站在科技浪頭、探索尖端趨勢，【科技島】每日帶給您最新產業新知，並由AI主播為您編輯播報當日熱門科技新聞，讓您 …

站在科技浪頭、探索尖端趨勢，【科技島】每日帶給您最新產業新知，並由AI主播為您編輯播報當日熱門科技新聞，讓您 3 分鐘掌握天下事！

一、雙贏！外傳蘋果使用ChatGPT無需付費

《彭博社》報導，蘋果並沒有為了將ChatGPT 添加到 Apple Intelligence 中付費給OpenAI。蘋果認為，OpenAI 透過在數億台蘋果設備上獲得的曝光度與貨幣支付具有同等或更大的價值，這筆交易對雙方來說是雙贏，OpenAI 在接觸到數百萬蘋果用戶之後，其中一些人可能會升級成付費的 ChatGPT 版本。

完整閱讀：

二、iPhone 配備ChatGPT引擔憂　外媒：發生得太早

蘋果將ChatGPT整合到iPhone引起部分擔憂，有專家認為大家可能還沒準備好。AI會出錯，可能導致重大錯誤訊息被濫用引發嚴重問題，過去ChatGPT就曾錯誤地聲稱沒有字母「K」開頭的非洲國家，甚至影響到Google搜尋結果，若是每個擁有iPhone的人都開始使用AI，就會有更多人依賴和信任它給出的答案。

完整閱讀：

三、十年來最大更新！ Yahoo推出新AI驅動功能

Yahoo持續推動AI，正在對Yahoo信箱和Yahoo新聞平台進行功能升級，包括AI驅動的郵件服務及AI文章摘要功能等，帶來近十年來最重大的更新之一，除了更簡潔的使用者介面和多項新AI功能，更新後更增強了可讀性、導航和視覺吸引力，並允許使用者直接從收件匣執行操作，讓用戶能快速開啟重要任務。

完整閱讀：

四、追趕台積電AI晶片   三星推新一站式服務

為了趕上台積電，三星公布用於AI晶片的最先進晶片節點更新路線圖，並推出新一站式AI晶片製造服務「共同封裝光學」CPO技術，客戶只要透過單一窗口，就能同時調度三星的記憶體晶片、晶圓代工和晶片封裝團隊，吸引輝達和AMD等公司，使用三星生產的AI晶片。

完整閱讀：

五、人形機器人駕駛汽車　轉彎就花兩分鐘

東京大學開發自動駕駛人形機器人「武藏」，負責駕駛小型電動車，打造另類自動駕駛體驗，武藏配有2個鏡頭，可以看到前方道路及汽車後視鏡，機械手則負責轉鑰匙、拉手剎車、打方向燈轉方向盤，也可以腳踩油門或刹車，雖然成功通過初步測試，但光轉彎就花了兩分鐘，距離正式上路還有很多技術問題要克服。

完整閱讀：

六、健保署攜手Google　打造糖尿病風險預測AI

糖尿病是台灣人常見的慢性疾病，影響超過13%的成年人口，對於健保系統和整體社會都是沉重負擔。健保署宣布攜手Google Cloud、Google Health運用AI技術、雲端運算和數據分析能力，加上國衛院研究量能共同開發AI on Diabetes Melitus糖尿病人工智慧，提供糖尿病患者有效預測和管理併發症風險。

完整閱讀：

影音瀏覽：

這篇文章 20240617─十年來最大更新！Yahoo推新AI驅動功能｜【AI主播報新聞】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

搜尋引擎公司Yahoo也持續推動人工智慧（AI），正在對其Yahoo信箱和Yahoo新聞平台進行一系列由AI驅動的增強功能升級，包括AI驅動的郵件服務及AI文章摘要功能等，帶來其服務近十年來最重大的更新之一。

編譯／黃竣凱

不只Google，搜尋引擎公司Yahoo也持續推動人工智慧（AI），正在對其Yahoo信箱和Yahoo新聞平台進行一系列由AI驅動的增強功能升級，包括AI驅動的郵件服務及AI文章摘要功能等，帶來其服務近十年來最重大的更新之一。

Yahoo信箱AI更新

據報導，Yahoo信箱對其桌面體驗進行了重大重新設計，帶來更簡潔的使用者介面和多項提升電子郵件體驗的新AI功能，更新後的設計增強了可讀性、導航和視覺吸引力，並允許使用者直接從收件匣執行操作，例如將事件新增至日曆、查看時間表和追蹤包裹等，並使用戶能夠快速開啟最重要的任務。

