好读版：https://goo.gl/TtchR6
过去曾受益于许多面经，现在轮到小弟出社会面试了，前来回馈心得。个人背景：115应
届CS硕，杂事缠身拖到10月才开始面试，研究领域为 Computer Vision 相关，硕论做
3D Object Detection 偏自动驾驶领域。104履历设定不开放，只找 ML/CV 相关职位主
动投（关键字：AI、机器学习、深度学习、电脑视觉，以及上述英文），锁定台北区域
，有过滤掉不少看起来有风险的职缺。
聪泰科技
面试官是 Kaggle 拿过冠军的高手，一开始介绍了公司的业务和盈利来源，后主要询问我
的工作经历和硕论，注重模型的架构、实验比较和遇到的困难，然后纯聊技术，从
Kaggle 到本人 GitHub 上的项目都有涉及。该公司的业务来源范围很大，几乎涵盖了电
脑视觉的几个应用，面试官也介绍了几个比较刁钻的客户案例，例如车内乘载人数侦测和
寿司输送带的即时座标定位与分类等。后面强调公司很注重不同领域部门间的合作，以及
处理不同芯片上架构的兼容问题。
第二关是公司副总前来面谈，以产品解度介绍公司，感觉他倾向于找到相同价值观的人，
认为只要把子领域发挥到极致就会有价值，有点工匠精神的韵味，双方相谈甚欢。最后口
头得知取得了 offer ，薪水符合期望，副总很热情地带我逛了一圈公司，环境是开放式
的，设备很齐，也看到了蛮多刚刚提到的产品和 CV 相关应用，总体来说挺满意的，数天
后收到 HR 正式 offer。这次的感想是技术职和管理职会从不同角度看待产品和同事/员
工，面试时可以根据对方角色（和个性）来决定话题重心，大胆表达自己的想法。
结果：Offer Get。
北京零零无限科技
知名无人机公司，今年在台北开的新据点，原本面试排满想延一个礼拜，不过 HR 说 VP
下礼拜回大陆前想见我一面，所以挤出了时间提早面试。开始是一小时的笔试，范围包含
电脑视觉、机器学习、深度学习和机率统计。我写满了两面白纸，主要是问到某些模型（
ResNet）和 Boosting 方法（AdaBoost）不知不觉多扯了一些；机率问题很简单，贝氏定
理就能解决；有题基础的电脑视觉问题因为太久没碰没完整答出，只凭印象写了一些推测
，算是可惜的地方。
第二关是两位算法工程师的技术面试，首先自我介绍，被问了硕论细节、黑客松经历和
GitHub 上的项目，夸了一句技术涉猎领域广，因为有个东方 Project 相关的项目还被
说有点宅（笑）。我问了工作内容、专案如何进行、为何进入这间公司、最有挑战的部分
等，两位面试官很亲切，谈起来就像和朋友聊天，能看出平常工作气氛不错。台北办公室
负责追踪算法，由于只依赖主 Camera 因此较有挑战性。因为过了中午，面试官还帮我
买了个便当，很是感谢他们。
第三关的 VP 来自北京总部，过去在 Nokia 和 HP 工作，十分亲切。一开始询问对公司
的了解程度，由于我在两年前就看过展示影片并持续关注，老实地表达对初代 Hover
Camera 的喜爱。另外问了以算法工程师的角度，对无人机未来应用的设想。这里受限于
我的想像力，大致提了极限运动跟随、航拍高度等功能，就技术层面分析实现的利弊和限
制，他提了个不同方位路线跟随个人觉得很有趣，也讨论到了和竞争对手大疆做的消费者
受众区别，聊天中学到很多东西。接下来是人格特质方面的问题，包含自己的缺点、平时
兴趣、能为公司带来的贡献等，最后因为看我是个小粉丝还透露了一些二代的未公开资讯
给我，非常期待二代的面世！第四关是 HR 面试，讨论了待遇和福利工时， HR 问题偏向
个性和对公司的兴趣，希望可以找到志同道合的人作为骨干，并表示之后还会有电话二面
。
