原標《2023 研替求職心得（上）》

文/Denny Yeh

小弟 113 資工所，無比賽經驗，是希望找 2024 應屆研替，大約從 10 月開始認真投履歷 & 開始面試，最後塵埃落定大概是 12 月下旬。本篇是記錄一下自己面試過程，除了分享之外，也是提醒自己需要改進的地方。

以下按照面試順序排列：

🚩瑞昱 — 演算法開發工程師

時程

• 公司邀請面試 (10/6) → 線上一面 (10/16) → 感謝函 (11/2)

面試流程

• 自我介紹

我用事先準備好的投影片報告，主管針對投影片提問。

主要都是對專案提問較多，像是「研究主題分工、哪裡跟別人不一樣、效果有比別人好嗎」等等

• 介紹公司及職缺（略）
• 程式題

面試官會給一個連結，要求進入連結並分享畫面，讓面試官看解題過程。題目不難，主要是讓面試觀看解題過程與 debug 的技巧等等，雖然我最後沒有講出標準答案，但邏輯大致上還算過關（面試官說的）。

• 最後 QA（略）

心得

這是繼去年 (2022) 找暑期實習之後，隔了好久的第一個面試，所以難免會有點緊張，簡報上甚至出現了錯字我沒發現（超想死）。這也是我第一次碰到 live coding 環節，所以還不知道可以跟面試官討論，就這樣靜靜的卡住，讓整個氣氛變得很尷尬，之後再碰到類似環節的話，應該可以更積極的去問面試官問題，不論是確認題意或是要提示，至少展現出積極的態度，這樣應該會更好。

🚩慧榮 — 韌體架構工程師

時程

• 公司邀請面試 (10/16) → 實體一面 (10/25) → 感謝函 (11/3)

面試流程

• 手寫題測驗

進到公司之後我先被帶到了一間會議室，同時 HR 給了我一張考卷，題目有六題，大部分都跟 C 相關，還有一些跟 OS 相關的題目，寫完之後就通知 HR，HR 會來收卷並請主管來。

當我發現我只會寫一題的時候，我就知道我肯定不會上（但同時心情好像也變得比較輕鬆？）

• 自我介紹

一樣是用我準備的簡報介紹，但可能是因為我的內容只有一半跟韌體相關（我真的盡力放了），主管看起來不是很感興趣，所以我就加快了報告的速度，主管也只有在介紹到微處理機 project 的時候問了是用甚麼語言，其他完全沒問。

• 主管面談

主管看著我的考卷眉頭深鎖，說了一些「XXX 不是應該有教過嗎，怎麼不會」之類的話，我當下也只能陪笑度過 😅

之後問了一些技術問題，大部分跟資料結構相關（e.g. array 跟 linked list 差別），也問了一些跟人格特質有關的問題。

接著當然也介紹了公司及工作內容，並在最後有個 QA 的環節。

• HR 面談

說是面談，其實也就只是 HR 進來輕鬆地跟我聊聊，問我對這份工作的看法，然後還有甚麼問題想問之類的。

心得

當初去面這家本來就是抱著挑戰的心情（我自己知道我對韌體很不熟），但實在沒想到在一開始筆試的時候就被打的那麼慘。雖然這次應該是沒希望，但也對於韌體的工作內容以及應該具備的能力有更多了解，也算是有收穫。

讓我印象深刻的是我問「面試過程還有哪裡可以調整」的時候，主管的回答讓我蠻出乎意料的，他說「不用太在意這種事，最重要的是展現真實的自己，不太需要隱惡揚善，因為面試是雙向的」。這的確是我沒有想過的角度，畢竟公司在挑應徵者的同時，求職者也在挑公司，不管是求職者或是公司，如果錄取之後發現跟想像中不一樣，對雙方來說都不是好事。（但還是想知道有那裡可以調整 QQ）

🚩全曜 — AI 工程師

時程

• 人力銀行主動應徵 (10/16) → 線上一面 (10/27) → 感謝函 (11/23)

面試流程

• 自我介紹

一樣用簡報自我介紹，但面試官沒有問太多問題，他說他自己也不是主管，不知道是不是跟這個有關係。

另外他在聽完我的簡報之後，有跟我說因為他們 AI 主要是在做 NLP 相關比較多，但我好像都是做 vision 相關的，所以有問我還有沒有興趣，不過我覺得反正面都面了，就繼續下去吧

