背景： 美国私立地名学店 Need sponsorship 面试小结： Apple MLE x 2, Amazon SWE x 2, Meta DE, Google SWE, Hedge Fund QD x 2, Prop Shop x 3, McKinsey DE, a few other DE/DS/SDE at startup. 前一段时间面试、找工作到有点怀疑人生，现在趁着等job execution 的空档简单分享一下 经验。 我自己主要是投偏向data engineering, data platform 相关的SWE, DE 为主，但同时也丢 一些quant 相关的缺。 个人跟身边的人体感来看，这一两年美国新人在软体业找工作还是不算太简单。尤其在某金 毛的一声令下之後，多数需要签证的人连面试都很难拿到，就算是Stanford CS 的朋友也找 得很纠结。 毕业前後大概丢了不下1000个职缺，基本上回覆率大概是2%上下。到後面我的策略基本上是 只投大公司，或是找在handshake 之类平台上明写愿意Sponsor 的公司。以下就我还有印象 的一些公司简单分享面试心得。 1. QRT, QT/QD, London 之前朋友在这家quant 实习过，所以我没事丢了试水温。投完履历之後大概两个月才收到re cruiter reach out 约第一轮面试。 有趣的插曲是我当初请朋友帮我探听一下面试官的风评，结果得到的结论是面试官是个「会 嗑药的白痴」（早知道就不问了…） 结果过几天recruiter 联系要换时间，就抽到了另一个面试官。 第一轮面试是个open ended live coding ，面试官是个刚从citadel 跳槽过来的trader。 题目是请你用pseudo code 做类似PCA 然後依据给的情境分析correlation。 结果： rejection 说实话我不太确定面试官主要想问什麽，因为他给的情境其实很模糊，没有给实际资料，而 是叫你依据给的条件说明分析。我也不知道为什麽fail ，总之fail 了。 在面试之前我其实找朋友问了一下他去年面试碰到的题目，但他碰到的是quant 经典机率脑 筋急转弯。感觉这家的面试内容完全看面试官，准备起来偏抽奖。 2. IMC Trading, Chicago 大三的时候其实面过这家intern ，但没面过。投完履历之後大约两周收到recruiter 回覆 。 面试内容就是resume deep dive 、说明後续面试流程、role expectation 等等。 结果： rejection 说实话我也不知道为什麽fail，感觉是recruiter 有更多优秀的candidate 能挑吧，感觉跟 这家没什麽缘分¯\_(ツ)_/¯ 3. 海底捞 prop shop Quant Trader 名字我忘了，但这家流程太神奇了於是就叫他海底捞吧。 某天收email 的时候收到面试邀请，一开始还在思考我到底是什麽时候丢过这家公司的。翻 了一下email 发现是整整一年前… （所以才叫他海底捞） 查了一下公司背景之後发现是几个Optiver, Akuna trader 跳出来自立门户开的小型prop s hop，主要交易比较冷门的option contract，整间公司应该不到十个人。 第一轮： Live coding interview on coderspad 题目是给你一个写到一半的class 跟一个API call 请你把剩下的 class 写完让你可以把AP I Call 存成指定格式。 第二轮： Data Analysis on colab 题目是一个dataset ，要求是完成time Series analysis 然後确认correlation, stationa rity 等等，感觉是顺便在考统计。 结果： rejection due to visa sponsorship 面完两轮之後他们跟我确认work authorization ，但问完之後他们表示不提供sponsorship 。（但他们一开始posting 是说OPT sponsorship available…) 4. Hedge Fund, New York 纽约一家中型hedge fund，投完履历之後大约一周收到recruiter reach out，面试流程大 约是： Take home project （1 week) Technical Screen I Technical Screen II Technical Screen III + CTO Talk On-site Superday Technical round 主要内容是leetcode ，整体来说technical round 的难度不太高，但前 後也是不知不觉就会面超过三个月(￣ー￣) 结果：rejection after CTO talk 面完CTO Talk 之後隔了两周，recruiter 通知rejection due to shift in organization ，言下之意是没有junior headcount 只招senior。不知道是真是假，总之没後续了0.0 5. Hedge Fund Quant Dev, Bay Area 加州一家小型hedge fund，大概就是其他公司一个pod 的规模。投完履历之後大约两周收到 回覆。 面试流程： Technical screen I Technical screen II On-site Superday Superday 是连续五轮30分钟的面试。 结果：offer On-site round 会帮你订机票到加州(而且是早上七点这种死人时间…），当天到加州当天 面试。on-site 包含了resume deep dive, system design, leetcode，但technical 题目 难度不算高。 6. Apple, MLE Apple 我面了两次，两次都是MLE，但两次面试内容八竿子打不着¯\_(ツ)_/¯ Trial 1: Recruiter reach out and scheduling Technical Round Technical round 是30分钟coding + 30 分钟ML system design 。问到了Vector embeddin g, search retrieval system, Hadoop, mapreduce相关的内容。 说实话system design 的时候我面到有点当机，虽然coding 解得很顺，但心中大概有底。 结果： rejection Trial 2: Hiring manager reach out Technical round Technical round 是给你一个database Schema + 一个情境问你会如何处理一个问题。 一开始我是完全用SQL query 来描述怎麽捞资料+transform ，然後面试官要求用Python 实 作一次。结束之後follow up 是如何用ML 方式解这个问题。 结果： rejection 个人认为Apple 的面试说实话很抽奖，他们没有固定的interview Pipeline, Team Match 之类的流程。基本上就是得一直刷他们网站看有没有合适的缺，然後面试内容也完全是看面 试官心情，基本上就只能复习基础然後平常心面对。 