流水帐的找工总结

周一面完了所有的onsite，周三拿到了最后一个offer，突然结束了天天刷题看面筋和挂地里的生活，也还无心回到科研。。。剩还勉强火热，对整个找工来个流水帐，以数据为主，面筋的话有小号负责

比较复杂的背景：国内外企实习+国内国企工作经验+7年尚未毕业的美帝cs top100的最后10所学校的博

简历和投简历
一共投了。。。无数公司，除了简历拒的和完全没消息的，应该是fail了2个OA（akuna和goldman sachs），电面了11家公司（12个职位），挂了2次电面（1次是和NY的一个startup的data science的head打了半个小时然后告诉我说经验不够，还有个是水果家某组面了2轮，然后没有消息了），最后凑满了10个onsite，挂了2个（G和A，电话据太残忍了），默拒了1个（说好的圣诞节之前给结果的），拿到了7个offer.一共请人内推了5个公司，3个有立刻回复，其中G家直接给了昂赛，另外两个空气床第二天直接简历拒，paypal完全没有动静。其他都是海投，主要在投data和infra相关的职位，没有基本保证最近几个月出来的所有New grad职位和要求exp不是那么高的看起来相关的职位大都都投了。一个比较奇挂的dp，我在jobvite一共投了4个，最后有2个拿到了offer，但是greenhouse.io, lever等网站的简历基本全挂。。。结合地里某讨论，胡乱猜测可能是简历格式解析时候，容易被某些平台给搞错或者搞丢一些信息，然后机器筛选就挂了。

刷题
一直到最后挂掉G和A家意识到我前期刷题刷的有点多。。。最近一年LC上有4k+次的提交，也就是基本陆续刷了有1年，一直到这个月找到工作结束。去年3月份开始刷题的，可能用了大概2个月才熟悉了各种数据结构。。。尤其bt，以前从来不会的，犹记得十二年前硕士找工作时候，系里要先来一个上机测试，应该就是类似subset的输出。。。。写了快一个小时没有搞定，但是就是当年上机过程中，突然接到消息说，intern的通过了。。。第一个顶峰是7-8月份，大概刷了300题之后，开始碰到新题或者变种题都能有思路，不会卡住，最后逐渐把所有题都做完了（那时应该是500+吧，最后有100左右的题做不出来，是看的discussion直接把代码抄过去跑的，恩，就是强迫症。。。）。结果8/9月份赶了一个会议的due。。。赶完发现又忘差不多了，开始了random+按类型刷题的第二遍，同时还开始参加了一些leetcode周六的contest，一般都是在100名左右，做出3个题的水准，只有极个别几次能搞定4个题，冲到过一次30名。

基本就是带着做题，把类似的题放一起刷（在一个excel中把所有的题根据解法分了大概10多类，然后在一类一类刷，最后保证了BT的题基本完全没有问题，dp的题也至少保证非特别难的那种，都能基本无错的写出来）。开始进入了刷题做题的套路上来：我的基本理念就是，面前的那个题必然是用常见的算法或者数据结构能解出来的，那么两个string的基本都是dp，和permutation/subset有关的肯定都是dp，matrix相关的基本都是bfs和dfs，允许有偏差的很有可能要binear search。树的话就更不要说了。简单排除掉一些完全不可能的方法后，很容易就知道这个题可能用什么方式来解决了。

为了一直保持状态，还在手机上准备了两种pdf文件，纯题目的和带答案的（来自github上某地），无聊的时候就看所有的题目，看一眼，如果完全记得怎么做，就换到下一题，如果卡一下，就仔细想想。如果题目不熟，就读几遍题目，保证在很快时间内，能够在不看代码的情况下，回顾很多题。之前有段时间，也会看带答案的题，有思路的也是跳过，没思路的就看里面的具体解释，直到自己懂了为止。

可惜最后面的大多ML的职位，都是ml和system design做的不好。。。然后突击了ml design之后，在面脸书家的时候，第一轮coding原题，没有根据我自己的套路来，脑抽了想用union find结果没有解出来。

