Medium 好读版：https://reurl.cc/VEOkMy
找工作前受惠于很多网络上的资讯，所以也决定把求职一路上的过程纪录下来，希望可以
帮助到未来需要的人。
一点背景
大学和研究所都是读资工，大学有顺便辅数学系，约大三开始跟指导教授做机器学习方面
的专题，大学到硕毕前也因缘际会去过一些地方实习，后来确定自己没有兴趣继续走学术
、决定在台湾找工作。
延毕了一学期到今年一月毕业，差不多口试完之后才开始准备刷题、复习等等，现在想起
来有点晚，到面试时 leetcode 差不多才写 100 题左右。我有买 premium、有针对不擅
长的领域（例如 DP）多练习，也有多参考讨论区别人的解法，但广度和速度大概都还不
够。
找工作前其实没有很明确的方向，所以不管是 ML、SWE、backend、quant 我都有投，除
了增加机会之外也想多探索各公司在做什么，也顺便更了解自己向往怎么样的工作内容和
形式。途中想过这样会不会很浪费资源、偶尔也会觉得面试很紧凑很累，但最后想想还是
没有后悔，觉得这些都是非常珍贵的经验，也很少有机会像这样短时间内参观这么多办公
室 XD
大部分内容是从笔记复制过来的，如果格式很丑和有些地方中英夹杂请见谅。如果有觉得
我透露太多的也请告知我，我会删减。
面试心得
面试的日期有些中间隔很久是因为刚好卡了过年，那段期间有些安排所以才会隔比较远。
KKBOX / data scientist
2/1 收到一封信包含某资料，可以选择 train model 或是 explore data
2/16 因为时间因素放弃作答
其实这类的题目满有趣的，也没有制式化的答案，但是面试过程中实在没有心力，只好放
弃
趋势 / software engineer
2/2 收到 codility 连结，题目都不太难
3/4 现场
两个部门共三人面我，问过去实习经验、stack with max、各自介绍部门的大概工作内容
3/19 现场
上次的其中一个主管跟我聊，主要是确认工作内容（使用信件metadata侦测是否有恶意，
并对不同类型做出不同反应），时间不长像是聊天
3/19 104 适性测验
3/23 填基本资料
3/26 接到电话给 offer
一开始我是投 ML 的缺，不过 HR 让我面的是 SWE 的职位，工作内容感觉算是有挑战性
，但自己不是很有兴趣
玉山 / machine learning engineer
2/2 现场
问了一些情境题，像是对话纪录转文字、如何生成训练资料
根据过去实习问延伸问题
介绍 NLP、语音等工作，有 64 GPU，最后带我上楼参观
3/4 现场
张智星和一位主管一起面
详细介绍工作内容、问一些过去经验、最后聊天
3/10 接到电话讲大致薪水
3/24 现场
详细介绍未来可能做的方向 (text speech 互转、ASR 等等)，也可能做GNN, meta
learning 等等，给纸本 offer、介绍薪资福利，最后参观办公室。有看到很多白板、大
家在讨论的样子满棒的
这个是 HR 打来问我有没有兴趣去面，想说也很好奇金融业会处理哪些 NLP 方面的问题
就决定去，感觉工作内容很有趣、也可以实际解决很多问题，根本来的想像中差满多的
ucfunnel / data scientist
2/3 线上
考 fibonacci, decode string，介绍工作内容（以图搜图、推荐系统等等）
3/5 线上
半小时前打来说主管临时有事，延期
3/18 现场
两位面我，我自介，问我对工作的期待、介绍公司文化，可能会碰到比较广而不一定深，
使用现有 open source 弄出可行的产品
3/19 来信给 offer
算是偏新创的公司，看起来因为在成长所以会碰到很多东西、但可能短期内各个专案都不
会做很久或很深
Google / software engineer
2/3 线上
问了一个有趣的图论题目，一开始我只想出满暴力的解、他也先叫我写写看，写完后我们
同意这个问题应该是 NP-complete，幸好没有一开始就拼命思考更快的做法
3/8 线上
一关算是简单的暖身
一关考了 connected components, two-player card game (DP)，但第二题只有讲到想法
没有写
3/9 线上（有另外一关是 behavioral）
一关考 2D LIS variant，有一直被提示
一关考 max stack (remove max)，算是 open-ended problem，最后有追问一些 copy
constructor 之类的内存问题
3/23 HR 电话通知面试结果不理想，需要找人给 additional feedback
5/31 收到拒绝
因为距离实习超过一年所以得要重新面试一轮。虽然在得知面试结果不好的时候就觉得机
会不大了，也几乎都只有解出一题，但还是等比想像中久才收到拒绝。感谢 Dennis 内推
！
WorldQuant / data scientist
2/4 线上
考 Hackerrank，reserveString 等四题，都满简单的
3/8 线上
问了满多 ML 方面问题：seq2seq, random forest vs. xgboost, data augmentation,
transformer
照惯例有问益智问题（灯泡亮暗之类的）
简单介绍工作内容（由 data 生 data），也可能会需要处理新闻资料而跟 NLP 相关
3/25 线上
