30+公司 MLE 面试准备经验分享，已有Uber, DiDi, 蚂蚁Offer

大家好。
我是一亩三分地的招工求职版主~
我看到地里Machine Learning Engineer的经验贴不是很多，我也受到地理，W大的很多关照。
我想简单谈谈我上一段时间找Machine Learning Engineer的找工作经验，希望对大家有所帮助。

我去年集中面了30家公司。 有Uber，Pinterest，Facebook，Stripe，WeWork，DiDi，蚂蚁金服，腾讯AI，Landing AI, etc... 全部都是Machine Learning Engineer(MLE), Data Scientist(DS), Research Scientist(RS) 职位。
也收获了一些offer。

先讲讲常见问题：
1.没有Phd学位，是不是不能去大公司做MLE，DS， RS呢？
不是
2.MLE，DS， RS是不是要求很深的数理知识，面试时候也会考到？
不是
3.MLE，DS，RS是不是要考很多最新Paper上的内容？
是，也不是

我下面将在：算法（刷题），系统设计，机器学习算法，机器学习系统设计，以及工作经验这5个模块专门聊聊我的经验。
有不足指出，还请各位指出。

因为最近工作较忙，同时我也希望分享高质量的帖子回馈地里。我会不定期在这个帖子下更新内容。




-baidu 1point3acres

算法（刷题)

先从大家最熟悉的刷题谈起。
题肯定是要刷的，而且题肯定是要考的。

1.做不做？
我面的所有phone interview。第一轮general hire都是做题。
Onsite interview, 最少也要2轮题：Wework, Uber, Didi。

所以，请不要幻想，因为自己做ML相关的活，就不用刷题了。

. From 1point 3acres bbs
2.难度呢？
有的公司，Wework, Landing AI, Square, etc 的难度就相对简单。只有LeetCode Medium的难度。但是对于答案的要求比较高。
要求Bug free: 也就是coding的时候可以出错，但是要在IDE(Phone), 白板（Onsite）里面跑test case，把发现的bug修好。

有的公司，Uber，Stripe, etc 题目相对较难，LeetCode hard水准，但是相对要求比较低。也许General的SDE必须是最优解，MLE/DS/RS做出次优解就可以。 听说有朋友说，他面试时本来应该DP解答的题，他用backtracking做，面试官也让过了。


3.语言呢？
语言没太大关系。Python，Java，C++都可以。但是用Python一定要写的很clean。千万不要写的特别fansy的Python trick，因为面你算法题的人，大概率是非ML组的人，他可能不认识那些Python的trick。


综上所述，我觉得比较稳妥的准备方式是：LeetCode Medium的题，甚至Hard偏简单点的题，要会最优解。其他更难的题，应该知道次优解。语言无所谓，code clean就好。


注意：
1.以上是普通的case。我也认识一些人，因为Phd导师的师兄就在某大公司里面工作，refer同一个组，聊聊天就可以进。（非FLG，AUP级别大公司）
2.以上是大型公司的case，startup的面试可能会随意很多。

mk48 发表于 2019-3-19 12:05
請問MLE 和 data engineer差再哪啊?

Data engineer 主要做data pipeline的，也就是general数据收集预处理的部分。
MLE跟model更近。写smodel的training， prediction的平台，有时候写写specific的预处理数据的模块。需要的话，也会调调参数，做做model相关的东西。

LL的申请季 发表于 2019-3-28 16:04
请问楼主申请的岗位都是MLE吗？能不能分析一下不同职位名称之间的实质区别呀？申请的时候好多名字搞得有点 ...

MLE 和 RS都申请呀。
MLE = 读paper + 写模型 + feature pipeline/deploy/甚至于datawarehouse 都要参与
RS = 读paper + 写模型 + 发paper
DS1 = data analyst的别名
DS2 = 读paper + 写模型（大多数做feature）

机器学习系统设计

大多数公司会问机器学习的系统设计，而不是普通系统设计。毕竟普通的系统设计还是不能cover很多机器学习的考查内容。

问的题，目前来看分两种
1.经典题：比如。设计一个推荐系统，
2.非经典题：一般都是面试官工作上的问题。设计一个classification系统。
（不排除，面试官想跟新candidate聊聊，看看自己的问题有什么新解法）


考点在哪？
New grad问知识，Experienced问细节。

举个例子，设计一个text classification system：

New Grad的比较好的回答：

Data
先收集data，分析data。考虑label的distribution。考虑feature是不是只有text的，还是有numeric，nominal的。missing data怎么处理。(比如这个帖子处理missing data就不错：https://towardsdatascience.com/h ... g-data-8646b18db0d4)
text的feature怎么生成embedding，好处坏处有哪些。（word embedding, fasttext, BERT）
numeric的dat处missing data,如何normalize。(同上)
根据label的distribution，如何balance data。(已经解答了)

Model
模型怎么选择。【传统的模型还是神经网络】

Eval
train, test, validation split data。
evaluation matrix是什么。
(https://scikit-learn.org/stable/modules/model_evaluation.html)

Experienced考点

Data
在New grad基础上，
提出GDPR（privacy），数据脱敏，数据加密。
train/test data和product上distribution不一样怎么办。data distrbution 随着时间在改变怎么办。

Feature：
在实际工作中，都是每个ML组都有自己不同的embedding set。互相使用别人的embedding set。这里怎么pre-train, fine-train, 怎么combine feature非常重要。
feature的ABtest怎么做。(不同traffic来做咯。 )

模型怎么选择。
这里更多的开始考虑系统方面的constraint。比如prediction latency， memory。怎么合理的牺牲模型的性能以换取constraint方面的benefit。

Eval:
自己不能assume evaluation能用，因为很多得自己根据情况造了。
最明显的例子就是recall。
工业界很多应用场景，不是能实时反馈的系统。比如分辨错了，5天，10天，乃至一个月，才知道错了。怎么算recall。
工业界很多应用场景，不是能知道所有错误信息的。比如spam/fraud detection时。没有人能知道spam/fraud的全部数据都有哪些。
（比较简单的方法，就是不做true recall. sample一些data做个partial recall就好啦。 还可以自己设置其他类似recall的matrix，这个看自己业务了。）


Monitor:
模型如何实时监控。（监控latency，QPS，precision，recall之类的参数。）
模型如何ABTest。（多个model，不同的traffic比例测试就行了。）

感谢楼主。期待精彩内容。

前排占座 准备记笔记

前排马克~~~~~~~~~~~~~~~

ml abc 小**

等待分享～

mark!mark!

等待分享～

期待分享！

lookingforward to the sharing on system design!