2024 工作 & 面試分享— Machine Learning Engineer
一些相關背景已經打在上一篇的面試分享，可自行參考：
2022 工作 & 面試分享— Machine Learning Engineer
面試 material 分享
面試專業問題分享
- 白板題
- Machine Learning (ML)
- Operating System (OS)
- C++
- Computer Vision
面試心得分享
面試公司
- 國泰數數發 - 資料科學分析師
- 由田科技 - 影像處理演算法工程師
- 八維智能 (D8AI) - AI 工程師
- 慧通智聯 - 機器學習工程師
- 智見科技 (vivipic) - 影像處理/電腦視覺/AI人工智慧演算法工程師
- 高通 (Qualcomm) - AI Software Engineer, AI PC SDK (Multiple Levels)
- 群暉科技 (Synology) - Product Developer (深度學習應用開發)
- 群聯電子 (Phison) - 機器學習運算架構設計工程師
- 創未來科技 (TronFuture) - AI 視覺工程師
- 全曜財經 (CMoney) - AI 工程師
- 大立光 (Largan) - AI演算法工程師
- 訊連 (CyberLink) - AI Engineer (Computer Vision and Generative AI)
- 微星 (MSI) - 影像辨識工程師
- 洞見未來科技 - Machine Learning Engineer
- 鉅怡智慧 - Machine Learning and Computer Vision Engineer面試 material 分享
Book
OS
- 11001周志遠教授作業系統 (建議至少要熟悉 CH1 ~ CH9 的內容)
Data Structure & Algorithm
我面試前大概總共刷了70題左右，很多都考 Blind 75 或是 NeetCode 150 裡面的題目，要面試的話可以大力刷一下，中獎機率很高 XD 自己寫完題目也可以自行做一下整理，我自己就是習慣記錄在 Github 上，以便之後複習。
Machine Learning related
面試前有把一些數學推導跟觀念複習過一遍，發現有些公司會問，會考的題目基本上網路都找的到，可自行查閱。不熟的觀念都會回去看宏毅老師的課程，非常實用！
回目錄 | 繼續閱讀面試專業問題分享
白板題:
- 21. Merge Two Sorted Lists (Easy)
- 344. Reverse String (Easy)
- 3105. Longest Strictly Increasing or Strictly Decreasing Subarray (Easy)
- 2. Add Two Numbers (Medium)
- 92. Reverse Linked List II (Medium)
- 215. Kth Largest Element in an Array (Medium)
- 3107. Minimum Operations to Make Median of Array Equal to K (Medium)
- 146. LRU Cache (Medium)
- 311. Sparse Matrix multiplication (Medium)
- 2812. Find the Safest Path in a Grid (Medium)
- 109. Convert Sorted List to Binary Search Tree (Medium)
- 179. Largest Number (Medium)
- 25. Reverse Nodes in k-Group (Hard)
- 30. Substring with Concatenation of All Words (Hard)
Machine Learning & Deep Learning問題
- Attention & Transformer
- RNN concept
- CNN concept
- Focal loss 原理？
- Object detection 的 model 有用過哪些？
- 有用過哪些 CNN backbone?
- Overfitting是什麼？通常會怎麼處理？
- Precision, Recall, mAP用在哪裡？怎麼計算？
- 通常怎麼解決 data imbalanced 的問題？
- 有沒有把 ML model deploy 到 embedding system 上的經驗可以分享？
- Overfitting是什麼? 會怎麼解決?
- CUDA out of memory 你會怎麼解決
- 什麼情況下會使 Accuracy 高但 F1 score 很低?
- 現代的深度學習跟傳統機器學習的差異?
- Multi-class v.s. Multi-label
- 會怎麼調 hyperparameters
- Gradient vanishment 會怎麼解決？
Operating System (OS)
- Process v.s. Thread
- Process 之間如何溝通？
- Thread 之間如何溝通？溝通上會碰到什麼問題以及如何解決？
- Semaphore 跟 Mutex 的差異？
- 什麼時候會發生 Segmentation Fault?
- Multi-Threading 會怎麼做?
- Context switch 是什麼? 在做context switch的時候需要存什麼東西?
- 如何解決 race condition 的問題?
- CPU 的 Protection 是如何做的?
- Stack & Heap 的差異?
- Interprocess Communication (IPC) 有哪些方法
- TLB 是做什麼用的?