问过去团队合作、论文内容、为什么停修某门课、为什么数学系线代成绩差
确认工作内容细节，会需要大量和其他人沟通
缺点是有些东西还不确定，优点是可以训练（英文）沟通、表达，也可以使用很多资料，
也有一些时间可以自己决定做什么
3/30 吃饭
聊天，非常高级的餐厅，闲聊未来规划等等
这个职位和一般的 quant researcher 不太一样，比较像是他们的资料供应商，但是有满
够的自由度。以薪水来说（虽然还没谈到）应该是其他望尘莫及。感谢 Chia-You 内推！
Mixerbox / data scientist
2/5 寄来一封信，有四题
包含机率、big data、情境题
3/3 现场
三大题，两小时，独自作答后三人进来问问题，最后 HR 介绍公司及谈薪水
3/8 收到拒绝
面试后他们想找的 data scientist 和我会的技能差有点远，过去我也比较少分析、商业
、产品方面的经验，所以在现场面试时就觉得应该会被拒绝，不过题目很有趣、也很有挑
战性
OmniEyes / ML CV engineer
2/5 现场
问硕论、实习内容，介绍公司产品，提到会和实验室合作
2/19 收到拒绝
台大几位教授合开的新创，面试地点在世贸楼上的一间办公室，看起来应该需要即战力，
可能是我的影像经验过少
玩美移动 / AI CV engineer
2/8 现场
考 C++ 纸笔、数学、逻辑、英文（含听力）
问硕论及过去实习方向、聊天
3/25 我寄信问状况，打电话来说上周打给我没接到、加上薪资期望有落差所以没有再联
络，我决定放弃
Synology / product developer (cloud backend)
2/8 线上
两关都问 thread/process、race condition、lock、OOP、design pattern
第一关实作 hash table、第二关 merge sort 及猜数字
3/2 现场
HR 问实习经验、团队合作、自认优缺点
RD 聊天、工作内容、白板：longest palindrome 及 follow-up，find one missing
integer 及 follow-up，都有被提示。聊工作内容（cloud applications）
执行副总给 offer，讨论薪水、福利、文化，分析其他公司优劣
最近有从 NAS 转型做了一些 cloud applications，感觉满不错的。感谢 Elise 陪我聊
天！
Inventec / AI engineer
2/9 线上
聊天、介绍业务：智慧制造、医疗、机器狗、AI on chip
有发论文、自由度高
3/11 线上
range addition 和 follow-up，满有趣的题目，面试官也很会提示
3/23 现场
忘了带笔电 QQ
第一关：介绍 AI 团队，问 multimodal 问题（有关 time series data 和 tabular
data）
第二关：LZW encoding function，面试官很有趣，讨论起来很轻松
第三关：（英文对话）给定一堆 sequence 找出某个模糊 pattern
第四关：implement softmax, cross-entropy, and MNIST by LSTM in PyTorch，也是很
有趣的体验，有开放查 doc
3/30 接到电话给 offer
整个现场面试虽然是同一天连续四关有点累，但体验都满棒的，有很多来回互动和讨论。
工作内容的话应该有机会碰到各种题目，听起来团队气氛也还不错
中强光电 / AI algorithm engineer
2/9 电话
问了各种问题，CNN, data augmentation, batch norm, gradient vanishing and
explosion, dropout, ensemble, replay buffer in RL, self attention,
information gain, xgboost，有的我也不太确定怎么回答
3/12 现场
现场有两位，主管因为出差远端用 Line 语音
主要是介绍工作内容，提到可能会碰到很多数学，以及我提问，算是大公司内的新创气氛
团队
3/13 收到通知填资料、做英文测验
3/30 来电说想再约一次面谈，我放弃
HR 是 104 找到我，算是公司内定位满神奇的一个团队
Kneron / AI CV engineer
2/12 线上
面试官人在美国，问硕论、修课、各种 DL 问题，且根据我修过的课挑问题问
修过 convex optimization：primal/dual, strong duality, KKT, convergence, SVM
vs. logistic regression, margin
修过组合学/机率：十颗相同苹果分给三人，一人至少一颗，有几种分法；箱子有 100 条
线，每次拉两个线头接一起，最后都是环时期望上有几个环
DL：optimizers (explain Adam), weight init, learning rate scheduling, how to
debug overfitting/underfitting, data augmentation, #params and
#multiplications in convolutions
虽然面了一个多小时（还是大年初一的下午 XD），但面完感觉很舒服，大概是因为面试
官强到可以针对修过的课问对应的问题，而且满多问题都满好玩的
