[心得] 美國軟體求職心得 (電腦視覺/自駕)
從去年六月大學畢業、八月底到美國開始瘋狂找實習、十月初幸運上岸，到今年五月開始
人生第一次實習，這一年真的過得很緊湊；實習結束後，回台灣度個假，九月初回到美國
時，又開始接受面試的煎熬，上個禮拜總算正式簽了合約，一切塵埃落定，找工作之旅告
一段落，趁著感恩節連假比較有時間，寫寫面試心得 & 整理面試準備資料，希望可以對
大家有幫助。
好讀版：https://bit.ly/34GzodI (有些超連結比較好點)
這篇文章主要分成三個部分：面試心得、如何準備面試以及Q & A，有些地方可能很主觀
，大家請斟酌參考，如有不足之處還請見諒。
背景：
BS: NCTU EECS
MS: UMich ECE
---------------------------------------------------------
面試心得
Results
Offer: NVIDIA, Innopeak (OPPO北美研究院), BST AI
Withdraw: Occipital, Pony AI, Didi Lab, Zipline, XMotors
On-site後被拒: Optimus Ride
電面後被拒: Waymo
電面後無聲卡: Inceptio, isee AI
OA寫爛: Cyngn
履歷沒過: Nuro, Lyft, Aurora, Zoox, Ford, …
無聲卡: …太多了，族繁不及備載
其他: Iris Automation (CV SLAM Engineer，HR聊完覺得不合適)
Occipital
Position: Computer Vision Engineer (海投)
Result: Withdraw
Timeline: 1st Phone (9/13) → 2nd Phone (10/29) → Withdraw (11/13)
Occipital 是一家位於舊金山的新創公司，主要在做Depth Sensor的開發，同時也有在做
室內Visual SLAM、場景重建、VR/AR，感覺還滿厲害的。當初會知道這家公司，是因為有
位學長在那邊實習，無聊查了一下公司的網站，發現他們有在徵Computer Vision
Engineer，就順手寄了封申請信過去，過了一天收到他們CEO回信，跟我約時間要來個
Introductory Call。不得不說，這家面試是我面過最精實的一家…從面試中學了很多，
也複習到不少自己忘記的CV知識。
當初收到回信說要來個Introductory Call，原本想說大概就只是互相介紹一下彼此吧，
應該不用準備太多，15分鐘內應該就能搞定。事實證明我想錯了，這其實就是一次電面，
而且是由CEO親自面試；CEO本身就是做Computer Vision出身的，同樣也是UMich畢業，技
術功底相當深厚，從Visual SLAM、各種Filter (KF, EKF, UKF, PF)、C++特性到各種情
境題，真的被電爛…但有些問題我也答得還行，事後趕快把面試被問的問題做個總結寄回
去follow up一下，CEO回信說之後會再聯絡我進行二面。
第二面是他們西班牙辦公室的CV工程師來面，問的問題也是五花八門，從C++的基礎資料
結構、繼承特性、Visual SLAM、PnP Problem、相機的投影公式推導到手刻CNN，原本說
是面一個小時，最後面了整整90分鐘，但這場面試體驗真的很棒，如果你答錯或答不出來
，他們會引導你找出盲點；電面結束前，他們說要出個小作業，要我三小時內回傳，題目
是手刻PnP，並指定要用Gauss-Newton做優化。看到題目時真的快吐血，最後交了個屍體
回去，想不到過了幾個小時後收到他們的回信，說我幾乎做對了，只有一小部分寫錯了，
還很好心地發給我訂正後的版本，真的很感激。
真要說這家的缺點，大概就是沒有專門的HR安排面試事宜吧，我幾乎所有的郵件都是寫給
CEO本人，感覺他實在是很忙，有時候Email來回跟安排面試都要等上比較久。在收到
NVIDIA HR口頭Offer以後，實在是不想再面了，覺得自己應該會NVIDIA跟OPPO挑一家去，
所以就寫信取消最後一關On-site，但我必須說，這家感覺真的很有料，如果有機會進去
應該可以學到很多。
Black Sesame Technologies
