背景：4~7年经验(anonymized), 求学背景是纯商, 程式100%从0自学来的 Leetcode去年订了一年Premium之後开始刷，累积到目前700题，Medium + Hard占约70% 2020年2月开始陆续投递履历，全部都是投英国/日本的职位 只有Google例外是台北办公室（GCP） 投递：Stripe, Yelp, Microsoft, Apple, Indeed, Google, Facebook, Spotify, TikTok, Twitter, Lyft, Yelp, SmartNews 无声卡: Microsoft, Lyft, Twitter, GitLab 以下面试经验照面试时间顺序排列 ------ ＊ Spotify - Software Engineer (Data) - 透过LinkedIn投递履历 [ Phone - Feb ] - coding: Valid Parentheses, 给定一字串，写一个function来辨认是否为valid - follow-up: 多几个不同的Parentheses, 例如{} [] () - follow-up: 写成map reduce的形式, 怎麽设计mapper & reducer - 有没有听过prabalistic data structure? 给一个例子 （我给Bloom Filter） - 一些简单的SQL问题 [ Onsite - Mar] 早上两面，下午两面，中午在spotify london的饭厅跟两个工程师吃饭， 饭後闲聊顺便玩一下飞镖，再继续面试 - System design问题，设计一个Top 10 tracks API与实时计算系统 - Behavioural问题，tell me a situation when ....STAR类问题, 就照着过往经验回答即可, 随时要跟hiring manager做eye contact争取感情加分 - Case analysis, 给一个line chart是三个国家的DAU, 并发现US DAU nose-diving, 问题出在哪？跟面试官交互讨论出问题成因 主要考察逻辑分析，沟通能力 - Coding: 暖身题Fizzbuzz, 迅速写完之後给了一些简单的follow-up - Coding: Longest Session. 给定一个List of 4-tuple [user_id, track_id, timestamp, time_played], 找出最长的session. -> 类似LC 56. Merge Intervals, 最佳解O(NlogN) Follow-up: 如果input塞不进memory, 怎麽解？ 我简短回答有Disk-based or Mapreduce approach 然後我深入讲了一下MapReduce怎麽写 Spotify这职位有意思的地方是会考Case Analysis, 通常这比较常用来考data/business analyst, 还好我念过商学院XD [ Result ] 三天後通知结果, offer get. ￡105K GBP/year ------ ＊ Indeed - Senior Software Engineer - 透过japan-dev.com投递履历 [ Phone - Feb ] 使用Karat面试，可以在周末面(加分！！) - coding: 类似LC 1143. Longest Common Subsequence, 给定两个字串 找出最长公共子字串. 另外两个问题我忘了，都是LC easy. 掌握好基本学理， 好好沟通你的解法并迅速implement出来就好 - 系统问题：Thread v.s. Process, thread exhaustion, memory leak, Java GC (SOTW). container的优点...等等 [ Result ] 本来安排要3月中飞日本on-site，因为武汉肺炎爆发突然宣布hiring freeze 无限期on hold, sad ------ ＊ Google - Software Engineer 内推, 原本推日本的缺，Recruiter说日本没有我的专业 (日本office主要做Mobile及NLP Research), 台北/伦敦比较多GCP/Data的缺 [ Phone - Apr ] LC Medium难度，实作time_delta函数，就是给你一个Date class跟一个正整数， 例如(2020-01-01, 5)，要回传2020-01-06. 一开始给了一个naive的O(N)解， 面试官提示问有没有更好的解，然後我解释了一个O(logN)的解 (但没时间implement 还好最後有pass，感觉是沟通跟逻辑推理很重要(即使没写出完整的最佳解) [ Virtual On-Site - May ] 全部都是coding interview 没有system design - LC Hard矩阵题, finding the size of largest submatrix sum to 0. 看过这题目的variation (LC 1074) 花了20分钟实作O(N^3 using Kadane's algorithm)解法，写完之後闲扯了一些 test corner cases. 这题你没看过最佳解法的话 能想到并实作O(N^4)的prefix sum解法已经很猛了, 多做点题还是有帮助的 - LC Medium有向图题, 这题在Leetcode上没看过类似的，给你一个树， 可以视为Direct graph及一个想delete的节点，找出所有detached的节点。 花了20分钟讨论，10分钟用DFS写了一个解答 (然後面试结束我想了一下发现了一个bug, 扼腕) - 2题LC Easy~Medium字串题，这题也没看过， 概念上类似finding palindromes in a list of strings, 例如mow在转置後会等於原字串mow。