更多新聞：慢點升級   蘋果新推AI 功能ChatGPT 都有

重要收件匣

新Yahoo AI信箱的突出功能之一是「重要收件匣」（Priority inbox）分頁，該分頁會自動加入最重要的郵件，並提供AI產生的一行電子郵件摘要，使Yahoo成為第一個提供此類功能的電子郵件服務。此外，當使用者開啟電子郵件時，AI也會產生與電子郵件內容相關的建議操作或回應的功能列表，幫助使用者節省時間並專注於重要任務。

可連結其他信箱

此外，Yahoo信箱現在也支援連結其他電子郵件帳號，讓使用者即使使用 Gmail、Outlook 或其他電子郵件服務，也能享受新功能，更新後的桌面體驗將在未來幾個月內開始提供，隨後將推出行動更新。

Yahoo新聞App AI摘要

與此同時，Yahoo也正在利用其最近收購的 Artifact 的技術，透過AI功能增強其Yahoo新聞App，並提供AI摘要。Yahoo表示，為了讓訪客能夠快速了解新聞，而無需閱讀全文，AI摘要已經測試了幾個月，但目前測試僅限於Yahoo新聞網路平台上的一小部分的文章頁面，大多數用戶可能還沒使用到該功能。

但目前Yahoo拒絕透露該技術本身或何時發布等更多資訊，但值得注意的是，該公司確實與 OpenAI 就Yahoo新聞行動App建立了合作夥伴關係。

參考資料：zdnet、Tech Crunch

這篇文章 十年來最重大更新   Yahoo推新AI驅動功能 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

Gmail與Yahoo實施DMARC電子郵件認證的協定，目的在減少釣魚攻擊和防止未經授權的郵件發送。

編譯／Cynthia

在當今資訊時代，資訊安全已然成為企業不可或缺的要素，更是確保業務順暢運作的基石，不僅要強化防禦，更著重於建立信任和可靠性。近期，Gmail與Yahoo積極推動更嚴謹的電子郵件驗證，為企業提供一個寶貴的機會。透過遵循新的安全標準，企業得以提升資訊安全水準，同時贏得客戶信任，推動業務發展。

DMARC協定，提升郵件安全、防範釣魚攻擊

DMARC（Domain-based Message Authentication, Reporting, and Conformance）是一種強化電子郵件認證的協定，目的在減少釣魚攻擊和防止未經授權的郵件發送。它整合了SPF和DKIM雙重驗證，提供更多報告和控制選項，透過DMARC，寄件者可指定未通過驗證的郵件處理方式，並了解認證狀態以提升郵件安全性。

更多新聞：守護數位時代的私密通訊：未來電子郵件安全策略

DMARC合規的必然演進

Gmail與Yahoo實施DMARC協定，或許對小型企業構成挑戰，但如同適應HTTPS和MFA一樣，迎接新的安全標準已成為網路生態系統的必然趨勢。瞭解SPF、DKIM和DMARC等標準，已成為企業不可或缺的演進過程，以因應不斷演進的網路威脅。透過應對這些挑戰，企業能夠提升資安水準，確保業務持續經營的穩定性。

釣魚攻擊的挑戰

隨著駭客運用先進工具如生成式人工智慧，釣魚攻擊變得更為複雜，簡單的釣魚郵件仍是網路犯罪的高效工具，93％的網路攻擊都起源於某種形式的釣魚攻擊，因此DMARC合規至關重要。透過自動化的郵件驗證，這些協定能夠有效降低釣魚攻擊的風險，直接解決網路威脅的主要入侵通道。保護郵件安全，是確保企業資訊不受威脅的關鍵一環。

影響企業郵件遞送效能

資安專業人員常在向主管和客戶展現其價值時面臨挑戰，Gmail與Yahoo實施DMARC為他們打開一扇戰略商機之門。透過積極呼籲和確保早期採用DMARC協定，資安專業人員能夠直接提升組織的郵件遞送效能，擴大市場影響力。這不僅強化資安，更為企業帶來競爭優勢，成為引領業務成功的重要關鍵。

合規即競爭優勢，迎接資安新時代

DMARC合規不僅是法規遵從，更是業務策略的寶貴機會，它展現資安政策與業務成果之間的密切關係，提供資安、行銷、銷售團隊直接連結的難得機會。有效的DMARC實施不僅強調在當今數位時代中資安的戰略地位，不單只是風險防範，更是推動業務成功的不可或缺元素，透過DMARC，企業能夠展現在安全與業務間取得平衡的智慧策略。