Position: Deep Learning Software Engineer (海投)
Result: Offer
Timeline: 1st Phone (10/2) → 2nd Phone (10/17)
這是一家中資新創，主要是在做ADAS、人臉監測以及晶片開發；去年找實習時我有投過履
歷，但不獲青睞，今年想說再試一次，這次終於有回應了。
面試我的三個人，都是Ambarella的前員工(噢，我好像也算)，然後面試都用中文。第一
輪面試官是ADAS組的負責人，經歷挺豐富，我也面得滿不錯，所以一面結束時我就覺得應
該穩了。第二輪電面直接排了兩小時，第一個小時是人臉監測組負責人，面試內容主要都
圍繞在電腦視覺上，交流還算愉快；第二個小時是副總面，面試體驗絕對是所有面試中最
糟的，面完以後真的是怒火中燒，心中唯一的想法就是寧願回台灣當啃老族也不要去這間
公司；另外，我也從三個不同消息來源聽到了公司的一些風聲，更讓我確定了前述的想法
。
但話說回來，能拿到這家的Offer還是挺好的，除了透過面試複習一些知識之外，也知道
自己是有能力可以通過面試的，算是給自己打了一劑強心針。另外，手上有Offer(雖然不
會去)催起其他家排面試真的方便許多，其他公司的HR看到你有Offer時，都相當願意加速
流程，我也才能順利地在11月中前解決掉所有面試。
Innopeak (OPPO US Research Center)
Position: 3D Sensing & Perception Engineer (海投)
Result: Offer
Timeline: Intro. Call (9/27) → Phone Interview (10/17) → On-site (11/4)
投完履歷當天，就收到了回音，效率還滿高的。當初看到Innopeak這個公司名稱時，並不
知道這就是OPPO北美研究院，直到查了回信人的LinkedIn才注意到。OPPO 北美研究院位
於Palo Alto，主要有三個組，VR/AR Team、DL Team以及SLAM Team，我投的職位在SLAM
Team下，主要在做手機平台上Visual SLAM的開發。
在正式電面前，SLAM Team的老大有打電話給我，跟我介紹了一下公司的情況，我也好奇
問他第一次面試會不會是他親自面，他就回答”那我幫你安排一個台灣同胞給你面試好了
”，當下不禁莞爾。Team Leader後來真的有信守承諾，一面的面試官就是個台灣人，而
且還是密西根畢業的學長！面試主要是針對做過的Project做進一步的討論，Coding有兩
題，第一題要我刻一個在履歷上提到的演算法，第二題則是Leetcode Medium等級的題目
，我稍微講了一下思路並在Codepad上面努力畫示意圖，面試官聽完以後說他覺得我的解
法不錯，就沒要我繼續寫了，剩下時間留給我問問題。
On-site的時候，因為是Visual SLAM組，問題自然是圍繞在電腦視覺上，從前端Visual
Odometry、後端Optimization、Fundamental/Essential Matrix以及座標系的轉換都有被
問到；此外，每一輪也都會有一到兩題的白板題，難度大概都是Leetcode Medium等級，
在這之前我真的沒在白板寫過程式，感覺滿新奇的，但身為一個鍵盤酸民，還是用鍵盤寫
程式比較自在。
在經過五輪的Technical Interview以後，最後一輪的面試官就是HR以及北美研究院的負
責人，基本上就是問問各種behavior question，然後解答應徵者對公司的各種疑問。整
個面試流程下來，可以感受到他們對應徵者的重視，公司氛圍也相當不錯，加上北美這個
site正處於擴張階段，去了應該可以學到許多寶貴的經驗。經過一番深思熟慮後，覺得自
己還是想往自駕產業發展，所以最後沒有去OPPO北美研究院。
Pony AI
Position: Software Engineer — Generalist (海投)
Result: Withdraw
Timeline: 1st Phone (10/18) → Withdraw (11/9)
Pony中文叫小馬智行，是一家中資自駕公司，應該是所有中資自駕中最有潛力的一家。看
了看一畝三分地上面的面經，感覺他們家就是專門出Leetcode Hard的題目，面試前把所
