(以下为代 po)
大家好，简单分享我在 2022 年底到 2023 年初的面试经验。本人约三年工作经验，现职
为 data scientist 。
1. 总共投了约 15 到 20 间，多数为台北的软件业或外商。投递方式为公司官网、104
、 LinkedIn 、少部分是朋友内推及 yourator 。扣掉猎头推荐但没兴趣的，最后总共
接到 8 个面试邀约，并拿到一个 offer 。包括：
- OOO : offer get (暂不分享)
- Dcard Junior Machine Learning Engineer : 二面后感谢函
- Appier Data Scientist, Analytics : 二面后感谢函
- 17live Sr./Jr. Data Scientist : 面试后感谢函
- ASUS AICS 大数据软件研发工程师 : 一面后婉拒二面
- 趋势 AI Research Engineer : 程式测验后没消息 (人事冻结)
- 钛坦科技 senior data scientist : 要写作业所以婉拒面试
- Taboola Algorithm Engineer : 婉拒面试 (投递后过了三个月才寄面试邀约，已
经要 onboard 了)
2. 事前准备：
- Leetcode : 陆续刷了 近 100 题，主要刷 array 及特定技巧 ，例如
backtracking 与 DP，另外也刷了一点 SQL ，看到 hard 就跳过。网络上已经很多刷题
心得这边不多说，只提两点：
- 有 premium 帐号刷起来心情会好很多
- 这次面试考得都不难，顶多到 medium 难度
- 专案与自我介绍简报：疫情期间几乎都是远端面试，自介简报已经是基本配备了。
- ML 知识：花了点时间复习了相关知识，包括传统 ML 算法 (tree-based 为主)
与 DL 技术 (熟悉领域的 SOTA 模型、基本知识)，但面试中几乎都没被问到。
3. 面试概述：
- Dcard Junior Machine Learning Engineer
- 时程：官网投递 → D+20 面试邀约 → D+22 一面 → D+39 二面 → D+41 感
谢函
一二面都是技术面，主要都着重在情境题。情境题基本上就是给一个推荐系统的
情境，并请妳设计一个解决方案，考验你如何设计实验、选择指标、挑选算法等等，面
试官会开电子白板跟你一起讨论。 一面包括自我介绍、讨论过去专案，情境题、与程式
测验，程式测验偏资料结构 (heap 、hash map)。二面则着重在情境题，另外还有问系统
设计，例如如何训练、部属、 serving ，中间会用到的工具等。
个人觉得面试难度非常高，除了要很懂推荐系统的情境与方法外 (不只是尻过模
型那种懂)，还要懂资料工程与系统设计，面试期间花了很多时间恶补，最后还是铩羽而
归qq。
面试官人都很友善，感觉技术很强。至于 HR … 与我联络的 HR (intern) 好像
很不想理我，让我觉得很不受尊重：首先在约二面的时间时，她先给我两个时段，我说时
间 ok ，但希望有其他时段给我选，我比较好配合，但她就直接订在原本的时间，并回了
封罐头确认信，也不知道有没有帮我协调。接着在二面前，我准备了一些面试相关的材料
，请 HR 先寄给面试官，HR 也是完全不回信，直到面试当下我问了面试官才知道他们有
拿到我的材料。
虽然不是很夸张的错误，但在面试过程中，我要兼顾现职工作与其他公司的面试
，周末也全都拿来准备 Dcard 的面试，结果 HR 一不鸟我的时间安排，二让我以为准备
的东西交不到面试官手上，现在回想起来，还是蛮不爽的。应该不是我毛太多吧 = =
- Appier Data Scientist, Analytics
- 时程：官网投递 → D+14 一面邀约 → D+17 一面 → D+22 二面邀约 →
D+25 二面 → D+38 感谢函
其实本来要丢的应该是 ML scientist，但我也不排斥 DA ，想说就丢看看。
一面主要为自我介绍与程式测验，程式测验包括用 pandas 做 EDA 、算指标与
SQL 测验。因为不熟 pandas 语法，直接跟面试官说我要开 pandas cheatsheet ，面试
官也不介意。虽然不难，但平常没在用应该会写不出来。
二面则是跟主管面，因为这个缺比较著重于捞报表、建 dashboard，而我过去经
验比较偏模型开发，主管感觉对我兴趣缺缺，随便聊聊不到 40 分钟就结束了，另外主管
看起来很累 (?)。面完就知道没机会了，但感谢函还是等了约两周。
- 17live Sr./Jr. Data Scientist
- 时程：官网投递 → D+5 HR 来电聊天，约面试 → D+10 面试 → D+20 感谢
函
17 的面试会安排在同一天，有四关大约三小时，分别为程式测验、技术面、主
管面、人资面。
程式测验考了一题 SQL ，其实不难，但平常很少写，所以写不太出来。技术面
主要针对过去专案经历来问，问得满仔细的，且会适时切入一些技术细节。技术面后，换
主管接手，主管主要都是问情境题，会根据你的技能，问你如何解决他们商业情境上碰到
的问题。人资关则是聊天、公司介绍、问你一些性格问题等等。
整体来说，面试过程轻松愉快，人资与面试官都很客气，面试难度也不高。此外
，面试排在同一个下午对于在职的人来说方便很多。本来觉得十拿九稳，想不到最后收到
了感谢函 (据说后来这个缺没补人)。
- ASUS AICS 大数据软件研发工程师
- 时程：官网投递 → D+3 线上程式测验 → D+4 面试邀约 → D+10 一面 →
D+10 二面邀约
线上程式测验共两题，难度 medium 未满。一面面试官先介绍单位与工作内容，
接着请你自我介绍，并根据内容提问。面试官技能可能不是在建模上，所以模型技术内容
没有问得很深入，但会一直拷问你实验流程为什么这样设计，如何解释不同方法等等。后
来面试官有解释，因为工作上会常需要跟医师们沟通，所以必须要...有能力说服医生？
最后半小时是程式测验，难度虽不高，但我一直写不出好的解法。面试官一直鼓
励并引导我想出更好的解法，后面也给了我一些建议。当下一直想说。
整体来说，面试过程愉快，面试官人很和蔼，HR 效率也很高 (一面完几小时就
送二面通知)，不过一面聊到最后才知道这个缺比较偏 backend ，要负责串接医院或诊所
的系统，后来又收到其他 offer ，所以就婉拒二面。
４. 总结：
- 感觉这段时间工作真的不好找，许多公司丢了都没回。
- 很多间都有考情境题，建议面试时可以先准备好电子白板或 google 文件，被问到
就分享萤幕，边讨论边做笔记，会比较有条理。可以在 youtube 搜寻 data science
mock interview ，看看大家都是怎么回答问题的。