发信人: ynlmk (oh~我拿什么来拯救你啊~我的黑眼圈~!), 信区: JobHunting
标 题: 长年潜水，回馈FLG面经
发信站: BBS 未名空间站 (Sun Jan 25 08:03:43 2015, 美东)
概略：从本科到PhD一直念的EE。PhD毕业后没怎么找工作就直接到一个小型research
lab做networking research待了2年多。2014年初第一次Google试水，挂在onsite上了
。到了下半年这几家的recruiter开始陆续contact我，想想也差不多是时候换一下环境
了，就安排了感恩节前一周三个电面。电面除了G都非常顺利。G的电面我自己作死，面
完觉得必须挂的。谁知道过完感恩节那周竟然三家都收到onsite通知了。当时的想法是
避免战线拖太长，所以把三个onsite都安排在元旦后第一周。计划利用圣诞／新年长假
养精蓄锐好好复习，然后一鼓作气搞定。现在回头看，这个策略这次发挥的非常出色。
三家onsite都发挥的非常好，据说feedback都不错，最后都拿到了offer，包裹也都挺
不错的（G > L > F）。
准备：我一直不认为临急抱佛脚似的突击能有多大用处。所以准备时间比较长，可以算
从2013下半年就开始了。因为不是CS科班出身，以前在学校做的也是EE里面偏数学和CS
分布式算法里面非常理论的东西，coding一直是自己的弱项。工作之后就尽可能争取跟
system implementation相关的project。做过一个cloud storage project。发了几篇
不错的paper，然后在AWS上搭了个prototype system。基本上整个project从算法设计
，系统架构，到编程实现大部分靠自己一个人做出来。这个过程中coding和system
design的水平提高了不少。之前没怎么接触过的multithread programming也好好研究
了一番。除此以外就是看CLRS，上leetcode刷题，上买买提潜水看面经和各大牛的讨论
，上infoQ之类的网站看system design的article和tech talk。Leetcode是2014年初大
致刷完第一遍，然后每周都会起码上去随机重刷3-5道题。不看之前写的code，力求每
次新写的code和算法都比之前的更精炼。Onsite前两周放假把所有能找到的Facebook的
system design的tech talk重新过了一遍。这阶段感觉算法已经很难再有提高了。所以
每天就随机做几道leetcode，纯粹为了保持手感。
另外因为LinkedIn面的是Machine Learning相关的职位，所以就结合Coursera上Andrew
Ng那门课和一本书“Pattern Recognition and Machine Learning”把ML给自学了。
Coursera上的课可以很迅速的对这个领域有一个big picture，同时对基本的算法／工
具大致了解。然后fundamental的东西就靠看书和近几年发表的牛paper来深入学习了。
这个上面断断续续花了半年时间左右。因为之前research里面optimization做的不少，
所以感觉自学起来没有原来想象中的难度大。当然也一点都不轻松就是了。
面经和感受（按照onsite顺序）：
Facebook
面试前最没有好感的公司。但onsite之后好感度远超Google。所有的面试官（包括店面
的）还有recruiters都非常nice。整个公司给我很年轻很有活力的感觉。
电面：leetcode经典的all permutation和search in rotated array。一遍无bug。有
点搞笑的是我用的是java，然后面试的小白哥们就说他java不熟，让我随便写，不用太
在意grammar。我好像两道题都没有confirm是否有duplicate就直接按照没有duplicate
的case写了。到面完才突然醒悟过来。还好过了。
Onsite：
第一轮system design是一位很客气很nice的国人大哥：有很多台机器，设计一个类似
web crawler的一个系统。然后让我把每台机器上面跑的software的module diagram画
出来。然后还给了上下行带宽，让估算时间。
第二轮ninja是一位文质彬彬的很humble很nice的印度大哥：decode ways和LRU cache
。decode ways直接上了linear space的array的DP solution。LRU cache用hash map和
doubly linked list做了。出现了一下小bug在写的过程中都fix了。最后闲聊阶段想起
来decode ways的DP可以改进成用constant space，就跟他说了下。没让我写。