有面經提到的Hard題都看過了一次。第一輪電面先閒聊了一下，就進入正題：面試官出了
一題設計資料結構的題目，其實沒有很難，估計也就是Medium難度，但當天狀況並不是太
好，答得世界爛，面完以後氣力放盡(三天前才剛回美國還在時差中…而且前一天才面完
兩場電面)，覺得應該沒救了。
想不到過了一週以後，居然收到HR的信約第二面，但我想他們家面試者很多，面試排到兩
週以後，但是二面那天可能因為那陣子壓力太大，身體狀況不是很好，所以跟HR又延了一
下面試，但後來想一想，就算二面過了我好像也面不完，而且他家的職缺是Generalist，
面上了也不知道之後會被分到哪組，加上當時OPPO HR已經跟我說我昂賽過了，仔細思考
後覺得Pony AI跟OPPO我應該會選後者，心一橫就把面試取消了。
Optimus Ride
Position: Perception Software Engineer (Referral)
Result: On-site後被拒
Timeline: OA (10/21) → Phone Interview (10/31) → On-site (11/7)
Optimus Ride是一家位於Boston的新創，目前專注於指定點之間的自動駕駛開發，在很多
城市都有測試點，最近也完成了B輪融資，感覺滿有前景的。公司就在港口邊，風景宜人
，是個工作的好地方。
他們家的流程很簡單俐落，先發給你OA(90分鐘寫3題)，之後再跟Perception組Tech Lead
來場約莫一個小時半的視訊面試，主要在討論Perception相關技術，他出了一些情境題，
我都有順利解出來，掛上電話以後我就知道穩了，立馬寄信給HR約下週Onsite。
Optimus Ride的On-site流程對應徵者還滿友善的，早上10點半開始做個約莫15分鐘的
Presentation，簡單介紹一下自己，剩下的只有4輪45分鐘的技術面試以及和VP的15分鐘
非技術面試(問問behavioral question以及解答應徵者對公司的一些疑問)，下午3點面試
結束後，HR就會帶你參觀一下公司環境並看看公司的自駕車。我原本預期會被問很多
Computer Vision的問題，但四輪面試下來，反而被問了很多Lidar的問題，我在那方面的
經驗並不是太多，只能盡自己所能的嘴砲；雖然面試輪數不多，但講了一整天的英文真的
快累翻了，只好晚上找朋友大啖波士頓海鮮犒賞自己的辛勞。
中午的時候，他們會安排一位員工和應徵者一起吃飯。和我一起吃飯的是一位CMU畢業的
印度小哥，大學的暑假曾經到新竹工研院實習過，不知道是不是因為有了新竹這層連結，
我覺得和他挺有話聊的，閒聊之餘也意識到自己英文好像進步了，想不到來美國以後，讓
英文進步最快的方法居然是靠著不斷的英文面試，想想也是挺有趣的。
題外話，在接到Optimus Ride HR跟我說Final Decision的電話的前十分鐘，剛好收到
NVIDIA HR的email說我昂賽過了，心情相當雀躍，所以當我聽到我被O家拒時，我一直用
著不怎麼遺憾的語氣跟他說It’s OK還有No problem之類的話，HR應該覺得我是神經病，
居然有人被拒了還這麼開心…
Waymo
Position: Software Engineer, Perception — Computer Vision (Referral)
Result: 電面後被拒
Timeline: Back-to-back Phone Interview (10/22)
Waymo就是眾所皆知的Google自駕車，它和Google都屬於Alphabet下的子公司，應該可以
說是我當時的第一志願吧。根據HR的說法，他們的面試流程是Back to back phone
interview + Onsite Interview 4到5輪，刷題建議刷難度Medium到Hard之間的題目，只
能用C++面。
面試內容因為有簽NDA所以不便透漏；所謂back to back就是連續面兩輪45分鐘的電面，
中間有10~15分鐘左右的休息時間。兩輪的題目都不是太難，第一輪答得還算順利，但第
二輪簡單的題目我卻寫出腦殘Bug…感覺自己得失心太重，而且面到第二個小時已經開始
有點恍神，沒意外地幾天後就收到了拒信；那幾天心情實在不太美麗，但因為手上還有不
少面試得準備，也就沒時間難過了。
Inceptio