3/10 现场
两个人问问题
CV: tasks, object detection, segmentation, models
NLP: tasks, transformer
optimizers, batch norm and other norms, overfitting, GAN
台湾比较偏 edge model training, SD 总部有做 model compression, quantization,
NLP
3/20 线上
问过去经历，做过的 distributed training 和他们最近研究的 federated learning 有
关，之后有机会做这方面
overfitting bias/variance tradeoff, DQN vs. policy gradient, why residual
blocks, why cross-entropy can be backprop-ed, why cross-entropy converges,
one-hot pros/cons, transformer pros/cons, BERT
3/30 来电问我状况，确认期望薪资
4/6 接到电话给 offer，包含 stock option
算是台湾人开的美商新创，看起来都是以芯片和 edge 方面为主
Arc & Codementor / data engineer
2/19 线上
聊天发现 data engineer 的需求超出我会的范围，过去没有经验也不太适合，决定放弃
Line pay / server-side engineer
2/19 online coding test
共四题，比较难的有 cycle detection, max sliding window
2/24 现场
针对 coding test 做 code review，讲解做法和讨论改善空间，帮我看最后一题测资找
错在哪，这个流程我觉得满用心的
从以前实习问问题
3/11 现场
两个韩国人视讯，现场有韩文翻译，我写白板加口说
database, process vs. thread, deadlock and how to avoid, what happens after
we enter a URL (using TCP/IP layers and packets), HTML methods (get, post,
delete), REST API
generate 6-digit OTP without duplicates
3/17 现场
HR 问过去经验、如何评价工作、目前 offers，一小段英文聊天，讨论薪水
3/24 接到电话给 offer
Dcard / machine learning engineer
2/23 线上
考 Python class 及 data structure, ML metric, 一题算法题
3/18 现场
一开始先带我逛公司跟介绍文化，周三 remote，感觉办公室气氛很棒很开放
HR 聊天，后来有三位（2 工程 1 PM）面我，问我过去经历、实习，考推荐系统的架构设
计，不过看我刚毕业所以没有问太细
工作内容：改善一些指标、也会处理偏系统端的问题，最好熟 SQL。好处是有自主性、自
由度
3/24 线上
跟主管聊天，跟我说没工作经验是劣势（主要想找偏 senior），顺便多问 system
design 问题，以及过去的 OOP, code review 经验；和我分享目前的困难点
3/26 现场
CEO 聊天、互相问问题，最近拓展海外及电商，ML 会应用在文章、广告、搜寻等部分
HR 聊天、问我过去程式经验、ML 经验、实习经验，未来三五年规划和期待
结束后 10 分钟收到 offer，超快！
觉得文化很透明、扁平，做的事情也跟过去经验很相关，最近也在快速成长。感谢 Nick
跟我聊很多！
NVIDIA / Tegra software engineer
2/24 线上
C 相关，包含 memory, pointer, fork, type casting, blabla without if/ternary,
heap/stack，还有一堆难的。本来就预期这个职位偏底层，结果真的考了很多不会的 C
和 OS 东西
六个人开着视讯同时在各自的 Google docs 作答，满有趣的体验
3/25 我寄信问状况，收到拒绝
IBM / data scientist
2/24 online cognitive game
五个游戏关卡，最短路、拼图、比大小等等，时间限制很紧，都满好玩的
3/23 寄来线上测验
3/28 感觉需要的技能跟我会的不符，我放弃
Microsoft / system engineer
2/26 线上
stepping numbers, first larger number to the right
3/19 请朋友问状况
3/25 现场
聊工作内容（类似把 pre-trained model in docker image 包成 API），偶尔需要 on
call
第一关：given a string consisting of {abc}, find the length of any shortest
substring containing a, b, and c each at least once; follow-up