7. Amazon Trial 1: Amazon JP SWE Online Assessment Technical Screen Virtual On-site 结果： rejection 看到东京有开缺顺手投的，投履历之後过两周收到 OA，写完OA 之後过两周收到面试邀请。 Technical screen 的题目是queue 相关的leetcode，应该算是经典题，但我解得不是很顺 。面完之後大概就有不会过的心理准备。 Trial 2: SWE IN Taipei Online assessment Technical screen I Technical screen II 结果：rejection 没事看到台北有开缺也丢一下，没想到… 第一轮的面试官人在加州，似乎刚加入不久，其实人蛮好的。面试内容是leetcode 经典题 ，但我自认没有答得很好。 面试中途他有提到目前人员流动率有点高，主要可能是因爲湾区跟台北的communication co st。（但很显然不是…） 第二轮的面试官是个中年中国人。我就直说了：碰过最白痴的面试官。 一开始介绍完之後就花了快30分钟跟我聊他儿子在哪里念书、哪里工作，比起面试感觉更像 是一个讨人厌的长辈在过年说教。到後面我整个人就是个( ? _ ? )(@_@)的状态。 说叫完之後开始coding ，他一开始找不到要复制贴上的题目，於是就开始口述题目，但他 的描述又很难懂。我基本上从头到尾都听不懂他的要求，然後他又不太理我问的问题。面到 後面我强烈怀疑他是一边看股票一边面试，因为他的眼神会一直飘到其他地方去。 於是他就这样爱理不理的最後跟我说「你好像没搞懂题目要求」，我也不知道该回什麽，感 觉完全是在浪费生命。面到这里我觉得这位面试官可能才是他们team 流动率高的主因。 Anyway, there is a better life outside of the rainforest. 8. Meta, Data Engineer Recruiter reach out Technical Screen I Technical Screen II (additional screen) Virtual on-site (additional round) 结果：rejection + 12 month cool down Technical screen 内容是30分钟SQL, 30 分钟Python 。virtual on-site 总共三轮，一轮 是behavioral + resume ，两轮是technical + data system design。 体感来说meta 的题目不算难，但是面试的容错率非常低。很多题目都是写得很顺的话时间 刚好够，但你只要中间卡住就会直接fail 。 我自己其中一轮technical screen 的SQL写到一半稍微卡住，另一轮写得很顺，於是就被多 加了一轮。然後onsite 结束之後又被加了一轮，总共面了七轮 _ 总共面了三个月七轮之後喜提一年冷冻，不过事後想想还好不用进去玩鱿鱼游戏… 9. McKinsey, Data Engineer, Taipei Online Assessment Technical Screen Recruiter Screen Behavioral + Resume Screen Case Interview 结果：rejection 投美国McKinsey 的时候顺手丢的。 OA 的难度颇高，technical screen 反而相对简单一点。这个缺比较特别的是他除了techn ical interview 之外还要准备consulting 的case interview ，recruiter 其实有特别给 时间跟练习资讯。 在behavior and resume screen 关则是跟他们的solution architect 聊。但感觉他们比 较想找mid/senior level 的人，所以默默感觉没什麽戏。 10. Google Online assessment Round 1: Googliness Technical screen Round 2: Coding Coding 结果：offer 看到有开缺就丢了，没找人内推。 Google 的面试基本上就是万年不变的样子，但从去年开始美国的年round 2要到现场面试。 现场面试会有白板跟Chromebook ，某方面来说形式非常古典。很建议大家准备的时候对 着白板练习，然後习惯Chromebook 的键盘。 我面试的时候花了大概三分钟研究复制、贴上，然後面试官：Chromebook 这麽难用吗？ 还好我都用MacBook ( ) 除此之外就是leetcode 刷熟，然後祈祷自己不要脑袋突然打结。 个人认为leetcode premium 那几个Google interview card, interview hard collection 之类的是很好的练习，但实际会出现的题目通常都会是变形版。 一开始投履历真的很容易怀疑人生，觉得到底是不是自己太废都拿不到offer，但後来想 想如果同一份履历可以拿到Apple, Meta, Amazon 面试，那感觉履历就算有问题也不是主要 问题。 除了上面提到的公司之外，我大概还面了十几家零星的startup, fintech 或是其他小公 司，本来有几家大概在去年八月面到final round，但某金毛总统一声令下之後就只剩无声 卡。 只能说这年头找工作除了自己努力之外的不可控因素太多了，很多时候只能do your best and plan for the worst，然後心情不好或是快爆炸的时候就看看猫猫影片疗癒身心，或 是把朋友的猫当成coping mechanism吸，促进身心健康¯\_(ツ)_/¯ https://i.imgur.com/4j6lOED.jpeg --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 104.133.196.197 (美国) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Oversea_Job/M.1777071042.A.57B.html 在Google当湾区新鲜人当中 这几家丢过美国的，但都直接无声卡，没丢过APAC的缺 ※ 编辑: teariceguo (73.92.114.223 美国), 04/25/2026 23:29:36 我的做法是针对一个类别准备一份履历，然後真的想针对某公司客制化就从基础履历延伸。 比方说我会有一份DE, 一份MLE, 一份quant 履历，多数情况下都是直接用这几份海投，但 少数情况下会再做客制化修改。比方说刚好之前有做过跟公司背景接近的project ，那就把 MLE 里面的project 换成更接近公司背景的。 我到後来觉得客制化回覆率提高的比例不值得我这麽做，所以除非有打算找人内推或是真的 非常有兴趣，不然我都是丢基准版。 ※ 编辑: teariceguo (73.92.114.223 美国), 04/27/2026 08:28:21 比起「我也想过过过儿过过的生活」简单多了 很容易被搞混的那种学店 ※ 编辑: teariceguo (174.221.116.36 美国), 05/01/2026 02:23:39