amazon alexa VO挂经

给大家分享一个amazon alexa面 applied scientist 挂掉Virtual Onsite的经验，希望对未来的小伙伴有一定的帮助。

我是10月份网上海投的简历，当时没怎么看组，想着先练练手，然后再找朋友内推amazon比较熟悉的组。后来才发现，一旦面挂一个amazon一个组，就得等一年，其他组也不能面了TT。简历到alexa组，Hiring Manager也是做NLP的，可以这么说吧，整个组是做speech recognition和nlp的，然而我其实application偏cv。。。。。。结一面就出问题了。

总体感觉很好，是我太挫了，对NLP不是很熟悉。但是面Amazon我觉得有个特别的地方就是，Behavior question特别多(请看这里 https://www.1point3acres.com/bbs ... ngineer-307462.html)，多到基本不用准备leetcode。或者说，就压根没问我leetcode。

第一轮，给job talk。

第二轮，和Hirining manager聊，一大堆behavior question后，问了很多细节的问题，比如一堆feature，怎么选feature train model，我说pca，但是仍然不满意，说ab testing啥的，我说我不太懂。还问了假设检验，我说t-testing，然后问t test的assumption是啥，我一脸懵逼，回答不知道。后来才想起来，是不是assume俩distribution是一样的？总而言之，得把概率论好好复习一下，然而我已经忘了很久。。。。然后还问了怎么做seq to seq modeling， bert，lstm啥的。

第三轮，behavior + leetcode easy

第四轮，和director聊，问了很多bert的细节，比如最后一层的transformer的output是 N, seq, word embedding，怎么把seq, wording embedding混成一维，我一维像cv那样flatten一下，但是我估计不对。然后又问了我啥是word2vector，我就只知道把一个单词变成个vector。然后还是behavior。

第五轮，past experience + behavior

第六轮，还是问bert，很细，比如bert的output如果很长的一个sequence，fc就不能用了，因为cost太大，那怎么办？后来他告诉我，bert里有个专门的loss来做这个。其次，就是如果一个word不在bert前面那个非常大的vocabulary matrix，那怎么办， 不知道。。。

因为没具体做过nlp，所以问的这些细节，就真的答不上来。我只改过bert里的matrix multiplications，不过挂掉我，确实是我这个方面了解的不够多。

所以大家以后投简历要引以为戒，不要投一些不太match的组练手。。。。。。哎，求大米～～

第四轮的那个问题，不是用BERT最后一层CLS的embedding作为feature吗

lz面得是senior么？ “如bert的output如果很长的一个sequence，fc就不能用了，因为cost太大，那怎么办？后来他告诉我，bert里有个专门的loss来做这个。”没明白这个是什么意思？

第六轮里提到的loss有提到具体任务吗

非常感谢这么详细的分享。感觉楼主还是没太准备好套路，加油！

话说是不是 t-test 的assumption大概两种，先看比较同一组的若干次观察， 或者一个实验多组对象？然后如果不是normal ditribution，不是normal 就要用non-parametrc 的 Wilcoxon signed test. 反正我基本实验就只用到这个了。。比较user向，没怎么见过normal distributed。

还想请教下 MLE面 是不是很常问 AB testing? 平时还用些什么 想多准备下。