資料來源：Help Net Security

這篇文章 網路安全升級  Gmail與Yahoo實施DMARC贏取客戶信任 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

Yahoo奇摩致力打造多元共融（DEI&B）的企業文化與工作環境，同時透過今年邁入第17屆的「Yahoo奇摩暑期實習計畫」，持續培育優秀人才，接軌產業新趨勢。Yahoo奇摩今年招募主力涵蓋前端、後端、行動產品開發、大數據等產品工程相關、以及行銷、設計與電商等實習職務，吸引跨領域的Z世代人才積極報名，履歷投遞量相較去年成長超過3倍。

記者／林育如

Yahoo奇摩致力打造多元共融（DEI&B）的企業文化與工作環境，同時透過今年邁入第17屆的「Yahoo奇摩暑期實習計畫」，持續培育優秀人才，接軌產業新趨勢。Yahoo奇摩今年招募主力涵蓋前端、後端、行動產品開發、大數據等產品工程相關、以及行銷、設計與電商等實習職務，吸引跨領域的Z世代人才積極報名，履歷投遞量相較去年成長超過3倍。

Yahoo奇摩表示，實習期間，Yahoo奇摩實習生將由專屬導師（Mentor）帶領、共同學習和探索包括生成式AI在內的最新趨勢科技應用；同時更搭配國外講師課程，以全英文工作坊方式，帶領台灣實習生與歐美實習生進行互動，體現現今全球化的跨國工作模式。

後疫情時代更靈活的工作模式已成職場新常態，Yahoo奇摩「混合式辦公」（Hybrid Work）結合遠距和面對面的多元工作模式同樣延伸至暑期實習計畫中，從面試、正式報到與工作皆可遠端進行，實習期間也將有機會與跨國同仁協作、交流，並藉由實習工作、實體活動增進自身軟實力、探索職涯方向。

Yahoo奇摩人力資源部資深經理李美玉分享，今年大學生的投遞比例也明顯增加，顯見Z世代學生對於接軌職場的重視，希望透過到企業實習累積實務經驗，促使今年的實習計畫申請更為熱烈，累計收到數千份履歷、較去年成長3倍；來自海內外、不同領域與專業的學子，同台爭取不到1%錄取率的實習機會。此外，也發現錄取的實習生中，有近15%是透過產業、校園學長姊推薦。此外，根據Yahoo奇摩觀察，歷年女性實習生比例逐年增加；今年錄取的女性實習生佔比相較去年更大幅成長6倍

面對全球競爭變局與疫後職場新常態，Yahoo奇摩分享Z世代可培養三大關鍵特質，以迎接未來變化與挑戰：

（一）多元斜槓、跨域學習：因應科技趨勢快速變化，掌握單一技術已不足以面對產業現況，還需適應和接觸不同領域的技能；成為專業的「混血」人才，累積多元專業能力，將更有競爭力。

（二）軟硬兼具、解決問題：元宇宙、混合實境與生成式AI等新技術推陳出新，除具備人機互動、寫程式相關技術的硬實力外，在混合式辦公常態下，擁有跨螢溝通協調、人際互動的軟實力更是團隊協作、解決問題時的重要技能。

（三）靈活應變、創新應用：疫情大幅改變人類的生活，也進一步加速各種創新科技的研發，能適應變革、快速探索新技術，並勇於大膽嘗試和創新應用，將有機會創造更多元的成果，並成為職場不可或缺的人才。

這篇文章 Yahoo奇摩暑期實習計畫 揭3大關鍵特質 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

編譯／莊閔棻 美國網際網路服務提供商Yahoo表示，到 2023 年底，他們將裁員 20% 以上，以重組其廣告 …

編譯／莊閔棻

美國網際網路服務提供商Yahoo表示，到 2023 年底，他們將裁員 20% 以上，以重組其廣告部門，而僅本週，他們就已經裁員了1000 名。

根據《CNN》的報導，Yahoo發言人表示，該公司的傳統廣告技術部門 Yahoo for Business 將進行徹底改革，並轉變為一個名為 「Yahoo 廣告」的新部門。而作為這一變化的一部分，Yahoo計畫今年裁減該部門近 50% 的員工，其中「包括本週裁掉的近 1000 名員工」。