• 介紹公司及職缺（略）
• 程式題（略）

面試官給了一個 google 文件連結，之後會在文件上貼出一個情境，並請我用習慣的語言打出程式（我是用 python）。題目總共有兩題。

我原本想好之後要直接打，但面試官有說可以先把做法跟他說，再開始打程式，可能是想跟我討論邏輯有沒有問題。第一題我有順利打出來，但第二題我到最後都沒有解出來，這應該算是最大的敗筆 QQ

心得

這家在網路上的評價似乎沒有很好，但我抱著累積經驗的心情還是去面了，我覺得實際的面試狀況沒有向網路上說的那麼糟（也有可能是因為才一面），面試官看我程式題解不出來還主動給提示，態度上也沒有任何不妥。

對於這家的工作內容，我其實不是很喜歡（NLP），所以其實本來就意願不高，再加上我程式題的慘狀，收到感謝函也算是意料之內

🚩旺宏— AI Accelerator

時程

• 人力銀行主動應徵 (10/11) → 線上一面 (11/1) → 無聲卡

面試流程

• 自我介紹

用準備的簡報介紹，其中在講到專案的時候被問了比較多問題，像是為甚麼樣用這個架構、確切做了甚麼修改之類的。另外，在講到團體活動的時候，有被問說有沒有甚麼解決衝突的經驗（還好有準備到）。

總的來說，這家是第一家針對模型架構問比較細的公司，其中的確也有些是我答不太出來，如果要放到簡報上真的要好好複習一下到底做了哪些事，架構做了哪些修改等等。

• 介紹公司及職缺（略）
• 最後 QA（略）

心得

這家最特別的應該是他偏研究導向，所以主管說不太會有死線壓力，但需要自主性去研究及實驗等等。然後也是被問最多專案細節的一家公司（可能因為真的很研究導向），主管也都知道我在說甚麼，甚至還有跟我討論一下可以怎麼做之類的。但聽到要念博班我真的瑟瑟發抖，我還要再想想自己到底想不想繼續做研究…

🚩群聯 —Machine Learning Engineer

時程

• 人力銀行主動應徵 (10/4) → 線上一面 (11/9) → 線上二面 (11/24) → 感謝函 (1/5)

面試流程（一面）

• 自我介紹

用準備的簡報介紹，面試官大部分都是問概念性問題或是開放性問題，像是「為甚麼會選擇這個模型？」、「如果要改善你會怎麼做？」等等需要思考的問題，比較沒有一板一眼的技術性問題，我自己覺得滿好玩的。

• 工作內容介紹（略）
• 邏輯題

面師官出了一題很像智力測驗的那種邏輯題，他一開始還說「你應該有上網調查過了吧XD」，好像預設我已經知道題目，所以我推測網路上找一下的話應該會有題目內容（我自己是沒有事先調查）。我一開始沒有說出正確答案，但面試官人也很好的給我更多提示，讓我最後得出正確答案。

• 最後 QA（略）

心得

這個面試官感覺也滿年輕，一開始還跟我小聊了一下天，還說上學期才修過我們教授的課，讓我覺得親切很多XD

面試整體給我的感覺是，主管很希望大家去思考並討論（問開放性問題、邏輯題等等），然後工作內容有應用也有研究，聽起來滿好玩的（雖然在竹南真的好遠QQ）

面試流程（二面）

在面試通知信上就有提到二面試「專業能力測驗」，所以事先做好了可能被洗臉的心理準備...

• 自我介紹

我是用幾乎一樣的簡報進行報告，但這次被問了更深更多的專業問題，像是「為甚麼 baseline 的效果會比你們差」、「你們有發生 XXX 問題嗎？如何解決？」等等

• 專業問題

主管先問了一些跟 ML 相關的一些基礎問題 e.g. 「overfitting 如何解決」，之後又出了一些跟工作內容有關的應用問題 e.g. 「若二分類問題的 data 數量極度不平衡該如何解決？」，因為有前幾次的經驗，我在這部分還算驚險過關

• Coding 題

這裡考了最基本的 sorting，但我因為太緊張就有犯下一些低級錯誤QQ，另外面試官有建議我可以多寫一點東西讓其他人也看得懂我的 code (e.g. 命名規則、function type 等等)。