Position: Software Engineer — Localization (海投)
Result: 二面後無聲卡
Timeline: 1st Phone (10/22) → 2nd Phone (10/30)
Inceptio是一家專注於L3自動駕駛卡車的中資公司。其實我原本根本不知道這家公司，會
知道他們是因為9月底時，看到了登在LinkedIn上的職缺(有些在LinkedIn上的職缺可以
Easy Apply，只要把履歷信箱電話丟上去就行了)，想說自己也有在面一些SLAM的職缺，
就順手申請了一下；Easy Apply的缺點就是隨手投履歷的人很多，因此我也不怎麼期待能
收到回應，能收到電面邀請還滿意外的。
一面是位中國小哥，上來閒聊沒幾句就改用中文溝通了，問了問履歷，接著出了一題
Leetcode Medium等級的題目，那天狀況很好，一下就解掉了，只花30分鐘就搞定了這輪
電面。二面同樣也是中國小哥，英文講得很溜，全程都用英文交流，這輪就沒有問任何
Coding，主要針對履歷上面提到的關鍵字做進一步的討論，以及問我一些Localization相
關的問題；我答得馬馬虎虎，二面面完以後就再也沒有收到HR的回信了，加上我還有其他
面試要準備，也就懶得去follow up了。
NVIDIA
Position: Computer Vision Engineer (Referral)
Result: Offer (Accepted)
Timeline: 1st Phone (10/24) → 2nd Phone (11/1) → On-site (11/12)
NVIDIA最知名的應該就是被大家戲稱不斷擠牙膏的顯卡吧！但其實他們也有在做其他領域
，像我這次面的組就是在做自駕方面Perception的開發。之所以能有面試機會，是透過一
位大我八屆電資學長的牽線，讓我認識了另外一位在NVIDIA硬體組工作的電資+密西根學
長，感謝兩位學長幫忙，不然海投大概等到天荒地老還是等不到面試機會…
第一次電面的Manager主要是在做Lane Tracking，前面花了十分鐘介紹他的組在做什麼
Project，接下來就針對我履歷中的Project開問，問完以後出了兩題Coding題，並不是很
難，所以我很快就解掉了；面試最後他跟我說他覺得我面的不錯，但可能和另外一個
Manager的組比較合，會把我的履歷轉交給他。
原本以為轉交履歷只是客套話，NVIDIA大概是沒戲了，沒想到下週一HR真的寄信來說要安
排第二面，因為手上有其他Offer (加上我11/21要考期中考，想在那之前把面試解決)，
HR也很乾脆地幫我安排當週面試，二面的面試官主要在做Object Detection / Tracking
，所以面試的題目和Coding幾乎都圍繞在Object Detection上，當天的狀況還不錯，所有
的問題都有答出來，面試結束前Manager問我有沒有什麼想問的，我就問他有沒有什麼
feedback可以給我，他就回說”I think you're good.”，聽到這句就知道On-site穩了
，但我面試完以後還是有寄封email去Follow up一下。
NVIDIA onsite總共有六輪(包含一輪Lunch)，再加上和人資15分鐘的談話。第一輪因為太
緊張了，面的並不是太好；但是從第二輪開始，就漸入佳境，到後面甚至可以和面試官談
笑風生，幾乎所有的題目都有順利解出來。面試內容包含了傳統Computer Vision
(Geometry跟Stereo之類的)、Deep Learning相關知識、Perception情境題 (給你一個情
境，你要提出自己的解法並和面試官討論)、以及Coding白板題。
面試面到下午1:15左右時，我未來的老闆就來帶我吃午餐，雖說名為Lunch Interview，
但其實就是各種閒聊，畢竟第二輪電面就是這位Manager親自面的，On-site邀請也是他決
定的，大概也沒有什麼好再問的了；我也趁著吃午餐的機會跟他請教了不少問題，獲益良
多。另外，我也有跟我未來老闆還有HR說我手上的Offer Deadline快到了，希望能盡快出
結果，隔天早上九點多就收到HR的信說要Move forward with an offer了。
除了位於灣區的Perception組以外，Seattle的自駕Mapping組也有跟我約面試，Title一
