👉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