# CS PhD Quit 找工总结 — 柳暗花明又一村

前情提要
形而上学，不行退学。LZ在一个很不错的学校读CS PhD二年级，导师是领域大牛。这学期开始导师性情突变，加上本来就有一些科研方向不和，各种原因和导师闹掰。好在闹掰的事情发生在九月底，虽说当时还在纠结是转学，找新导师，还是找工作，不过手没闲着一直在刷题。最后也因为别的路都不太顺利，决定下海工作啦。

.1point3acres这次找了SDE和MLE，当MS NG去找的，结果我我还是比较满意的。此贴对于NG，early career (< 1yoe)， SDE/MLE可能都有所帮助。

简历
LZ本科和PhD都在北美读的，之前在大厂实习过。
Resume总共四个部分从上到下 分别是:
- Education (bachelor, master)
- Skills (programming languages, frameworks, tools)
-  Industry experience (实习经历）
- Research experience （publication and research interests)

SDE岗位的面试官基本只关心Industry experience，MLE会关心 Industry experience 和 Research experience。我并没有针对每个公司重新写简历，对于刚工作的人来说可能不需要太match, 但更多要展现自己的能力。
这个简历结构从结果来看是没问题的, 找MLE NG的同学可以参考

我九月底才开始投第一波简历，对于秋招是非常晚的。到十月中旬有点慌又投了第二波简历。两次总共投了20份不到。由于之前实习经历丰富，有些不招ng的公司，我也头铁投了1yoe的社招岗位，当然就被拒的比较惨了。
后面看来这个简历投的数量其实是不太够的，千万不要学我！！


准备
准备内容总共分成三大块：传统算法题（leetcode), ML /Stats 相关问题,  system design （面了好几家）
有些公司 （quora, stripe) 会有一些practical题和debug题，基本无法准备，比较看临场发挥和平时项目代码的积累。

刷题
LZ几年前大概刷过100题，用cpp刷的，这会儿改用python，天下武功，唯快不破。
暑假的时候我为了找实习有一搭没一搭的刷了100题，不过刷得比较随意，刷过算过并没有吃透。和导师闹掰后花了两个礼拜看完了 Leetcode101(https://www.changgy.com/leetcode-101), 里面的所有习题都认真做了，算是上了门道。之后每天都会做每日一题，保证吃透并且会做每日一题的相关题目。碰到不会做的题会看ytb花花酱和Happy Coding的视频。
LZ一开始很想去Linkedin，所以L家还没开始面试的时候就开始刷Tag题，总共一百多道题，又用了差不多一个月刷完。
之后就没有刻意做题了，面试之前几天会看面经收集一些题目，十几题一个公司的样子，在LC上做并且吃透。
面试之前我还会把常见的数据结构和算法默写一遍：bfs, dfs, topological sort,  quick select, union find, fenwick tree (真的考过) 非常有用，面试的时候完全不慌了

作为学生，又要上课，又要科研，还要面对系里的破事儿..其实刷题时间比较有限，我第一个月每周末花一整天时间 ，工作日每天晚上花2-3h。等我刷通了LC101以后，每周有两三个工作日刷2-3h， 周末花半天时间（4-5h) 。到面Google为止这一轮刷题总共做了350题左右，~70hard，~220medium。其实刷到200题的时候，就已经很有感觉了，后面更多的是为单独的面试做准备。300的题量认真刷肯定是够了的，所以地里同学不用慌张，关键是做会了，而不是做多少题。做会的意思是，同一道题不借助辅助可以在20min内写出来无bug，相同类型的题目也要有大概思路。
. From 1point 3acres bbs
在所有面试开始之前可以Mock几次，此处感谢npy帮我mock。适应一下面试环境，练习边说边写和给别人解释自己的Code。我一般是按照Block解释，然后会说清楚一个Block的side effect （e.g., 代码出这个block的时候变量一定具备某些性质）做完题心里dry run一下最简单的tc，再说我做好了，避免比较愚蠢的错误。

Debug算我踩过的坑，好在是mock的时候发现的能及时查漏补缺。日常写代码我习惯用pdb辅助，用lc的时候我喜欢用平台的断点功能。但在实际面试中不太能用。一方面锻炼自己bug free和肉眼debug能力，另一方面后来做lc的时候会尽量只print，来模拟面试环境。但是日常写代码我还是强推ide break points和pdb，这有助于提高程序员的效率，stripe就会专门考察这个部分。


ML/Stats
我总共用了三个材料：西瓜书，统计机器学习和动手深度学习V2。
Classical ML: 前两本书足够了，我是交叉着看的。西瓜书比较基础适合第一遍看，统计机器学习比较理论，复习的时候我会看这个。对于重要的模型，建议拿一张白纸边写板书边教别人，这样非常有助于理解模型的motivation和推导过程。npy那段时间正好想学ML，我就给他讲了svm，logistic regression等，真的是很好的练习！