• 工作內容介紹（略）
• 最後 QA（略）

心得

畢竟面試通知上寫「專業能力測試」，我就也做好心理準備，大部分的問題應該答得還可以，不過最大的敗筆就是 MLOps…

面試官在最後問說 MLOps 熟不熟，我說比較不熟，然後還提到「上次也有說到」，面試官就說上次面試到現在也兩個禮拜了，怎麼沒去查？當下我就知道我死定了，我完全忘記這件事而且還自曝其短…

※文由 Denny Yeh 授權轉載, 原文:《2023 研替求職心得（上）》

___________

你也有經驗想分享嗎？快來投稿賺稿費吧！

[elementor-template id="118812"]

這篇文章 【學長姐帶路】2023 研替 AI 工程師 求職心得（上） 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《AI Software Engineer 面試分享》

文/厭世工程師

先說一下背景

小弟目前任職傳產IT部門9年，剛進公司時主要做Web前後端開發。

後來公司有導入AI的需要，所以約5年前開始學AI。

在公司開發過的AI專案包含: 聊天機器人、語音辨識相關、物件偵測相關、還有一些傳統的機器學習方法作分析預測的小專案。越學越覺得自己超廢，能力嚴重不足。

所以後來去了112電信所補了一個在職碩，今年1月寒假前剛畢業。

修的課的都是AI相關課程(機器學習、深度學習、電腦視覺、自然語言處理)。

碩論寫的是改良Faster-RCNN的缺點，自己搞了一個物件偵測的模型，去年有投中一個大型的IEEE Conference。

順帶一題我大學是念政大資管系，所以也是個混血仔。

後來想要在AI這塊繼續鑽研，夢想是成為一個專業的資料科學家、AI軟體工程師。 深覺待在傳產格局太小，進步有限。因此萌生了轉職到科技業的想法，說真的要離開一個做9年的工作不太容易。而且這份工作壓力不大，幾乎不加班，可以兼顧家庭(家有妻小)。可是為了理想還是決定拚一把。從3月面試到現在，深感科技業AI純軟缺其實很少，待遇也都不是很好。但是還是陸續有面幾家，可以分享一下，以下是照時間順序，從3月到現在。

1.台達研究院 NLP Engineer

3月中旬PTT科技業版找人內推。內推完隔兩天收到HR電話邀約面試，一周後線上一面。

一面為工程師面試。先叫我自我介紹，簡單介紹一下背景、做過的專案、碩士修課和碩論內容約20分鐘。會先針對你自我介紹的內容作題問。主要表明這個工作就是做聊天機器人，會大量應用到RAG的技術。接著對方就詢問RAG的技術細節，包含如何對文字做embedding、如何建立向量資料庫，如何結合LLM，還有一些prompt engineering技巧。

結果: 一周後收到感謝函

2.華邦電子 竹北-Machine Learning Engineer

3月中LinkedIn HR主動私訊詢問電訪時間。一面應該算HR打電話來，電訪約30分鐘，也是問背景、工作經歷、學歷等。有問幾個behavior question比方說如果遇到和主管同仁意見不合的時候，會怎麼處理；遇到主管交派不合理的要求，要怎麼處理等等。電訪完HR覺得我還行，邀約我至竹北辦公室用人單位面試。

二面:竹北華邦，用人單位

面試官是AI team的主管和和另一位工程師，一開始先叫你做簡單的自我介紹，照著投影片介紹完一輪之後，開始從學經歷問問題。不過我覺得他們問的問題有點奇怪，給我的感覺很不專業，根本不像是AI工程師會問的問題。

第一題從我碩論問，因為我碩論的骨幹模型是transformer架構，他就問我transformer跟CNN主要的差異在哪，為什麼transformer在視覺任務可以表現得比CNN好。

第二題說你把我當成是一個AI小白，對我解釋你的碩士論文。

第三題說如果有個模型只有100個參數要怎麼訓練。 這三題聽完我覺得有點莫名其妙，除了第一題之外完全不知道怎麼答。我覺得問題本身就有問題了。尤其是三，我真的還沒聽過100個參數的模型。隨便瞎掰一通之後草草結束。