第二关：find the minimum in rotated sorted array; follow-up
第三关：（英文对话）pascal triangle (depth, row), iterative and recursive
4/6 现场
聊天，介绍工作内容，问我过去经验
4/12 线上
聊天、问过去经验
randomly pair up all people from different teams
4/14 接到电话给 offer，包含 RSU
本来想投的 software engineer 缺没了改投这个，感觉工作内容也满 SWE 的。感谢小花
内推和分享很多细节！
ShopBack / backend software engineer
2/26 线上
two sum variant
介绍工作内容，台湾负责的可能跟其他国家的部门不太一样，也会有跨国合作
3/22 现场
第一关两人：Number of BSTs for [1, n]; follow-up: return all such trees
第二关一人：system design: URL shortener, HTTP methods (idempotent), git
(basics, merge vs. rebase), meaning of response codes (3xx, 4xx, 5xx)，最后闲
聊（都去过日本仙台，聊到喜欢哪家牛舌XD）
第三关一人：看完英文文章后模拟跟朋友介绍，聊过去团队经验，对面试流程的想法
公司优点：同时有新创环境文化和成熟度
3/31 来电问我状况，我拒绝
办公室满有新创感的，甚至有荡秋千XD
InfuseAI / software engineer
3/3 线上
两个面试官，自介，问我实习经验、团队合作、挫败来源、与老师意见不合时处理方式，
用英文介绍一个喜欢的事物
公司 fully remote，pair programming，kanban + scrum，每月有实体聚餐，工作时会
开着聊天室让大家可以聊天
3/19 线上
CEO+CTO 面，问我对工作的期许、认为现有的 MLOps 有什么困难、未来想做什么、加入
后三个月会想怎么证明自己、对远端的想像
我的弱势：可能没有产品概念，或者不确定该做什么
4/1 接到电话给 offer
很酷的新创，CEO 是村长高嘉良、CTO 是做出 KKTIX 的布丁，做的产品是为了解决很多
公司导入 ML 的痛点，最近也有募到 A 轮
Bridgewell / machine learning engineer
3/5 现场
六个一起面我，我先 20 分钟投影片自介，之后大家问技术问题
剩下其中三个继续，互相提问、聊公司方向、我的想法等等
剩下副总继续，聊魔方盲解、学经历、指导教授、个性等等
董事长跟指导教授是朋友，最后和他聊了两个半小时，他讲到责任感、做决定的勇气、追
求成就而不是大家定义的成功等等，说希望他讲的事情以后我多少记得的话他就觉得不错
，觉得非常感人。
3/11 电话通知录取
3/17 吃饭
问我 offers 状况、如何选择工作，找工作建议可以先看老板、人、文化
3/24 现场吃饭谈 offer、聊天
因为实验室过去有和这间合作过所以很早就知道，也感觉得出来文化很棒，指导教授也说
他们不会亏待人才，从最后两次吃饭聊天也感受到十足的诚意。感谢陪我聊天的
Chien-Hui！
Amazon / software development engineer
3/8 线上 (OA)
LRU cache, partial sum (sums of all segments of length k, cyclically),
two-constraint 0–1 knapsack
3/18 收到拒绝
自己觉得 OA 算难（尤其第三题），后来有被问有没有意愿再加面，不过已经答应
offer 了只好拒绝。感谢 Simon 内推！
Skymizer / compiler engineer & software engineer (Python)
3/9 现场
可以带强者朋友去面试，满有趣的制度。因为同时投了两个职位，主管们先介绍
compiler team 和 model team，我们问问题，我自介、分享论文、被问问题，问
virtual function, template 等等
HR 聊天，后来变成求职顾问跟我们聊其他公司 XD
感谢 Jui-Yang 陪我去面试以及 Yanger 陪我吃饭聊天！
Gamania / machine learning scientist
3/10 线上
问过去经验，KDD Cup（面试官有比过 KDD Cup）, feature engineering, stacknet,
linear regression vs. xgboost vs. seq2seq
介绍工作内容（train model 增加营收，分析资料，会碰到 data processing,
modeling, training, serving）
HR：公司文化活泼、工时弹性（可远端）
3/15 来电说换部门面试，先前面试的部分 infra 比较不完全
3/19 线上
问我为什么想加入（因为过去有人以为游戏业=玩游戏）、加入游戏业对我代表什么、认
为自己能提供的价值
各种模型问题：如何推荐时装给用户，如何预测玩家流失率、如何将一个游戏的流失预测
模型转移到另一个游戏
讲更细的工作内容
HR：总经理给员工信任，无限制有薪自主假
