[心得] 北美MLE找工經歷分享

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 [email protected]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-variancetradeoff, 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 + MLsystem 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!

--