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

关注关注~~期待后续！

Research engineer but not ML engineer. Waiting for update.

关注，等待分享

静等楼主分享，关注一波

期待楼主的分享

关注期待！！

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。


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。

waiting for update

感谢楼主！收藏占坑慢慢看～

請問MLE 和 data engineer差再哪啊?