本来没考虑不过意外发现橘子有 ML 部门就面看看，觉得也满有趣的
Synergies / data analyst engineer
3/11 现场
两人面我，实际问题：遇到客户如何询问资料、建模、random forest vs. xgboost；
SQL left join
工作内容会用到 Spark/Hadoop
Python 考 reverse array inplace、graph insertNode(neighbors) and
isConnected(node1, node2)
主管聊天、简单考算法题，只讲概念不用实际写
3/17 接到电话给 offer，包含股票
AlfredCamera / ML CV engineer
3/12 线上
聊天，目前 ML 团队两人，实作 CV models、pruning/quantization 等
3/22 收到拒绝
Point72 / quantitative finance researcher
3/12 线上
问论文、实习；两事件机率分别为 50%, 60%，求correlation的范围；若data set 整个
duplicate，p-value 如何变化；一开始有 $0，每一轮 51% 赢$1、49% 输 $1，至少几轮
后没有负债的机率至少 99.9%？（最后这题没有答出面试官想要的答案）
3/22 收到拒绝
机率和统计题都好难 QQ
Synopsys / software RD engineer
3/15 现场
一小时纸本测验，包含 malloc, tree level print, max subarray, smallest k
numbers out of n, skyline problem，时间有点紧
六七个人听我自介然后提问，之后两个人跟我讲工作内容（implement
computational-geometric functions about polygons）、让我提问，之后三个人跟我检
讨纸本测验内容（有提示我一些），最后让我提问
可能会用到/学到 valgrind、multi-thread，不过这个职位比较少用
可能可以 remote；美东美西都有同事，需要开会
3/17 给 reference check
3/29 来电问我其他 offers 状况，我拒绝
以工作内容来说觉得满有趣的，大致就是实作各种计算几何的函数，有点像是专门写这类
算法题的感觉
Appier / machine learning scientist
3/16 现场
问过去经历、聊天，讨论一些过去参加比赛或实习的内容
3/31 收到拒绝
一开始直接从官网投过了很久都没消息，后来决定找朋友内推结果当天就寄面试邀请了，
差超多 XD。面试时感觉没有特别表现不好的地方，希望只是自己太菜不够 senior。感
谢 Tiffany 内推！
17Live / backend engineer
3/16 线上
40分钟 codility，|{x | A <= x(x+1) <= B}|, #ops to become zero by -1 or /2，都
不太难
backend engineer 考三题 (continuous intervals, max overlapping intervals,
implement counter supporting inc/dec/getMin/getMax)，并互相问问题
两个人面我，考 grid 左上到右下有障碍物的走法数，设计 API 让首页排序每隔一段时
间才变，视讯时资料怎么传、跨国又如何、若有用户说没声音如何 debug
两个人面我，问更 high-level 问题，career path 等等
最后 HR 聊天
面试流程满不错的，全部排在同一天并且整体来说是从最技术到越来越偏向人格特质、聊
天
3/26 接到电话给 offer
MediaTek / CV NN SDK developer
3/17 现场
一开始有笔电做 50 分钟测验，分为选择/填空以及写程式。选择和填空主要考
pointer, macro, pre/post-increment, type casting, memory。程式考判断 prefix
及 2D array new/delete，不过系统出问题没办法测试或上传，体验有点差
结束后两位进来面试，问过去论文、实习方面
工作内容：开发在芯片或 VPU 上的 op
主动提到可能会有偶尔的加班需求，偶尔需要去新竹出差
3/23 原本约 3/25 新竹面试，我主动放弃
aetherAI / system engineer
3/23 现场
第一关一人：how to detect if one image is blurred
multithread, user space and kernel space (system call), unique/smart pointers
实作简化版 csv to yaml
讲工作内容
第二关两人：问过去经验、如何自学、目前有考虑的公司（知道 Kneron 和 InfuseAI）
第三关两人：data team 顺便面，可能会做 high-resolution image search
3/31 来信约下次面试，我拒绝
Houzz / extension engineer
3/30 线上
Number of connected components: DFS (实作), BFS and union find tree (讲概念)