隔天就收到北京的 SW 主管电话二面了，使用 WeChat 电谈，对话内容比较偏向技术，聊
著自己也不知不觉变成北京腔 XD。由于不能现场展示投影片，针对硕论讨论了挺长一段
时间，还被说了怎么不赶紧投会议或期刊（因为错过了 CVPR 2018 ）。结尾我问了北京
部门状况和公司未来的产品布局。电谈比较大的感想是最好提前准备履历和面试备忘录放
在面前，方便随时提醒自己待会要说什么，最好避免双方有同时安静的时刻（除非正在思
考）。一个礼拜后 HR 告知取得 offer ，经过沟通很努力的帮我争取 bouns， COO 也和
我 WeChat 电谈交换了双方的意见，可以感受到他们对求职者的重视。
结果：Offer Get。
兆洋资讯
美商，首先是两小时的上机考试，共八题，一题数据库、一题 CSS flexbox 相关问题、
一题 JavaScript 实作题、一题 Node.js 功能实作，剩下四题都是算法相关问题，在
LeetCode 大约是 Easy 等级。我很快就注意到这份题组名称是 Full Stack Developer
，不禁怀疑自己投错职位，询问 HR 得知 AI 职位也是给这份试题，就默默开始埋头苦写
了。数据库题目有点复杂，我没能给出最佳 query ，浪费不少时间； flexbox 和 JS 都
属于有经验就会解的类型，轻松完成； Node.js 实作他有给雏形，基本不难；程式题都
用 C++ 解决，有题一直有部分测资没通过，时间快到才发现看错题目（掩面），其他题
目都算简单，复杂度几乎都在 O(N) ，也没遇到 DP 题目。结束后由 HR 做了简单的面试
，同样自我介绍、问题和提出期望待遇，比较特别的是 HR 说因为员工训练成本，入职后
会签最低服务年限条款（一年），我本身不排斥这类合约。
两天后接到美国主管打过来的电话二面，中文，谈了快一小时（国际话费不贵吗？！），
开头夸了一顿，似乎是上机考成绩和履历不错。之后开始介绍公司在美国的业务，不过和
我期望不同的是目前他们 CV 应用仅在文本识别场景，主管希望我也能参与 Web 开发，
说是他们的产品主力，看中我在这方面的经历和技术，口头确定了 offer ，薪水和年终
都给期望之上。同时也能外派去美国加州新建的据点，会处理好机票、签证与住宿，期间
月薪会再多数千美金。和主管讨论了公司未来方向和产品重心，对方很有诚意，因此虽然
工作内容和想像的有差异，内心也有点动摇，当天 HR 就寄了 offer 过来。
结果：Offer Get。
台达电子（台达研究院）
面试前需要上系统填写履历。 HR 准备了热茶后就开始技术面试，两位面试官分别来自
IoT 部门和 Life Science 部门（我投后者）。他们对我的硕论很感兴趣，注重在我研
究的过程（选择问题、改良点、架构设想、科学验证），被问的东西包含：如何进一步的
提升模型性能（可改善处）、与比较模型的差异与理论根据、假设 Detection 目标种类
改变如何重构模型等，被夸了如果投顶会有机会上。也问了传统电脑视觉和深度学习兴起
后的变革与改进，我概括性描述了物件识别、追踪、分割等领域的历史和相关论文，同时
提到以前较难实现的领域如生成模型、NLP、VQA 等，但仍有领域是传统方法主导（如
SLAM），人格特质部分被问在团队中大多扮演的角色。再来我问了他们进公司的原因，两
位刚好都是研替签下去转正的，侧面证明他们对公司的喜爱，基本上也是个允许大胆研究
尝试的好环境。另外介绍了我要投的部门，主要做医疗影像的 VQA 技术，可能因为刚才
误打误撞提到，面试官介绍时态度很好。最后因为气氛不错，斗胆向面试官们问了我可以
