🔥 PTT.BEST 熱門專區 💬 八卦 Gossiping 😊 希洽 C_Chat 💰 股票 Stock 🏠 房屋 home-sale 🏀 美國職籃 NBA ⚾ 棒球 Baseball 👛 省錢 Lifeismoney 🚗 汽車 car 😡 政黑 HatePolitics 💻 電蝦 PC_Shopping 🥰 韓星 KoreaStar ✨ 英雄聯盟 LoL 🍿 電影 movie 🪖 軍事 Military 📡 通訊 MobileComm 🏀 台籃 basketballTW 🍼 寶媽 BabyMother 🇯🇵 日旅 Japan_Travel 🏭 科技 Tech_Job 👧 女孩 WomenTalk 👻 媽佛 marvel 💳 卡版 creditcard 👉 NS NSwitch 👉 PS5 PlayStation 👉 大氣 TY_Research 👉 婚姻 marriage 👉 台南 Tainan 👉 台中 TaichungBun 👉 Steam Steam 👉 高雄 Kaohsiung 👉 羽球 Badminton 👉 超商 CVS 👉 米哈遊 miHoYo 👉 iOS 👉 兄弟 Elephants 👉 日劇 Japandrama 👉 玄幻 CFantasy 👉 ES e-shopping 👉 WOW 👉 遊戲交易 Gamesale 👉 4X BaseballXXXX 👉 Lakers 👉 韓劇 KoreaDrama 👉 汽車買賣 CarShop 👉 機車 biker 👉 新竹 Hsinchu 👉 美保 BeautySalon 👉 串流 OTT 👉 歐美影集 EAseries 👉 手機交易 mobilesales 👉 裏洽 AC_In 👉 健身 MuscleBeach 👉 MacShop 👉 Lions 👉 FGO FATE_GO 👉 中劇 China-Drama 👉 數位貨幣 DigiCurrency 👉 暗黑 DIABLO 👉 實習教師 studyteacher 👉 航空 Aviation 👉 藝文票券轉售 Drama-Ticket 👉 韓綜 KR_Entertain 👉 美妝 MakeUp 👉 速食 fastfood 👉 手錶 watch 👉 體適能 FITNESS 👉 攝影 DSLR 👉 Headphone 👉 嘻哈 Hip-Hop 👉 轉珠 PuzzleDragon 👉 美食 Food 👉 蔚藍 BlueArchive 👉 數位相機交易 DC_SALE 👉 筆電蝦 nb-shopping 👉 軟工 Soft_Job 👉 汪踢 Wanted 👉 台綜 TW_Entertain 👉 坂道閒聊 SakaTalk 👉 貓咪 cat 👉 日GO BabyProducts 👉 TypeMoon 👉 MLB 👉 職場 Salary 👉 臺劇 TaiwanDrama 👉 海賊王 ONE_PIECE 👉 PMGO PokemonGO 👉 國營 Gov_owned 👉 碧航 AzurLane 👉 家電 E-appliance 👉 布蘭德 Brand 👉 DMMG DMM_GAMES 👉 贈送 give 👉 神魔 ToS 👉 銀行服務板 Bank_Service 👉 原創 YuanChuang 👉 期權 Option 👉 重機 SuperBike
(排版亂掉已改回來) 感謝板上很多人分享,但這邊小弟我分享一個失敗的 data point。 Week 0: 申請職缺,HR 很快找上我並且 約了一個聊天也同時安排 Phone Interview Week 5: Phone Interview Week 6: Phone Interview 反饋,並且安排 onsite interview Week 10: 4 場面試都在同一天(1 BQ + 3 coding) Week 12: 原本申請的職缺關了,改找其他 team fit talk Week 14: 跟 team_A 的 HM 聊,聊得不錯,很快地說願意 move forward, 也願意幫我寫 Statement of Support (SoS) Week 15: HR 幫我準備 packet 準備送 Hiring Committee (HC) Week 16: Google 宣布停止招聘 2 週,所有 headcount 先收回 Week 17: No headcount Week 18: No headcount Week 21: 看到 Google Careers 的 team_A 職缺沒了,繼續等其他 fit talk Week 22: 跟 team_B 經理 fit talk Week 23: team_B 經理選擇其他候選人 Week 25: 跟 team_C 經理 fit talk Week 26: team_C 經理 選擇其他候選人 Week 27: No headcount … Week 42: 跟 team_D and team_E 經理聊天,很快選 team_D, team_D 經理也願意幫我 move forward + SoS Week 43: HR 幫我準備 packet 來送 HC Week 50: HC reject, 最終失敗 面試表現 之前也有面過 Google,我知道非常難,我遇到的面試官都考 hard,所以這次我有特別準備這塊。 