第二题是follow-up, 要找出转置後不等於原字串的，例如loom -> wool - 2题LC Medium，N-ary tree寻找两个node的共同祖先， 答出第一题後给了一个follow-up (如果两个node很靠近该怎麽最佳化?) 给了一个错误的解法(错把有向图当无向图来解)，算是GG - Behavioural, 无难度，就问一些你遇到XX状况会怎麽做， 之前遇到甚麽冲突的情况之类的，照真实情况回答即可， 但尽量touch到Googlyness让面试官找到signal帮你加分， 例如be friendly and approachable, focus on customer, do the right thing之类的 [ Result ] On-site 5天後通知表现fairly well送package到HC, 10天後通知没过HC, 自己评估是两个hire, 两个leaning(hire/no-hire), Google标准很高所以....Reject 我侧面了解是要拿到三个hire以上? 这部分如果有熟悉的Googler为我解惑 我感激不尽 ------ ＊ Facebook - Software Engineer - Infra 内推（感谢Brian Hsu大大） [ Phone - Apr ] 一题LC Medium, LC 146. LRU cache的变体 用Doubly-linked-list & Hashmap实现 被面试官提醒非常多次一些小地方有bug，感觉GG [ 2nd Phone - Apr ] 上一个Phone interview虽然有写出最终解答，不过中间提示太多 面试官觉得需要加面一次, 这次是一题Easy, 不在LC上, 是tax bracket calculation (我在LC discuss中有看到)，给出O(N)最佳解 另出一题Hard, LC 42. Trapping Rain Water的变体，给出3-pass O(N)次佳解, 中间卡了非常多次, 面试官不停给hint. 这轮我遇到很有意思的面试官， 写出的feedback精细到我几分几秒的时候说了甚麽话都记录下来, 简直人体Logger [ Virtual On-Site - June ] On-site前recruiter説E4已经额满，所以我要拿Offer就必须直接拿E5(Senior) offer, 不然就算表现有E4水准也不发offer，搞得我压力很大... 面试前把所有FB tag的leetcode题刷好刷满 每题至少刷三次 - 2 LC mediums, 实作bisect.insort_right 跟 在一个NxN矩阵寻找最长连续数字. 皆给出最佳解 - 2 LC mediums, 一题LC 3.的变形，一题LC 398.的变形, 皆给出最佳解(linear time & constant space) - 系统设计，给几个constraint下设计一个分散式爬虫系统，自认表现没有E5水准. GG - Behavioural问题，就一般聊天，一边看着FB的评分标准 一边把该讲的点全部都讲到让面试官好给分，因为我面E5， 需要大量强调领导经验跟跨团队合作，例如以下这几点： - INTRINSIC MOTIVATION - BEING PROACTIVE - PERSEVERANCE - CONFLICT RESOLUTION - EMPATHY - GROWTH - WORKING IN AN UNSTRUCTURED ENVIRONMENT - COMMUNICATION [ Result ] 礼拜二面试，隔一个礼拜收到结果，表现不到E5水准， 两关coding跟system都得到hire recommendation for E4, 但behavioural面试没有回答好，有点borderline Recruiter的feedback是solid E4 但今年度E4已经没有head count了 所以算reject吧 Recruiter也提到如果今年或明年的E4 head count再开可以送HC 但目前一切都还很难讲，建议我不要等待，累积实力等到明年再试一次E5 ------ ＊ Stripe - Machine Learning Engineer - LinkedIn猎头找上 [ Phone - Jun ] - coding: 两题，input是一个DB table, 以JSON来表示。 一题寻找table中最小的column, 一题寻找table中最小的数个columns（tie-breaker） e.g. table = [{‘a’: 1, ‘b’: 2, ‘c’: 3}, {‘a’: 2, ‘b’: 1, ‘c’: 2}] minCol(table, ‘a’) -> 回传{‘a’: 1, ‘b’: 2, ‘c’: 3} minCol(table, ‘b’) -> 回传{‘a’: 2, ‘b’: 1, ‘c’: 2} 一亩上有很多Stripe面经提到一样的题目，看来是高频题一直重复出 [ Virtual On-Site - Jul ] Stripe喜欢用pair programming来测试面试者， 我个人很喜欢这种面试方式， 比FB那种一个session固定给你两题LC类型的题目要有意义多了 就算最後没拿到offer也可以学到很多东西。 - Behavioural: 直接跟用人主管面试，可以趁机问一些组的方向跟个人成长 - Machine Learning Coding: 给一个dataset，生出一个model, 并谈到各种model类型，imputation strategy, evaluation metric的选择, precision-recall trade-off等等 建议面试前可以到kaggle下载dataset来练习并多读别人做机器学习的经验 - Bug Squash: Debugging练习，给一个github codebase及几个会报错的test, 并写出bug fix, 这题我当下太紧张没写出来, 面试完後一下就解出来了 - Coding: 写一个class, 拿schedule当input, 产出什麽时间点要寄送什麽subject的email. - Machine Learning System Design: 设计一个end-to-end fraud detection系统 40% ML design, 40% system design, 20% business metrics. 