改进的地方，不过只被称赞了很有热忱有自信有条理，没听到缺点有点可惜（我不是抖M
）。
一个礼拜后 HR 来电谈了半小时，大致帮我分析了薪资结构（大公司的年终分红导向）、
福利和询问我对工作内容的需求，多推荐了个 Machine Learning Data Scientist 职缺
，并约了二面时间（两个职缺一起）。二面第一关为 Data Scientist 职缺的初面，面试
官是两位工程师，聊天了解到他们部门偏结构资料和 AOI ，谈到技术太投入结果超过时
间没问到问题。第二关两个职缺的主管都来了，自介完后被问了投台达的理由和期望环境
，自认回答得不错。他们也提到目前开始尝试建立 AI 平台部门，期望达到统整各部门技
术和让跨部门合作更加容易，因此可选择题目种类非常多，既可以深入研究一个主题，也
能多方尝试增加技术广度。面试过程很和乐，最后又和 HR 讨论了期望待遇。数天后了解
待遇落点和结构，考量各种因素主动放弃职缺。
结果：主动结束流程。
Opus Microsystems（先进微）
目前面的职位描述里和我硕论领域最贴近的公司。开场写了一份题目很少的性向测验，之
后两位工程师（资深和技术 Leader ）来和我闲聊，没几分钟创办人兼 CEO 的洪博士也
进来了，于是开始自我介绍。由于该公司有 3D 传感经验，解说起 LiDAR 等点云资料对
方皆是相当了解，问题也很刁钻，包含研究上的思路和失败经历、细部架构替代方案的优
劣等，也问了一些我没提到的部分，例如地势起伏对 3D Point Cloud 的影响和改善和做
Voxelization 的各种方案优劣。然后聊到了黑客松时的团队合作经验，包含如何分工和
收获等。
接下来跟 CEO 一对一面谈，他介绍了公司的产品线、未来展望和战略布局，分析扩展市
场以及台湾公司在中国的竞争力问题，我本身对这方面非常有兴趣，聊起来很是快乐。适
合我的部门有两三个，包含了还没正式成立的部分，公司正在转型布局期间，野心很大，
期间提到了不少管理层决策的判断基准和思考方向，不知觉学了很多管理知识。他同时希
望算法工程师除了按照需求设计，也可以有自己的想法和基本的大局意识，该公司就是以
人数少而有力发展到现在。之后问了为何创立该公司，听到了许多有趣的故事，包含最初
做创投的经历、往 MEMS 领域创业的过程和波折、台湾和国外的投资视野差异、和股东的
股权利益纠葛等，又是一波知识洗礼。最后回到正题给出了期望待遇和询问公司福利，总
共谈了三小时多，意犹未尽。几天后收到 HR 正式 offer ，待遇不错。
结果：Offer Get。
Tomofun
知名宠物科技新创， Furbo 当年群众募资挺有名的，现在也逐渐茁壮成长。我一按门铃
就有狗狗热情的过来迎接，到会议室路上一直尝试舔我的手，超可爱！听他们介绍是每天
会有值班的宠物，应该有控制数量避免公司大乱 XD，环境很明亮时尚，充满各种新奇的
宠物玩具，开放式办公环境。面试官人数挺多，两位 AI 部门工程师、一位 RD 主管和一
位 HR，我开场就问了何时要出猫猫版本 Furbo ，对方主管笑着说会先等狗狗版市场开发
稳定再扩展，面试气氛变得欢乐许多。工程师问了 YOLO 的实作过程和大型专案的合作经
验， HR 问了演讲经历（如何有这个机会）、最有挑战性的项目、团队中扮演的角色、别
人对自己的看法、自己的缺点、喜欢的工作环境和不喜欢做的事情，大多问题都有事先准
备过所以自认回答得还算得体。主管表示这个职缺是研究导向，多数时间会研究指定
topic 的最新进展以及如何应用到产品上，基本上 Furbo 的可发展性还很高，包含动物
情绪分析、更精确的动作识别、精华影片合集等，因此部门会逐渐扩张。他们也介绍了目
