工作甘苦談文章

熱門社群 升學媒體人秘書HR百貨行銷醫護觀光餐旅
職務大辭典 » 職務中類表 » 軟體工程 » 演算法開發工程師 » Appier -Machine learning scienti
職務定義:
薪資平均範圍:
薪資職能報告
工作年資 1年以下 1~3年 3~5年 5~7年 7年以上
平均薪資 年資1年以下 : $39,471 年資1~3年 : $46,603 年資3~5年 : $50,567 年資5~7年 : $55,555 年資7年以上 : $59,365
  1. 圖像處理演算法研發
  2. 識別演算法研發
主題:

Appier -Machine learning scienti

又到了歲末年終的轉職大洗牌,剛換了第二份工作,跟各位分享一下面試經驗,希望對於找工作的人有幫助^^

Appier -Machine learning scientist 有幸應徵,不過這一家我沒上XD



自介:

因為分數關係,放棄醫科摔到二類組,大學只有學一些基礎coding

後來有讀研究所,有幸跟著老闆做一些研究專案

第一份工作是實習後轉正職,主要當助理工程,協助可靠性測試工程師(RA)一些雜事,但上手後,也有自己負責一些小專案。

RA工作內容大概是:


  1. RA電路分析 & pattern debug.


  2. RA project management & execution.


  3. 跨單位支援 、任何主管交辦事項、其他專案加雜事


在專案中,主要協助NLP,所以ML也有碰到,也是後來想繼續推坑的工作



在這裡應該很多人對於NLP很陌生,就來簡單介紹一下:

NLP(神經語言程式學)是Neuro-Linguistic Programming的縮寫,其定義是處理來自外部的資訊,以及由內在擷取出資訊,讓人生更加豐富的技巧。



NLP是於一九七五年由美國加州大學聖塔克魯茲分校(UCSC)的語言學家約翰.葛瑞德(John Grinder)博士與數學家兼電腦專家理察.班德勒(Richard Bandler)先生共同開發而成。

這兩位學者研究當時的卓越心理諮商師,觀察他們的說話方式、行動模式,以及無意識下的行為,並加以系統化,目的在於探求「表現傑出者與表現平庸者之間的差異」。然後,他們又融入了語言學、心理學、人體工學、精神生理學等領域的概念,開發出這項任何人都能迅速、輕鬆學會的實用「學問」,因此NLP又稱為「實用溝通心理學」。

據說目前世界上已經有數百萬人學過NLP,光英國就有25萬人正在接受認證課程。其應用範圍廣泛,除了成功哲學或管理學,甚至擴及教育、醫療、藝術、體育等領域。



Appier - Machine learning scientist 面試經驗分享:

Appier算是蠻熱門的首選公司,但很不好進,通常面試官會有多位

面試官進會議室自介完,就會直接切入重點,沒有什麼過多的寒暄

問的東西很細,問了些深度學習和機器學習的東西,也會直接考簡單coding,建構ROC curve概念之類的基本題,不過後來還是被刷掉了,公司地點很氣派、有興趣也準備好實力的朋友,不仿可以去試水溫一下。



這邊也幫大家搜尋一下【北美數據科學家(Data Scientist) 面試都面了哪些題? 】讓大家參考,可能做一些基本功課,會比較全面XD



Machine Learning、Statistic的相關問題


  • 一些分布參數的最大似然估計之類的東西是什麼,如何推導


  •  LR SVM的本質區別是什麼


  • 哪些Regularization,都各有什麼性質


  • 對於Naive Bayes的理解,NB有哪些局限性


  • Random Forest 為什麼很好用


  • 如何做Model Selection


  • 給一組數據,問Decision Tree,LR,NB,SVM等算法學出來都是什麼樣子的,是否學不出來,怎麼處理,有哪些Kernel,在圖上畫線怎麼畫




還有被問到了一些比較難的問題,比如:


  • 對於Graphical Model的理解,寫出LDA的公式,給出Topic Model 生成過程等的


  • PageRank的原理和公式推導




總之,前面那些問題本質上都不是那麼難,但是不少問題都需要對於ML各種知識的融會貫通,所以大家在學習的時候還是需要深入學習,不要浮於表面。(引問網址:https://read01.com/ePOK33.html )