最後說明工作內容，說他們team除了主要負責開發AI產品之外，還要對非資訊單位的USER進行AI賦能。意思是要教育User如何使用AI提升生產力和效率。有點像教育訓練教官的意思。我面的是Engineer，這感覺是PM要做的事吧。聽完我整個就沒什麼興趣。

結果:一周後收到感謝函。二面從問的問題到職務內容我整個就覺得很荒謬。

3.瑞昱半導體 電腦周邊事業群-音訊演算法開發工程師

3月中瑞昱官網履歷主動投遞，但是我投的是AI Machine Learning的缺，不知道為什麼找我來面試這個。螃蟹是不是都亂槍打鳥做KPI阿。

一面是線上，由工程師面試。一樣叫你先自我介紹，介紹完問兩題白板題。一題是倒水的，水倒來倒去要配出4公升。還有一題演算法DP，給兩個字串找最長子字串，寫pseudo code就好。

之後針對你的自介發問。

結束後說明工作內容，做軟體工程，算是寫演算法的，主要使用C++。針對音訊的數位訊號如何跑在公司的產品上做優化，也有深度學習的應用，但是偏inference方面的，就是如何讓神經網路模型能跑在瑞昱的IC上功耗降低，記憶體使用效率增加等等。也有一部分是做自動化，也就是開發一些自動化軟體能讓工程師日常作業量降低。說明工時時我有點被嚇到，他說他們9:30上班，大概21:00左右下班。沒有加班費，加班費的部分會包含在分紅裡面。然後說最近歸功於自動化軟體，有好一點大概20:30就可以下班。

一面結束之後不到一週，hr email來約二面。二面好像是個小主管，再叫你做一次自我介紹，之後也是從自介發問。這次就沒有問程式或技術，都是針對人格特質發問。比方說遇到問題怎麼處理等。印象比較深刻的問題是【如何用幾個形容詞描述你這個人?】【對你來說你覺得最重要的核心價值是什麼】。我自認我這些問題並沒有答的很好，有些語塞最後擠出幾個字而已。

結果:無聲卡

4.鴻海精密工業 中央資訊-Machine Learning Engineer

4月中從人力銀行上投遞履歷，隔天主管寄信邀約面試。

一面是一個model team的leader跟一個infra工程師兩人面試。先叫我自我介紹然後從自介發問，問的問題像是【如何讓你碩論的大模型能跑在邊緣裝置上】【如果模型在testing set上表現不好要怎麼改善】【有沒有使用過多模態模型的經驗】等等。之後說明工作內容，提到目前這個AI團隊有大概30人，分成PM、Infra跟模型工程師，主要開發項目是用AI工具及軟體幫助工廠及產線提升效率及降低成本，也會有研發的需求，需要定期跟上級主管報告。一面完之後約二面。

二面是兩週前會丟一個小專案給你，內容是使用OpenAI的開源多模態模型(圖片與文字)，並且使用Kaggle上的一個公開資料集去微調它。專案要求做整個finetune流程及跟其他方法的比較，要做簡報約15頁。簡報內容我是寫了整個實作的流程包含探索性資料分析、資料前處理、資料增強、模型選擇、實驗結果、跟其他模型的比較、未來改善方向、說明與結論。

二面報完以後兩位工程師針對我做的內容提了一些問題，比方我我如何確定目前的模型是overfitting的，overfitting有幾種解法，你是如何下這些結論的。二面完安排線上人資制式評測，考英文、邏輯測驗、人格測驗等。

之後又約了三面，由比較高階一點的主管面試和其他兩位工程師一起，我覺得這次面試很特別。三面先要求你把二面的東西再報一次。報完之後由主管先把我洗臉一頓，說覺得我的方法很不嚴謹，結論下的很草率。沒有足夠的實驗證據，直接做出這個結論很危險。我的觀念不是很正確。還問我花多久時間做這個實驗。然後接著補充我的能力跟他們團隊的工程師還有很大一段差距，可能我在原工作9年的年資，只跟他們團隊裡2年的工程師能力差不多。我還需要很大的進步。

第二位工程師繼續說，雖然剛剛主管這樣說你，但是從你的實驗和簡報中，我看得出你很有潛力，學習的也很快，腦袋也很聰明，如果你願意努力一點，我們這裡絕對有好的環境可以讓你一年內迎頭趕上。