答的不知所云 [ Result ] 一个礼拜後通知rejection, 估计是最後一关Machine Learning System Design 我在沟通方面表现不够好，Stripe的bar也非常高 (recruiter说这个role是EMEA区的first hire, 标准特高) ------ ＊ TikTok(Bytedance) - Software Engineer - 透过LinkedIn投递履历，妙的是面试官全是中国人，直接中文面试XD，疯狂中英加杂 [ Phone - Jul ] - coding 1: 给一个MxN的布林矩阵, 1代表有一个人在该位置上 如果同一个行或列上有两个以上的人就代表他们都是非alone 最後回传有几个人是非alone [0 1 1 0] [0 0 0 1] -> return 5 [1 1 1 0] 最後给出最佳解，two pass scan time complexity O(M*N) & space complexity O(1) [ Phone 2 - Aug ] - coding 2: 给一个array [5 2 1 1 2 5], 必须使用所有的元素来形成任意个subset 每个subset的和是一样的, 寻找最大的subset数量 (依这个例子答案为2). 这题可以视为LC.698的变体(不指定k)。一开始我觉得可以用greedy, 後来讨论得到counter-example後改用sort + backtracking暴力解. [ Phone 3 - Aug ] - 针对履历问了非常多问题也非常细，举几个例，API gateway的好处是什麽 (SSL termination, throttling blah blah..), API rate limiting具体怎麽实现(token bucket algorithm)， CAP theorem，怎麽样避免S3上eventual consistency的问题， 训练出来的模型怎麽存放/versioning，evaluation metric怎麽挑选， 做什麽trade-off，怎麽debug Spark jobs...等等 可以感觉出来面试官知识量很够 - 顺便问了一题coding 3: LC 56. Merge intervals 你能写错吗? 练到烂了闭着眼睛都能写出来 [ Result ] 前三轮我听recruiter説都是得到很好的评价， 剩下应该还有一到两关面试， 但大概是最近抖音美国被川普搞得鸡犬不宁 recruiter直接ghost我，我也懒得follow-up了 ＊ Yelp - Senior Software Engineer - 2019年11月网路上投递，2020年8月才收到OA邀请orz [ Online Assessment - Aug ] - 一题，给一连串的Review，有公司id跟使用者id，算公司间的jaccard similarity [ Phone interview - Aug ] - 不记得问啥了，很简单就是 [ Onsite - Sep ] - Behavioural interview: 过去的失败，最骄傲的project，最困难的project等等 - System design: 设计distributed cache system - Behavioural interview: 遇到冲突如何处理，最好给出实际例子，不然他们一律当你 是掰的 - Coding interview: 非常简单的问题，两个follow-up，LC easy那种 [ Result ] 面试完两个礼拜後通知verbal offer for IC3, ￡125k GBP/year 优点是可以fully remote 完全不用进办公室也没关系 而且拿到offer之後所有的面试官都寄信给我恭喜我...汗 ＊ Apple - Software Engineer - 内推，当初内推选了四个职位，其中一个是AI/ML组，这是JG的组 （JG是Jeff Dean很久以前在Google的上司，2018年join Apple) 算是Apple颇具未来潜力的组，专门做Machine Learning的 - Apple组与组之间的面试风格差异非常大，仅供参考 [ Phone - Aug ] - 针对履历问一些问题，包括机器学习/分散式系统，都是基础知识， 但可以感觉出来面试官知识量很够 - coding: 给一串文本, 及两个字, 回传最小的距离 e.g. text = [cat dog cat dog mouse], word1=cat word2=mouse, output为2 e.g. text = [cat dog mouse dog mouse], word1=dog word2=mouse, output为1 e.g. text = [cat dog mouse dog mouse], word1=mouse word2=mouse, output为2(不是0喔!!) [ Phone 2 - Aug ] - coding: LC 200. 