據報導，此次裁員將一共導致 1,600 多名員工失業，這表明Yahoo目前的總員工人數有接近 8,000 人。發言人說：「這些決定並不容易，但我們相信，從長遠來看，這些變化將簡化和加強我們的廣告業務，同時讓Yahoo能為我們的客戶和合作夥伴提供更好的價值。」

Yahoo首席執行長 Jim Lanzone 表示，這些變化將「提升Yahoo整體的盈利能力」，並將讓該公司可以「繼續向前」，並投資更多於業務的其他盈利領域。Yahoo表示，公司將把精力轉移到他們與公共廣告公司 Taboola 的 30 年合作夥伴關係上。

Yahoo發言人表示，公司將為失去工作的美國員工提供資遣費，但其沒有提供有關資遣費的規模或價值的具體細節。

隨著經濟環境惡化，有越來越多的科技公司相繼裁員。日前娛樂巨頭迪士尼也才宣布將重組公司並裁員數千人，同一日，金融技術公司Affirm也宣布將裁員 19%。

參考資料：CNBC、CNN

這篇文章 Yahoo年底前裁員 20%   本週1000人失去工作 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

記者／陳士勳 Yahoo今日投下震撼彈，預計裁減公司20%以上的人力資源，其中廣告部門將有近一半員工失業，Ya …

記者／陳士勳

Yahoo今日投下震撼彈，預計裁減公司20%以上的人力資源，其中廣告部門將有近一半員工失業，Yahoo執行長蘭佐（Jim Lanzone）解釋，公司只是很單純將獲利欠佳的廣告部門，進行戰略上的改變，而非財務問題，「我們還是有盈利，年收入約80億美元。」

《TechCrinch》指出，Yahoo資遣20%員工中，有12%（1,000 名員工）於當天收到通知就被解雇，另外8%（即 600 人）則在6個月後解聘，這2階段的裁員，影響Yahoo約一半的廣告技術業務。

Yahoo發言人表示，裁員對公司絕非易事，但從長遠來看，不僅精簡廣告部門的營運，還帶給Yahoo廣告團隊新的重心，「也能夠為我們的客戶和合作夥伴，提供更好的價值。」

蘭佐說：「這些改變能提高Yahoo的整體盈利，讓我們可以積極增加不同業務的投資。」對於未來是否還會裁員，蘭佐語帶保留，認為自己無法提供將來確切的裁員人數，不過可以證實全體20%的現有員工、廣告部門50%的現有員工，是確定得走人。

這篇文章 Yahoo裁員20% 執行長蘭佐：無財務問題 想改變戰略 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

我的上一份也是出社會的第一份工作是 Machine Learning Scientist，主要的工作內容就是 ML 在醫療影像上的應用。我們去年達成通過 FDA 的里程碑，是很特別也很有成就感的經驗，有面試官跟我說他對於我這個經歷印象很深刻 XD。因為對 ML 這塊領域比較熟悉也比較喜歡，所以這次找的工作都是偏 ML 相關的，沒有純 SDE 的。

文／Jhih-Yuan Lin

Background

在今年決定離開前公司後，就期許自己未來順利找到工作的話，要記錄自己的面試過程，分享給有需要的人。很幸運能在兩三個月內達到目標，所以我來還願啦 XD。
我的上一份也是出社會的第一份工作是 Machine Learning Scientist，主要的工作內容就是 ML 在醫療影像上的應用。我們去年達成通過 FDA 的里程碑，是很特別也很有成就感的經驗，有面試官跟我說他對於我這個經歷印象很深刻 XD。因為對 ML 這塊領域比較熟悉也比較喜歡，所以這次找的工作都是偏 ML 相關的，沒有純 SDE 的。

Summary

• Not getting job interviews
  - Agoda
  - AMD
  - Atlassian
  - Binance
  - Datadog
  - Microsoft
  - Shopee
  - WorldQuant
• Interview opportunities
  - Yahoo (電面後被拒)
  - Qualcomm (offer get)
  - Amazon (offer get)
  - Google (final round 後被拒)
  - QuantumBlack (婉拒 final round)