最後第三位工程師說我知道你為什麼會現在不上不下，我覺得一定是環境的關係。因為你待在傳產，公司不看重AI也不願意投資。所以第一你沒有好的同事可以互相求問進步，第二你沒有足夠的運算資源可以讓你好好做模型。你就這樣被困在困境中。我們鴻海有三十幾人的AI團隊，今年還預計擴編一倍，其中的同仁都是這領域的箇中翹楚，許多博士也在我們團隊裡面。另外我們鴻海有好幾台DGX Server，還是不夠的話Azure上的A100隨便你開，你在我們團隊絕對不需要擔心算力的問題。現在只看你願不願意跳脫舒適圈，到更寬闊的地方接受更大的挑戰。我自己先給予正面回應之後。主管說會再請人資我跟聯繫。最後昨天人資主管打來跟我確認offer。

結果:offer get

5.廣達研究院 Data Scientist

人力銀行投遞履歷，隔天人資打來約線上面試。 一面是由一位工程師面試，一樣先叫你做自介，然後也是針對自介問題發問。比較特別的是我覺得這位面試官人蠻好的，他提醒我我的自介裡列的專案很多是現職的公司專案，他不建議我把一些含有公司的系統架構與開發方法，內部細節等直接跟別的公司的人提，因為可能會有智財權的問題。但是他還有針對我的自介中專案內容發問。問題不外乎也是【為什麼在這個專案中要使用這個模型，有沒有做過其他模型效能的實驗】【如果這個模型太大，算力成本無法支持時有什麼替代方案】【你覺得模型在處理語音信號跟文字資料時，最大的不同在哪裡】等。然後他說明工作內容，他表示這是廣達的研發單位，主要是做一些協助公司生產單位導入AI的事，目前也在擴編中，所以才有這次招募。算力的問題不用擔心，好幾百張GPU可以提供使用。團隊組成分成PM、Data Scientist跟Software Engineer，各司其職做不同的事，目前團隊約30人。

最後算是相談甚歡，聊了蠻久大概一個半小時。他還問我家住哪裡，回答之後他說他家跟我家住很近，以後可以一起通勤上班。

結果:很意外，兩週後收到感謝函。

6.台達研究院 (資深)生成式AI工程師

再請自己認識的朋友內推一次，不過朋友是在中壢廠上班的偏法務單位。他說工程類職缺他也不熟，但是可以幫我把我的履歷轉給他們HR。內推後等了兩三週吧，HR主動打來說我兩個月前有面試過另一個職缺了。問我要不要再試試看這個職缺，我答應後就安排一面。

一面是兩位工程師，一樣先自介後從我的自介發問。問的問題和大語言模型相關，如【之前你說你有微調過開源大模型，可以說的更細一點嗎】【詢問LoRA的原理，我之前做專案的時候是怎麼選擇Rank要設多少的】【問量化的技術，混精度訓練時要怎麼做】【詢問不同語言模型的特性，如GPT、Llama、Gemini各有什麼特點與不同】等等。之後說明工做時表明主要是使用大模型做程式碼工程的部門，開發的應用為使用大語言模型做程式碼生成，程式碼改寫，程式碼優化等。因為台達有許多程式碼屬於內部機密，不適合也不放心使用雲端的平台如CHATGPT或AOAI，所以有自己微調開源模型的需求。一面完之後大概過兩天就約二面。

二面是一位技術主管。一樣叫我先自介一次，之後針對自介問題發問。他提到這個單位算是台達的研發單位，需要隨時趕上最新最前緣的技術，所以要常常看論文、發表會。然後問我有沒有注意最近兩場比較大的AI產品發表會(當時一場是gpt4o、一場是Google I/O大會推出Gemma 2)，其中的內容是什麼。還好我平常喜歡看科技新聞所以都答得出來。然後請我分享一下有沒有用過gpt4o，覺得跟gpt4最大的不同與特點是什麼。然後問我覺得未來大模型發展的趨勢是什麼。我直接回答多模態模型，所有模型最終都會朝多模態發展，然後我簡單地說明了一下多模態模型。最後問我覺得語言模型在程式碼工程上除了做程式碼生成跟改寫優化，還能夠做什麼應用。最後也算是相談甚歡。結束時跟我說靜候通知。

