關於 高通面試dcard ，我們在網路上蒐集到這些相關的討論、資訊與評價

Medium 好讀版：https://reurl.cc/VEOkMy

找工作前受惠於很多網路上的資訊，所以也決定把求職一路上的過程紀錄下來，希望可以
幫助到未來需要的人。



一點背景

大學和研究所都是讀資工，大學有順便輔數學系，約大三開始跟指導教授做機器學習方面
的專題，大學到碩畢前也因緣際會去過一些地方實習，後來確定自己沒有興趣繼續走學術
、決定在台灣找工作。
延畢了一學期到今年一月畢業，差不多口試完之後才開始準備刷題、複習等等，現在想起
來有點晚，到面試時 leetcode 差不多才寫 100 題左右。我有買 premium、有針對不擅
長的領域（例如 DP）多練習，也有多參考討論區別人的解法，但廣度和速度大概都還不
夠。
找工作前其實沒有很明確的方向，所以不管是 ML、SWE、backend、quant 我都有投，除
了增加機會之外也想多探索各公司在做什麼，也順便更瞭解自己嚮往怎麼樣的工作內容和
形式。途中想過這樣會不會很浪費資源、偶爾也會覺得面試很緊湊很累，但最後想想還是
沒有後悔，覺得這些都是非常珍貴的經驗，也很少有機會像這樣短時間內參觀這麼多辦公
室 XD
大部分內容是從筆記複製過來的，如果格式很醜和有些地方中英夾雜請見諒。如果有覺得
我透露太多的也請告知我，我會刪減。



面試心得

面試的日期有些中間隔很久是因為剛好卡了過年，那段期間有些安排所以才會隔比較遠。

KKBOX / data scientist

2/1 收到一封信包含某資料，可以選擇 train model 或是 explore data
2/16 因為時間因素放棄作答
其實這類的題目滿有趣的，也沒有制式化的答案，但是面試過程中實在沒有心力，只好放
棄

趨勢 / software engineer

2/2 收到 codility 連結，題目都不太難
3/4 現場
兩個部門共三人面我，問過去實習經驗、stack with max、各自介紹部門的大概工作內容
3/19 現場
上次的其中一個主管跟我聊，主要是確認工作內容（使用信件metadata偵測是否有惡意，
並對不同類型做出不同反應），時間不長像是聊天
3/19 104 適性測驗
3/23 填基本資料
3/26 接到電話給 offer
一開始我是投 ML 的缺，不過 HR 讓我面的是 SWE 的職位，工作內容感覺算是有挑戰性
，但自己不是很有興趣

玉山 / machine learning engineer

2/2 現場
問了一些情境題，像是對話紀錄轉文字、如何生成訓練資料
根據過去實習問延伸問題
介紹 NLP、語音等工作，有 64 GPU，最後帶我上樓參觀
3/4 現場
張智星和一位主管一起面
詳細介紹工作內容、問一些過去經驗、最後聊天
3/10 接到電話講大致薪水
3/24 現場
詳細介紹未來可能做的方向 (text speech 互轉、ASR 等等)，也可能做GNN, meta
learning 等等，給紙本 offer、介紹薪資福利，最後參觀辦公室。有看到很多白板、大
家在討論的樣子滿棒的
這個是 HR 打來問我有沒有興趣去面，想說也很好奇金融業會處理哪些 NLP 方面的問題
就決定去，感覺工作內容很有趣、也可以實際解決很多問題，根本來的想像中差滿多的

ucfunnel / data scientist

2/3 線上
考 fibonacci, decode string，介紹工作內容（以圖搜圖、推薦系統等等）
3/5 線上
半小時前打來說主管臨時有事，延期
3/18 現場
兩位面我，我自介，問我對工作的期待、介紹公司文化，可能會碰到比較廣而不一定深，
使用現有 open source 弄出可行的產品
3/19 來信給 offer
算是偏新創的公司，看起來因為在成長所以會碰到很多東西、但可能短期內各個專案都不
會做很久或很深