C++
- 什麼是 smart pointer? 跟一般的 pointer 比有什麼好處
- Hash table C++ STL中的哪一個container？
- STL中的 map 底層是用什麼實作的？
- Static 有什麼功用
- OOP 的三大特性
- Pure virtual 是什麼
Computer Vision
- Watershed transformation
- Morphology
- Histogram of Oriented Gradients (HOG)
- Homography transformation
- Camera calibration
- Edge detector
回目錄 | 繼續閱讀面試心得分享
- 多面試多交流：如果你對某間公司的職位和工作內容感興趣，但跟你的經歷沒有那麼匹配，不妨還是可以先投遞履歷！許多公司的 JD 與實際工作的內容可能有些差異，甚至可能有正在開發但尚未寫入 JD 的其他專案。因此，建議大家多參加面試、多與面試官交流，有時候你會因此發現自己真正想去的公司。
- JD 上的工作經歷參考就好：有時候在 JD 上會看到要求幾年的工作經歷，這可能會讓人猶豫是否該投遞。然而，根據我的面試經驗，這些要求往往只是參考。如果公司對你有興趣，還是會邀請你來面試。實際例子就是我這次投遞了 Qualcomm 的 AI Software Engineer 職缺，他們要求4年以上工作經歷，但我仍然收到面試邀約並成功拿到 offer。因此，如果你對某個職位感興趣，就直接投遞履歷，還是有機會獲得面試機會和 offer 的！
- JD 上的專業技能需求參考就好：這次投遞了很多公司的職缺，發現 JD 上列出的專業技能要求往往很多，這可能會讓許多人望而卻步。然而，實際上公司在開發中主要使用的技能通常只有幾個（以程式語言為例，我這個職缺主要用的是 C++ 和 Python）。所以，不用因為公司列出的專業技能可能無法完全符合而不敢投遞履歷，很多時候只要掌握主要的幾個技能就可以勝任這個職缺了。
- Package 的部分要勇於爭取：雖說要勇於爭取，但實際上還是要看你是否有什麼相關經歷可以對公司有貢獻，或者是否有其他公司提供更好的 package 可以做 compete offer。有些公司一開始給你的 package 可能是留有談判空間的薪資。因此，如果你覺得自己的能力可以對公司團隊有貢獻，就應該勇於爭取自己應得的 package！
如果有其他想了解的也可以再跟我聯繫，也附上我這次面試用的Resume。這次大概海投了 4X 家公司，最後有回覆並且參與面試的就是我以下分享的這幾家公司 (大概 1X 家左右)。
回目錄 | 繼續閱讀面試公司分享
Note:
- 每個面試我會標註 ★ 註明我覺得這次面試的難度，越多 ★ 代表我覺得面試越困難。
- 每個面試我會標記投遞履歷日 (D) ，若是投遞履歷 3 天後收到面試邀約，會在 ”面試職務” 前以 D + 3 註記。若投遞履歷日到實際面試時間為 6 天，則會在 ”面試” 前註記 D + 6。
國泰數數發
(D + 3) 面試職務：人工智慧科技科_資料科學分析師
(D + 6) 一面 （實體面試）★★
面試總時長為2小時，首先第一個小時會請你做紙筆測驗，題目蠻容易的，大致考題如下：
- 基礎微積分
- 基礎統計
- 基礎 Python
- Machine learning concepts
後一個小時有四個面試官跟你聊你的相關工作經歷，人都蠻好的，建議準備PPT。公司的專案主要以 LLM 居多，跨部門的合作會很頻繁，有一個工程師跟我說他那天開了 7 場會XD
額外提問:
- 公司會配給你一台MacBook
- 基本上不能WFH
- 沒有午餐補助
結果：無聲卡
回目錄 | 繼續閱讀由田新技
(D + 0) 職務：影像處理演算法工程師 (公司主動邀約)
(D + 9) 一面 （視訊面試）★
有一位主管跟我談對AOI瑕疵檢測的一些看法，這個職務比較偏向實作一些傳統影像演算法去偵測瑕疵，包含 PCB 面板、IC 半導體等等。由於我的經歷比較偏向 Deep learning 的方法，面試的時候主管也跟我討論我對於用 Deep learning 方法來做的一些看法及優缺點，不過主管比較偏向傳統演算法，所以再請 AI team 的主管會跟我做複試。面試過程基本上就是聊天而已，也沒有請我自我介紹 XD
額外提問:
- 公司基本上加班要到晚上11點才有加班費，通常加不加班取決於你自己的開發進度。
- 基本上公司不能WFH。
(D + 14) 二面 (視訊面試) ★★★
