Expedia ML VO Final 3月面经

Timeline:

• 2/23 online海投 fulltime Machine Learning Scientist II - Masters/PhD Graduate - Aug/Sept 2022
• 2/28 收到Email OA (要求收到email 72hr内做)
• 3/2 做完OA
• 3/9 收到email 过了OA, schedule final VO 到3/16
• 3/10 reschedule VO 到3/22
• 3/22 VO 3 轮45min, 每一轮完了15min休息, 包括一轮ML technical, 一轮OA的code review和technical, 和一轮BQ
  

OA的经验和我的情况看这里. 因为我简历写得是作NLP比较多, 所以直接match了NLP的team来面. 总体来说面试官都很随和, 他们会尽量引导和解释想问的问题. 第一轮ML techinical一个印度大哥, 就是ML知识点的快问快达. 第二轮一个华人大哥, 是先过了OA的code说一下为什么要这么做和怎么improve, 然后考了一个简单的algorithm. 最后BQ是直接NLP team的manager来面, 主要讨论了research和怎么design一个跟research相关的model来解决问题, 之后考了两题BQ.

具体内容如下

第一轮ML快问快达 前20min先问ML basics, 后15min因为面试官是做NN training的所以他一直在问BERT. 先是说assume我们有一些data然后我们要design一个multi class classification model, 之后我能记得的有下面这下

•     what if you have unbalanced dataset
•     how to oversample/undersample (NLP的example, i.e. replace with synonyms)
•     overfitting/underfitting
•     what if you have a lot of data, but you are very tight on time and you do not have time to train a heavy model, but you still want good accuracy of the large models (这里我说了ensemble比如bagging of weak leaners 但面试官想问的是pretraining和transfer learning)
•     how to measure model performance (accuracy, precision, recall)
•     what to do if your data set is large, cannot load all at once (batch)
•     SGD vs batch SGD (how does the update of gradient different)
•     what is recall
•     how to reduce false positive
•     how to improve precision
•     what are some optimizers
•     how does Adam work
•     how is Adam different from other optimizer (fast decay)
•     loss function for classification (CE)
•     why not MSE for this classification, potential problems encountered if use MSE
•     last activation layer of multi class classification (softmax)
  

BERT问的非常的细, 因为面试官就是做bert training和tuning, 我说我对bert不是很熟悉, 因为我去年开始都在做KG和Graph NN 然后只是了解他的基础结构, 但还是问了一大堆

•     transformer architecture
•     what is attention, what is self attention
•     how does bert tokenize input (这个我说我不知道, 因为没用过)
•     how does bert know it is an end of a sent (我说我不知道,除了知道他们用[cls], 然后猜了一个sent embedding, 他想要的答案是segment embedding, 就差不多)
•     what (task) is BERT good for
•     what (task) is BERT not good for (他疯狂的暗示bi-directional和single direction, 但我还是不知道, 他想要类似sent generation那种single direction的task
•     how does encoder/decoder work (他本来想问how does bert encode sentence, 我说我只知道VAE那种的, 就讲了一遍VAE)
  

感觉就是, 前半部分很不错, 大哥也很满意. 后面开始问很多bert的details我就很慌, 但大哥倒是没慌, 很耐心的引导我.


第二轮前面15min过了一遍OA的内容, 大哥很nice就是问一些why this和, 你觉得这个decision如何之类的. 我OA有一个bug, 因为hackerrank的sklearn ver不够新, 我说我自己run了一遍没问题, 他就说问题不大, 而且大哥特别理解2.5时间超级紧张. 但他说我的test result很好. 我说, 虽然我觉得应该是overfitting, 因为dataset很小而且这个test和train也没有很大区别. 然后他说对, 但这就是个test 就是想看你们基本功.
然后问了一个coding. easy-medium难度. 问题是string和处理data相关的就比较practical. 很像在处理corenlp NER output那种感觉
问题是 given一个document in string format, 中间是newline \n隔开 和一个list of entity tuples, tuple是start idx end idx和entity string. idx是overall idx of doc string. 问要return一个output line number of entity. 给了一个example, 然后大哥很细心的解释说一个entity不会出现在不同的line, 一个newline marker 算一个idx.
给了一个example 是  比如doc = 'oiu\npoiut\nsdf' 然后entity = [[1, 2, iu], [4, 6, poi]], output = [0, 1] 代表第一个entity在line0, 第二个在line1
我说了一个简单思路 让code, code完了之后问follow up 如果entity list不是sorted咋办, 我说可以sort, 但他说, 如果我不想改变order的话, 那要咋办, 然后我说那我的code就不行了, 需要重新implement一个hashtable map end of line idx to line num, 然后需要一个sorted end of line idx, 之后每个entity的end idx要用binary search. 之后大哥说ok这就是他想听的, 没让写, 然后就问了问time complexity. 然后大哥真的很nice最后还告诉我这轮是positive feedback.

最后一轮是NLP team的direct manager, 说他team有14个人. 先自我介绍. 之后我自我介绍的时候说我最开始做sentiment analysis比较多但近两年都在作KG和graph related NLP. 然后这个manager很感兴趣, 问我我做的KG和他们的NLP类东西之间的联系, 之后他说他不知道很多KG的东西, 让我go through一遍KG, 虽然我觉得他肯定知道, 只是在给我下套. 我就go through了一遍基本东西. 之后他问我如果有一个scenario, 他们team实际有一堆hiearchical topic modeling result 他们在思考要怎么处理, 问我如果要用graph approach的话要怎么build我的KG, 然后怎么做到能让他们query之类的. 就讨论project到了只剩15min, 大哥突然来了一句, oh this is supposed to be a BQ interview, 结果我们一直在唠嗑project, 让我赶紧问你两句BQ. 就问了两个questions.
第一个是 have you worked in a team. 我说yes. 然后问what was your role.
第二个是 have you failed on something, then later on realize oops. 我说我最近的project就有, 但fortunately我们还有拯救的机会.
BQ的话, 这两个问题我都准备了, 我一共照着amazon的LP准备了4个story, 而且前一天晚上和男票练习了一遍实际的wording. 我准备的category是以下几个, 每一个都是实际research和daily work里面遇到的问题

• Conflict / Argument / Compromised / Problem?
• Tight deadline / prioritization / multi-tasking / leadership / organizational
• Complex problem / problem solving / deep dive into a problem
• Failure story / something wrong / blocked / stuck
  

最后manager问, 你能不能5月毕业之前就来工作. 我: 我需要时间写paper, 我现在还有contractor的工作到5月, 最后剩一点时间我怕我再分心写不完. 最后那个manager说you will hear back from us, for sure. 听上去应该是positive吧. 整体就是chat的感觉, manager大哥人很随和.

听说Expedia出结果很快. 所以过几天就会听到update了.



补充内容 (2022-03-24 04:10 +8:00):
Expedia的速度过快了! 昨天刚面完今天就收到了HR说要给offer!! lz的第一个offer, 下周还有三个其他家的面试! 祝所有面试的小伙伴们好运!!!!!

您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

楼主好厉害 谢谢分享 第一次看这么详细的面经 好奇后来楼主去哪儿了？