Google / software engineer

2/3 線上
問了一個有趣的圖論題目，一開始我只想出滿暴力的解、他也先叫我寫寫看，寫完後我們
同意這個問題應該是 NP-complete，幸好沒有一開始就拼命思考更快的做法
3/8 線上
一關算是簡單的暖身
一關考了 connected components, two-player card game (DP)，但第二題只有講到想法
沒有寫
3/9 線上（有另外一關是 behavioral）
一關考 2D LIS variant，有一直被提示
一關考 max stack (remove max)，算是 open-ended problem，最後有追問一些 copy
constructor 之類的記憶體問題
3/23 HR 電話通知面試結果不理想，需要找人給 additional feedback
5/31 收到拒絕
因為距離實習超過一年所以得要重新面試一輪。雖然在得知面試結果不好的時候就覺得機
會不大了，也幾乎都只有解出一題，但還是等比想像中久才收到拒絕。感謝 Dennis 內推
！

WorldQuant / data scientist

2/4 線上
考 Hackerrank，reserveString 等四題，都滿簡單的
3/8 線上
問了滿多 ML 方面問題：seq2seq, random forest vs. xgboost, data augmentation,
transformer
照慣例有問益智問題（燈泡亮暗之類的）
簡單介紹工作內容（由 data 生 data），也可能會需要處理新聞資料而跟 NLP 相關
3/25 線上
問過去團隊合作、論文內容、為什麼停修某門課、為什麼數學系線代成績差
確認工作內容細節，會需要大量和其他人溝通
缺點是有些東西還不確定，優點是可以訓練（英文）溝通、表達，也可以使用很多資料，
也有一些時間可以自己決定做什麼
3/30 吃飯
聊天，非常高級的餐廳，閒聊未來規劃等等
這個職位和一般的 quant researcher 不太一樣，比較像是他們的資料供應商，但是有滿
夠的自由度。以薪水來說（雖然還沒談到）應該是其他望塵莫及。感謝 Chia-You 內推！

Mixerbox / data scientist

2/5 寄來一封信，有四題
包含機率、big data、情境題
3/3 現場
三大題，兩小時，獨自作答後三人進來問問題，最後 HR 介紹公司及談薪水
3/8 收到拒絕
面試後他們想找的 data scientist 和我會的技能差有點遠，過去我也比較少分析、商業
、產品方面的經驗，所以在現場面試時就覺得應該會被拒絕，不過題目很有趣、也很有挑
戰性

OmniEyes / ML CV engineer

2/5 現場
問碩論、實習內容，介紹公司產品，提到會和實驗室合作
2/19 收到拒絕
台大幾位教授合開的新創，面試地點在世貿樓上的一間辦公室，看起來應該需要即戰力，
可能是我的影像經驗過少

玩美移動 / AI CV engineer

2/8 現場
考 C++ 紙筆、數學、邏輯、英文（含聽力）
問碩論及過去實習方向、聊天
3/25 我寄信問狀況，打電話來說上週打給我沒接到、加上薪資期望有落差所以沒有再聯
絡，我決定放棄

Synology / product developer (cloud backend)

2/8 線上
兩關都問 thread/process、race condition、lock、OOP、design pattern
第一關實作 hash table、第二關 merge sort 及猜數字
3/2 現場
HR 問實習經驗、團隊合作、自認優缺點
RD 聊天、工作內容、白板：longest palindrome 及 follow-up，find one missing
integer 及 follow-up，都有被提示。聊工作內容（cloud applications）
執行副總給 offer，討論薪水、福利、文化，分析其他公司優劣
最近有從 NAS 轉型做了一些 cloud applications，感覺滿不錯的。感謝 Elise 陪我聊
天！

Inventec / AI engineer

2/9 線上
聊天、介紹業務：智慧製造、醫療、機器狗、AI on chip
有發論文、自由度高
3/11 線上
range addition 和 follow-up，滿有趣的題目，面試官也很會提示
3/23 現場
忘了帶筆電 QQ
第一關：介紹 AI 團隊，問 multimodal 問題（有關 time series data 和 tabular
data）
第二關：LZW encoding function，面試官很有趣，討論起來很輕鬆
第三關：（英文對話）給定一堆 sequence 找出某個模糊 pattern
第四關：implement softmax, cross-entropy, and MNIST by LSTM in PyTorch，也是很
有趣的體驗，有開放查 doc
3/30 接到電話給 offer
整個現場面試雖然是同一天連續四關有點累，但體驗都滿棒的，有很多來回互動和討論。
工作內容的話應該有機會碰到各種題目，聽起來團隊氣氛也還不錯

