本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。
亞馬遜，全球首富貝佐斯之下的巨頭，全球市值最高的科技公司。
也是目前技術(shù)人才發(fā)展前景最被看好的組織。
那么問題來了：如果你是算法工程師，加入亞馬遜這樣的公司，會經(jīng)歷一個怎樣的面試過程？
最近這則詳實面經(jīng)，獲得高贊，或許可能給你一些參考和借鑒。
滿滿干貨，建議先收藏后看~
崗位要求
首先，我們先來看看最刺激的——崗位要求。
數(shù)學(xué)、統(tǒng)計學(xué)、計算機科學(xué)或類似專業(yè)的本科學(xué)位以上 5年以上相關(guān)領(lǐng)域的工作經(jīng)驗 具有豐富的預(yù)測和決策模型和數(shù)據(jù)挖掘技術(shù)的工作經(jīng)驗，以及能夠使用開發(fā)此類模型的工具。
是不是覺得還好？那我們再來看看優(yōu)先條件：
構(gòu)建以及操作高可行性的分布式數(shù)據(jù)提取、收集和處理大型數(shù)據(jù)集的系統(tǒng)的經(jīng)驗 使用Linux/UNIX處理大型數(shù)據(jù)集的經(jīng)驗 熟悉AWS技術(shù)，如Redshift、S3、EC2、Data Pipeline和EMR等。 具備深厚的技術(shù)能力和足夠的業(yè)務(wù)知識，能夠與客戶組織內(nèi)的各個層面和各個領(lǐng)域的人員進行溝通。 有哪些崗位可以選擇？
看完崗位要求，是不是深吸一口氣
別急，我們再來看看在亞馬遜，算法工程師們有哪些崗位可以選擇。
就目前來看，主要有4種，分別是數(shù)據(jù)科學(xué)家、機器學(xué)習(xí)工程師、研究科學(xué)家以及應(yīng)用科學(xué)家。
這些崗位大體上相似，都是使用大量數(shù)據(jù)來為各種客戶構(gòu)建機器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL）模型。
但還是有些區(qū)別的。
首先在亞馬遜，數(shù)據(jù)科學(xué)家要有對數(shù)據(jù)驅(qū)動的洞察力。
他們是連接業(yè)務(wù)和技術(shù)的紐帶，負責分析大數(shù)據(jù)集，并對其進行建模。
機器學(xué)習(xí)工程師則是構(gòu)建機器學(xué)習(xí)和深度學(xué)習(xí)模型的專家。
不僅需要為亞馬遜本司構(gòu)建模型，也為AWS上的其他大型企業(yè)構(gòu)建模型。
除了構(gòu)建模型之外，還有實現(xiàn)模型，然后將其投入生產(chǎn)。
研究科學(xué)家呢，顧名思義，就是要搞研究。
這個崗位通常是具有較高的教育水平，往往是碩士或博士。
研究型科學(xué)家需要突破知識技術(shù)的局限，擴展可能的極限。簡單來說，就是對新舊技術(shù)進行研究，以確定這些技術(shù)在實踐中是否有益。
應(yīng)用科學(xué)家也需要較高的教育水平，這是比亞馬遜的研究型科學(xué)家略高的角色。
這個崗位專注于提升亞馬遜客戶體驗的項目，如亞馬遜的自動語音識別（ASR）、自然語言理解（NLU）、音頻信號處理、文本到語音（TTS）和對話管理等。
看到這里，你覺得OK嗎？
不管OK不OK，先投著簡歷試試唄~
投之前，先來看看基本的面試流程。
面試流程
亞馬遜的面試流程有2步到3步不等。
但是對于算法工程師，主要有電話面試、技術(shù)面試、以及現(xiàn)場面試3個步驟。
首先，第一步，電話面試。
跟大多數(shù)公司的第一次面試差不多，這一步驟主要是由公司的HR負責。
主要是了解應(yīng)聘者的基本情況，例如簡歷、過去的經(jīng)歷，希望看到你想要加入亞馬遜的興趣以及職位匹配的能力。
這一步只要你保持謙虛真誠，實事求是就好，就能夠安穩(wěn)度過。
那么就來到第二步——技術(shù)面試，這一面試是由來自公司的算法工程師來負責。
首先，詢問一些專業(yè)知識，包括ML的一些基本概念，比如不同ML模型的解釋、偏置-方差取舍、過擬合等。
主要是你對這塊知識的了解情況。
接著，就會是一些編碼問題，你可以使用任何語言來解答。
當然根據(jù)你所應(yīng)聘的崗位，問題也會有所不同。
要不先來提前了解一下有哪些問題？
舉幾個例子：
(Coding) Given an Array of numbers & a target value, return indexes of two numbers such that their Absolute difference is equal to the target.(給出一個數(shù)組和一個目標值，返回兩個數(shù)字的索引，使其絕對值與目標值的絕對差值相等) (Coding) Given two dates D1 & D2. count number of days, months?(給定兩個日期，算出天數(shù)、月數(shù)?) (Machine Learning) How do to find thresholds for a classifier?(如何為分類器找到閾值？) (Machine Learning) What’s the difference between logistic regression and support vector machines? What’s an example of a situation where you would use one over the other?(邏輯回歸和支持向量機有什么區(qū)別？在什么情況下，您會使用其中一種而不是另一種？) (Modeling) What is the interpretation of an ROC area under the curve as an integral?(如何解釋曲線下的ROC面積的積分？)
如果你前面兩輪面試都過了，那么恭喜你，來到了現(xiàn)場面試。
現(xiàn)場面試大概會有5輪到6輪，主要是技術(shù)面試和行為面試。
首先，技術(shù)面試不多言，就是刷題。大概會有幾輪，主要是關(guān)于ML和編程這兩個方面，面試官喜歡詢問面向?qū)ο蟮脑O(shè)計問題，所以一定要好好刷題！
舉一個例子：
Let’s say you have a categorical variable with thousands of distinct values, how would you encode it?(假設(shè)你有一個有成千上萬個不同值的分類變量，你會如何編碼？)
行為面試，就需要你提前去了解一下亞馬遜的14條領(lǐng)導(dǎo)力原則、崗位的具體職能、以及公司文化等一些知識。
據(jù)了解，Amazon的問題喜歡圍繞著Customer為中心來提問，需要你提前準備好經(jīng)歷故事，整理好話術(shù)，結(jié)合著那14條的原則來答就可以啦。
好了，以上就是亞馬遜的面經(jīng)指南，希望能夠?qū)δ阌兴鶐椭?/p>
或許對于其他大廠的相似崗位，也有可用之處。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