希望以上資訊對大家有所幫助了,祝大家求職.轉職順利!
Appier -Machine learning scienti
職務類別:演算法開發工程師   職稱:Machine learning scientist   相關職缺:數位內容相關  演算法開發工程師
又到了歲末年終的轉職大洗牌,剛換了第二份工作,跟各位分享一下面試經驗,希望對於找工作的人有幫助^^

Appier -Machine learning scientist 有幸應徵,不過這一家我沒上XD



自介:

因為分數關係,放棄醫科摔到二類組,大學只有學一些基礎coding

後來有讀研究所,有幸跟著老闆做一些研究專案

第一份工作是實習後轉正職,主要當助理工程,協助可靠性測試工程師(RA)一些雜事,但上手後,也有自己負責一些小專案。

RA工作內容大概是:


  1. RA電路分析 & pattern debug.


  2. RA project management & execution.


  3. 跨單位支援 、任何主管交辦事項、其他專案加雜事


在專案中,主要協助NLP,所以ML也有碰到,也是後來想繼續推坑的工作



在這裡應該很多人對於NLP很陌生,就來簡單介紹一下:

NLP(神經語言程式學)是Neuro-Linguistic Programming的縮寫,其定義是處理來自外部的資訊,以及由內在擷取出資訊,讓人生更加豐富的技巧。



NLP是於一九七五年由美國加州大學聖塔克魯茲分校(UCSC)的語言學家約翰.葛瑞德(John Grinder)博士與數學家兼電腦專家理察.班德勒(Richard Bandler)先生共同開發而成。

這兩位學者研究當時的卓越心理諮商師,觀察他們的說話方式、行動模式,以及無意識下的行為,並加以系統化,目的在於探求「表現傑出者與表現平庸者之間的差異」。然後,他們又融入了語言學、心理學、人體工學、精神生理學等領域的概念,開發出這項任何人都能迅速、輕鬆學會的實用「學問」,因此NLP又稱為「實用溝通心理學」。

據說目前世界上已經有數百萬人學過NLP,光英國就有25萬人正在接受認證課程。其應用範圍廣泛,除了成功哲學或管理學,甚至擴及教育、醫療、藝術、體育等領域。



Appier - Machine learning scientist 面試經驗分享:

Appier算是蠻熱門的首選公司,但很不好進,通常面試官會有多位

面試官進會議室自介完,就會直接切入重點,沒有什麼過多的寒暄

問的東西很細,問了些深度學習和機器學習的東西,也會直接考簡單coding,建構ROC curve概念之類的基本題,不過後來還是被刷掉了,公司地點很氣派、有興趣也準備好實力的朋友,不仿可以去試水溫一下。



這邊也幫大家搜尋一下【北美數據科學家(Data Scientist) 面試都面了哪些題? 】讓大家參考,可能做一些基本功課,會比較全面XD



Machine Learning、Statistic的相關問題


  • 一些分布參數的最大似然估計之類的東西是什麼,如何推導


  •  LR SVM的本質區別是什麼


  • 哪些Regularization,都各有什麼性質


  • 對於Naive Bayes的理解,NB有哪些局限性


  • Random Forest 為什麼很好用


  • 如何做Model Selection


  • 給一組數據,問Decision Tree,LR,NB,SVM等算法學出來都是什麼樣子的,是否學不出來,怎麼處理,有哪些Kernel,在圖上畫線怎麼畫




還有被問到了一些比較難的問題,比如:


  • 對於Graphical Model的理解,寫出LDA的公式,給出Topic Model 生成過程等的


  • PageRank的原理和公式推導




總之,前面那些問題本質上都不是那麼難,但是不少問題都需要對於ML各種知識的融會貫通,所以大家在學習的時候還是需要深入學習,不要浮於表面。(引問網址:https://read01.com/ePOK33.html )



希望以上資訊對大家有所幫助了,祝大家求職.轉職順利!
相關甘苦談連結