中強光電 / AI algorithm engineer

2/9 電話
問了各種問題，CNN, data augmentation, batch norm, gradient vanishing and
explosion, dropout, ensemble, replay buffer in RL, self attention,
information gain, xgboost，有的我也不太確定怎麼回答
3/12 現場
現場有兩位，主管因為出差遠端用 Line 語音
主要是介紹工作內容，提到可能會碰到很多數學，以及我提問，算是大公司內的新創氣氛
團隊
3/13 收到通知填資料、做英文測驗
3/30 來電說想再約一次面談，我放棄
HR 是 104 找到我，算是公司內定位滿神奇的一個團隊

Kneron / AI CV engineer

2/12 線上
面試官人在美國，問碩論、修課、各種 DL 問題，且根據我修過的課挑問題問
修過 convex optimization：primal/dual, strong duality, KKT, convergence, SVM
vs. logistic regression, margin
修過組合學/機率：十顆相同蘋果分給三人，一人至少一顆，有幾種分法；箱子有 100 條
線，每次拉兩個線頭接一起，最後都是環時期望上有幾個環
DL：optimizers (explain Adam), weight init, learning rate scheduling, how to
debug overfitting/underfitting, data augmentation, #params and
#multiplications in convolutions
雖然面了一個多小時（還是大年初一的下午 XD），但面完感覺很舒服，大概是因為面試
官強到可以針對修過的課問對應的問題，而且滿多問題都滿好玩的
3/10 現場
兩個人問問題
CV: tasks, object detection, segmentation, models
NLP: tasks, transformer
optimizers, batch norm and other norms, overfitting, GAN
台灣比較偏 edge model training, SD 總部有做 model compression, quantization,
NLP
3/20 線上
問過去經歷，做過的 distributed training 和他們最近研究的 federated learning 有
關，之後有機會做這方面
overfitting bias/variance tradeoff, DQN vs. policy gradient, why residual
blocks, why cross-entropy can be backprop-ed, why cross-entropy converges,
one-hot pros/cons, transformer pros/cons, BERT
3/30 來電問我狀況，確認期望薪資
4/6 接到電話給 offer，包含 stock option
算是台灣人開的美商新創，看起來都是以晶片和 edge 方面為主

Arc & Codementor / data engineer

2/19 線上
聊天發現 data engineer 的需求超出我會的範圍，過去沒有經驗也不太適合，決定放棄

Line pay / server-side engineer

2/19 online coding test
共四題，比較難的有 cycle detection, max sliding window
2/24 現場
針對 coding test 做 code review，講解做法和討論改善空間，幫我看最後一題測資找
錯在哪，這個流程我覺得滿用心的
從以前實習問問題
3/11 現場
兩個韓國人視訊，現場有韓文翻譯，我寫白板加口說
database, process vs. thread, deadlock and how to avoid, what happens after
we enter a URL (using TCP/IP layers and packets), HTML methods (get, post,
delete), REST API
generate 6-digit OTP without duplicates
3/17 現場
HR 問過去經驗、如何評價工作、目前 offers，一小段英文聊天，討論薪水
3/24 接到電話給 offer

Dcard / machine learning engineer

2/23 線上
考 Python class 及 data structure, ML metric, 一題演算法題
3/18 現場
一開始先帶我逛公司跟介紹文化，週三 remote，感覺辦公室氣氛很棒很開放
HR 聊天，後來有三位（2 工程 1 PM）面我，問我過去經歷、實習，考推薦系統的架構設
計，不過看我剛畢業所以沒有問太細
工作內容：改善一些指標、也會處理偏系統端的問題，最好熟 SQL。好處是有自主性、自
由度
3/24 線上
跟主管聊天，跟我說沒工作經驗是劣勢（主要想找偏 senior），順便多問 system
design 問題，以及過去的 OOP, code review 經驗；和我分享目前的困難點
3/26 現場
CEO 聊天、互相問問題，最近拓展海外及電商，ML 會應用在文章、廣告、搜尋等部分
HR 聊天、問我過去程式經驗、ML 經驗、實習經驗，未來三五年規劃和期待
結束後 10 分鐘收到 offer，超快！
覺得文化很透明、扁平，做的事情也跟過去經驗很相關，最近也在快速成長。感謝 Nick
跟我聊很多！

