👉第一轮:名义上是 ML application 面,但 HM 直接让我 deep dive 过去最骄傲的项目。抠细节抠得极细,想糊弄跳过根本不行,一旦逻辑断层他就会打断让你仔细解释。穿插了两个 LP 考核:有没有做过超出职责范围的事(Deliver Results),以及在主线业务上体现个人 vision 的案例(Think Big)。
.
👉第二轮:传说中的 BR 面(Bar Raiser)。全场死磕 LP,主要围绕 Conflict Resolution 展开:跟 team 其他人意见相左怎么处理?如果你不同意 manager 的看法又该怎么办?(妥妥的 Have Backbone; Disagree and Commit)
.
👉第三轮:ML breadth。横向对比了 Logistic regression、Gradient boost 和 Neural network 的各自优劣。Follow-up 追问:如果有 10 million 的数据量,选哪个最好?接着考了 Time-series 数据的处理方案,以及为什么 Random forest 天生不适合做时间序列预测。
.
👉第四轮:ML depth。另一组的 HM 面,依然是拷问另一个项目经历,挖得极深。紧接着考察了对 LLM 的了解,比如 LoRA 是什么原理,PPO 是什么。附带两个 LP:主动提升客户满意度(Customer Obsession),和用简单方法解决复杂问题(Invent and Simplify)。
.
👉第五轮:Coding。全是偏实用的日常代码,完全不是 Leetcode 原题。第一题给 [user, date, action] 结构的数据,写函数统计各 user 的 action 频次。基本就是套个 dictionary,但面试官会疯狂提醒你注意 edge case。第二题是一段话的词频统计,要求 return Top K。最后两个 LP:做到一半觉得能成但最终失败的项目,另一个忘了。
.
已整理Amazon 完整BQ框架和SDE高频面筋~【Ama】就好!
最新评论 1
: Think Big这关决定了职业天花板 Think Big这关决定了职业天花板