一位 AI team 的主管跟我面談，首先請你自我介紹，並問一些工作經歷的問題，接著就是 40 分鐘的 coding test，考了三題，Easy、Medium、Hard各一題。
額外提問：
- 進去公司會負責 imbalanced data 的 survey ，因為瑕疵檢測最主要的問題就是有些瑕疵的類別很難蒐集。
(D + 28) 結果：Offer get
回目錄 | 繼續閱讀八維智能 (D8AI)
(D + 5) 職務: AI Engineer
(D + 9) 一面 (實體面試) ★
有四位工程師跟我面談，基本上就是介紹自己的相關經歷，然後從 PPT 上以及我的介紹做提問。由於公司屬於接案型，因此主要工作內容會根據客戶需求而定。目前公司主要以 NLP 領域的開發為主，偶爾也會接觸 CV 領域的任務。因此，公司希望找到能夠同時精通 NLP 和 CV 領域的 candidate，並具備將訓練好的模型部署到客戶前端界面和後端API的能力。
額外提問:
- 公司目前有2張A6000顯卡在做 model training 使用
- 基本上不能WFH。
(D + 19) 二面 (實體面試) ★★
二面與一面相似，不過這次加入了董事長和 CFO 共同參與面試。面試一開始，一樣是先請我介紹自己的相關經歷。之後，面試官就對經歷進行提問。問答環節結束後，他們也提出了一些個人問題，例如我為何選擇這間公司，以及我是否還有其他進行中的面試。整體來說，面試過程相當輕鬆，所以如果要到公司面試的人不需要太緊張！
(二面後兩小時即收到回覆）結果：Offer get
回目錄 | 繼續閱讀慧通智聯
(D + 0) 職務: 機器學習工程師 (公司主動邀約)
(D + 3) 一面 (視訊面試) ★
跟一位主管進行視訊面談，介紹自已的相關經歷，然後主管會從你的經歷問一些相關問題。面試過程蠻輕鬆的，最後主管也介紹部門在做的事，包含：
- AI + AIOT的瑕疵檢測: 螺絲鬆動、面板瑕疵…等等
- 數據分析: 從訊號上去分析特徵
這間公司目前還是新創公司，AI team 成員有 6 位，主要是屬於接案型公司
額外提問:
- 通常要進辦公室上班，額外需求可提 WFH
- 公司目前訓練設備主要用 local server，有一些 30, 40 系列的卡可以用
(D + 15) 二面 (視訊面試) ★★
這次面試多了一位內部的工程師一起來進行面試，主要根據我的相關經歷，包含工作、競賽、論文來進行提問，整個面試下來大概就是技術交流，如果對自己做的 work 都熟悉的話應該算是蠻容易的一場面試。
(D + 27) 結果: Offer get
回目錄 | 繼續閱讀智見科技 (Vivipic)
(D + 0) 職務：影像處理/電腦視覺/AI人工智慧演算法工程師
(D + 0) Assessment (線上) ★★
試題有三題，需在1~7天內回答完畢，簡單說一下主題：
- 讀英文文件的API
- 實作某個data structure的pseudo code
- Server communication的pseudo code
結果: 無聲卡
回目錄 | 繼續閱讀高通 (Qualcomm)
(D + 2) 職務：AI Software Engineer, AI PC SDK (Multiple Levels)
(D + 22) 一面 (視訊面試) ★★★★★
面試總時長為 4 小時，共有三個面試官會輪流進來面試，若某一個面試官覺得你 OK 的話，就會把你 bypass 到下一個面試官。
- 第一關 (考 OS & 白板題)
第一個面試官首先問我相關經歷的問題，經歷的部分花了很多時間在介紹在上一間公司工作時，如何使用 Qualcomm 的 model conversion SDK，以及如何做 trouble shooting ，還有通常在 C++ debug 的時候會怎麼做，接著也問了蠻多 OS 相關的問題。
最後面試官也跟我討論我覺得 test 比較重要還是開發 function 比較重要。也介紹了部門內的 routine work，內部開發主要是跑 Scrum，三週會開一次票給你並且審核你的工作進度。每週的二、四會需要與美國的工程師開會，部門內做的主要是 AI PC 的核心，並且會串在 Windows API 上。台灣部門就有 80 幾個工程師，整個開發團隊大約有 200 多個工程師。
最後考了一題 Medium 難度的白板題。
- 第二關 (問一些 behavior questions& 白板題)