NVIDIA / Tegra software engineer

2/24 線上
C 相關，包含 memory, pointer, fork, type casting, blabla without if/ternary,
heap/stack，還有一堆難的。本來就預期這個職位偏底層，結果真的考了很多不會的 C
和 OS 東西
六個人開著視訊同時在各自的 Google docs 作答，滿有趣的體驗
3/25 我寄信問狀況，收到拒絕

IBM / data scientist

2/24 online cognitive game
五個遊戲關卡，最短路、拼圖、比大小等等，時間限制很緊，都滿好玩的
3/23 寄來線上測驗
3/28 感覺需要的技能跟我會的不符，我放棄

Microsoft / system engineer

2/26 線上
stepping numbers, first larger number to the right
3/19 請朋友問狀況
3/25 現場
聊工作內容（類似把 pre-trained model in docker image 包成 API），偶爾需要 on
call
第一關：given a string consisting of {abc}, find the length of any shortest
substring containing a, b, and c each at least once; follow-up
第二關：find the minimum in rotated sorted array; follow-up
第三關：（英文對話）pascal triangle (depth, row), iterative and recursive
4/6 現場
聊天，介紹工作內容，問我過去經驗
4/12 線上
聊天、問過去經驗
randomly pair up all people from different teams
4/14 接到電話給 offer，包含 RSU
本來想投的 software engineer 缺沒了改投這個，感覺工作內容也滿 SWE 的。感謝小花
內推和分享很多細節！

ShopBack / backend software engineer

2/26 線上
two sum variant
介紹工作內容，台灣負責的可能跟其他國家的部門不太一樣，也會有跨國合作
3/22 現場
第一關兩人：Number of BSTs for [1, n]; follow-up: return all such trees
第二關一人：system design: URL shortener, HTTP methods (idempotent), git
(basics, merge vs. rebase), meaning of response codes (3xx, 4xx, 5xx)，最後閒
聊（都去過日本仙台，聊到喜歡哪家牛舌XD）
第三關一人：看完英文文章後模擬跟朋友介紹，聊過去團隊經驗，對面試流程的想法
公司優點：同時有新創環境文化和成熟度
3/31 來電問我狀況，我拒絕
辦公室滿有新創感的，甚至有盪鞦韆XD

InfuseAI / software engineer

3/3 線上
兩個面試官，自介，問我實習經驗、團隊合作、挫敗來源、與老師意見不合時處理方式，
用英文介紹一個喜歡的事物
公司 fully remote，pair programming，kanban + scrum，每月有實體聚餐，工作時會
開著聊天室讓大家可以聊天
3/19 線上
CEO+CTO 面，問我對工作的期許、認為現有的 MLOps 有什麼困難、未來想做什麼、加入
後三個月會想怎麼證明自己、對遠端的想像
我的弱勢：可能沒有產品概念，或者不確定該做什麼
4/1 接到電話給 offer
很酷的新創，CEO 是村長高嘉良、CTO 是做出 KKTIX 的布丁，做的產品是為了解決很多
公司導入 ML 的痛點，最近也有募到 A 輪

Bridgewell / machine learning engineer

3/5 現場
六個一起面我，我先 20 分鐘投影片自介，之後大家問技術問題
剩下其中三個繼續，互相提問、聊公司方向、我的想法等等
剩下副總繼續，聊魔方盲解、學經歷、指導教授、個性等等
董事長跟指導教授是朋友，最後和他聊了兩個半小時，他講到責任感、做決定的勇氣、追
求成就而不是大家定義的成功等等，說希望他講的事情以後我多少記得的話他就覺得不錯
，覺得非常感人。
3/11 電話通知錄取
3/17 吃飯
問我 offers 狀況、如何選擇工作，找工作建議可以先看老闆、人、文化
3/24 現場吃飯談 offer、聊天
因為實驗室過去有和這間合作過所以很早就知道，也感覺得出來文化很棒，指導教授也說
他們不會虧待人才，從最後兩次吃飯聊天也感受到十足的誠意。感謝陪我聊天的
Chien-Hui！