Phone Interview: 出了一題 Hard 的變型,很快地給出最佳解。應該是 Hire Onsite Coding Interview 1: 一開始沒搞懂面試官的要求是啥,大概釐清了 10 分鐘, 才知道面試官的意思,在沒有暗示情況給出最佳解,大概 med - hard 難度。感覺是 lean hire Onsite Coding Interview 2: 很快地搞清楚面試官題目,給出最佳解,同時被問了 2 個 follow-up,也都給最佳解,面試官表示我解太快了,他 沒題目了lol ,後面就聊天,大概 med 難度。 感覺是 Hire or Strong Hire Onsite Coding Interview 3: 沒看過的題目,很有意思,最後在討論過程中也有舉例子 糾正面試官的思路,他很開心,然後總共又多做了 2 個 follow-up,因為沒看過題目,只能猜測最佳解是怎樣, 但面試官很滿意,還說:「我這一關你是完全沒問題的!」 最後 coding 結束後也是一直聊天,還蠻愉快的。感覺是 Hire or Strong Hire BQ: 我感覺我是回答得中規中矩,但感覺 L4 要求的比較多, 聽到 feedback 給的不是很好,這部分其實還是要認真準備一 下,我建議就按照 Amazon LP 準備最好。 Recruiter 給我整體的表現是 Positive 的,直接幫我找 fit talk 。經歷了 5 個 HM 找我 fit talk,有 2 個願 意幫我寫SoS,我覺得我的面試成績應該是還行的,結果 證明有點太樂觀。 而最終 HC 失敗,沒有額外面試或是 downlevel。 感受上是你面試要盡量完美,不能有 hints,5分鐘內釐清問題, 給出最佳解會最穩,除了電話面試,每一關至少要做出 2+ 題。 我知道蠻多朋友卡在 team match 這段,想說分享一個 timeline 給大家知道大致的時程,讓自己比較好規劃時間,畢竟這時間長 度是我遇過最長的,也同時錯過一些機會。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.79.79.41 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1716556103.A.853.html ※ 編輯: gnitcue (42.79.79.41 臺灣), 05/24/2024 21:15:46
crowley: wow05/24 21:34
peter98: 真硬,早說過台G比美G還難進。05/24 21:45
peter98: ps. 不含新店G05/24 21:46
Apache: 早就沒新店G了05/24 21:54
Apache: 這個真的蠻久的 你剛好在HC反覆開關的時候投才會這樣05/24 21:55
abc21086999: 再投一次05/24 22:11
rickykai: 謝謝分享05/24 22:15
TohmaMiyuki: 推05/24 22:30
kuochuwon: 感謝分享 05/24 22:54
devilkool: 大師 05/24 22:59
j0958322080: 一年耶 05/24 23:04
AgileSeptor: 推 05/24 23:05
penta: 這樣還沒上 05/24 23:20
ms0529876: 想知道原po刷題程度 不曉得是不是LC上千題的神人 05/24 23:24
tiger0922: 感覺是時間點不好 05/24 23:28
hobnob: 推 05/24 23:28
viper9709: 推分享~原來是台灣Google 05/25 00:02
duck10704: 好強... 可惜了 05/25 00:20
ssssandrew: 哇 那最近面完L3表現還沒那麼好是不是直接找下一家了 05/25 00:21
LinuxKernel: 聽說新店還有留一些 05/25 00:22
etbear: 一年也太久 都可以再投一次了 05/25 00:30
Apache: 可以投Firmware 又快又簡單== 05/25 00:38
AppleVv: 完全看不出哪裡 no hire… 05/25 00:47
Booker5566: 看完這篇直接放棄人生 05/25 01:40
Saaski: push 05/25 01:49
SkyFluid: 和你競爭headcount的可能是內轉的人,我覺得是非戰之罪 05/25 02:40
SkyFluid: 啦… 05/25 02:40
anson26666: 這樣還沒上...還是繼續在半導體躺平好了... 05/25 02:41
sarsman: 感謝分享,也想了解原po的背景 05/25 03:21
puppygo: 好強 05/25 03:45
expecto: 推分享 05/25 04:00