前公司的主要市场欧美国家和收益增长情形，比我想像中的还高出许多，且背后有趋势的
投资，近年内经营应该会继续成长。
接下来只留了主管和 HR 谈论待遇相关部分，我除了福利之外问了专案进行模式，一般计
画会采用 Scrum 来进行，而 AI 部门由于偏研究，因此周期相对来说会比较长，跟其他
部门有蛮大差别。最后表示还有电话二面， HR 带我逛了一圈公司，中间有看到影片出现
过的明星狗勾，忍住了跑过去摸的欲望离开了。一天后接到电话面试，主管对于我的表现
持正面态度，并且确认了期望待遇，我有表现出想进公司的意愿，因此他们给出了不错的
Package（包含分红、股票等），并且帮我做了详细的收益分析，感受到很大的诚意。很
快地就收到正式 Offer ，后来还接到趋势创办人张明正电话，小谈了一下 Tomofun 团队
，老实说受宠若惊。
结果：Offer Get。
浩鑫电脑
面试前有要求填相关资料寄 Email 给 HR，包含针对专业领域的自我推荐、个性自评和期
望工作内容等。开场签了个资使用同意书，第一关是 HR 面试，对方亲和力很强且相当健
谈，谈了期望工作内容、公司类型和大篇幅的个人经历以及专业技能，也问了偏好有资深
工程师带还是全新团队成为骨干，这位 HR 很擅长引导和切换问题，谈起来相当愉快。
第二关是技术主管面试，主管是发过 CVPR 的前辈，对电脑视觉领域相当熟稔，面试部门
主要以人脸识别为主轴，问题包含：对当前人脸识别模型或算法的介绍、基于传统电脑
视觉方法和基于深度学习方法的人脸识别比较与差异、对于新的人脸需要多少资料才能学
习、假设有充足的运算资源，从无到有建置一个人脸辨识系统的过程、承上题，该系统潜
在的其他应用等。问题都是绕着人脸识别，因此只要对这领域有经验基本上都能流畅回答
，甚至举一反三。这关过程有点像做研究时的脑力激荡，个人认为挺有趣，随着问答进展
越能顺畅表达想法，另外有提到我的 Web 经历会是加分项（有较多与后端串接部分）。
总过程大约两个小时半，后续因为个人时间因素（已超过我设的面试期限）取消。
结果：时间因素中止。
未来市
新创公司，布局挺大，内容无法透露太多，经过了三关面试（主管、CTO、HR），技术问
题包含：假设缺少大量资料，如何建构能用在实务上的深度学习模型、对某些电脑视觉问
题的应用设想等。主管和 CTO 对公司都充满信心，有感觉到新创独有的热忱和斗志。最
后 HR 介绍了公司待遇和福利，值得一提的是她温和地提醒了我有时语速会太快，对此非
常感谢她，少数会告诉我改进点的面试官。整场总共谈了三小时多，之后 HR 邀请我和创
办人二面，不过因为个人时间因素（已到我设的面试期限）取消。
结果：时间因素中止。
Viscovery
第一关是电话面试，介绍了公司目前的产品走向（与我过去了解的 Viscovery 不同了）
和职务内容，之后自我介绍，在电谈中解释某些东西比想像中难，主要针对我论文模型有
比较深的提问，中间提到 Single Shot MultiBox Detector 讨论了其优缺点。第二关到
现场面试，门口放了很多零食 XD，两位工程师首先和我介绍公司真实现况，知无不言，
十分诚恳，请我不用怕放手问，还主动提起没说的敏感问题，使我反而更有信任感。被问
了 Underfitting 和极大种类资料的处理问题，我回答分类树、分类标签、特征清洗、调
整正规化手段等。接着是白板题，问题不难，偏测试细心程度、逻辑和设计层面的思想，
合格通过。后来又聊了很多面试的历程心得，对方都不吝于分享，感觉是共事起来会很欢
乐的 Team ！
第三关是主管和 PM 面试，主管详述了公司转型到落地产品的规划，并统整了公司现有客