過一週HR打來跟我談核薪核職。

結果:offer get

7.宇泰華playsee 社群平台AI工程師

人力銀行上hr主動私訊邀面試。

一面是發一張考卷來，18:00讓你寫到19:00。內容為前半段機器學習、深度學習相關。後半段是SQL語法跟類似leetcode easy的題目。寫完考卷後HR約線上面談，請我自我介紹跟針對自介發問，然後說明公司地點跟工作環境。當場約了現場面試。

後來到南港他們的辦公室現場面試，跟兩位AI team的工程師面試。一樣先自介後對自介發問。問的主要是模型訓練與微調相關的問題。最後說明現在AI team較多是在研究多模態模型，因為該公司的產品需要用同時處理語音、影像、文字資料。至於產品是什麼因為還在研發階段所以不能透漏。不是playsee現在那個app，是一個全新的AI app產品。最後跟CEO面試，我感覺不太像是面試，反倒像是經驗分享。CEO說明為什麼想創立這家公司，說明這家公司的未來願景跟藍圖，然後說他們的產品優勢在哪邊，商機有多大。然後勉勵我們年輕人多看多學，讚許我願意從傳產跳出來。

隔天人資經理說明工作環境(免費三餐)與薪資福利，並詢問我期望薪資。開價之後對方說要再討論看看。

結果: 對方表示開價太高無法達到，祝福我找到合適的工作。

以下幾家，投了連面試邀請都沒有

1.GG官網投遞 AI/ML Engineer

2.MTK官網投遞 AI影像處理工程師

3.Novatek 人力銀行投遞 AI影像處理工程師

4.全聯 人力銀行投遞 AI演算法工程師

其實一邊在職一邊兩個月內參加這麼多面試我是蠻崩潰的。尤其前一個月瘋狂收到感謝函，面到我都開始懷疑人生。還好最後有拿到想要的offer。我應該是會去台達研究院啦，薪資跟福利我都還算滿意。鴻海開出來沒有他們好。還是有板友可以現身說法比較看看。 面試重點我覺得是自我介紹，一定要對自介內容很熟。因為面試官全部都會從自介發問。可能專案只是過水不熟的就不要放上去比較好，不然到時候被問到答不出來那是真的很尷尬。

然後一定會被問的一個問題，還沒有一家沒被問的就是為什麼要從做9年的工作跳槽。如果有轉職需求者一定要好好想個理由。

感謝在這樣的環境中還能讓小弟轉職仔拿到不錯的offer。希望版上的求職者都能找到理想的工作。

本文由 厭世工程師 授權轉載, 原文:《AI Software Engineer 面試分享》

___________

你也有經驗想分享嗎？快來投稿賺稿費吧！

[elementor-template id="118812"]

這篇文章 【學長姊帶路】AI 工程師（台達｜華邦｜瑞昱｜鴻海）等多間面試 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

原標《AI 算法工程師面試分享 - Amazon piccollage》

文/DCARD 網友

兩間AI算法工程師面試心得分享，應該也可以避免大家踩雷。

時間有些比較久，所以可能會比較模糊。

amazon

第一關：面試官是senior scientist。ML的基本概念，像是指標、conv、transformer等原理。一題behavior question。最後是一題leetcode medium。很久沒面試leetcode有點卡關，和面試官討論後很順利完成。主要是Recursion的概念。

第二關：要求準備投影片報告給所有面試官聽。報告完面試官會對內容做發問。不過報告完從他們的發問才知道他們專門做detection的，所以對我的內容基本上不太懂…。問的問題也比較基本和詭異XD

接下來是對第二關中所有面試官做1-1面試。

第三關：面試官是senior scientist。一樣是ML觀念，都是detection相關，像是指標。一題leetcode medium。寫的途中有想跟面試官討論，但他只持續說不用寫的那麼複雜（真的只重複這句XD），感覺的出他想回答我的問題和討論但不知道如何做。一題behavior question。

第四關：唯一一位不在第二關的面試官。在北京的面試官，也是唯一一位可以用中文的。全部問behavior question，真的問的很仔細。連回答到後面題目還會問跟前面題目的關聯性。所有題目要求依據自己的經驗回答問題。

第五關：面試官是staff scientist。非常詳細詢問以前如何解決ML問題的經驗，怎樣的問題和如何解決。ML觀念問得很仔細，但也都是和detection相關，不過比較基礎。一題leetcode easy。一題behavior question。

