前言: 縱使每個人的求職經歷與感受，如人飲水，冷暖自知，但秉著取之於ptt，用之於ptt的精 神，分享一個北美CS博士班找工作的歷程。 背景: CS PhD in MLE@美國東岸大學 Master in ECE & Undergrad in EECS @ 140.113 博班期間阿里北美Intern x 1 LeetCode從找實習開始刷，中斷一段時間，找工季前又開始密集刷，直到找工季結束，共 約350題(easy 111 – medium 229 hard - 13) 學習資源: 很多前輩們都分享過豐富的學習資源，但每個人適用的學習方法不同，這裡僅列出我實際 使用的。 --- 刷題方面 --- 博班期間修過兩次演算法課(大學部+研究所)，經典算法及資料結構基本熟悉，所以沒有 額外再讀演算法教材，只有刷LeetCode練習。我覺得對我比較有幫助的刷法是，題目如果 半小時想不出來解法，我就會直接看解答或是討論區，有時候思路大方向是對的，有時候 完全沒想法，但務必確認自己看完解答之後了解算法的邏輯，套用邏輯直接寫一遍，隔幾 天再回頭寫一次。 接近面試前，我習慣刷題的時候給自己模擬面試的感覺，看完題目後，我會先口述不同解 法，並習慣在視窗上打下一些關鍵字，分析時間/空間複雜度，接著再開始寫程式碼。如 果有練習夥伴，實際模擬面試，會很有幫助。 舉例: search a number in sorted list """ 1.Brute force Iterate through the list Time: O(n) Space: O(1) 2.Binary search Sorted list, iteratively compare mid point and key Time: O(lg n) Space: O(1) Recursion or while loop """ 鄰近面試前，參考Blind Curated list (https://leetcode.com/list/5mz5eyue)複習， 搭配一些衍伸的經典題&tag題。 --- ML basics & System Design 方面 --- 我投遞的都是MLE相關的職缺，或多或少都會有machine learning basics & system design的問題。ML basics的部分，約80%都是學校ML課會教的內容，例如bias-variance tradeoff, overfitting是什麼這類的，或者deep learning networks的問題。我面試前 ，參考網路上的講義大致複習 (https://github.com/hetvidesai03/Algorithm_Interview_Notes-Chinese)。另一方面 ML system design，雖然問題表面上五花八門，但我個人見解認為，對於new grad來說， 核心都是能否闡述一個合理的流程，脫離不了以下幾個關鍵，釐清問題，數據收集，建立 模型，評估模型。具體網路上很多可以參考，分享幾個我覺得很有收穫的。 淺談ML design推薦系統面試心得 (https://www.1point3acres.com/bbs/thread-490321-1-1.html) Google ML system design mock interview (https://www.youtube.com/watch?v=uF1V2MqX2U0) DNN for Youtube Recommendation (https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/45530.pdf) A Short Introduction to Learning to Rank (http://times.cs.uiuc.edu/course/598f14/l2r.pdf) 個人很推薦多看一些Youtube上mock interview的影片，除了瞭解可能會被問到的問題， 也可以學習受訪者如何架構自己的回答。 面試過程: 海投N家，以下僅列出有得到面試機會的公司。 eBay Applied Researcher -12月底Referral -1/11 Virtual onsite (VO) 四輪面試+一輪Hiring manager 面試內容主要就是程式問題(LeetCode low medium - medium) + ML basics + ML system design -1/15 通知結果 Microsoft Applied Scientist 官網投遞履歷 -1/22 HM email reach out -1/29 1st phone interview (research background讓我介紹我的研究，提了一些問題討 論) -2/18 VO 四輪面試 一輪programming + ML design (programming題目，讓你嘗試用ML方法做) 兩輪programming + ML basics 一輪 ML design -3/31 通知結果 Bloomberg AI Group Research Engineer 官網投遞履歷 -1/22 HR phone reach out -2/10 1st phone interview (programming LC medium + ML basics on NLP transformers) -2/26 2nd phone interview (programming LC medium + ML basics) -3/18 VO 三輪面試+一輪manager 前兩輪都是ML basics + system design，第三輪programming LC high medium -4/6 通知結果 Amazon Applied Scientist / Data Scientist Referral for applied scientist -2/8 HR email reach out -3/2 1st phone interview for applied scientist (programming LC medium + ML basics on deep neural networks) Programming沒面好 -3/9 通知改面試Data Scientist職缺 -3/15 1st phone interview for data scientist (programming LC low medium + ML basics) -3/17 通知可以再改回面試Applied Scientist -4/8 2nd phone interview for applied scientist (介紹自己的一篇publication&討論 + programming LC medium) 面試官挑了一篇不是他熟悉領域的文章，讓我解釋來龍去脈，過程中他會不斷挑戰我動機 以及方法合不合理，討論地比較深入，以至於面試完我提問時，他才想到要考coding，最 後延長15分鐘考完。 -4/15 通知進VO，但已經決定去其他公司，故終止面試 結語: 三生有幸，找工季的結尾，是得到一個很好的機會去挑戰下一個階段。最大的感想就是， 努力固然很重要，緣分加上一點運氣也是不可或缺，哪怕是平時有心無心的networking， 履歷剛好被HR看到，面試官看重的評量項目，還有很多其他的因素，都不是我們能掌握的 。試著從那些欠缺一點運氣的經驗中盡量汲取養分，其他的就怪給緣分吧。最後，祝大家 找工作順心! --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 71.58.98.41 (美國) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1628097117.A.D2D.html