群、收入和计画，我可以根据兴趣选择 Team （都有缺人）。被问了团队分工经验、如果
遇到不擅长的领域会如何开始着手、对客户和 PM 和工程师三方沟通流程的看法等，对方
很亲和好沟通。第四关是 HR ，确认了我对公司的看法以及告知薪资结构和福利，还分享
了公司失败到重新站起来的过程，整体面试感觉很不错。一天后收到正式 Offer ，待遇
很有诚意。
结果：Offer Get。
QNAP
知名 NAS 制造企业，首先是一小时半的笔试，包含了逻辑数学题、 Python 基础（回答
输出）、机器学习（PCA、SVM、梯度下降、Overfitting、BN、CNN）和性向测验（题目不
多），自己写起来感觉是全对没问题，无法得知最终成绩。第二关是技术面试，主管和我
有挺多技术共通点（尤其是在 Web 和 ML 方面），而且同样热衷参加开源活动（听说整
个部门都是），聊起来很开心。他介绍了职位工作内容和相关部门，主要看重我技能树点
的很广这点，希望可以作为目前分工太细的 Team 的跨组工程师。比较有趣的是问我的
Lua 大多用在哪些地方，我不好意思地回答：写游戏脚本（ㄍㄨㄚˋ），主管听了哈哈
大笑。
第三关是白板题，面试官为软件架构师，题目不方便直接透露。一开始讨论解法，我首先
表示使用 Hash Table 可以算出最佳解，时间复杂度 O(n) 。他问了 Hash Table 的缺点
，我回答空间成本和碰撞造成的效能损失不能两全，他就假设输入极大，运算单元无法负
荷 Hash Table ，此时最佳解是什么？我很快提出了先进行排序，再二分搜寻，此时复杂
度为 O(nlogn)，他又问如果输入已经排序过，最佳解此时为何？我先提出应为最优解应
为 O(n) ，然而如果继续对 n 个值二分搜寻复杂度依然会同上，所以瓶颈在于搜寻步骤
，直觉想到不必搜寻而记录位置来比较（空间换取时间），复杂度就能达到最优。面试官
到此表示差不多可以写在白板上，并建议我想好极端案例、需求，动笔后即开始计时。写
的有点急漏检查了空输入情况，其他问题不大。后来因为耗时很短，又出了个加分题，主
要是做额外的字串处理要求。他结束时表示我解题速度太快，不知不觉节奏被我带走 XD
，忘了提醒我要确认好题目“真正需求”（例如输出格式），现实情况也很常出现双方认
为的“需求”其实不对等的情况，学了宝贵的一课。和面试官一起讨论思考的过程很棒，
个人认为是面试中最有趣的环节。最后是 HR 面试，介绍公司现状和询问我的期望待遇，
整场面试大约四小时多。大约一周后 HR 告知核薪的大致落点，由于那时差不多锁定好期
望 Offer 了，我了解后就主动放弃该职缺。
结果：主动结束流程。
宜睿科技
机器人新创公司，进门就看到了搬运机器人和服务机器人，公司 Logo 很有科技时尚感。
面试官为主管和博士工程师，被问了黑客松中搜集资料的方法、标记自动化的想法等。他
们目前核心业务是可跨层移动的搬运机器人，目前在 DL 方面比较缺人，现阶段需要提升
障碍物识别率和速度，并克服电梯内多人侦测，同时避免镜子导致的误判问题。后来额外
被主管问了 Linux Programing 和 MAC 层 CSMA 运作机制，我坦白不会（说起来也跟我
工作内容不相关…）。两位都很亲和务实，讨论完待遇就表示明天就有结果，果然隔天就
收到正式 Offer ，很有效率。
结果：Offer Get。
中强光电
本来是投错职位，因为他要求是博士学历的资深主任级工程师，后来部门主管主动来电和
我谈了一小时，了解他们也正在寻找年轻新血。团队目前只有少数几人，全都是资深精英
，主管本身是 Google 前员工，做自动驾驶和写 GPU 的先驱，他表示看过履历和