樣是Computer Vision Engineer，當初評估自己不太可能上灣區的組，西雅圖應該比較有
機會，想不到結果完全相反，Mapping組直接電面一輪遊(雖然我自認為答得很好…)；總
而言之，能拿到NVIDIA的offer真的很意外，覺得自己真的很幸運。
Didi Lab
Position: Autonomous Driving Research Engineer (海投)
Result: Withdraw
Timeline: OA (10/28) → Withdraw (11/13)
Didi Lab就是著名的滴滴打車在美國的實驗室，主要負責自動駕駛的開發。其實我九月初
就投了，但一直都沒有回音，一直到十月底的某一天，信箱突然多出了一封信要我寫OA；
那陣子正好也在準備其他面試，既然有新題送上門，不練白不練，寫寫沒看過的題目增加
經驗也是不錯的。
OA要求55分鐘內要解3題；前面兩題相當簡單，第三題是Leetcode 318的變種，Bit
Manipulation + DFS 應該就能解掉。後來查了一下，發現我寫的OA和一畝三分地上的面
經一模一樣…大家以後有需要的話可以去搜一下。寫完OA以後，過了半個月才收到電面邀
請，當時手上已有兩個Offer，所以就直接跟HR說不面了。另外值得注意的是，滴滴打車
連年虧損，如果真的拿到他家的Offer，要不要去可能得三思。
isee AI
Position: Perception Engineer (海投)
Result: 一面後無聲卡
Timeline: 1st Phone Interview (10/30)
isee AI也是一家位於Boston的自駕新創，Career Fair時也有來我們學校，可是我看排隊
隊伍太長了，實在不想站在那邊苦等一個小時半，所以果斷中離回家睡覺。過了一陣子，
聽到朋友說他拿到了這家的面試，我也去官網上隨手扔了履歷，等了約莫兩週收到電面邀
請。
面試體驗不太好，可能是因為公司還在擴張階段，所以想要面很多應徵者，面試前五分鐘
，當我點進Zoom meeting room時，發現前一組人馬還沒結束，只好趕快退出；當我在指
定時間進入線上會議室時，居然同個時段有兩組面試官+應徵者在同一個會議室…等面試
官處理完這些問題後，想說總算可以好好面了，結果面到一半，不知道是他們Zoom會議室
開了太久還是怎樣，面試官要我退出再Rejoin，Rejoin以後又沒看到面試官…面試當下其
實有點傻眼。
面試內容的話，問了很多很底層的東西，也問了各種C++的問題(例如Diamond Problem)，
還有一些Python相關的問題，底層問題跟Pointer飛來飛去我實在是頂不太住；另外還有
一題Coding題，不同的程式語言有不同的題庫，我選擇用C++，面試官講題目講得不是很
清楚，好不容易弄清楚寫到一半時，面試官跟我說時間到了他等下還要面下個人，叫我把
題目截圖起來，寫完以後加上Test case寄回去給他；我寄回去以後，就再也沒有收到這
家的回音了。
---------------------------------------------------------
如何準備面試
Resume
每家公司風格不同；小公司可能會比較注重在問履歷上的Project是怎麼做的，大公司的
話就不太一定了。我覺得Resume是個一定要好好把握的地方，如果你對自己的Resume都不
熟，面試官可能會覺得你那些Project只是抱抱別人大腿做出來的，履歷的可信度會下降
很多。
我在Career Fair的時候，碰到一個面試官直接對我的履歷上的某個經驗開問，我答得不
是很好，當下羞愧地想挖個洞鑽下去，回去以後痛定思痛，把自己履歷上相關知識徹底地
複習了一次，之後碰到履歷題時，基本上都沒出什麼差錯。
Leetcode
一般來說，如果投的是General SWE的話，面試往往是一題程式題直接甩在臉上，若能順
利解出來，通常會有follow-up題目，如果這個也解出來了，應該就穩了。但其實並不只
是General SWE需要刷題，據我所知，面ML / CV Engineer、Data Science相關職位都會
被問Coding題。程式語言方面，自駕公司很多都會要求用C++，所以我後來基本上都在練
C++。
剛開始刷題時，應該先從熟悉各種基礎的資料結構開始(Array, Stack, Queue, Linked