這次我把目標設定在有一定規模的外商，主要跟自己的經歷和職涯規畫有關，陸續投遞了超多間不同產業的公司，雖然收到很多無聲卡跟拒絕信但也因此獲得許多面試機會。多拿到面試機會的好處就是能夠從真實的面試了解自己還不足的地方，在下次的面試就能夠表現更好。個人認為這還蠻重要的，好幾次的 mock interviews 都比不上一場真正的面試，所以在丟履歷時也要有技巧，盡量能夠安排幾場面試在自己最想要去的公司之前，比較能夠習慣面試的壓力進而發揮出最好的自己。

Preparation

和大多數人一樣，我也是透過 leetcode 大量刷題來累積解題的經驗和直覺，先從經典的 Blind 75 開始先練到能夠看到題目就有想法，再來可以針對公司的高頻題去做 (雖然個人這次的面試經驗覺得不太有用 XD)，有空也可以參加 weekly contest，整個面試的過程我寫了三四百題左右。寫題目的過程中通常我會給自己 10 分鐘左右，如果沒想法，直接看討論區會是最有效率的學習方式，不然真的會寫到懷疑人生，然後會很想知道討論區的大神們 (對就是 lee215) 腦袋的結構是長怎樣 XD。心態上我覺得不見得一定要追求在有限的時間解出最佳解，如果可以當然很好，但重點放在能夠跟面試官協作共同解決一道問題會是更好的，因為大部分面試官想要看的是，如果這位面試者是我的同事，我有沒有辦法和他溝通共事，解出問題反而是次要的。這裡整理幾個注意事項給大家參考：

- 和面試官溝通，確認雙方對問題的理解有共識
- 了解input有沒有一些可以利用的特性(如有排序過的array)以及output的格式
- 先敘述自己解題的大方向(如我想要用BFS/DFS解這道問題)，取得面試官的認同
- 解題的過程可以加簡單的註解
- 完成後記得設計測資驗證程式碼的正確性
- 主動分析時間空間複雜度
- 注意變數名稱的前後一致性
- 解題的過程如果有卡住的情況，ask for hint!

ML 相關的準備我這次是以課堂會學到的基礎知識為主，自己的專業領域因為平常都在碰所以沒有特別花時間複習，如果大家有針對 ML 面試的準備方法的資源也歡迎分享給我。這裡列了幾個我覺得重要的主題：

- bias variance tradeoff
- linear/logistic regression
- L1/L2 regularization
- bagging/boosting/AdaBoost
- decision tree/random forest
- k-means/gaussian mixture model
- recall/precision/F-score
- ROC/AUC
- PCA
- SVM
- cross-validation- convolution feature map size/receptive field
- ReLU/sigmoid/tanh/softmax
- SGD/Momentum/Adagrad/RMSprop/Adadelta/Adam
- dropout
- batch normalization
- binary cross entropy loss
- data augmentation
- image classification
- object detection
- RNN/LSTM/Transformer/BERT

Yahoo

Data Scientist / Research Engineer

1. Data Scientist Phone Interview

面試官是兩位台灣的 data scientists，一開始就先考一題 coding，難度 easy，很久之後刷了 leetcode 發現有幾乎一模一樣的 XD，但當時我卡了超久才勉強擠出一個解答，後續問了幾題 ML 相關的基礎知識，也回答得普普通通。當下結束後就覺得完蛋了，一個月後不意外地被拒了。

2. Research Engineer Phone Interview

Data scientist 被拒絕之後又被找去面了 research engineer，面試官是台灣的 hiring manager，問了一點工作經驗跟介紹他們的團隊，基本上就像是一個老前輩在聊聊天而已 XD，結束的時候他說請我等一下 HR 的通知不過後續也沒有消息了，個人猜測是因為前一次經驗被冷凍了。

Qualcomm

Computer Vision Engineer, Deep Learning

1. Online Coding Test (4 Coding Questions)

一開始 HR 主動聯絡說對於我現職的產業有落差太大的疑慮，後來是主管對我的履歷有興趣決定給我這個機會。面試前 HR 寄了一個連結說要完成一個線上考，總共考了四題，三題我覺得都算是 medium 偏 easy 的程度，跟 linked list, priority queue, quick select 有關，leetcode 都有類似的題目，還有一題是考 C++，當下看到傻住因為我 C++ 都忘光光了 XD

2. First Round Virtual Interview

First round 是跟對我的履歷有興趣的主管聊，後來發現因為他是我研究所實驗室的大學長 XDD，整體面試的過程很開心，他很仔細地問了我的 publications 還有偏實務上的 ML design，並帶我過一次 online coding，詢問我的解題思路，然後看到我 C++ 那題笑著跟我說你 C++ 很不熟齁 XDD，最後他給我很好的 feedback 說會幫我 move 到 final round，只是我如果確定入職後需要加強 C++ 的部分。

