小弟前陣子在板上請教過問題，最近面試結束，分享給鄉民參考 本來因為覺得運氣成分居多僅分享給朋友QQ 但朋友各種慫恿就還是PO上來了 背景： 私大EE學+碩(4+1) 多益640 碩論做影像辨識+切割 職缺： 1. AI工程師(CV相關)* 2. ML/DL工程師(CV相關)* 3. 電腦視覺/影像處理工程師 *僅投Computer Vision相關，NLP和金融相關因完全沒碰過所以不投 應徵方式： 104 投29家，收到5家邀約 + 1家感謝，沒去1家** 內推 **阿福雖然不給面但有感謝投遞的回覆，HTC有寄信和打電話來，但婉拒面試 面試順序(共一個月)： ?(一面) -> 金寶(新世代機器人) -> NexVision -> ?(二面) -> 由田 -> 仁寶 ------------------------------------------ ? - ML/DL engineer 最後選擇的公司，也不知道為什麼心裡就是不想公開是哪間，內推得到面試機會 一面 跟主管*2聊 1. 自我介紹 2. 報做過甚麼專案跟討論內容 3. 未來會希望除了ML、CV這兩塊之外再多學甚麼 4. 覺得他們公司的產品可以跟AI有哪些結合 這邊說一下，小弟技能僅DL、CV、IP 前後端基本上算0，未來會點一些資料庫技能 然後主管A就開始介紹公司近況、福利和在各國的據點等等 最後互相留下聯絡方式 總時約1.5 hr 二面 過了兩個禮拜以為沒戲了 結果某天LINE我說可以約時間二面，與另一位主管聊 聊的東西跟一面基本上一樣，技術的東西比較少了一點，第4點居多 會多這次好像是因為一面時這個主管在國外，所以多加一次，不確定是不是常態 聊完後過一下子，一面的主管進來問期望薪資 這邊我開50k但朋友都嘴我開太低QQ 說這幾天不管結果是怎樣都會聯絡我 總共花約1.5 hr Offer get N*12 (N>60) ------------------------------------------ 金寶(新世紀機器人) – DL Engineer變軟體工程師又變影像處理工程師 來看鄉民口中的金寶，果然還沒去面就... EMAIL收到要先填一堆資料，很多不想填的我直接空白好像也沒差 面試當天早上接到電話說DL想找有經驗的，但還是可以去面軟體，為了朝聖還是去了 在深坑...超遠 到那邊先跟HR聊了一下，大概就是多益成績、介紹之類的，不過人資態度很好 主管進來，一樣自我介紹，然後報做過的projects跟碩論等等 我也老實跟他說我念EE沒修過CS的課，軟工基本上不熟 聽完他說那不如來做影像，不過他們公司用的都還是傳統影像的方法 問我對傳統影像有沒有興趣，我是回我對影像相關都蠻有興趣 然後就開始介紹公司福利，現在在做甚麼產品 一直強調他們公司很傳統之類的，其實態度一直都不錯，也可能是在...XD 最後問我期望薪資，我是開55k 他說月薪不會這麼高，但年薪會有到16個月之類的 獎金以全薪計算，不是底薪，如果OFFER開50k，年就是50k*12+50k*? 以上這段是以我理解主管的話來舉例，如果有錯不好意思 最後說如果這周五沒聯絡我就寄個Email給他提醒他 結果一直到隔周五才又寄信問我說能不能在電話聊一下 我說可以約時間聊，然後就再也沒回我了... 莫名其妙 ------------------------------------------ NexVision – AI Engineer 在六張犁捷運附近，交通蠻方便的，辦公室小小一間 裡面只有5個人 1個HR、2個工程師、2個intern，沒有主管 只有一個比較資深的工程師當窗口直接對日本老闆 老闆日本人也常駐日本，"好像"有母公司在日本 貌似是接案，主要做AI相關 基本上就是像學校實驗室的樣子，挺...特別？ 