List, Tree, Graph, Hash Table, Set, Heap)，接著就得學學DFS, BFS, Two Pointer,
Binary Search怎麼寫怎麼用，再來可能是學一些特別的資料結構或方法(Trie, Union
Find, Prefix Sum, Bit Manipulation之類的)，最後的大魔王大概就是DP，DP除了多練
習以外，我實在想不到要怎麼準備，建議大家可以參考密西根大神卡恩學長的動態規劃百
題之經典、理論與實作系列。
有時候碰到想不出來的題目，看完Leetcode討論區以後，還是不知道背後的原理，此時可
以參考一下中國小哥哥小姊姊的Youtube頻道，看完講解影片真的可以事半功倍，我認為
花花醬(大推！)、basketwangcoding、happygirlzt這幾個頻道都還滿不錯的，有需要的
人可以參考看看。
另外，刷到一定數量以後，記得一定要回去複習以前碰過的題目，萬一面試時被問了刷過
的題，但因為太久沒複習所以沒做出來，那就太虧了。我在開始On-site以後，基本上就
沒有在刷新題了，大部分時間都在複習(但好像也沒有複習到面試題就是惹，Hit Ratio
= 0)。
Computer Vision
身為一個懶人，有時候我會直接打開glassdoor搜尋Computer Vision Engineer
Interview Question，偶爾會有意外的驚喜。另外，我覺得也可以參考Reddit上的
Technical Interview Questions in CV 以及 Quora 上的 What are good interview
questions for a computer vision engineer?。
因為有做過Visual SLAM相關的Project，所以Visual SLAM被問了不少，從Feature
Descriptor, Feature Matching, KLT Tracker, Triangulation, PnP, Gauss-Newton都
有被問過。此外，Projection Equation也滿常被問的，Intrinsic / Extrinsic
Parameters, Fundamental / Essential Matrix, 座標系轉換之類的內容在面試前記得看
一下。
Deep Learning
老實講這個Topic還滿大的，我也不知該從何準備起，我在網路上找到了兩份不錯的資源
，分別是深度學習500問以及深度學習面試寶典，看完這兩份資料後，感想真的只有「感
謝樓主，樓主一生平安」XD
以我自己還有周遭朋友的經驗來看，如果面到ML/DL相關的缺時，其實滿常會被問到
Neural Network的推導，我有不少面試都有被要求手刻CNN，或是要我推導Forward &
Backward Propagation，建議大家面試前複習一下。
C++
C++很容易被問到的題目基本上就那些，Pointer, Polymorphism, Virtual Function,
Virtual Class, Stack vs Heap, Static Member, Inline Function, Const, Lambda
Function這些內容走過一次，應該不會有太大的問題。當然，基本資料結構是如何實現的
也要複習一下，在面試中還滿常被問的。為了準備面試，我也找出大學修得最爛的一門課
”物件導向程式設計”的講義來複習，發現好多C++相關的面試內容都藏在裡面，突然好
後悔大一的時候在那邊亂蹺課…
After the Interview
之前看到高中學長在PTT上的分享，他說他面完試以後，通常會花兩三個小時把所有的題
目重新答好，把Code寫好一併寄給面試官Follow-up，除了可以複習以外，還有可能因此
得到機會再面一次(如果沒有面好的話)。
我自己覺得這招還挺不錯，所以我每次電面完都會寫follow-up；follow-up除了幫自己加
分以外，其實還有另外的好處：以NVIDIA為例，我在寄了follow-up以後，Manager回我說
他要邀我去On-site，得到了這個寶貴的資訊後，我馬上寄信給HR跟她說我很想加入
NVIDIA，但我之後很忙，加上手上有其他Offer的死線，請她趕快幫我安排面試，總算順