3. Final Round Virtual Interview (Presentation + 4 1–1 Interviews)

Final round 總共五關排在同一天，第一關是一小時的 presentation，我選擇報我的碩論。第二關是美國的工程師，問了我許多 ML 基礎知識，最後寫了一題 leetcode easy 的問題。

第三關是美國的 principle engineer，也會是這個職位的主管，人很和善，介紹這個職位扮演的角色以及工作內容，問了很多 open questions，都是 ML 相關，譬如如果你再解決一次碩論的問題，你會怎麼改進。最後剩一點時間他說我們來寫一道問題吧，我覺得比較偏實務上會遇到需要實作的功能，很明顯不是 leetcode 會有的問題 XD，時間關係我當下只有闡述我的想法但最後沒有寫出來，他請我當回家作業寫，我最後真的有寄給他他也有回覆我。

第四關是兩位台灣的資深工程師，比較特別的是有問我修課經驗，問題主要是 behavior, ML 相關，給我的感覺是想到什麼問我什麼，其中一位還跟我承認說他沒什麼面試別人的經驗不知道要問什麼 XDD。最後一關好像是 HR manager，也是簡單問幾個 behavior 相關的問題，我印象蠻深刻的是她跟我說我覺得你現職很好啊 XDD。

整體面試下來我覺得 Qualcomm 的面試強度適中，online testing 相較於 live coding 壓力小很多，後續 1-1 也都沒有問太刁鑽的問題。不過我面試完之後過了大概快兩個月才收到 offer，整個過程還蠻煎熬的，本來還以為沒希望了，可能表現沒有太好所以不是前幾順位的 XD。

Amazon

Amazon Lab126, Applied Scientist

1. First Round Virtual Interview (Coding + ML)

面試官是美國的工程師，請我簡單介紹我的工作經驗和研究後，針對我的研究主題詢問 ML 的相關基礎知識，最後 coding 考了很知名的 design question，但我那時候 leetcode 還沒刷得這麼勤勞，沒寫出最佳解 QQ。

2. Virtual Onsite Interview (Presentation + 2 Coding + 2 ML)

Final round 總共五關排了兩天，第一天的 presentation 我一樣選擇報我的碩論，過程還蠻驚險的，因為 A 家他們自己的通訊軟體沒有單獨分享某個畫面的功能(註：感謝網友提醒，其實是有只是當時我不太熟悉)，我做的小抄完全看不到 XDD，還好因為之前面試 Qualcomm 有練習過好幾次，最後算是順利完成。

第二關考的是 ML，面試官是兩位美國的工程師(一位shadow)，先針對我的研究主題詢問相關基礎知識，也問到該領域的最新發展，再來是根據他們工作上比較常碰到的主題和我討論相關 ML 的問題，還有一個對應的 coding 題目，不過只有請我闡述我的想法而已。

第三關考 coding ，是一位美國的 manager，初次見面直接來一題 leetcode hard 的 string 問題，當下第一個反應就是，完了，我有看過耶但我還沒看懂討論區的解答呀 XDD，只能用自己想得到複雜度比較高的解法硬解，自認為沒有解得非常好。

第四關考的也是 ML，也是兩位美國的工程師，主要針對我的研究領域詢問相關的問題，我覺得問得很深入，也看得出面試官是有做功課的，剛好是自己的專業所以回答得都蠻切中要點的。

最後一關個人猜測是 bar raiser，考了一題 string 相關的 design，leetcode 應該是沒有，個人覺得難度 medium 偏 hard，有提出一個面試官也覺得可行的做法，但是在 implement 的時候炸了，自己評估是這次面試以來第二差的 coding 表現。

另外 Amazon 每一關的面試一定都有 behavior questions，考的就是他們很有名的 leadership principles，網路上的相關資源很多，這裡就不再贅述。我自己的準備方式是根據過去的工作經驗用 STAR 的架構整理幾個故事，並蒐集幾個常見的問題嘗試回答看看並做修改，盡量讓自己準備的故事能夠回答所有的問題。另外失敗的經驗一定要有，並且要能讓面試官了解你在過程中是怎麼解決問題以及學習到什麼，我舉一個例子給大家參考：

