如何拿到脸家Machine Learning Engineer Offer?
文章目录
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。
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。
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。
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:
- Friend recommendation
- Video recommendation
- Design market place
- Amazon recommendations
- Ad click through rate
- Text clustering
- Text classification
- Point of interest
- 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: - 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) - Dimension reduction (optional): SVD based ALS (useful for TF-IDF), PCA
- Modeling. What I do is to convert a recommendation system problem to one of the following models:
- A simple distance metric (for example, number of shared friends in friend recommendation)
- Logistic regression (Best and simplest one)
- Matrix factorization (Netflix)
- Neutral network using Triplet loss function (If you have a lot of text and/or image)
- Model evaluation
- F1 score
- AUC
- A/B testing if interviewer ask for business evaluation

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。
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。

评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论