利在下一周飛到加州去Onsite。
Mindset (很重要！)
面試是一條很辛苦的路，在你拿到第一個Offer以前，真的很容易心慌。另外，不要想說
準備好再投，我覺得早點開始投、早點開始面試，才會開始認真準備，而且英文也會在不
知不覺中進步(如果不是中文面試的話啦…)，之後面試也會越來越順。
我面試的前一天晚上常常熬夜，因為我會很害怕萬一我少刷了這道題，萬一明天考出來怎
麼辦，但後來想想，如果碰到一題新題，卻沒有辦法好好分析並找出解法，那就表示我的
實力還不足以拿到這份工作。每次面試都是學習成長的機會，萬一面爛了，把不足的知識
補起來，下次再被問到就不會錯了。
---------------------------------------------------------
Q & A
Leetcode要刷多少題才夠？
我從今年8月到11月大約刷了大約390題，後面實在是刷不動了，基本上就是複習。之前有
聽到一種說法：刷題不在多在於精，我還滿認同的。我覺得剛開始刷題的人，可以先把前
200題摸熟，因為裡面有很多經典題。等到前面200題都摸透了，小公司面試考的程式題，
應該都能迎刃而解。如果是要面大公司的話，可能要多刷一些，並搭配Leetcode
Company Tag還有一畝三分地面經一起服用。
How long does the hiring process take?
每家公司都不太一樣。如果是小公司的話，流程跑起來有時候還滿快的。大公司的話，有
些HR很戳，可能你連續五天寄信給他他都不鳥你，但也有HR效率很高，最猛的紀錄應該是
我在加州時間晚上十點多寄了信，一分鐘後就收到了回復，所以還滿吃運氣的。
我覺得大公司的申請最好早點丟，因為申請的人多，HR手上可能也是各種case，排面試排
到天昏地暗，常常在中國論壇看到很多網友等HR回信等到天荒地老，整個面試流程被拖很
長。另外，有時候拿到面試後，你才會開始認真地刷題或複習知識，所以早點投、早點開
始準備，不然到時headcount就沒了。
怎麼拿面試？
相信大家已經聽到爛了，能拿面試的管道就是海投(公司網站、LinkedIn、Indeed都可以
嘗試看看)、內推跟Career Fair。身為一個懶人，我真的懶得花很長時間排大公司，所以
大公司我通常會想辦法找內推，Career Fair的策略就是排想去而且不用排很久隊的公司
，如果沒有這個選項的話就回家刷題。
找正職時，有沒有在美國的實習經驗真的差滿多的。我看我周遭朋友，如果有在美國的實
習經驗的話，都還算能拿的到面試，但如果沒有的話，拿面試可能就比較困難一些。
海投有用嗎？
海投的話我覺得還是有用的，有投有機會，通常兩個禮拜內沒有收到回音就可以當作沒救
了，萬一HR之後聯絡你了，就把它當作意外的驚喜吧。
以我自己為例，我投的職位基本上都是Computer Vision或是SLAM相關的職位，能投的職
缺沒有像純軟體工程師那麼多，所以總共只投了大約50間公司，收到14家的面試邀約(內
推: 3/11，海投: 11/39)，算下來有收到回音的比例好像也差不多，所以海投應該還是有
用的吧XD
---------------------------------------------------------
找工作真的是一條很漫長的路，感謝耐心看完的各位，希望這篇文章能對你們有點幫助
& 預祝大家找工作順利！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.113.0.229 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/studyabroad/M.1575218908.A.C69.html
※ 編輯: NCTUBeast (140.113.0.229 臺灣), 12/02/2019 00:49:01
推
12/02 01:29,
4年前
, 1F
12/02 01:29, 1F
推
12/02 01:42,
4年前
, 2F
12/02 01:42, 2F
推
12/02 01:42,
4年前
, 3F
12/02 01:42, 3F
推
12/02 01:45,
4年前
, 4F
12/02 01:45, 4F
推
12/02 02:05,
4年前
, 5F
12/02 02:05, 5F
→