GitHub 觉得我挺有潜力，想邀请来新竹面试看看，听他描述面试难度挺高，心中忐忑不
安。当地交通比想像中麻烦很多，搭到最近的地方还要走约半小时的路程（附近完全没公
车）。
首先是线上英文测验，类似多益，我犯了个大失误是到阅读测验想看剩几题，点到最后一
页系统给我直接交卷… 大约少了 12 题的分数，提早了快 20 分钟，有跟 HR 反应不过
大概没什么用。大公司常出现的性向测验快速解决。紧接着 HR 面试，他对我只知道公司
有做投影机有些不满（因为邀约有点匆忙没能充分了解公司），向我介绍了公司发展至今
的三个部门：投影机、背光、 RD 研究中心。后者是新部门，为了拓展新领域所建，强调
了核心精神是“赚钱”和“快”，我所投的 Team 更是特种部队，处理的都是最难的计画
。然后是主管和工程师面试，不废话直接大量问题开场，有印象的包含：
1. CNN 除了 CV 领域还有什么应用，优点在哪
2. CNN 相较 MLP 的优势
3. 举出令人印象深刻的模型和其应用
4. L1 / L2 的差异
5. 机器学习方法中哪些不需要做 Normalization
6. FAST Corner Detection
7. 说明几种 loss function 和其使用领域
8. Entropy 在机器学习可能有哪些应用
基本上都尽力回答，然而还是有部分题目没答好（如 FAST、不需要 Normalization 的方
法等），主管表示勉强合格，工程师表示还不错（不知道是不是安慰 QQ），他们主要想
把只看内容农场的半路出家 ML 求职者筛掉。接下来他们边问履历上的技能边聊天，我询
问了工作现状，感觉时程真的挺赶，专案也都不简单，加班保证能报加班费。最后再次和
HR 谈话，他跟我特别提醒这个 Team 都是技术狂人，可以一天内做出其他工程师两倍以
上的结果，也可以连续数天高强度工作，他表示也不希望进去之后才发现不适合，劳资双
方都会很痛苦。最后谈了期望待遇，得知可能要先在新竹学习一年，我婉转表达了拒绝讯
息，因此到目前为止还没收到回复。
结果：无声卡。
猎头公司
特别提在后面，共有两家猎头和我联络过，算是比较新鲜的体验，他们表示这领域由于没
有多少真正的“资深”人员，因此有潜力的新人也会是目标。介绍接洽过几间公司，某间
可惜的是由于对面流程问题后来没有去成；另一间媒合还没完成我就决定其他 offer 了
。认识猎头好处是他们会给你求职上的不少经验，甚至你在投履历前可以询问他们对公司
的看法或直接引荐，是个互惠互利的长期合作过程。个人认为这领域可以主动去联络猎头
，不用害怕自己是新鲜人，收获会比想像的大。
总结
针对不同类型和规模的公司有对应的面试技巧，事前准备好简洁专业的履历、适当复习
CS 基础和特定领域知识、练习自我介绍，以及写一张备忘录，提醒自介的关键字和该问
的问题，这方面板上近期有系列文章可以参考。切记新创务必询问 business model 、
客户来源（有无客户）、盈利来源（有无盈利）和背后资金（投资人？融资？）等，这关
系到你是否能在一段时间内和公司共同成长，对方通常也会乐于告知。大公司通常是底薪
不高偏向分红，多关注 Project 进行流程、管理阶层风格、部门重要性（赚钱部门？还
是举无轻重的附属部门？）。适当的表达对公司的了解和（发自内心的）喜欢点很重要，
另外个人认为对技术的热忱很能打动面试官，这方面要从自己的履历、经历和口头描述发
挥。
面试到后来会有些疲倦感，但收获也很大，不断的面试可以更好得知自己在市场上的价值
，借由谈话也能吸收很多养分（经过多间高手指教，论文改进版的灵感都来了 XD）。希
望这篇落落长的心得可以帮助到各位！