如何拿到脸家Machine Learning Engineer Offer?

我的一个学生之前就是做机器学习这个方向的,我看他目前的情况还算可以,要说竞争吧,确实挺大的,毕竟现在人工智能火啊,不过他的能力也不差,我分享分享他的一些经验,希望可以帮助到你。
最近花了几个月时间找machine learning engineer的工作,面了几个大厂几个小厂,最后终于拿了脸家的offer,今天主要分享下过程以及怎么准备。
image.png

01
面试过程/
先来回顾一下面试过程,第一轮:host manager问了很多项目问题,BQ问题,以及基础知识比如mongod、bdbindexing、restfulapi、state……
第二轮coding:一个国人和一个印度人,国人很好,考了给一个node个数和edges数组,求是否为valid,答得很快。followup了如果有多个parents怎么修改代码。还有很多时间就问了一些Java基础知识。
image.png

第三轮coding:两位面试官题目为fall tree一层层求leaves,秒了,follow up为如果不是binary tree怎么改代码,然后又说有多个parents怎么修改代码,怎么避免重复。
第四轮lunch break,面试官给时间问问题。
02
如何准备/
首先Leetcode是敲门砖。其实有很多小公司不刷Leetcode也是可以进的,但是大厂不可能。刷题就是个时间的问题。
如果先刷二三百道练练手,然后根据各公司的面经准备的话,过的概率就很大。有个哥们问过我怎么刷题效果最好,我说就是干,干到看见就会的程度。
image.png

有些大厂比如脸家和凌鹰,Onsite的时候要求45分钟写两道题。这个就必须看完题目就会,然后一气呵成写完,真的没法取巧。
然后有个让我头疼的是Machine Learning Design。面经里有题目但是没答案,只能自己总结。框架方面我主要参考了Justin老师在心法课里讲的:
细节方面我主要自己找的资料。包含了9个问题:

  1. Friend recommendation
  2. Video recommendation
  3. Design market place
  4. Amazon recommendations
  5. Ad click through rate
  6. Text clustering
  7. Text classification
  8. Point of interest
  9. Newsfeed randking
    有些reference就是个论文,写的很复杂。但是重要的是理解问题的背景,然后搞一套自己的套路。就我自己来说就是:
  10. Data collection. You have to understand the problem and figure out possible data you can collect.
    2.Feature engineering: categorical feature, numerical feature, text feature (TF-IDF, word2vec), image (Use pre-trained CNN model like VGG as feature extractor)
  11. Dimension reduction (optional): SVD based ALS (useful for TF-IDF), PCA
  12. Modeling. What I do is to convert a recommendation system problem to one of the following models:
  13. A simple distance metric (for example, number of shared friends in friend recommendation)
  14. Logistic regression (Best and simplest one)
  15. Matrix factorization (Netflix)
  16. Neutral network using Triplet loss function (If you have a lot of text and/or image)
  17. Model evaluation
  18. F1 score
  19. AUC
  20. A/B testing if interviewer ask for business evaluation
    image.png

这里有两点补充。
一个是关于Deep Learning,有的人说面试时不推荐用Deep learning的model,这个我同意。但是Justin老师建议一定要准备。有时候你能听的出来Interviewer就是想让你说DL,不说就挂了。
还有时候不得不用,比如Data是图片的情况,那么必须用CNN把Image转成Vector,然后可以用LR。第二个是Distributed training。不管用什么模型,都要想一下怎么用多个Machine做distributed training。模型越简单考官越喜欢问这个。
image.png

最后是让我绝望的system design。本人不是CS出身,对system design完全没概念。(其实很少的公司考这个)。一开始很绝望,但是后来看了一些Justin老师的SDE课程也就入门了。这里推荐一下。
最后祝大家面试顺利,指哪打哪!
我自认为我的能力只能说一般,如果大家以后遇到什么困难,不要失去信心,坚持下去,你一定会获得成功的!
以上只是我的个人经验分享,欢迎大家讨论!


今年求职可谓格外的惨烈,我们建了一个微信群讨论群,我们在群里会分享一些 leetcode 的高效刷题方法和面试官的出题思路,还有一些内部的行业信息。进群可以加微信:L13509543893,注明知乎 id+发送简历即可。
image.png
image.png

评论

暂无评论