第三轮ninja是一个国人大哥。出了道k stat类似的题。于是就写了个quickselect的变
种。然后开始聊天，谈了些F以后打算开展什么new service之类的。聊的挺投契。
第四轮jedi是个感觉很年轻的印度小哥。人很nice很easy going。就让我介绍了我最近
做的一些project，然后就是标准的一些culture fit和behavior问题。没有其他
technical的问题。聊的挺愉快。
Facebook的onsite自己整体感觉非常顺。如果再来一次就算是同样的题目估计也很难发
挥的一样好。这给了我很大的自信，导致接下来在Google和LinkedIn的onsite中也有不
错的发挥。
Google
最大的感受就是他家的题库真大！onsite两次了，只有一道题是见过的。
电面：一位国人大哥。只做了一道题：给我一个string of nested ternary
operations例如a?b?c:d:e，让我build a tree：root是a，左子树是b?c:d对应的tree
，右子树是e。保证input都是valid的。这题用recursion的话非常容易写。但我当时不
知道发什么神经，坚持iterative更好写。结果花了半个小时死活写不出来。最后眼看
时间不多了，赶紧把recursion写了。当时以为一定挂了。可后来还是拿到了onsite。
真的非常感谢这位大哥。
Onsite：
第一轮是个刚PhD毕业半年很书卷气的白人小哥，先问了到类似text justification的
题。没啥难度，就是比较烦。做完这个问了个binary search的变种。只说了idea，没
让我写。
第二轮是个感觉挺smart挺干练的白人小伙，让我implement BigInt class和add
method。算法上也是没有难度的题目。可明显考点在于implementation上的
engineering issue，例如两个很接近INT_MAX的数相加时overflow该怎么处理。
第三轮是个挺活泼的东南亚女生。第一题是判断两个string是否anagram。轻松搞定。
然后第二题是write a class for Quadtrees，and a method to compute
intersection of two Quadtrees。因为之前完全不知道Quadtree是啥东西。花了点时
间讲解，还举了两个算intersection的例子。因为实在不熟，在写intersection的时候
想岔了一下浪费了点时间。在提示下改回来了。刚刚好赶在时间到前写完。
第四轮是个经验很丰富的白人大叔。没考算法。先让我介绍自己做过的project，然后
让我设计一个类似netflix的online movie streaming的system。最后让我挑一个
google product来improve。
第五轮是个很好玩的白人胖小哥。还没讲题目就告诉我说他要考engineering details
。第一道题目很简单就是求moving window average，但很抠细节。写完第一遍之后反
复improve了不少地方。然后第二道感觉是偏数值计算的问题：让我对很多个（say 10
trillion）个大小相近的double求和。不需要写code。因为实在没做过这方面的东西，
跟他讨论了好久才明白有普通的直接一个一个加有什么问题：当加到一定数目之后，比
如加完前1 trillion个数，再加下一个的时候，因为前面的sum的量级比新加这个数大
很多。结果新加的数就会被rounding掉，导致sum不再改变。明白了问题所在之后就简
单了，先两两相加，再把结果两两相加。。。repeat到完成。这样就能保证每次都是相
同量级的两个数相加。
LinkedIn
作为一个完全没有machine learning背景的人面一个machine learning的位置，我的经
历是绝对非典型且没有一点参考价值的，所以就不累赘了。Onsite一天下来一共六轮。
一轮coding，一轮跟hiring manager介绍自己和behavior question。其余四轮问了很
多偏数学的问题，印象最深刻是其中一轮被某位超级大牛grill得超级外香内嫩。还有
mapreduce和large scale machine learning infrastructure architecture也问到了
。
--
※ 修改:·ynlmk 於 Jan 25 08:11:52 2015 修改本文·[FROM: 98.]
※ 来源:·WWW 未名空间站 网址：mitbbs.com 移动：在应用商店搜索未名空间·[FROM: 98.]
Monday, January 26, 2015
长年潜水，回馈FLG面经
Subscribe to:
Post Comments (Atom)
No comments:
Post a Comment