[心得] 新鮮人ML職缺面試心得(旭曜/竹間/趨勢)
大家安安大家好
小弟受惠於板上很多面試心得文
由於板上關於ML的面試心得其實沒有很多
所以在拿到offer後也想貢獻一下自己的面試心得給大家
我的研究領域主要是data mining, machine learning, deep learning
研究所是中字輩的資工所非純血
多益700多
總共面試3間公司,分別是旭曜資訊服務、竹間智能、趨勢科技,以下按照面試順序跟大
家分享
以下是面試心得:
< 旭曜資訊服務 >
這是一間剛成立的新創公司,面試流程包括筆試與面談
筆試包含:
基本numpy語法,閱讀tensorflow、keras程式碼。
numpy語法算是蠻基本的,大概是a = np.arange(10)*3,寫出 print(a)的結果
閱讀程式碼的部分,因為工作上是屬於NLP方面的,所以他給我很基本的LSTM架構程式碼
,請我寫註解上去,例如哪部分是定義loss function、optimizer。
面試包含:
自我介紹、介紹碩論、做過的project介紹
介紹的部分大概是要求介紹到實驗過程、feature用了哪些、用了哪些ML method,感覺比
較像在聊天。
感想:
感覺公司真的是在非常前期的階段,面試並沒有一套完整流程,也沒有人格特質的問題,
但是過程算是蠻愉快的,主管也很尊重面試者。
結果:
可能是薪水開太高(?),所以到現在還沒回覆我。
-
< 竹間智能 >
發展很快的新創公司,主要是在做NLP方面,板上有很多蠻可怕的面試心得,但是我覺得
個人面試經驗蠻不錯的,面試流程包括筆試、team leader面試、資深工程師面試、人資
面試。
筆試包含:
2題leetcode easy的問題,Best Time to Buy and Sell Stock與Valid Triangle Number
,沒有限時間,但是寫完會給資深工程師看有沒有問題、能不能再改進、問時間複雜度是
多少。
面試包含:
第一關是與1位team leader面試,主要是先互相自我介紹,問一些很基本的問題,我被問
到的是precision與recall怎麼算、logistic regression的loss function用什麼,team
leader只是想了解一下對evaluation有沒有基本概念而已,並不會太難。
第二關是與2位資深工程師面試,檢討一開始考的筆試,問非常多技術層面的問題,以及
做過的project中用了哪些model,還有包含一些情境題,例如:如果今天給你一個任務是
要做一個語意辨識,給你一句話你要怎麼處理並回應使用者。過程中真的問了非常多問題
,可以體會到面試官是很認真去看每一位面試者的履歷。
第三關是與人資的面試,問了很多人格特質與性格測驗的問題,最後則是問我期望的待遇
以及公司福利介紹。
感想:
跟其他人分享的心得其實差蠻多的,真的是能夠體會到公司是很認真看待面試者,而且有
一套很完整的面試流程,面談過程也很開心。辦公室氛圍蠻安靜的環境也很漂亮很新,人
資跑流程也很快,面試總共花2個多小時,並在2天後接到人資核薪的電話,過兩天收到正
式offer通知。
結果:
offer get!
-
< 趨勢科技 >
公司規模真的很大,應該不用我敘述太多了XD,應徵的職位是ML engineer,面試流程是c
odility線上測驗、主管面試、主管的主管面試、人資電話面試。
線上測驗:
leetcode easy~medium的題目,與leetcode最大的不同是題目的敘述方式以及測資要自己
想,要多考慮一些防呆的情況(input為空之類的問題)。
題目有3題,第一題是Distribute Candies、第二題是跟第三題是類似字串處理的問題,
比第一題難。
面試包括:
第一關是跟直屬主管面試,一開始先自我介紹,然後主管會從他對你做過的project中找
有興趣的問題問
問的問題大概如下:
1. project的實驗過程?
2. 為什麼要選這些當作feature?
3. 團隊合作有多少人、你扮演的角色?
4. 當初怎麼會對這個領域有興趣?
5. Evaluation是用什麼方法?為什麼要用這些score function而不用其他的呢?
6. 實驗過程中用了哪些python library?
7. 實驗環境?有沒有遇過資料太大跑不完?有沒有用過AWS、GCP?
8. Missing value的處理?
9. 你在工作上想得到的是什麼?