面试

OA基本都是地里的面筋中会出现的（除了我挂掉的那个，哈哈），感觉很多公司现在即使OA没有能够把testcase全过，由于后期是人工再审核答案的（感觉是hr先初筛，然后再给engineer看），所以或许应该注意代码风格，以及适当的写个别的注释来解释自己的思路。既不用太在乎时间短（比如时间太短了怎么办，我亚麻的OA2个题花了15分钟），也不用太在乎时间太长（一个朋友用满了时间，没有过全部testcase，也过了亚麻的OA）。

我对每一个电面基本都是很严肃的对待的，每个电面前基本都用一天时间看了地里所有的相关面经，题目基本都写了一遍。沟通的时候，后期尽量缩短了对自己的介绍，因为一般都是面试官先介绍，然后自己再介绍，然后再做题，没怎么碰到过上来直接做题的。。一个小时的电面还好，但是45分钟的电面，有的时候有点紧。做题的话，我一般就是和面试官先说brute force，但是不写，然后开始考虑优化的解法，由于题刷的多。。。大多数就是奔着最后的解法去了。一般会说一下时间复杂度和空间复杂度，告诉他我觉得这基本是最好的办法了，然后开始写。写的时候注意保持沟通吧，一开始一般都是告诉他我要处理一些边界条件，有些人会说就不处理了，有些人会说good，反正没有坏处。然后就是具体实现，注意检查一些平时刷题时候容易犯的小错误（比如数据忘掉检查边界之类的）。大概有一半情况，写完之后，会让我手工跑test case，由于以前实习养成的习惯，都是先测一堆corner case，然后测1个正常的，告诉他大概会怎么跑。onsite的话，感觉做题的话反而比电面的好，因为可以随时转过来看着面试官的脸来沟通，我个人的缺点1是字写的特别丑，2是写的特别乱，一般一开始就开始和面试官说forgive my writing，哈哈。一般都是从右边开始写例子，等例子走通了，然后去左上开始写代码。感觉后来由于面试的多了，话说的有点多。。。所以写的就慢了，可能反而显得不是那么流畅，然后挂了若干家。。。

公司&昂塞
tldr: 背靠背onsite似乎不会那么可怕，但是拖的太久的（比如隔了1-2天的，反而影响状态）。不要放弃任何一个面试的机会。

pindrop: 第一个昂赛的公司，在亚特兰大，是gatech的博士的startup，里面大部分员工应该也是gatech为主的. 大概是做了一个2个小时的take home的数据分析的题，面了1轮没有做题的电面，1轮hm，然后onsite。面筋地里有，小公司的话最大的优点/缺点就是没有套路，没有原题，最后被默剧了。没管午饭，都没提报销，是我主动问的hr。。。然后也只报了uber和停车费之类的，没报吃饭的。

. .иevernote: 可能是最早给我电面的公司，自己一直在用evernote做笔记，所以相当喜欢他家。11月份投了后，hr联系，然后12月初面了2轮电面+1轮hm，结果告诉我hm度假去了，1月下旬才去昂赛，4轮非传统的面试，coding/debuging/design/presentation。。面的老年职位，由于design一般，最后给了介于entry和senior之间的包裹。他家包裹给的没有低球，这点很喜欢。对那种一上来低球的公司表示强烈不满。

IXL: 投了就给OA的玄学公司，因为去年佛州飓风，去北卡夏洛特躲了一周，对北卡感觉特别好，寻求搬到北卡的机会，然后就特地投了他家的职位。面筋很全，所以没法自己为啥最后过了。offer给的也不想别人说的那么慢，不过我也一直表示他家是我去北卡的第一选择（也是唯一选择）。面试时候经历相当好，感觉每个面试官都很开心他家的work life balance。可以给的太少。。。中午吃饭是两个小哥陪着的，聊天开心多了。

wayfair: 和IXL类似，在寻求搬到boston的可能，因为表妹他们一家搬那去了。请她的朋友给内推的，由于和我以前工作经历还算符合（用RDBMS）,本来是想投new phd职位的，但是内退人帮我推了senior的一个职位。面筋见地理。初始包裹给的一般，但是比wayfair labs高了不少，并且后期还有再谈的余地。后来拿到了linkedin的offer，加上ld一直觉得不想去太冷的地方以及人太多的地方，以及很贵的地，所以最后忍痛据了。