Amazon / software development engineer

3/8 線上 (OA)
LRU cache, partial sum (sums of all segments of length k, cyclically),
two-constraint 0–1 knapsack
3/18 收到拒絕
自己覺得 OA 算難（尤其第三題），後來有被問有沒有意願再加面，不過已經答應
offer 了只好拒絕。感謝 Simon 內推！

Skymizer / compiler engineer & software engineer (Python)

3/9 現場
可以帶強者朋友去面試，滿有趣的制度。因為同時投了兩個職位，主管們先介紹
compiler team 和 model team，我們問問題，我自介、分享論文、被問問題，問
virtual function, template 等等
HR 聊天，後來變成求職顧問跟我們聊其他公司 XD
感謝 Jui-Yang 陪我去面試以及 Yanger 陪我吃飯聊天！

Gamania / machine learning scientist

3/10 線上
問過去經驗，KDD Cup（面試官有比過 KDD Cup）, feature engineering, stacknet,
linear regression vs. xgboost vs. seq2seq
介紹工作內容（train model 增加營收，分析資料，會碰到 data processing,
modeling, training, serving）
HR：公司文化活潑、工時彈性（可遠端）
3/15 來電說換部門面試，先前面試的部分 infra 比較不完全
3/19 線上
問我為什麼想加入（因為過去有人以為遊戲業=玩遊戲）、加入遊戲業對我代表什麼、認
為自己能提供的價值
各種模型問題：如何推薦時裝給用戶，如何預測玩家流失率、如何將一個遊戲的流失預測
模型轉移到另一個遊戲
講更細的工作內容
HR：總經理給員工信任，無限制有薪自主假
本來沒考慮不過意外發現橘子有 ML 部門就面看看，覺得也滿有趣的

Synergies / data analyst engineer

3/11 現場
兩人面我，實際問題：遇到客戶如何詢問資料、建模、random forest vs. xgboost；
SQL left join
工作內容會用到 Spark/Hadoop
Python 考 reverse array inplace、graph insertNode(neighbors) and
isConnected(node1, node2)
主管聊天、簡單考演算法題，只講概念不用實際寫
3/17 接到電話給 offer，包含股票

AlfredCamera / ML CV engineer

3/12 線上
聊天，目前 ML 團隊兩人，實作 CV models、pruning/quantization 等
3/22 收到拒絕

Point72 / quantitative finance researcher

3/12 線上
問論文、實習；兩事件機率分別為 50%, 60%，求correlation的範圍；若data set 整個
duplicate，p-value 如何變化；一開始有 $0，每一輪 51% 贏$1、49% 輸 $1，至少幾輪
後沒有負債的機率至少 99.9%？（最後這題沒有答出面試官想要的答案）
3/22 收到拒絕
機率和統計題都好難 QQ

Synopsys / software RD engineer

3/15 現場
一小時紙本測驗，包含 malloc, tree level print, max subarray, smallest k
numbers out of n, skyline problem，時間有點緊
六七個人聽我自介然後提問，之後兩個人跟我講工作內容（implement
computational-geometric functions about polygons）、讓我提問，之後三個人跟我檢
討紙本測驗內容（有提示我一些），最後讓我提問
可能會用到/學到 valgrind、multi-thread，不過這個職位比較少用
可能可以 remote；美東美西都有同事，需要開會
3/17 給 reference check
3/29 來電問我其他 offers 狀況，我拒絕
以工作內容來說覺得滿有趣的，大致就是實作各種計算幾何的函數，有點像是專門寫這類
演算法題的感覺