DL: 动手深度学习(d2l.ai)是很好的课程，此处感谢AWS DL团队和李沐。b站的v2视频我挑了一些过去自己理解不够深入的内容看了一下，比如dropout。虽然常用，但我确实不知道why dropout works，但这个经常被问到。李沐的课也会提一下前沿的理论成果，面试的时候也提一下显得自己高大上有木有。
重要的论文，哪怕是不搞这块的也要知道Big idea，我还被问过transformer的复杂度。李沐开了一个讲论文系列就讲的非常好，我会一直追踪。
某些特定的职位会问RL, IRL之类的问题，不会就是不会，提前准备也来不及。但面试的时候要举一反三，面试官给你解释完要有自己的思考进行反馈。

Stats: 模型的概率视角解释也会经常被问到，比如需要用概率的视角解释logistic regression，还包括linear regression有哪些概率统计的假设，L1/L2相当于什么prior等等。这些真的就靠积累了，我觉得很多blog都不会讲这些，但上面这些题我都被问过
还会问一些概统结合计算的题目。比如bayes theorem的应用，还有数据规模很大的时候怎么计算某些分布的性质。我自己没有刻意去准备，主要靠面经。如果概统基础不太好的话，建议先快速复习下基础知识 (e.g., sample variance vs variance 之类的被问过）

复习完以上这些95%的面试应该能秒了。

ML System Design
这个对NG太难了，但没办法他考了我们就得上。我快速的看了educative.io 上的Machine learning system design，但我不推荐这个！！快面完的时候才发现Grokking the machine learning interview， 这个讲的更好，我就看了一点都就去面了。
有些偏重于system的问题我完全没有准备，靠平时积累，不过亲测问的都不难。
面试过程基本知道啥说啥，不知道就说”不确定但我觉得..” 总之说不确定的东西之前最好都提一句 I don’t know a lot about xxx, but I think… because…
NG虽然没有什么实际经验，也可以通过已经有的知识进行合理的推测，所以面试的时候脑子一定要一直转，一直说。面Pin的时候有一轮SD就被表扬说你没有经验居然能猜到我们Pin是怎么做的，主要是面试官提示的好，然后get了hint继续想就解决了。
总体来讲对NG, early career 求职者，SD要求应该不会太高。

面试
第一波投的简历按照大概时间顺序总结如下

FB (SDE, NG) 简历拒…多少年来从没过过他家的简历关 可能是我上了黑名单了。 后来听朋友说可以换个人内推重新投，我当时傻傻的拒了就拒了。

Snap （SDE, 1yoe) 简历拒

Stripe (SDE, NG) 海投
OA -> Phone -> VO (coding + bug squash + integration) -> Manager -> 告知waitlist -> 三礼拜后 Offer
WL三礼拜没有被抛弃，感恩，最后因为地理位置因素无奈只好放弃。

Tusimple (SDE, NG) 海投
OA -> Phone -> reject
题做出来莫名其妙被挂，面试官水平有待提高，对编程语言的理解好像不太够

Databricks (SDE, NG) OA 没做好凉了。那天状态特别不好，刚和导师吵了一架去做OA，结果死磕一道题把时间浪费了。后来知道可以换个邮箱再做一次，我当时傻傻的拒了就拒了again。

Quora (SDE, ML, NG) 海投
当时SDE和SDE, ML都投了，ML的先被捞起来了
OA -> Phone 1 (coding) -> Phone 2 (ml system design) -> VO (coding + python practical 给一个代码库加feature + ml theory 给一篇文章implement当中一个算法 + ml practical 给一个模型找出为什么performance不好 + manager chat) -> offer
面试体验非常独特考察范围非常广，不谈公司前景我个人觉得工程师的水平还是在线的，每个人都会own很多东西。我当时面试发挥很好，所以包给了接近L4的，而且多给了我一个星期考虑，感恩。

Nuro (SDE, Autonomy, NG) 内推
OA -> Phone (coding) -> VO (coding + system coding + ml + bq) -> Manager -> offer
Nuro是我很看好的自动驾驶startup, 考察范围比较广，可以看出公司用的ML技术还是比较前沿的。自认为面试发挥不好而且和他家的ML research没什么重叠的经历，但最后feedback说very positive，看来NG的MLE更多还是看基础知识掌握和快速学习的能力。HM在HR通知pass之前就在linkedin上提前和我聊了几句，体验非常不错，感恩。

Linkedin (SDE, ML) 内推
这个是社招岗位，一开始L家不让我面因为我明年六月才能入职，不过后来找了内推我的大哥argue了一下就进流程了
Phone (ml coding) -> VO (coding + Manager chat其中有system design + ml system design + ml 快问快答 + data coding侧重大规模数据的处理) -> manager chat * 3 -> offer
Linkedin面试比较格式化，刷够面经，碰到的面试官人好加上没被备胎应该问题不大。对于NG可能过简历关比较麻烦。另外L家的ML system design我觉得很难，最后feedback这轮也只有avg。内推的大哥从一开始给HM发我简历求捞，到面试指导一路帮我，感恩。

