拿到五家硅谷顶尖公司Offer
机器学习
机器学习面试能够分为理论和产品设计两个方面。面试
除非你有机器学习研究经验或者机器学习课程学得很好，那么阅读一些教科书是颇有帮助的。经典教材如《The Elements of Statistical Learning》和《Pattern Recognition and Machine Learning》都颇有帮助，若是你对特定领域感兴趣，你能够阅读更多相关内容。算法
确保你理解如误差/方差权衡、过分拟合、梯度降低，L1/L2 正则化、贝叶斯定理、协同过滤、降维等基本概念。熟悉经常使用公式与模型推导，如贝叶斯定理，如逻辑回归和支持向量机。尝试实现简单的模型，如决策树和 K 均值聚类。若是你在简历上提到一些模型，确保你对其彻底理解并能评价其优缺点。
对于机器学习产品设计，要了解构建机器学习产品的通常过程。我是这样作的：编程
- 找出目标是什么：预测、推荐、聚类、搜索等。
- 选择正确的算法：监督与无监督、分类与回归、广义线性模型/决策树/神经网络等。为作出的选择给出缘由。
- 根据可用数据选择/设计相关功能。
- 选择模型性能指标。
- 能够考虑如何为生产优化模型。
我想再次强调保持好奇心和持续学习的重要性。不要仅仅用 Spark MLlib 或者 XGBoost 简单地调用 API 训练出一个模型，我更推荐去研究为何 Stochastic gradient descent 适合分布式训练，又或者了解 XGBoost 和一般的 GBDT 有什么区别，包括对 Loss Function 的定义有何特别之处，为何用到二阶导等等。api
面试过程
最开始我在 LinkedIn 上回复 HR 的留言，并请其给我推荐职位。在某家明星创业公司求职失败后（我稍后会谈到），我努力准备了好几个月，在 HR 的帮助下，我在湾区安排了整整一周的现场面试。我周日抵达湾区，在世界上最好的几家科技公司五天面试了大约三十位面试官，很幸运地，获得了这五家的工做机会。网络
电话面试
全部电话面试都是标准的。惟一的区别是面试时间：LinkedIn 面试 1 小时，而 Facebook 和 Airbnb 则是 45 分钟。session
熟练程度是电话面试的关键，由于时间有限，一般你只有一次机会。你必须很快判断出问题类型，并给出一个宏观解决方案。必定要和面试官沟通你的思路，说明你的意图。这可能一开始会让你速度慢一点，但沟通比任何事情都重要，会对面试有很大帮助。不要死背答案，由于面试官确定会一眼看穿。机器学习
对于机器学习的职位，一些公司会问机器学习相关问题，所以面试前温习巩固一下机器学习方面的知识与技能。分布式
为了更好地利用个人时间，我在同一个下午约了三个电话面试，每一个之间间隔1小时休息。这样的作法不必定适合全部人，好处是能够趁热打铁状态好，坏处是若是一个没面好，后面的面试可能会受到影响。性能
同时面多家公司的一个好处是有时候可以省去某些环节。有些硅谷公司规定对于湾区之外的面试人要进行两轮电话面试。我之因此可以省去 Airbnb 和 Salesforce 第二轮电话面试，是由于对方得知我一轮电话面试就拿到了 LinkedIn 和 Facebook 现场面试的机会。学习
更使人吃惊的是，Google 甚至没电话面试就请我参加现场面试，这也是由于对方得知我下周要来湾区参加四个现场面试。我知道这会让我很累，可是，没有人会拒绝 Google 的现场面试邀请！
现场面试
五家公司虽然都是 IT 公司，但处于不一样的领域，文化上也各有千秋。我简单说一说本身对它们的感受。另外虽然不算是吃货，但做为民以食为天的中国人，天然也要对午餐进行一下评价。
这是我第一个现场面试，我在 LinkedIn 的 Sunnyvale 办公室。做为专一于职场社交的公司，LinkedIn 的特色是端庄、大气、职业化，内部文化也相应地很是专业。员工的穿着都是商务休闲装，总体给人一种职场精英的感受，与他们的宗旨很是契合。
面试方面，编程和机器学习各 1 小时。编程面试都是标准问题，但机器学习面试可能会有些困难。尽管如此，我以前收到 HR 的电子邮件，里面包含了很是有用的准备材料，所以面试中没有太出乎意料的事情。我据说 LinkedIn 有硅谷最好的食堂，从个人实际体验来看，这差很少是真的。
LinkedIn 被微软收购之后少了经济压力，使其能够放开手作很是酷的事情。LinkedIn 新添加的视频和专业广告等功能使人兴奋。做为一家专一于职业发展的公司，LinkedIn 优先考虑其员工的职业成长。目前包括 ads relevance、feed ranking 在内不少组都在招人，因此若是你想加入，那就赶快行动。
Salesforce Einstein
Einstein 是 Salesforce 近几年主推的明星产品，拥有一个明星团队。这个团队很是新，感受很是像初创公司。团队主要是使用 Scala，Tech stack 都是 Akka/Play/Spark 那一套，这也是最吸引个人一点。我最初接触到 Einstein 是在 2017 年 4 月的 ScalaDays 上听了 Matthew 以《Type safety in machine learning》为题的演讲，以后又在 Spark Summit West 上听了 Leah 的演讲。喜欢 Scala 的人必定不要错过。
面试地点是 Salesforce 位于 Palo Alto 的办公室。这个团队颇有凝聚力，能保证工做生活平衡。每一个人都热爱并真正享受本身作的东西。与其余现现场面试相比，四场 session 总共时间略短，整体侧重于 Data engineering 和 System design。另外须要注意的是，coding 也是要上机跑的。面试后，Matthew 甚至带我参观了惠普的车库。