第二關的面試官相對都問 behavior questions。這個面試官也跟我聊了許多 career 相關的事，也跟我分享他為什麼會覺得這個工作有趣，而自己要找到自己覺得有趣的工作，才會做的快樂，整體來說輕鬆許多 XD
最後的白板題考一題 Medium。解完之後面試官也跟我討論我會如何去做 testing，確保程式上 100% 沒有問題，面試官表示這在他們內部開發非常重要，因為只要出現一個 bug ，可能就會耗掉原本開發的兩倍時間去 debug。
- 第三關 (問 Algorithm & 白板題)
這關的面試官首先問我相關經歷的問題，然後接著就問一些跟 Algorithm 相關的問題，如 Recursive 的 complexity怎麼分析、DFS & BFS … 等等
最後的白板題考一題 Easy。
(D + 36) 結果: Offer get
回目錄 | 繼續閱讀群暉科技 (Synology)
(D + 1) 職務：Product Developer (深度學習應用開發) (請朋友內推)
(D + 1) Assessment (線上) ★
給一題 Leetcode 的題目要你自行練習後，回傳 AC 的截圖。基本上算是給你面試前的練習題，所以就自行練習後繳交即可。
(D + 18) 一面 (線上) ★★★★★
- 第一關：
先對自己的簡歷做介紹，面試官會做簡單提問。接著就問 C++、OS 的一些問題。最後也考了兩題白板題，難度大概是 Medium 程度。
- 第二關：
一樣先對自己的簡歷做介紹，之後面試官介紹了一下部門內部再做的事情。主要是公司內部有 NAS 系統，那他們想要在 user 上傳的一些 surveillance 資料做事情。基本上內部分兩個 team，一個是在做系統方面 (包含 UI, C++ program, …等等)，另一個就是在做演算法 (看 Paper、追 SOTA)。
接著面試官接續問一些 ML, C++ 及 OS 的相關問題。最後也考了兩題白板題，難度是 Medium 跟 Hard。
(D + 26，自行寄信詢問HR) 結果: Thank you letter
回目錄 | 繼續閱讀群聯電子 (Phison)
(D + 7) 職務：機器學習運算架構設計工程師
(D + 20) 一面 (線上) ★★
在這次面試中，主要由兩位公司內的工程師來進行。由於我的背景較多為演算法開發，我在自介後主要介紹我在 MobileDrive 的 model deployment 經驗。這部分由於跟部門的工作比較相關，因此花了比較多的時間進行討論。接續也考了兩題白板題，難度都是 Medium。
最後，面試官也向我介紹了他們部門的主要工作內容。公司基本上專注於SSD的開發，部門則在探討如何從SSD的角度來加速AI運算，並設計相應的架構進行分析。公司主要做一些更底層的開發工作。
(D + 27自行寄信詢問) 結果: Thank you letter
回目錄 | 繼續閱讀創未來科技 (Tron Future)
(D + 1) 職務: AI視覺工程師 (請朋友內推)
(D + 6) 一面 (線上) ★★★
由一位主管與兩位團隊成員一起進行面試。首先，按照自己的經歷進行自我介紹後，面試官根據我的相關經歷提出一些問題。整體來說，面試官給人感覺相當友善。自我介紹結束後，他們出了一個實際情境測驗題：
「假設我們有一塊 5公里 x 5公里的土地，並在土地上安置三台可旋轉的攝影機，這些攝影機所照射的範圍可以有重疊。試問我們應如何確定這三台攝影機之間的關係？」
這個情境題主要是在考會不會求解 camera 之間的 homography matrix。
在面試的最後階段，主管介紹了部門目前的主要工作方向。公司主要服務於國防和太空產業，而這個部門專注於開發無人機的防禦系統。具體而言，當敵方無人機侵入時，我們的無人機需要能夠自動進行攔截。為此，無人機上裝配了能追蹤敵方無人機的AI模型。未來，部門還計劃拓展至多目標或多攝影機的應用領域。
(D + 40) 二面 (線上) ★
在 D + 20 跟 D + 30 個寄了一封面試結果詢問信給HR，結果都沒回覆，以為就這樣無聲卡，想不到在 D + 35 收到了 HR 的電話告知有進一步的面試 XD
二面跟公司的 CEO & CTO 面試，經歷介紹完之後就問一些 career 相關的問題，前後大概 10 分鐘就結束了。
結果：無聲卡
回目錄 | 繼續閱讀全曜財經 (CMoney)
(D + 1) 職務: AI 工程師 (請朋友內推)
(D + 3) 一面 (線上) ★★
有一位 Junior 跟一位 Senior 工程師一起面試，面試過程主要了解一下經歷相關的事，並且面試官會做一些提問。接著是 Machine Learning 相關的一些問題討論，內容大概就是問一些 ML 常被考的題目。