Situation: 因產品的缺陷導致客戶的使用頻率下降
Task: 重新贏回客戶對產品的信心以及重新建立彼此合作的關係
Action: 做了全面的分析確認問題並闡述如何解決的方法
Result: 在一周內成功解決問題，客戶的滿意度和使用率也有回升

整體下來我覺得 Amazon 的面試蠻硬的，除了全程英文之外，要準備的面向很多，coding 是全部裡面最難的，ML 也問得很深入，BQ 每一關至少都問了三題，自己算是很幸運有順利拿到 offer。後來聽朋友說我面試的這個職缺是 L5，不過最後的 feedback 認為我 L5 還不夠格但給了我 L4 的 offer，而且職稱在面試的過程中變了幾次，我也不曉得為什麼 XD，最終給的是 applied scientist。

Google

Software Engineer, Machine Learning, Pixel Camera

1. First Round Virtual Interview (Coding)

面試官簡短了解我的背景後，出了一題 string design，我覺得難度 medium。當初和 HR 聊的時候有提到希望能爭取 senior level ，不過這輪的 feedback 認為雖然溝通無礙和解題思路清晰，但是 coding 還不到標準，好在 HR 有幫我爭取後續以 junior level 評估。

2. Virtual Onsite Interview (2 Coding + Domain + G&L)

Final round 被安排了四天一天一場，第一關用英文進行 coding，開始之前面試官還跟我說他會全程錄音(?。題目比較偏 number simulation，先來一題 easy 的基礎題後考了一題 medium 的 follow-up，設計得蠻巧妙有趣的。第二關是兩位華裔工程師(一位 shadow)，考 BQ 相關的問題，問得蠻仔細地，會一直追問下去。第三關也是 coding，考了 island 問題 (但我好像沒在 leetcode 看過)，難度 medium 偏 hard，要拐個彎才想得到解法，實作不難。最後一關考 ML design，請我設計一個 google 本身有的功能，因為第一次接觸到這種類型的問題有點不知所措，回答得有點散亂，沒有整體的系統架構，最後也有問了幾題基礎知識。

過了一周 HR 通知我說面試沒過 QQ，也跟我 debrief 一下整體的 feedback，本來以為是 ML 那關炸掉，但 HR 表示面試官覺得雖然看得出我沒有設計系統的經驗，但認為我有把教科書上的相關知識拿來套用，因此給我過，反而是 coding 兩關都跟 first round 一樣，覺得我思路 ok 但實作沒有達到要求。

在面試 Google 之前就有聽說他們面試是非常不容易通過的，雖然結果不如自己預期，但也不太意外。個人認為他們 coding 題目其實沒有比較難(以我這次面試下來的感覺)，但是標準很高，用 leetcode weekly contest 來比喻的話就是你的 code 要能夠按一次 submit 後就 accepted，不然會有很重的 penalty ，而且還會看你的 coding style 是不是符合一定的標準。之後有機會的話再挑戰看看 XD。

QuantumBlack

Data Scientist

1. Technical Online Tests (Coding + ML)

這間是 McKinsey 旗下的公司，工作內容比較像是顧問，會和客戶討論釐清問題後利用 ML 的技術幫助客戶解決，算是蠻特別的工作型態。面試之前先收到兩個 online tests，一個是 ML 相關的選擇題，另一個是兩題 easy~medium 的 coding 和一題 ML design，環境已經幫你裝好常用的套件直接要你寫出 ML 的演算法 XD，我想大概只有這家是這樣考。

2. First Round Interview (ML)

因為有簽 NDA 的關係不能透漏太多資訊，主要會針對工作經驗詢問 ML 相關的知識，也會設計一些情境討論如何使用 ML 的技術解決問題。不過後來因為有接受其他 offer 所以沒有完成，也沒有進到最後一輪的面試

Conclusion

這次的面試之旅終於告一個段落，過程老實說很艱辛，裸辭的壓力真的很大，每天戰戰兢兢地拼命刷題，自己回想起來都覺得不可思議，不曉得自己是怎麼撐過來的。最後的成果算是遠超出自己的預期，拿到 offer 的當下真的是開心到不行，很感激這一切，也很謝謝這一路上幫助我的人。感謝看到這邊的你/妳，如果能夠對你/妳有幫助，就達到我寫這篇的目的了，有問題也可以留言讓我知道。最後祝福大家找工作之旅都能順利！

這篇文章 2022 ML Job Interview Experience in Taiwan (Amazon/Google) 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。