当今业界领头人，没有什么可说的。最重要的印象就是大，很是很是大。去见我 Google 的朋友的时候骑自行车骑了 20 分钟。中午吃饭排队人不少。
我在 Mountain View 的许多楼里的一幢进行面试。我不知道具体是哪一幢，由于 Google 真的很是大。
面试官看起来都很年轻，他们一说话就显得很聪明。和他们一块儿工做必定是很是愉快的。
值得注意的是 Google 特别强调算法的复杂度，确保你真的明白时间和空间复杂度，可以针对瓶颈进行优化！这一点与别的公司不一样。
Airbnb
快速扩张的 Unicorn 公司，拥有很是独特的公司文化以及多是硅谷最美丽的办公室。推出了新产品包括“体验”以及餐馆预订服务、在高端小众市场进行尝试、以及进入中国市场，这些都为 Airbnb 的前景增添了积极因素。若是能够承受高风险，并但愿得到快速增加的 pre-IPO 经验，那么 Airbnb 是完美的选择。
Airbnb 的 coding 面试有点独特，要求上机，而且每一个 Session 只有 45 分钟时间，某些题目的难度也至关大，因此压力仍是不小的。
Airbnb 独树一帜的跨职能面试，这也是我最享受的，我和面试官轻松交流。Airbnb 认真对待公司文化，技术上优秀并不能保证拿到 Offer。
总的来讲，我认为 Airbnb 的现场面试流程最长，环节最多，题目很难，整体感受最累。若是你有兴趣，必定要了解他们的文化和核心价值观。
另外一个仍在高速发展的巨人，与 Google 相比规模更小，速度更快。在社交网络市场铺开了全面产品线，处于垄断地位，以及在 AI 和 VR 方面的大量投资，将来 Facebook 只有更多的增加潜力。有像 Yann LeCun 和 Yangqing Jia 这样的明星，若是你对机器学习感兴趣的话，这是一个完美的地方。
个人面试是在楼顶有花园的海景房 Building 20，也是扎克伯格办公的地方。
Facebook 的整个面试过程我本身感受是最很差的，一方面是由于已是第五场面试，整我的已经很疲劳了，另外多是 Facebook 的规定，面试官都没有对个人答案给出特别明显的好与很差的信号，虽然我以为本身的答案没有错，但也稍微有些拿不许本身的表现。
两场 Coding 还算是正常，两道题都在面试官的提醒下总共给出了两种解法，有一场还问了两道题。下午我已经感受本身生病了，头疼得厉害，最后硬撑着完成了面试，出来之后感受不太好，没想到最后居然也拿到 Offer 了。
整体来讲，我以为 Facebook 的工做人员坚信其公司愿景，并为他们正在建设的东西感到自豪。做为一个拥有 5 万亿市值还在不断成长的公司，Facebook 是你职业发展的绝佳地点。
工资谈判
不少人以为本身不擅长谈判，或者不少时候很差意思开口。我我的以为求职其实是在出售本身的时间，而时间对于一我的来讲是惟一不可再生的资源，若是你本身都以为你的时间不值钱，那么别人也不会以为它值钱。
这是一个很大的话题，这里我不打算深刻讨论，但我发现这篇文章很是有帮助。
有几点我以为值得注意：
- 保持职业风度。
- 了解你的筹码。
- 显示出你对团队和项目的兴趣。
- 保持耐心和信心。
- 态度坚决，但要有礼貌。
- 绝对不要撒谎。
我在 Databricks 失败的面试
全部的成功始于失败，包括面试。在我开始面试这五家公司以前，我五月份在 Databricks 的面试失败了。
早在四月，当时是 Spark MLlib 组的经理 Xiangrui 在 LinkedIn 上联系我，询问我是否对 Spark MLlib 团队中的某个职位感兴趣。我当时受宠若惊，认为这是一个绝佳的机会。
- 我使用 Spark 工做，很喜欢 Scala；
- Databricks 的工程师实力是一流的；
- Spark 正在给整个大数据世界带来变革。
这是一个我不能错过的机会，因而简单地准备了两天就开始了面试流程。
Databricks 的水平要求很是高，整个过程至关长，包括一个初筛问卷、一个电话面试、一道 coding 大做业以及最后的现场面试。
我得到了现场面试邀请，并参观了位于旧金山市区的办公室，能够看到海湾。
个人面试官很是聪明但一样谦逊。在面试中，我常常感到本身被 push 到了极限。下午有一轮是针对机器学习算法理论，一方面本身实力不足，另外一方面准备不够充分，整个环节是一场灾难。最后和 Xiangrui 简单聊了聊。
几天后我收到了拒信，这是预料之中的，但我仍是郁闷了好几天。虽然没有机会在 Databricks 工做，但我相信他们能够继续创造出更大的影响和成就。
后记
- 生命短暂，职业生涯更短。在正确的时间作出正确的举动。
- 集中面试很累，但也会给你很大优点。
- 面试不只仅是个找工做的过程，更是个交朋友的机会。硅谷圈子就那么大。
- 平时有机会也要多交朋友，好比开会就是个很棒的机会。Databricks、Salesforce、Airbnb的面试机会都源于我去过的Spark Summit和Scala Days。
- 拿到 Offer 仅仅表明你达到了公司的最低标准。最高标准没有上线，因此要保持持续进步。
从五月的第一次面试到九月底的最后一次面试，我完成了职业生涯的第一次跳槽，期间过程漫长且不易。
准备过程仍是很辛苦的，由于我还要继续本职工做。有一段时间天天晚上都是准备到凌晨一点才睡，次日早上八点半起床全身心投入工做。
五天面试五家公司也是高度紧张有高度风险，除非你时间很紧，不然我不建议这样作。但若是你拿到几个 Offer 会在谈工资时有很大优点。
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------