最後面試官介紹部門內主要在做以下幾件事:
- 專欄推薦: 推薦使用者相關的文章
- 消費資訊推薦: 基於交易數據做興趣分析，根據每個人消費興趣來做推薦
- LLM: 透過語音與使用者即時互動
額外提問:
- 一週有一天的 WFH
- 每個人會有自己的開發資源， 1 ~ 2 GPU (3090 or 4090)
- 週會需跟主管報告進度，1 ~ 2 天讀書會 (報 paper 或討論工程文件)
(D + 14) 二面 (線上) ★★★
跟 CTO 面試，首先問我在台大修過什麼機器學習相關的課程，接著就問一些跟 ML 相關的專業問題。
最後就是考了三題數學題，難度大概是高中數學。
(D + 20) 三面 (線上) ★★★
跟裡面的顧問面試，這關主要是白板題，考了 1 題 Easy 跟 1 題 Medium。 接著還問了 Quick sort, Heap sort, Merge sort 個別的優缺點。
(D + 28) 四面 (線上) ★
跟 HR 聊天，基本上就是一些 behavior questions
(D + 35) 結果: Thank you letter
回目錄 | 繼續閱讀大立光 (Largan)
(D + 3) 職務：AI 演算法工程師 (LinkedIn上聯繫HR)
(D + 12 ) 一面 (現場) ★★
一開始進去會先請你填寫簡歷表，隨後會做智力測驗。智力測驗後馬上會有專業問題的測驗，有 Machine Learning、Computer Vision、Programming相關的題目。
測驗完後主要分兩階段的面試：
第一階段
有兩位面試官，首先跟你介紹工作內容、工作時數、薪資範圍：
- 工作內容：Localization 以及 AOI 瑕疵檢測。基本上就是在幫忙開發公司內部研發鏡頭的機台，所以客戶就是自己家的產線。而這個職位也會需要進到無塵室去看現場的狀況，所以基本上不會只是坐在辦公室做開發而已，若產線有需要還需要親自到產線去了解狀況。
- 工作時數：上班時間是彈性 8 ~ 9點之間都可以，然後基本上平日每天都要加班 2 ~ 3 小時，週六也會需要上班，然後基本上會需要 on call，只要產線那邊有問題無法遠端解決，那可能就要隨時跑一趟公司，畢竟產現有問題的話會大大影響公司的良率。加班會有加班費，聽他們分享一個月的加班時數大約會是 70 ~ 80 小時不等，加班費通常會有 1 ~ 2 萬。
- 薪資範圍：工作保障 15 個月 (中秋、端午、春節各發一個月），加上額外的紅利金。新人剛進去的紅利金可能不多，但聽說待了 2 ~ 3 年後發跟自己當前年薪一樣的紅利金也有可能。
接著面試官請我自我介紹後對經歷做一些討論，基本上跟一般面試沒什麼差異。
第二階段
有一位面試官，也是跟你介紹工作內容和時數，隨後接著跟我討論經歷。面試官強調在這邊上班要非常以公司為中心，基本上自己的時間會很少，所以要自己斟酌。
(D + 24) 結果：Thank you letter
回目錄 | 繼續閱讀訊連 (CyberLink)
(D + 3) 職務：AI Engineer (Computer Vision and Generative AI)
(D + 10) 一面 (線上面試) ★
面試前會有一個 coding 的前測，2 題 medium跟 1 題easy，程式語言只能使用 C / C++。接著，一面會先有一個 IQ 測驗以及英文測驗，總測驗時長大約為 1 hr，測驗完後就進到跟主管的面談。
主管面談主要就是談相關經歷，談完之後就會介紹部門內部在做什麼，然後問你的期望待遇，前後大約 20 幾分鐘就結束了。
額外提問:
- 公司基本上目前還沒有固定 WFH的規劃，但有需求可以提
- 每週一次meeting，報自己的 progress
- 基本上會一個人負責一個 project，從 ground-truth 蒐集到最後的deployment 一條龍都需要負責，但有問題還是可以提出來討論
(D + 16) 二面 (現場面試) ★★
一面後隔天就收到二面的邀請，請我挑選以下一個主題，介紹目前的進展、比較大的挑戰以及相關的 reference，大概十分鐘左右。
- Text-to-Image
- Text-to-Video (我挑了這個 XD)
- Inpainting for video
面試有兩位主管跟一位同事，首先就介紹自己選的 Topic，介紹完後主管就根據你的 presentation 問問題，如:
- 如果要生一張 high resolution 的影像，那你會怎麼設計?