4/7 线上
calculator (digits, +-*/)
在找工作后期被猎人头敲问说要不要面，虽然当时已经有几个在选择了，想说多面一个也
不错，也很迅速安排一周内面试，但后来还是赶不上需要回复其他间的时间，只好提前放
弃
AMD / software development engineer
4/6 现场
两个人面我，先让我自介，他们简介工作内容（实作 functions，类似 CUDA code，需要
有计组知识并了解芯片），问我 MMU, cache, page 我都不会
reverse 32-bit unsigned bits, remove duplicates in sorted linked list, max
depth of BST, matrix multiplication (follow-up: multi-thread), convolution
这个部门台北目前 5–10 人，会和美国同事合作
4/7 线上
multi-thread matmul (block-row-wise split, grid split, K-split for M-K-N
sizes where K is large), race condition, lock, pipeline, bubble, FFT, loop
unrolling, TLB, channel conflict
最底层需要写 asm，BLAS 会需要写 C++，code generator 需要用 Python
4/9 接到电话给 offer，有 RSU
一方面算是跟兴趣很相符的工作内容，但又觉得有点太底层
寻觅职缺
一开始花了满多时间在看有哪些公司和职位，不管大公司或新创我全都要，最直接就是去
看 104，大部分台湾公司都放在上面，不过有一些会放在公司官网，也有一些会放在
CakeResume、Yourator、LinkedIn 等等，可以都看看。有一些新创则是直接 Google 一
些关键字的排列组合找到的。
下面顺便列一些没有面到的公司。
有投但直接被拒绝或没有回音
Hugging Face, PicCollage, Neuralink, Shopee, Umbo CV, Verizon Media (Yahoo),
ASUS, Pinkoi, Viscovery, Qualcomm, Acer, Intel, Apple
想投但没有适合职缺
91APP, Gogoro, Cinnamon AI, iKala, Rakuten, Tomofun, HP, Dell, iCHEF,
Facebook, Netflix
回答问题
技术或程式方面的准备就满标准的，通常大家都推 leetcode （买 premium 可以解锁很
多题目，也方面照公司刷），也有历久不衰的 cracking the coding interview 但我没
时间看，平常有时间的话也可以参加 Codeforces, Google Kickstart 之类的题目比较有
趣的比赛。backend 相关面试的题目到后面也都发现满重叠的，前一两次被问到发现不太
熟的回家都恶补一番，之后被问到就回答得比较顺。
虽然知道要 think out loud，但很多时候没想法或卡住的时候还是会“嗯…”或是就安
静一段时间，后来发现即使是“讲出自己想到但觉得不可行的方向”也不错，例如“用
stack 的话可以达到某某要求，但是删除某东西太慢了”之类的，除了填补时间之外也能
让面试官知道我有在思考，如果想错了说不定面试官也会巧妙提示。
非技术的问题自己觉得很难准备，不过因为其中两间有请我准备投影片自介，途中刚好顺
便整理并回想了大学至今的修课专题、实习、论文、side projects 等等，脑海中会有比
较多素材可以用。很多经常被问的比如团队合作的经验、自认有哪些优缺点，一开始可能
要稍微回想或挑选，到后来就会慢慢收敛到一个平稳的说法，如果讲得不顺也可以面试完
后想想怎么讲比较好。
如何选择
从开始投履历的时候我的想法就是希望工作内容是我做了觉得有趣（不希望太重复性）、
也会有成就感（不希望太简单），再来也希望可以从厉害的同事身上学到东西、和公司一
起成长、可以实际做出有影响/贡献的东西。面试被问“你会怎么选择 offers”我也都是
这样回答。但即使这样还是有选择障碍，于是我做了个 Google sheet 把我对每个职位的
兴趣、擅长度、文化、价值、公司地点、影响力、年薪、累积的技能是否可以转移、国际
化程度等等都列出来，然后算出加权平均，最后发现分数最高的和我直觉选的一样，不过
第二名倒是不一样 XD。后来想想权重和给分其实都影响满大的，未来的我重新选一次说
不定结果也会不同。
工商时间
最后选择去 Dcard！到目前大概待了快三个月，虽然只进了办公室两天、之后就开始 WFH
，但 onboarding 以及沟通都满顺畅的，疫情前后也都是弹性的上下班时间。很幸运这时
期可以加入这个温暖的地方，公司经常举办线上的活动让大家多点连结，包含技术分享、
健身、知识王、海龟汤、技能分享、Ask CEO anything 等等，也有寄零食箱、弹力带等
等给大家！
目前公司也在快速扩张，有兴趣的话欢迎 https://join.dcard.today/
，也可以问我任何问题或找我内推XD
最后
感谢过去帮助过我的老师、朋友、实验室大神们、指导教授，也感谢家人一直都让我探索
兴趣，也尊重我的选择。