12/02 02:07,
4年前
, 6F
12/02 02:07, 6F
感謝幫忙解釋，就是要表達很不滿XD
其實來美國以前我也以為找這類工作寫寫Python就行，但跟很多人談完以後，感覺Python比較像是用來兜出一個prototype，但實際在做產品時，如果有效能考量的話還是會用C++ (我的觀察啦)
推
12/02 02:34,
4年前
, 7F
12/02 02:34, 7F
Ｐ家大佬才是我老大，等你明年來帶飛
→
12/02 02:34,
4年前
, 8F
12/02 02:34, 8F
推
12/02 03:06,
4年前
, 9F
12/02 03:06, 9F
沒有Paper唷，但可能因為實習做的就是CV相關的東西，加上一些相關Project，所以投CV職位還是能有回音。
推
12/02 03:20,
4年前
, 10F
12/02 03:20, 10F
推
12/02 03:26,
4年前
, 11F
12/02 03:26, 11F
推
12/02 03:48,
4年前
, 12F
12/02 03:48, 12F
推
12/02 04:12,
4年前
, 13F
12/02 04:12, 13F
推
12/02 04:13,
4年前
, 14F
12/02 04:13, 14F
→
12/02 04:15,
4年前
, 15F
12/02 04:15, 15F
推
12/02 04:25,
4年前
, 16F
12/02 04:25, 16F
推
12/02 05:12,
4年前
, 17F
12/02 05:12, 17F
耶~很高興我的心得文能幫助到你！
推
12/02 06:16,
4年前
, 18F
12/02 06:16, 18F
推
12/02 07:47,
4年前
, 19F
12/02 07:47, 19F
→
12/02 09:00,
4年前
, 20F
12/02 09:00, 20F
推
12/02 09:33,
4年前
, 21F
12/02 09:33, 21F
...小姊姊別嘴啊 感恩節買得還開心ㄇ
推
12/02 10:00,
4年前
, 22F
12/02 10:00, 22F
※ 編輯: NCTUBeast (140.113.0.229 臺灣), 12/02/2019 10:59:51
推
12/02 11:50,
4年前
, 23F
12/02 11:50, 23F
推
12/02 12:04,
4年前
, 24F
12/02 12:04, 24F
推
12/02 12:31,
4年前
, 25F
12/02 12:31, 25F
推
12/02 13:08,
4年前
, 26F
12/02 13:08, 26F
推
12/02 14:26,
4年前
, 27F
12/02 14:26, 27F
推
12/02 15:57,
4年前
, 28F
12/02 15:57, 28F
推
12/02 16:09,
4年前
, 29F
12/02 16:09, 29F
推
12/02 16:30,
4年前
, 30F
12/02 16:30, 30F
卡恩學長是真的厲害...看那系列除了覺得獲益良多之外，同時也覺得自己智商不夠用QQ
推
12/03 07:44,
4年前
, 31F
12/03 07:44, 31F
推
12/03 07:51,
4年前
, 32F
12/03 07:51, 32F
→
12/03 07:51,
4年前
, 33F
12/03 07:51, 33F
推
12/03 11:34,
4年前
, 34F
12/03 11:34, 34F
推
12/04 12:47,
4年前
, 35F
12/04 12:47, 35F
大大能通過Occipital的面試去實習，想必也是個狠角色呀！Jeff真的是我偶像...好強
推
12/04 17:17,
4年前
, 36F
12/04 17:17, 36F
→
12/04 17:17,
4年前
, 37F
12/04 17:17, 37F
※ 編輯: NCTUBeast (140.113.0.229 臺灣), 12/05/2019 03:27:05
推
12/09 10:10,
4年前
, 38F
12/09 10:10, 38F
推
12/09 13:46,
4年前
, 39F
12/09 13:46, 39F