一不鸟我的时间安排，二让我以为准备 的东西交不到面试官手上，现在回想起来，还是蛮不爽的。应该不是我毛太多吧 = = - Appier Data Scientist, Analytics - 时程：官网投递 → D+14 一面邀约 → D+17 一面 → D+22 二面邀约 → D+25 二面 → D+38 感谢函 其实本来要丢的应该是 ML scientist，但我也不排斥 DA ，想说就丢看看。 一面主要为自我介绍与程式测验，程式测验包括用 pandas 做 EDA 、算指标与 SQL 测验。因为不熟 pandas 语法，直接跟面试官说我要开 pandas cheatsheet ，面试 官也不介意。虽然不难，但平常没在用应该会写不出来。 二面则是跟主管面，因为这个缺比较着重於捞报表、建 dashboard，而我过去经 验比较偏模型开发，主管感觉对我兴趣缺缺，随便聊聊不到 40 分钟就结束了，另外主管 看起来很累 (?)。面完就知道没机会了，但感谢函还是等了约两周。 - 17live Sr./Jr. Data Scientist - 时程：官网投递 → D+5 HR 来电聊天，约面试 → D+10 面试 → D+20 感谢 函 17 的面试会安排在同一天，有四关大约三小时，分别为程式测验、技术面、主 管面、人资面。 程式测验考了一题 SQL ，其实不难，但平常很少写，所以写不太出来。技术面 主要针对过去专案经历来问，问得满仔细的，且会适时切入一些技术细节。技术面後，换 主管接手，主管主要都是问情境题，会根据你的技能，问你如何解决他们商业情境上碰到 的问题。人资关则是聊天、公司介绍、问你一些性格问题等等。 整体来说，面试过程轻松愉快，人资与面试官都很客气，面试难度也不高。此外 ，面试排在同一个下午对於在职的人来说方便很多。本来觉得十拿九稳，想不到最後收到 了感谢函 (据说後来这个缺没补人)。 - ASUS AICS 大数据软体研发工程师 - 时程：官网投递 → D+3 线上程式测验 → D+4 面试邀约 → D+10 一面 → D+10 二面邀约 线上程式测验共两题，难度 medium 未满。一面面试官先介绍单位与工作内容， 接着请你自我介绍，并根据内容提问。面试官技能可能不是在建模上，所以模型技术内容 没有问得很深入，但会一直拷问你实验流程为什麽这样设计，如何解释不同方法等等。後 来面试官有解释，因为工作上会常需要跟医师们沟通，所以必须要...有能力说服医生？ 最後半小时是程式测验，难度虽不高，但我一直写不出好的解法。面试官一直鼓 励并引导我想出更好的解法，後面也给了我一些建议。当下一直想说。 整体来说，面试过程愉快，面试官人很和蔼，HR 效率也很高 (一面完几小时就 送二面通知)，不过一面聊到最後才知道这个缺比较偏 backend ，要负责串接医院或诊所 的系统，後来又收到其他 offer ，所以就婉拒二面。 ４. 总结： - 感觉这段时间工作真的不好找，许多公司丢了都没回。 - 很多间都有考情境题，建议面试时可以先准备好电子白板或 google 文件，被问到 就分享萤幕，边讨论边做笔记，会比较有条理。可以在 youtube 搜寻 data science mock interview ，看看大家都是怎麽回答问题的。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 219.70.141.176 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1684604521.A.143.html ※ 编辑: as922425 (219.70.141.176 台湾), 05/21/2023 01:43:47 ※ 编辑: as922425 (219.70.141.176 台湾), 05/21/2023 01:46:51 ※ 编辑: as922425 (219.70.141.176 台湾), 05/21/2023 01:56:14 ※ 编辑: as922425 (219.70.141.176 台湾), 05/21/2023 02:21:37