- Video generation 要怎麼確保 temporal consistency?
- Transformer 中最耗時的地方是哪裡? 後續有人做了什麼改善?
主管們人都很和善，面試下來的氛圍我覺得很好，所以不用太緊張 XD
面試完之後就請 HR 帶我去公司及辦公室看看環境，順便介紹公司福利。
(D + 18) 結果: Offer get
回目錄 | 繼續閱讀微星 (MSI)
(D + 47) 職務: 影像辨識工程師
(D + 59) 一面 (現場) ★★
104 投遞後過了一陣子才接到一面的邀請。面試官有兩位，面試前會有一個30 分鐘的筆試測驗，題目有 Machine Learning、Computer Vision 以及programming (難度大概 medium)。
筆試測驗結束後就進到跟面試官問答，基本上就是介紹經歷後，面試官會照著你的經歷去做一些提問，這部分只要自己熟悉應該就沒甚麼大問題。
這個部門主要是 Research team，會幫公司的所有 BU 做事情，目前主要有兩個事情要做
- 車牌辨識：公司目前已經有第一代上線了，第二代基本上想要把 performance 提高，並且也想用 GAI 做 data augmentation，讓模型的generalization 能力變好
- 資源共享 server：面試官提到目前每個 BU 都用自己的 server 在做事，未來想建立一個共享的 server ，讓大家都在這台 server 上做事。所以進去可能會幫忙架設 MLops 相關的服務。
額外提問:
- 上班時間基本上是: 8:00 ~ 9:30期間到公司即可，做滿8小時即可下班。
- 公司有員工餐廳，午餐晚餐都可以刷。
- 公司固定薪資是 N * 14，N的話會取決於你的學歷、經驗、年資。 另外每年的3, 8, 10月會有分紅，依照他們這三年的經驗大概是各 2 個月。所以面試官也說 N * 20 大概就是整年度會拿到的 package。
結果：無聲卡（原本說預計兩週後回覆，不過之後都沒收到結果了）
回目錄 | 繼續閱讀洞見未來科技
(D + 1) 職務: Machine Learning Engineer
(D + 8) 一面 (現場) ★★★
面試首先由 HR 進行一些 behavior questions 的問答，接著由技術主管進行一對一的面試。面試主要圍繞在我自身經歷的問答。結束後，主管介紹了部門的主要工作內容，部門分為兩個主要領域：
- (目前主要) Audio: 助聽器相關的演算法
- Vision: 夜視鏡的 visual enhancement
部門內主要以 Edge AI 為核心，使用高通的平台，應用情境基本上都是 real-time inference。因此，開發過程中需要進行模型的部署以及部署後的優化。技術主管經驗很豐富，面試的過程我們深入討論了一些 quantization 及deployment 過程中可能遇到的問題，並詢問了我對這些問題的解決方法。他也分享了他自己的看法。整體面試過程算是一場輕鬆且有深度的技術討論。
(D + 16) 二面 (現場) ★★
二面是一面的主管還有 CEO 做面試，主要也是圍繞在自身的經歷去做討論。整體來說部門是軟硬都做，所以你在做一些演算法的開發中遇到一些硬體的限制，你可以直接跟硬體的部門做討論，彈性比較大。
面試結束就有拿到口頭的 offer。
(二面當天) 結果：Offer get
回目錄 | 繼續閱讀鉅怡智慧
(D + 10) 職務：Machine Learning and Computer Vision Engineer
(D + 23) 一面 (線上) ★★★
面試主要由一位面試官面談，首先就針對經歷的部份做一些問答。接著就進到 Machine Learning、Signal processing 的技術問答，Signal Processing 大概是問 Convolution 的意義、Filter 設計的規則、Fourier Series v.s. Fourier Transform等等。
公司主要是做臉部的生理特徵預估，會有一台攝影機照臉，然後用 signal processing & computer vision 的技術去做生理訊號的估計。
額外提問：
- 團隊通常是Team work，不能 WFH。
- 進去主要會先以測試公司目前系統為主，上手後才會進到主產品線開發
(D + 28) 結果：收到二面邀請，但已經接受其他公司的 offer，所以婉拒面試
回目錄 | 繼續閱讀如果你覺得這篇文章對你有幫助，可以考慮小額支持我唷 XD 有任何問題也可以私訊跟我討論，也祝大家都能找到自己理想的工作！