第六關：兩個主管。感覺沒有很懂ml，主要問一些模型驗證相關的觀念。2題behavior question。

第七關：面試官是scientist。印度人，不是很聽得懂他在說什麼。detection相關的loss等方面問題。一題leetcode medium。寫完後發現面試官也不確定我寫的是不是正確。花了些時間討論和驗證，還好結論說是對的。

第八關(?)：recruiter。閒聊，3題behavior question等等。

piccollage

作業：ML觀念

第一關：director(?)和一位工程師。以前的工作經驗和一些履歷上的問題。

另外一個作業：np等應用

第二關：主管(?)和一位工程師和人資。據說是專業面試（？）

同樣也有個作業必須先做。基本上專注在問SD和lora等問題，但問題本質很淺，像是默背sel-attention公式或是用sdwebui還是什麼。只有一題比較有深入點，但有點微妙，等等會說。

在面試中理解到這是一個非常特殊AI團隊運作方式。

資料：沒對訓練資料做任何處理或增加，從以前到現在只有一個人做過一次數據清理。

不用跟其他競爭對手比較：做出來的模型不用跟其他競爭對手比較。這對員工應該蠻爽的。但競爭力不知如何。問面試官為什麼不用比，他很緊張的不知道在回答什麼。

GPU：不會有GPU不夠問題，不是因為有很多GPU。因為他們只需要fine-tune模型，不會重頭訓練。基本上主管認為fine-tune模型就可以解決一切。 不確定是因為他們做的東西很窄的原因，還是因為對其他diffusion應用沒概念（雖然聊完的感覺應該是這個）。雖然也有其他ml應用，像是分割，但感覺得出好像一下就能訓練完，可能因為沒數據也沒大模型概念。

溝通能力和專業能力：其中一題面試題目在我回答後，面試官很自信的說出他的答案。但很明顯他說的答案有問題，因很確定不想加入這團隊所以直接跟他說以物理的角度他的答案是有問題的。接著他用自己的方式寫出公式，但沒時間讓我看。他說會後可以再看並可以讓他知道，如果他的答案是錯的話。

會後我查了下論文和詢問別人確認自己沒錯，寄了email講出我的答案為啥是正確的，但很明顯他的回信在鬼扯也沒在看內容和打算溝通。我後來也不想再回信，畢竟對方也不願意溝通，我到大學演講還有演講費，幫這公司教會他也沒錢拿。

這其實是很簡單的題目，他竟然能無法看出自己錯在哪，這實在蠻令人訝異的。另外一位面試官不知是在放空還是贊成他主管的答案。

錯誤是難免，但不願意溝通的主管感覺超級雷。

人資最後說何時會回覆時，其實當下就想跟他說不管結果如何都不可能去，但覺得好像有點誇張就沒說了。

結論：

想躺平的話這家公司應該很可以，畢竟不用比較ml結果也不用處理數據，這超級爽，但前提是你要能回答到跟他一樣錯誤的答案。

如果是剛畢業或有想做出點東西的人是不太建議。這樣的團隊運作方式要做出有競爭力的ml模型可能性非常低，也學不到東西。 以資方角度，這些算法功能還不如外包還比較省成本和有競爭力。

非常意外到2024還有這樣被帶領的ai團隊，主管很明顯不是這圈子也沒看過如何帶ai團隊，但卻非常有自信，也沒在溝通，這點超級差。

收穫應該是我永遠會記得這個錯誤答案的概念細節，算是浪費這麼多時間後得到的唯一好處。自己帶團隊面試別人都很小心翼翼的不要說出錯誤答案或引導。這麼自信的說出錯誤答案且無法溝通，真的讓人印象深刻到不行。

講的這麼明顯應該一下就能被找出是誰，但還想做出有競爭力的東西和不想降低薪資，所以也沒啥差。

這兩家公司面試的感覺、團隊帶領方式、溝通能力和員工程度真的有非常明顯不同。既使在15年、16年AI剛在台灣流行時，台灣業界也很少看到這麼特別的算法團隊

文由 DCARD 網友 授權轉載, 原文:《AI 算法工程師面試分享 - Amazon piccollage》

___________

你也有經驗想分享嗎？快來投稿賺稿費吧！

這篇文章 【學長姊帶路】Amazon/PicCollage AI 工程師 求職分享 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。