Appier / machine learning scientist

3/16 現場
問過去經歷、聊天，討論一些過去參加比賽或實習的內容
3/31 收到拒絕
一開始直接從官網投過了很久都沒消息，後來決定找朋友內推結果當天就寄面試邀請了，
差超多 XD。面試時感覺沒有特別表現不好的地方，希望只是自己太菜不夠 senior。感
謝 Tiffany 內推！

17Live / backend engineer

3/16 線上
40分鐘 codility，|{x | A <= x(x+1) <= B}|, #ops to become zero by -1 or /2，都
不太難
backend engineer 考三題 (continuous intervals, max overlapping intervals,
implement counter supporting inc/dec/getMin/getMax)，並互相問問題
兩個人面我，考 grid 左上到右下有障礙物的走法數，設計 API 讓首頁排序每隔一段時
間才變，視訊時資料怎麼傳、跨國又如何、若有用戶說沒聲音如何 debug
兩個人面我，問更 high-level 問題，career path 等等
最後 HR 聊天
面試流程滿不錯的，全部排在同一天並且整體來說是從最技術到越來越偏向人格特質、聊
天
3/26 接到電話給 offer

MediaTek / CV NN SDK developer

3/17 現場
一開始有筆電做 50 分鐘測驗，分為選擇/填空以及寫程式。選擇和填空主要考
pointer, macro, pre/post-increment, type casting, memory。程式考判斷 prefix
及 2D array new/delete，不過系統出問題沒辦法測試或上傳，體驗有點差
結束後兩位進來面試，問過去論文、實習方面
工作內容：開發在晶片或 VPU 上的 op
主動提到可能會有偶爾的加班需求，偶爾需要去新竹出差
3/23 原本約 3/25 新竹面試，我主動放棄

aetherAI / system engineer

3/23 現場
第一關一人：how to detect if one image is blurred
multithread, user space and kernel space (system call), unique/smart pointers
實作簡化版 csv to yaml
講工作內容
第二關兩人：問過去經驗、如何自學、目前有考慮的公司（知道 Kneron 和 InfuseAI）
第三關兩人：data team 順便面，可能會做 high-resolution image search
3/31 來信約下次面試，我拒絕

Houzz / extension engineer

3/30 線上
Number of connected components: DFS (實作), BFS and union find tree (講概念)
4/7 線上
calculator (digits, +-*/)
在找工作後期被獵人頭敲問說要不要面，雖然當時已經有幾個在選擇了，想說多面一個也
不錯，也很迅速安排一週內面試，但後來還是趕不上需要回覆其他間的時間，只好提前放
棄

AMD / software development engineer

4/6 現場
兩個人面我，先讓我自介，他們簡介工作內容（實作 functions，類似 CUDA code，需要
有計組知識並了解晶片），問我 MMU, cache, page 我都不會
reverse 32-bit unsigned bits, remove duplicates in sorted linked list, max
depth of BST, matrix multiplication (follow-up: multi-thread), convolution
這個部門台北目前 5–10 人，會和美國同事合作
4/7 線上
multi-thread matmul (block-row-wise split, grid split, K-split for M-K-N
sizes where K is large), race condition, lock, pipeline, bubble, FFT, loop
unrolling, TLB, channel conflict
最底層需要寫 asm，BLAS 會需要寫 C++，code generator 需要用 Python
4/9 接到電話給 offer，有 RSU
一方面算是跟興趣很相符的工作內容，但又覺得有點太底層



尋覓職缺

一開始花了滿多時間在看有哪些公司和職位，不管大公司或新創我全都要，最直接就是去
看 104，大部分台灣公司都放在上面，不過有一些會放在公司官網，也有一些會放在
CakeResume、Yourator、LinkedIn 等等，可以都看看。有一些新創則是直接 Google 一
些關鍵字的排列組合找到的。

下面順便列一些沒有面到的公司。

有投但直接被拒絕或沒有回音

Hugging Face, PicCollage, Neuralink, Shopee, Umbo CV, Verizon Media (Yahoo),
ASUS, Pinkoi, Viscovery, Qualcomm, Acer, Intel, Apple

想投但沒有適合職缺

91APP, Gogoro, Cinnamon AI, iKala, Rakuten, Tomofun, HP, Dell, iCHEF,
Facebook, Netflix