Linkedin： FLAG中面的第一家，他家面完后才开始着急投了FAG。11月份时候hr在linkedin上联系的，但是由于我的opt入职时间，一直拖拖到2月份才面。话说他家应该是FLAG中题库最浅的。第一次面了6个小时的昂塞，中午为了下午能精神点，吃的很少，面完快虚脱了。中午吃饭是个不会说中文的华裔陪着的，加上我特别的累，尴聊好郁闷。

面完linkedin后赶紧找人推了F和G，同时A家一个recruiter联系，然后也做了OA后给了昂塞。一共4个昂塞在西雅图和弯曲，用两周一起面了。

Zillow: 一直向往他家的zestimate，和传说中的海景，可惜去的那天阴天，觉得一般。再次强调不知道为啥，中午没有管饭，哈哈。第一轮感觉一般，碰到了一个老印（后来teammatch时候发现她是其中一个组的manager），纠结于我的两个heap的push和pop操作为啥 是log(n) 而不是 2log(n), 直到我说是O(logn). 中间碰了一轮中国人，面了那么多昂塞后终于第一次在面试时候用中文面的。还有一轮碰到了后来发现也在地理的：），他给我介绍了zillow的5个组，还让我根据我的喜好排了序，最后坚定的吧zestimate放在了前面。好像第二天就给了offer，然后借着面fb的机会，又去了一趟进行了team match，聊的很开心，挺喜欢他们家的，可惜养家压力导致估计还是要选钱多的fb了

Google：面完Z，从西雅图飞到弯曲面了狗家，由于他家反正也没啥好准备的，就很放松的去了。（结果现在意思到，可能是太放松了，并且没怎么持续刷题，状态差了不少）。第一轮碰了个ml的推导题，直接跪了。之后的coding自己以为做的还好的，但是还是挂了。可能是面的ml职位，ml那轮没面好就直接挂了。也可能coding的时候，过于关注沟通了。最后一轮的那个题，我觉得我最后给了个完美的解法，但是面试官一直没有get到，拍照片，抄代码啥的，也可能是这轮也出了问题，我没有把面试官说明白。

Facebook：再次回到西雅图，考虑到living cost，特别选的西雅图office。结果没有持续刷题，和朋友在弯曲吃喝一个周末，状态差了很多。上去第一轮碰了个原题（我明确的记得leetcode contest时候我做出来了。。），没做出来。第二轮面behavior加一个简单coding，但是面试官最后持续问你觉得有没有错误了。。然后就彻底崩了。中午吃饭时候，中国小哥一直安慰我，还好下午两论都很友好。。。但是以为肯定挂了的。结果过了3天给了加面，特地推了一个星期，好好刷了4天的题，然后基本算是秒了,45分钟做了3个题，但是还是非常没有底（加面前一天，在地里看到说加面通过率极低），不过实际上和我一起的另外一个，我们都加面了，也都过了。

Amazon：赖在西雅图，终于去了他们家的大球，在day one面的，基本都是behavior，尽管准备了，但是还是不够。。coding感觉难度一般，但是其实那时状态已经很一般了，2周只面试没怎么做题了。3天后通知挂了。

Apple：神奇的经历。原来准备面完amazon就结束的，因为有了L家offer，但是L家的第一个offer 给的低球，就决定去面apple家了，如果那天L家offer高一点，应该就没有现在的纠结了。总体经历很奇怪，onsite只给了开始时间和地点，和给了一个名字，加提供午饭，没有说多少轮，每轮多久，面什么内容等等。去了没有见到hr，结果接我进去的人就是hiring manager了，连午饭4轮，每轮都是两人，设计和coding都考了，由于fb的加面，做题的感觉又回来了，最后一轮1个小时可能做了3个题，然后pass了一个做过的题，最后讨论了一个难题。。。大概讲了思路，最后告诉我说有种数据结构叫quadtree，用来完美解决那个问题的。不过我思路有点点接近那个解法了。由于没啥压力，所以面的反而还不错。当天连夜回去，早上下飞机收到邮件说过了，下午拿到了一个offer，然后用apple家的offer催了fb家，在这一周神奇般的拿到了两个无法拒绝的offer。。。