加问了几个follow-up但都很基本 太熟了，时间还没到就结束面试了 [ Onsite - Sep ] 总共五轮面试，分成两天，面试官几乎都是同team或隔壁team的， 看LinkedIn发现这些人背景一个比一个凶猛，还没join就开始有imposter syndrome了... - 第一轮Behavioural：问了一堆技术上的问题，怎麽trade-off，怎麽lead， 怎麽解决冲突，怎麽面对同team的人的challenge等等 - 第二轮Coding: 先花了半小时讨论怎麽设计一个fault-tolerant的资料处理系统， watermark，idempotency，一些实务上会遇到的巨量资料处理问题等等 然後花十五分钟问了一个基本的Linked List问题，把A-B-C-D反转成B-A-D-C， 再follow-up一下如果写成recursive call要多少个node才会产生stackoverflow (1MB stack总共可以装16k个call,每个call有return address/3 local variables /1 arg/1 function reference pointer) - 第三轮Coding: 非常模糊的问题，给一个array of log entry, 类似下面的格式 LogEntry { user_id query timestamp session_id. // NEW reformulation_type // NEW } 要写出两个function, 一个是怎麽产生reformulation type， 就是query跟query之间的关系 可以是add/delete/modify/same 等等 (这些都要自己去定义，面试官完全不说话) 一个是要你在这个log entry里加两个新的field. 给了一个O(NlogN)的做法，并用Jaccard similairty去产生reformulation type 这题非常新颖，我运气好刚好想到jaccard similarity的解法 过後听feedback说是赞誉有加 - 第四轮System design: 设计多人线上井字游戏系统 - 第五轮Machine Learning: 问了很多简历上的东西，怎麽最佳化model training 之前是怎麽改善模型, 一些技术细节怎麽实现等等， 然後就开始轰炸我机器学习相关问题 例如假设今天我是苹果工程师，会怎麽做federated learning on 1 billion devices GBDT要取哪些模型输出送往中央伺服器，每个epoch要多少个参数 怎麽对模型输出动手脚以免被attacker逆向工程出真的模型（鬼才知道） 後来沈思一下，随便乱回答一个加入Gaussian noise进去参数里面， 结果竟然蒙对了(汗) 话说这个职位并不是做ML的，所以这一轮本来是coding interview 但是因为我过去背景以及面试官背景的关系 我猜他面到一半就改弦易辙想全部都问我ML, 不愧是苹果，够random 面完後好奇看了一下面试官LinkedIn, 嗯剑桥PhD in ML [ Result ] 面试完过了一个礼拜通知verbal offer for ICT4, Fuzzy offer for anonymity: ￡140K ~ ￡170K GBP/year 总结： Reject: Indeed(?), Google, Facebook(?), Stripe, TikTok(?), SmartNews(做完OA就被reject了） Offer: Spotify, Apple, Yelp 对凡人(Non ACMer/Non奥赛)而言刷题很重要， 我Leetcode买了premium後大概花11个月时间陆陆续续刷了约700题， 每天下班後稳定1~3小时左右无压力慢慢刷， 辅佐以Elements of Programming Interviews的解题观念。 Coding interview最重要的就是problem clarification没有之一， 你没有搞清楚输出输入跟边界条件根本不可能写出好的解答, 另外我强烈推荐找一两个人帮你mock interview, 我自己透过mock解掉了很多解题面试上的盲点 结果就是除了Google之外 我今年没有fail过任何一个coding interview. System Design准备上我只有在Youtube上看看一些影片， 再加上一本Design Data-Intensive Application (DDIA, 软体工程师必读圣经本)， 以及一本Streaming systems(有点太专门了), 其他都是平常设计系统的实战经验累积。 我有看Gro-k-k-ing the system interview, 但我觉得有些deep dive不够深， deep dive部分还是要靠DDIA， system design primer (https://github.com/donnemartin/system-design-primer) 以及follow一个大神的频道 (https://www.youtube.com/channel/UC9vLsnF6QPYuH51njmIooCQ) 经常看LC以及一亩三分地的面试经验有很大帮助，让我理解各个公司面试风格的不同 (例如FB爱出LC原题每轮要解完两题，G几乎不考原题， 重视沟通 problem solving与逐步优化， Amazon极重视Leadership principle, Apple基本无法准备，完全不按牌理出牌等等). TC(total compensation)在Blind & levels.fyi上可以找到一些参考 (但台湾几乎没有任何样本可供参考, 叹)， negotiation也是必要的，上网看看人家怎麽做， 例如这家伙https://haseebq.com/my-ten-rules-for-negotiating-a-job-offer/ 希望这些面经对大家有些帮助! --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 80.2.23.126 (英国) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1600446532.A.1E2.html