回答問題

技術或程式方面的準備就滿標準的，通常大家都推 leetcode （買 premium 可以解鎖很
多題目，也方面照公司刷），也有歷久不衰的 cracking the coding interview 但我沒
時間看，平常有時間的話也可以參加 Codeforces, Google Kickstart 之類的題目比較有
趣的比賽。backend 相關面試的題目到後面也都發現滿重疊的，前一兩次被問到發現不太
熟的回家都惡補一番，之後被問到就回答得比較順。

雖然知道要 think out loud，但很多時候沒想法或卡住的時候還是會「嗯…」或是就安
靜一段時間，後來發現即使是「講出自己想到但覺得不可行的方向」也不錯，例如「用
stack 的話可以達到某某要求，但是刪除某東西太慢了」之類的，除了填補時間之外也能
讓面試官知道我有在思考，如果想錯了說不定面試官也會巧妙提示。

非技術的問題自己覺得很難準備，不過因為其中兩間有請我準備投影片自介，途中剛好順
便整理並回想了大學至今的修課專題、實習、論文、side projects 等等，腦海中會有比
較多素材可以用。很多經常被問的比如團隊合作的經驗、自認有哪些優缺點，一開始可能
要稍微回想或挑選，到後來就會慢慢收斂到一個平穩的說法，如果講得不順也可以面試完
後想想怎麼講比較好。



如何選擇

從開始投履歷的時候我的想法就是希望工作內容是我做了覺得有趣（不希望太重複性）、
也會有成就感（不希望太簡單），再來也希望可以從厲害的同事身上學到東西、和公司一
起成長、可以實際做出有影響/貢獻的東西。面試被問「你會怎麼選擇 offers」我也都是
這樣回答。但即使這樣還是有選擇障礙，於是我做了個 Google sheet 把我對每個職位的
興趣、擅長度、文化、價值、公司地點、影響力、年薪、累積的技能是否可以轉移、國際
化程度等等都列出來，然後算出加權平均，最後發現分數最高的和我直覺選的一樣，不過
第二名倒是不一樣 XD。後來想想權重和給分其實都影響滿大的，未來的我重新選一次說
不定結果也會不同。



工商時間

最後選擇去 Dcard！到目前大概待了快三個月，雖然只進了辦公室兩天、之後就開始 WFH
，但 onboarding 以及溝通都滿順暢的，疫情前後也都是彈性的上下班時間。很幸運這時
期可以加入這個溫暖的地方，公司經常舉辦線上的活動讓大家多點連結，包含技術分享、
健身、知識王、海龜湯、技能分享、Ask CEO anything 等等，也有寄零食箱、彈力帶等
等給大家！

目前公司也在快速擴張，有興趣的話歡迎 https://join.dcard.today/
，也可以問我任何問題或找我內推XD



最後

感謝過去幫助過我的老師、朋友、實驗室大神們、指導教授，也感謝家人一直都讓我探索
興趣，也尊重我的選擇。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 182.234.47.209 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1628227346.A.7C5.html

是 Yist 神！


那場要邊開視訊邊寫的體驗很奇妙XD


有預期很多人會好奇為什麼選 Dcard，還是稍微回應一下好了XD

一方面是想做的事情，
老實說面完這麼多我目前還是對 ML 比較有興趣，
（相較之下純 SWE / backend 之類的大概是不排斥的感覺）
也是近兩三年累積比較多經驗的方向，
所以覺得以台灣來說 Dcard 算是使用者多、資料大、
也可以看到演算法直接影響到產品的公司。

另一方面是主管和 CEO 給我的感覺都不錯，
特別是有兩個朋友都推薦這個主管（之前共事過），
所以覺得除了事情之外人的部分也有加分。

至少我目前覺得這個選擇很棒，
主管、團隊、做的事情等等都很滿意，
也希望未來的自己不會想回來打臉說選$$多的XD

※ 編輯: kevin1ptt (182.234.47.209 臺灣), 08/07/2021 12:04:32

我修指導教授林智仁的！
（當時柏青還沒開cvxopt）

※ 編輯: kevin1ptt (182.234.47.209 臺灣), 08/08/2021 00:54:36