大家安安大家好 小弟受惠於板上很多面试心得文 由於板上关於ML的面试心得其实没有很多 所以在拿到offer後也想贡献一下自己的面试心得给大家 我的研究领域主要是data mining, machine learning, deep learning 研究所是中字辈的资工所非纯血 多益700多 总共面试3间公司，分别是旭曜资讯服务、竹间智能、趋势科技，以下按照面试顺序跟大 家分享 以下是面试心得： < 旭曜资讯服务 > 这是一间刚成立的新创公司，面试流程包括笔试与面谈 笔试包含： 基本numpy语法，阅读tensorflow、keras程式码。 numpy语法算是蛮基本的，大概是a = np.arange(10)*3，写出 print(a)的结果 阅读程式码的部分，因为工作上是属於NLP方面的，所以他给我很基本的LSTM架构程式码 ，请我写注解上去，例如哪部分是定义loss function、optimizer。 面试包含： 自我介绍、介绍硕论、做过的project介绍 介绍的部分大概是要求介绍到实验过程、feature用了哪些、用了哪些ML method，感觉比 较像在聊天。 感想： 感觉公司真的是在非常前期的阶段，面试并没有一套完整流程，也没有人格特质的问题， 但是过程算是蛮愉快的，主管也很尊重面试者。 结果： 可能是薪水开太高(?)，所以到现在还没回覆我。 - < 竹间智能 > 发展很快的新创公司，主要是在做NLP方面，板上有很多蛮可怕的面试心得，但是我觉得 个人面试经验蛮不错的，面试流程包括笔试、team leader面试、资深工程师面试、人资 面试。 笔试包含： 2题leetcode easy的问题，Best Time to Buy and Sell Stock与Valid Triangle Number ，没有限时间，但是写完会给资深工程师看有没有问题、能不能再改进、问时间复杂度是 多少。 面试包含： 第一关是与1位team leader面试，主要是先互相自我介绍，问一些很基本的问题，我被问 到的是precision与recall怎麽算、logistic regression的loss function用什麽，team leader只是想了解一下对evaluation有没有基本概念而已，并不会太难。 第二关是与2位资深工程师面试，检讨一开始考的笔试，问非常多技术层面的问题，以及 做过的project中用了哪些model，还有包含一些情境题，例如：如果今天给你一个任务是 要做一个语意辨识，给你一句话你要怎麽处理并回应使用者。过程中真的问了非常多问题 ，可以体会到面试官是很认真去看每一位面试者的履历。 第三关是与人资的面试，问了很多人格特质与性格测验的问题，最後则是问我期望的待遇 以及公司福利介绍。 感想： 跟其他人分享的心得其实差蛮多的，真的是能够体会到公司是很认真看待面试者，而且有 一套很完整的面试流程，面谈过程也很开心。办公室氛围蛮安静的环境也很漂亮很新，人 资跑流程也很快，面试总共花2个多小时，并在2天後接到人资核薪的电话，过两天收到正 式offer通知。 结果： offer get! - < 趋势科技 > 公司规模真的很大，应该不用我叙述太多了XD，应徵的职位是ML engineer，面试流程是c odility线上测验、主管面试、主管的主管面试、人资电话面试。 线上测验： leetcode easy~medium的题目，与leetcode最大的不同是题目的叙述方式以及测资要自己 想，要多考虑一些防呆的情况(input为空之类的问题)。 题目有3题，第一题是Distribute Candies、第二题是跟第三题是类似字串处理的问题， 比第一题难。 面试包括： 第一关是跟直属主管面试，一开始先自我介绍，然後主管会从他对你做过的project中找 有兴趣的问题问 问的问题大概如下： 1. project的实验过程？ 2. 为什麽要选这些当作feature？ 3. 团队合作有多少人、你扮演的角色？ 4. 当初怎麽会对这个领域有兴趣？ 5. Evaluation是用什麽方法？为什麽要用这些score function而不用其他的呢？ 6. 实验过程中用了哪些python library？ 7. 实验环境？有没有遇过资料太大跑不完？有没有用过AWS、GCP? 8. Missing value的处理？ 9. 你在工作上想得到的是什麽？ 感觉问题是偏向架构、概念层面的问题，跟竹间不太一样，不是太技术层面的问题，但是 问题真的蛮难回答的。 问完之後换主管们介绍部门在做些什麽，聊完之後换人资面试，会先询问面试过哪些公司 、是否有拿到offer、知道你进来的工作要做什麽吗？ 再来是人资电话面试，基本上也是问性格特质以及你做过哪些project，最後是期望待遇 跟介绍公司福利等等。 感想： 跟主管面试的过程超级紧张，我感觉自己表现得不太好，主管问的问题蛮尖 锐的，有些问题甚至想都没想过。整个公司很重视每一位面试者，也愿意为了我 在短短一个礼拜跑完全部流程，真的是很感动！ 结论： offer get! 最後真的很感谢板上其他的大大提供ML领域职缺的面试心得，也很感谢之前在板上告诉我 趋势科技NBA部门在做什麽的人，让我对这份职缺能有一点点了解。对於各位新鲜人我想 说的是，在学校学到的ML、DL理论只是解决问题的核心，现在大部分的职缺其实不会特别 要求面试者一定要有某个领域的处理经验(NLP、影像处理、Data mining)，当然有的话是 很加分的。所以大家可以尽量投自己有兴趣的ML职缺，最重要的是要能够让面试官知道你 愿意学习新知识、新技术。 ※ 编辑: LLpeanut (114.136.123.183), 10/05/2018 20:51:31 ※ 编辑: LLpeanut (114.136.123.183), 10/05/2018 21:04:21 ※ 编辑: LLpeanut (114.136.123.183), 10/06/2018 13:50:50