Google (SDE, early career) 内推
OA -> HR prep call -> VO -> 大概率过
感恩节的时候已经麻木了，天天打Switch，面之前总共大概看了10道面经题，gg的面试variance太大，一切都是命。感恩节后第一天面，题目不是很难，不过代码量很大，面试过程挺考察写代码的熟练程度的。用offer催过以后HR非常迅速，感恩。
Timeline如下：11/29 vo ->  12/1 通知feedback收集好送hc -> 12/3 通知feedback very positive 先 gmatch，收集了competing offer 并且说下周一出hc结果

还有几个投了默拒的， pinterest (SDE, NG), Google X (SDE), Waymo (MLE), Netflix (SDE, NG)
Waymo可惜了，其实NG的岗位还是很有机会的可惜投晚了，我投的MLE是社招岗位不理我情理之中。Google X同理。
Netflix 第一次招NG，是Core engineering招，Bar应该非常高就是啦。
Pinerest见下文。

下面是第二波投的

Pinterest (MLE, masters) 海投
感谢Linkedin的推荐算法，让我和这个岗位相遇。这个岗位是今年第一次增设，而且十月才挂出来。
OA -> Manager * 2 后面那个跳过了因为前面的feedback很好 -> VO (coding * 2 + ML * 2 + pin lab manager) -> 当天晚上通知过vo 开始team match -> manager chat * 4 -> offer
P家VO之前以已经拿到了好几个offer了，而且要期末考试了没空准备，直接裸上。Coding 比较简单，标准lc medium。system design有两轮，有一轮比较侧重System的内容，会考察 Cache，Scalability，Latency，DB Schema 结合 ML application 的应用，另一轮SD重点考察 ML的内容，到最后已经不是 System Design，变成 “Describe XXX to me”。不知道这是普遍的现象还是只有我碰到的，总之感觉P家ML员工啥都要懂。
VO的Manager轮烙印面试官是pin lab的大佬，直接给我问懵了，发现自己确实技艺不精，他算是所有manager chat里水平最高的一个，问问题一针见血，而且对ML/DL理解非常深。最后这个pin lab大佬没要我，还是挺fair的。当时很累肚子疼，而且我已经从学术界出来了，想发展更多的business sense，去pin lab有些本末倒置了（反正人家也不要我) 。
由于有offer催，VO结束3h通知过，开始 Team Match，P家HR真的神速中的神速，一天给我打N个电话+约N个 team meeting，所有call之前都会邮件告知context，面试完feedback非常及时，感谢hr小姐姐！

Doordash DSML 海投脆拒，应该是投的时候人已经够多了
Adobe MLE 海投脆拒。
Dropbox 海投 没回我

选offer
求网友建议 主要纠结L&P

总结
除去 hr negotiation，找工环节告一段落。人生无常，曾经我只想去名校读博，读博不顺很烦心，不断努力，柳暗花明，世界之大，我能发光发热的地方很多。未来我对自己的愿景是model能力向ML scientist看齐，engineer能力和backend engineer 看齐。感谢npy三个月不离不弃照顾，最后希望自己能顺利拿到ms，学术界就此别过。祝读者朋友也找到自己满意的工作！

jasonyuan30 发表于 2021-12-3 21:00
赞楼主！
我当年也是cs phd第二年quit，可是我当时郁闷了将近一整年才跟老板提，再加上疫情最严重的时候 ...

我是已经读过一个硕士，然后现在phd第四年quit，确实沉没成本很大，而且导师不当人，PUA和白嫖到了极致

只是呢，还是要向前看，我某轮面试的面试官是MD毕业之后过了一年，又去读的CS Master，面试的时候她没讲，我就也没问为啥不当医生，但我猜是在医院培训的时候太累了吧

人家那可是真，doctor，而且也是顶级学校，我这辈子都考不上的学校毕业的

努力向前走吧

lz是两星期刷通了leetcode101吗。。。orz

赞楼主！
我当年也是cs phd第二年quit，可是我当时郁闷了将近一整年才跟老板提，再加上疫情最严重的时候找工作，非常难受，楼主心态比我好太多了，恭喜！

楼主强呀，请问NG的SDE岗不管什么方向都会问system design吗

Godlowd 发表于 2021-12-3 20:45
楼主强呀，请问NG的SDE岗不管什么方向都会问system design吗

不是的
可以注意一下我面试流程 google stripe就不需要

楼主强呀🤪

能说一下 nuro onsite都问的什么问题吗
求求了

楼主有switch游戏推荐吗？我想来想去，想玩的还是开大师模式再打一遍塞尔达

亚麻没投？

沾沾楼主喜气，好羡慕楼主🐶流程神速啊