感覺問題是偏向架構、概念層面的問題,跟竹間不太一樣,不是太技術層面的問題,但是
問題真的蠻難回答的。
問完之後換主管們介紹部門在做些什麼,聊完之後換人資面試,會先詢問面試過哪些公司
、是否有拿到offer、知道你進來的工作要做什麼嗎?
再來是人資電話面試,基本上也是問性格特質以及你做過哪些project,最後是期望待遇
跟介紹公司福利等等。
感想:
跟主管面試的過程超級緊張,我感覺自己表現得不太好,主管問的問題蠻尖
銳的,有些問題甚至想都沒想過。整個公司很重視每一位面試者,也願意為了我
在短短一個禮拜跑完全部流程,真的是很感動!
結論:
offer get!
最後真的很感謝板上其他的大大提供ML領域職缺的面試心得,也很感謝之前在板上告訴我
趨勢科技NBA部門在做什麼的人,讓我對這份職缺能有一點點了解。對於各位新鮮人我想
說的是,在學校學到的ML、DL理論只是解決問題的核心,現在大部分的職缺其實不會特別
要求面試者一定要有某個領域的處理經驗(NLP、影像處理、Data mining),當然有的話是
很加分的。所以大家可以盡量投自己有興趣的ML職缺,最重要的是要能夠讓面試官知道你
願意學習新知識、新技術。
※ 編輯: LLpeanut (114.136.123.183), 10/05/2018 20:51:31
推
10/05 20:50,
5年前
, 1F
10/05 20:50, 1F
→
10/05 20:55,
5年前
, 2F
10/05 20:55, 2F
→
10/05 20:55,
5年前
, 3F
10/05 20:55, 3F
→
10/05 20:55,
5年前
, 4F
10/05 20:55, 4F
※ 編輯: LLpeanut (114.136.123.183), 10/05/2018 21:04:21
推
10/05 21:10,
5年前
, 5F
10/05 21:10, 5F
→
10/05 21:18,
5年前
, 6F
10/05 21:18, 6F
推
10/05 21:26,
5年前
, 7F
10/05 21:26, 7F
推
10/05 21:36,
5年前
, 8F
10/05 21:36, 8F
→
10/05 21:37,
5年前
, 9F
10/05 21:37, 9F
推
10/05 21:56,
5年前
, 10F
10/05 21:56, 10F
推
10/05 22:41,
5年前
, 11F
10/05 22:41, 11F
→
10/06 01:49,
5年前
, 12F
10/06 01:49, 12F
推
10/06 01:51,
5年前
, 13F
10/06 01:51, 13F
推
10/06 02:10,
5年前
, 14F
10/06 02:10, 14F
推
10/06 08:52,
5年前
, 15F
10/06 08:52, 15F
→
10/06 09:05,
5年前
, 16F
10/06 09:05, 16F
→
10/06 09:42,
5年前
, 17F
10/06 09:42, 17F
→
10/06 09:42,
5年前
, 18F
10/06 09:42, 18F
→
10/06 09:42,
5年前
, 19F
10/06 09:42, 19F
推
10/06 11:44,
5年前
, 20F
10/06 11:44, 20F
推
10/06 11:47,
5年前
, 21F
10/06 11:47, 21F
推
10/06 13:21,
5年前
, 22F
10/06 13:21, 22F
※ 編輯: LLpeanut (114.136.123.183), 10/06/2018 13:50:50
推
10/06 15:51,
5年前
, 23F
10/06 15:51, 23F
→
10/06 17:53,
5年前
, 24F
10/06 17:53, 24F
推
10/07 00:05,
5年前
, 25F
10/07 00:05, 25F
推
10/07 01:14,
5年前
, 26F
10/07 01:14, 26F
推
10/07 15:10,
5年前
, 27F
10/07 15:10, 27F
推
10/07 16:42,
5年前
, 28F
10/07 16:42, 28F
→
10/07 22:46,
5年前
, 29F
10/07 22:46, 29F
推
10/08 11:07,
5年前
, 30F
10/08 11:07, 30F
推
10/08 23:39,
5年前
, 31F
10/08 23:39, 31F
推
10/10 21:19,
5年前
, 32F
10/10 21:19, 32F
→
10/10 21:19,
5年前
, 33F
10/10 21:19, 33F
→
10/10 21:19,
5年前
, 34F
10/10 21:19, 34F
推
10/10 21:30,
5年前
, 35F
10/10 21:30, 35F
推
10/10 21:38,
5年前
, 36F
10/10 21:38, 36F