Amazon 5.24 Onsite 据经

Amazon 5.24 西雅图 RS (research scientist) onsite 据经,EC2底下的一个组,找工作准备时间比较仓促,也是第一个正式onsite。签了NDA,不详细说面试具体题目。但把自己的经历和理解写出来,对自己是个总结,也希望对其他人也有帮助。
第一轮店面1小时,三哥加中国人shadow(才知道店面也会有shadow的吗),简短自我介绍,简短聊了一个项目,然后进入ML(machine learning) 快问快答,都是比较常见的题目,所以回答比较顺畅。大概四十分钟,把三哥准备的题目都答完了。于是气氛有些尴尬,三哥向中国人投出了求助的目光,问他有没有什么要问的,于是中国人临场提了几个简单的编程题。这一轮貌似也没什么可说的,顺利进入onsite,定在两周之后。在后来复习ML的时候,发现下面这个帖子总结一些常见题目,还比较有用:

然后就是准备onsite,由于第一轮面的ML,lz把主要的经历都用在了复习ML上和准备BQ (behaviour questions)上。狂看了几天Element of Statistical Learning (ESL) 和Andrew Ng的deep learning的课。感觉ESL这个书写的真的很好,不过也认为真的不适合短时间内看。lz不是ML方向的,感觉这本书像个大石头,平时慢慢看可以练内功,短时间看,容易闪着腰。
结果是发现准备完全弄错了方向,onsite一个maching learning的问题都没问,都是我在回答问题的时候往maching learning上扯,不知道为什么会这样。Onsite 五轮如下:

  1. 女性HR,上来就说这一轮全BQ,感觉聊得还行
  2. 白人,自我介绍,聊了一个自己做的项目,然后就是一个具体问题怎么分析,lz把问题写成了一个Integer Program,提了些huristic的解法。不确定是不是他想问的,但感觉他的反馈还可以
    Lunch:亚裔带着去吃意大利菜,主要是他各种说亚马逊怎么好
  3. 中年白人Senior RS + 中国fresh RS shadow:主要聊了自己的research,追加了一些扩展性问题。这轮因为是聊的自己的research以及十分开放的问题,lz就是一顿狂侃,感觉对方反馈还可以。lz这一轮已经开始感觉这个面试怎么跟想象中完全不一样。对方问我有没有问题的时候,就问了他们是不是很重视publication,他说不是。他说他主要想看一下如果作为同事的话,一起聊不确定的问题的是什么感觉。
  4. 三哥,感觉lz是跪在这一轮了,聊了一个自己的项目和BQ,然后就是一个case study,最后涉及AB testing。现在回想,问题很简单。但感觉自己当时头脑不是很清楚,加上上一轮聊reserach貌似有点上头。所以三哥一提出问题,我就想了一个比较复杂的模型来解决问题,然后就在自己的世界里不能自拔了。三哥给了我些提示,貌似想把我拉回来,但他可能感觉被我无视了。因为我感觉他说的都很trivial,一直在想后面的问题。于是就在我尝试向他解释我的解决问题的思路的时候,
    时间不够了。感觉这轮面试是这轮收获最大的地方,主要有两点,说出来道理理所当然,但面试的时候自己还是很容易犯错。一是拿到一个问题,应由简到难,先说最直接最intuitive的想法,然后看是不是有问题,再慢慢完善。二是一定要注意面试官的提示,一感觉他在暗示你的思路不是他想听的东西的时候,立马摒弃自己的想法,跟他的思路走。这并不代表自己的思路不对,不过面试的目的不是解决问题,是让面试官高兴。
  5. 三哥,感觉这轮没什么可说的,基本CS知识,leetcode easy 程度的coding,然后BQ

amazon research scientist的面经不是很多,所以lz在准备的时候也没很多面经可以看,都是当applied scientist来准备的,所以看了一堆ML,后来都没用上。面试的时候也没经验,没拿到offer开始有些失望,现在回想也觉得情有可原。感觉找工作要当持久战打才行,心态一定得好。都说失败是成功他妈,希望下次好运!