MISC
台风：沟通很重要，把自己表现的smart一点肯定比表现的蠢一点好，我狗家的朋友一直叮嘱的就是不要说蠢话，哈哈，但是最后还是挂了。
速度：写代码尤其白板的速度还是挺重要的，白板由于说话多，写的慢，比平时刷题要慢很多
格式：多练练白板，布局
谈offer：看看网上的帖子，讲怎么negetiate的，比如https://haseebq.com/my-ten-rules-for-negotiating-a-job-offer/，很有用
刷题：要控制数量，太少了可能不够，太多了容易思维定势，尤其变种题，刷题到了一定地步要多想
面筋：这个是非常管用的，尤其店面

最后
作为一个7年的master（和还不知道啥时候以及能不能毕业的phd），算是把所有的厄运都在面试中转成了好运，感谢ld，娃的支持，亲朋好友们的内推，地里的分享面经和讨论问题的各位‘水友’

希望有惊无险，顺利接下一个offer，顺利毕业。也祝大家offer多多
















补充内容 (2018-4-1 10:18):
更正： 和permutation/subset有关的肯定都是 backtracking/dfs, 误写成dp了， 但是一般让数多少个，而不是输出所有的话，就可能得用dp了

补充内容 (2018-4-1 10:35):
Leetcode的相关材料见 http://www.1point3acres.com/bbs/thread-379142-1-1.html

补充内容 (2018-4-13 13:27):
ml的话，基本就是听天由命 哈哈
1. 几本教科书。。。看比较浅的就行了，因为面试时候大概一般推不了太复杂的公司。andrew ng的课件和notes， 不是coursera上的，就是他自己的课的，记不得地址了。里面有个讲怎么...

读完感到的是真诚 已经比地里的大部分总结帖高很多了

补充内容 (2018-3-31 22:17):
-baidu 1point3acres原来也是地里的老农了

12年前在找工作，如今12年后依然在找并且收获累累，实在值得敬佩。

little9 发表于 2018-4-13 04:34
楼主总结很好，请问能不能讲讲怎么准备ml相关的部分呀，有没有ml design的资料可以分享吗

ml的话，基本就是听天由命 哈哈
1. 几本教科书。。。看比较浅的就行了，因为面试时候大概一般推不了太复杂的公司。andrew ng的课件和notes， 不是coursera上的，就是他自己的课的，记不得地址了。里面有个讲怎么分析模型该怎么改进的，bias vs variance, cost fucntion或者optimization方法对不对是否收敛了之类的。同时也看了学校老师的ml的课件，感觉应付基础知识够了。
2. 几个基本的模型的推导，cost/lost function等等，比如naive Bayes， linear/logistic regression, random forest/decision tree
3. performance measure: 几个metric，classification/regression分别用啥等等。
4. unbalanced dataset 怎么处理，这个基本每家都会问。（有家startup还问了我知不知道smote。。。）
5. bias variance这个基本每家也都会问
6. ml design: 感觉大部分时候是看feature engineering的感觉，此外就是怎么定义这个问题，是classification/regression还是unsupervised。
7. ml coding: 感觉在半个小时时间里面只能写Kmeans或者KNN。。。 knn的话，选topK的话可以用quick selection 达到 O(n) 来代替sort或者heap。或者就是distance measure的变种。。。比如Zillow家的cosine distance。话说我刚巧之前一个project尝试了几乎所有的distance measure。。。否则应该还不会记得cosine distance的公式怎么写

其实我的ml也很弱。。。就是这样挣扎过来的

补充内容 (2018-4-13 10:50):
地理有个兄弟报G家面经时候提到了一个数据集中有些label本身可能不正确的题目，我后来也碰到了。。。不太好描述，你自己找找吧。

补充内容 (2018-4-13 10:50):
地理有个兄弟报G家面经时候提到了一个数据集中有些label本身可能不正确的题目，我后来也碰到了。。。不太好描述，你自己找找吧。

一路走来真的不容易，祝福未来美好生活

想请问下lz能不能分享下  “纯题目的和带答案的（来自github上某地）" 那两个pdf！
BTW，vote for apple & 祝lz好运！

真心不容易，祝楼主工作生活幸福顺利~

mrdanding 发表于 2018-3-31 15:39
想请问下lz能不能分享下  “纯题目的和带答案的（来自github上某地）" 那两个pdf！
BTW，vote for apple & ...

同求
多谢多谢

谢谢楼主！浓浓的鸡汤满满的干货！

真是佩服楼主，一路走来不容易，感觉对精力体力都是挑战，恭喜好offer，祝福新生活！

佩服楼主