目前好像還要自備電腦 HR很熱心，也很願意了解目前AI產業人才的想法是怎樣 很直接地跟我請教看到怎樣的職缺跟介紹會有興趣 一般的AI人才該有的技能有甚麼，哪些是plus之類的 再跟比較資深的工程師聊我做過的專案，用了哪些技術遇到甚麼困難等等 然後介紹他們現在在幹嘛、目前的情況是怎樣 這期間HR都在旁邊聽，偶爾問幾個問題 最後HR就說等老闆那邊回覆，月底不管有沒有上都會給答案 等待中，已經最月底了可能無聲卡XD ------------------------------------------ 由田 - 影像處理應用工程師，自我介紹後加面AI部門 辦公室環境蠻不錯的，面試前也是有先寄一個資料表要填 一樣不想填的就空白也沒差，但要自己印好帶過去 公司在中和，到那邊先寫邏輯跟程式測驗，很基礎的題目 基本上就網路上找得到的那種邏輯題型 四個人各講一段敘述，只有一個人說實話，那小名到底有幾個老婆？ 程式部分 1. String reverse (手寫CODE) 2. sort (手寫CODE) 3. *ptr 4. == & = 5. public protected private 6. i++ ++i 其他還有一兩題忘了，都名詞解釋或解釋差異 考完等一下，AI主管先進來，一樣聊做過的projects、論文 問了一些NN的基本觀念問題 CNN跟Fully connected誰能夠取到比較多特徵 為什麼大家都跑來用CNN，優勢在哪裡之類的 介紹AI部門在幹嘛，怎麼運作，跟傳統影像部門區別在哪 優點是幾乎不用對客戶，95%時間都認真在做研發 我問會不會加班，他說基本上6點就走90% 不過有個很猛的點是AI部門每個人最低配就是Titan 主管本人一個人用一張V100，覺得羨慕... AI主管說我程度不錯，應該是會拿到他們AI部門的Offer 最後要去AI還是傳統影像我再自己決定 再等了十幾分鐘，換傳統影像主管 這邊有點特別，可能剛剛AI主管有跟他說我對AI比較有興趣 這個主管好像對我興趣缺缺，講話很慢，常常尷尬冷場 只聊了一下專案和論文就請我回去了 不過倒也沒有冷言冷語或態度不好，就是講話很慢 會想幾秒才講一句話那種 期望薪資我開85萬/年 幾天後電話offer 53k*14+分紅獎金等等 ------------------------------------------ 仁寶 – 影像演算法工程師 (AI team) 寶寶集團老大？ 面試前要先在家做線上適職測驗 個人覺得選項不夠全面，花了一點時間甚麼選項才符合我 一樣有資料表、個資同意書，都要自己印自己簽完帶過去 在員工餐廳等了大概20分鐘，進去一個休閒室做線上測驗 測數字比對、圖形比對和矩陣旋轉比對，各有50題，分別只有3.5、3.5和9分鐘 數字我只寫了40題，圖形30題，矩陣44題 其實矩陣我個人比較擅長，但時間還沒到就敗給了括約肌... 話說這個題數後來主管說我考得不錯 不知道真的假的我沒看到分數 考完到隔壁棟面主管，直接開始講我的論文 是一個人蠻NICE的主管，跟我愉快的聊了很多跟我論文相關的東西 也有問到業界賺錢需要壓成本，但同時performance不能降時，該怎麼辦？ 這題我也真不知怎答 我就老實回答如果當下沒有更好的演算法或model可以達到這樣的效果 時程又緊的話，我真的會不知道怎麼應對 但我也說，我對自己的近期期望是業界新鮮人的這一到三年 能完整參與到一件電腦視覺相關產品的開始到結束，累積經驗 這是我在學校學不到的 說完主管就開始講他們TEAM現在運作的情況 好像挺缺人的，AI team目前只有3個人，說預計要找到5-7人，NLP和CV的都要 目前都還是做內部客戶，還沒有對外，主要在做長照和AOI的部分 最後聊到薪資，因為我資料表上填期望薪資 70k/M 主管直接說不可能開到這麼高，照我這樣差不多就42-43k 但他們一年保15個月(12+0.5+0.5+2) 之後每年10月還11月會有一包額外的獎金 看績效大概落在1-4個月，所以通常會有17-19個月這樣 最後問我現在能不能確定要來上班，確定的話現場就可以發OFFER給我 但我回答說還要一個禮拜做最後決定，因為還有其他結果沒出來 現場口頭offer 42-43k*15 (滿一年後16-19)，但沒有當場答應 ------------------------------------------ 總結 學歷部分，私大碩真的不好拿面試，新竹小弟不太清楚 雙北104相關職缺被我輪了上百次，僅6個面試機會 小弟也不知道哪來的心臟連C/C++都沒練就上場了 結果運氣好，不是沒考就是考得挺基礎的 也許會考的公司我連面試機會都沒有吧XD 關鍵還是在作品，因為作品，我跟仁寶、由田、?的主管都聊得很多 聊得多，能展現專業的地方也就比較多，學歷的影響應該就小一點吧 技能部分，碩班真的有被好好操到 ML/DL部分還頂得住，但軟工不熟，資料庫或APP等完全不懂 不知道算是缺點還是這應該屬於plus，每間公司的尺都不太一樣 薪資部分，真的不要怕開高，尤其AI/ML/DL缺 除了大公司很多固定價外，有開有希望 小弟實驗室同屆畢業的同學們都拿到非常不錯的offer 都在55k/M上下，只能說大AI時代啊 ... 不過同學們真的都很強就是了 在這邊祝福大家都能找到理想工作好好打拼 薪資除了?我是直接開了，貌似也沒簽甚麼保密協定之類的 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.246.30.47 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1535716676.A.12B.html 沒猜到，不過真的是滿意到不能再滿意的薪資了 個人是興趣取向啦 當初也沒想到做影像可以拿到這樣的薪水 學長姊給我們的忠告都是畢業不要做影像... 嗯...有的公司幾個人用一張1080呢 私信你 如果運氣也是實力，那小弟近期真的有點強... 我聽到也是傻眼，要多爽有多爽 Titan已經train到不要不要的了 V100極狠 ※ 編輯: ZuiYang (27.246.30.47), 09/01/2018 07:05:05 我的專題就是implement別人的論文 不過我是有修改、加一些東西進去啦 我覺得完全可以算 至少放在github也好 去面試還可以講一下你有在經營github之類的 ※ 編輯: ZuiYang (27.246.30.47), 09/01/2018 13:49:21 程度怎麼分我也不太清楚欸 小弟自嗨舉個例子看看 只針對DL部分，ML懂得太少不敢舉例 1.能自己提出不遜於當前top performance models的model 或是能提出不一樣的算法來優 化model 像是提出Focal loss這種 2.能用C手刻出NN/BP和一些相關函數 3.會用framework架model並設計如何訓練的計畫與優化方案(針對自己的case) 4.只會github clone來玩玩 改改參數試試看變怎樣 小弟大概2.的菜雞 1.就頂尖conference常客，這個數學要極猛，腦洞也要夠大，然後被人家問怎麼做出來的 都說就亂調出來的，只能跪 2.是我認為研究要做得好應該要努力的地方，只有從頭到尾自己走過一遍，才能知道自己 在幹嘛 3.就會應用，相關的碩班能畢業至少有這個程度吧...應該 4.就初學或玩玩 ※ 編輯: ZuiYang (27.246.30.47), 09/01/2018 23:30:02 ※ 編輯: ZuiYang (27.246.30.47), 09/01/2018 23:55:20 不是啊 就是CNN v.s. Fully Connected FC是每個Neuron 對 每個Neuron呢 取到的特徵量FC>>CNN 但有效特徵的比例CNN>FC 所以大家都先用數層CNN把真正重要的特徵取出來（降維）也就是濾掉不重要的 然後最後再用FC找這些特徵的關聯 這邊補充一下 我指的是hidden layer取特徵的階段 ※ 編輯: ZuiYang (27.246.30.47), 09/02/2018 23:13:08 嗯嗯主管也是這麼說的， 因為某些私人原因不然真的挺想去由田的， 薪資真的也給的不錯 ※ 編輯: ZuiYang (27.246.30.47), 09/03/2018 23:33:16