Csir: Hard全解出都沒上,我easy卡關的難怪也沒上 05/25 06:56
mike8469: 推 05/25 07:21
drysor: 推 05/25 07:32
cmelo1515: 跪推 硬爆 05/25 08:04
leviliang: 跪推 求好運讓我這波上 05/25 08:18
wsad50232: 找個工作要花一年 真是有毅力 要是我早就放棄了 05/25 08:20
wsad50232: 當初槓龜 HR就說要多試幾次 效法國父十次革命 看來是真 05/25 08:22
wsad50232: 的 05/25 08:22
chen09885: 面試面一年... 05/25 09:27
wuyiulin: 給推 05/25 09:32
Private333: 台G太硬了 05/25 09:35
rdg1231: 跪推,求個好運 05/25 10:56
michellehot: 這樣是等有headcount直接match不用重新面吧 05/25 11:18
nevak: 推分享Google整天浪費面試者人生的案例,深有同感 05/25 11:40
ukuk666888: 台G太卷了吧 05/25 11:51
qk3380888: QQ 好可惜 05/25 11:52
yuinami: 這樣還沒上..辛苦了 05/25 11:54
asd123159: 分享推 05/25 12:05
bean90638: 面試要一年也太久 05/25 12:11
jack931018: 推大神分享 05/25 12:21
pig2014: 請抄silicon捷徑 05/25 12:57
Iversonshao: 面了一年@@ 05/25 13:08
wulouise: 不是說過了可以保留18個月嗎?才50周還不到吧 05/25 13:20
k7ji91ab5m: 強!! 覺得這種生態真的有病 05/25 13:45
giantwinter: 推 05/25 13:47
abccbaandy: 面那麼久,然後隨便就裁一堆... 05/25 14:23
k7ji91ab5m: 面試是找合作夥伴 裁員是股東賺不夠多 05/25 15:23
k7ji91ab5m: 說有病也純碎嘴而已 標準下放就得花更多成本找人 05/25 15:24
ruthertw: 其實應該是面試官不滿意你回答他Hard題目的內容,你覺得 05/25 15:42
ruthertw: 你回答得很好,谷歌的面試官可不是這麼認為. 05/25 15:43
ruthertw: 回覆卡在team match,然後拒絕錄取你的這個方式,其實是HR 05/25 15:46
ruthertw: 教谷歌面試官拒絕錄取的樣板回答,深怕引起不必要的爭議, 05/25 15:47
ruthertw: 以往有太多面試官控制不了嘴巴,讓谷歌被面試者吉的事端, 05/25 15:49
ruthertw: 不要問我怎麼知道,谷歌面試官裡也藏了很多貓膩骯髒人士~ 05/25 15:50
whatzup1124: 好強 05/25 17:59
lingerptt: 祝福,還是會有更棒的offer 05/25 18:14
WWIII: 太可惡了欺負我們台灣人 05/25 18:58
DrTech: 你失敗?看起來是Google失敗吧。 05/25 19:24
DrTech: L4查到的薪水都沒比同級MTK高,強者都不一定去台G了。 05/25 19:27
lukelove: 成績保留一年吧 不知道從投遞開始算還從on site 開始算 05/25 19:31
Apache: Google升的速度比MTK快多了 但跳過去會掉很多 05/25 19:34
keepxha: 鑽石到哪都會發光 不用執著 強者 05/25 19:42
ppc: 推 05/25 19:47
michellehot: 可是原po的狀況 這麼多次team match後才拒絕 前後拖 05/25 19:57
michellehot: 了一年 這樣的方式有比直接拒絕好嗎? 05/25 19:57
Apache: 不要跟他認真 05/25 20:02
dave123: 剛好去年都沒headcount,不然今年應該有機會 05/25 20:28
siriusu: 感謝分享尤其最近太難預期 05/25 20:28
siriusu: 我看到有人直接說這關沒問題心裡想的也跟 ruther 一樣, 05/25 20:34
siriusu: 一般教戰守則不是應該要避免這樣講來防之後被告嗎 05/25 20:34
※ 編輯: gnitcue (42.79.79.41 臺灣), 05/25/2024 20:49:00
papa510: 感謝分享 05/25 20:50
OkamiIII: 原po強者 05/25 22:25
crazwade: 看完之後覺得自己還是好好的蹲好就好… 05/26 00:41
andy810306: HR不是會給面試feedback,為什麼是感覺hire? 05/26 02:34
innocentguy: 想請問要怎麼抄 silicon 這路徑 有這麼好可以直接說 05/26 02:41
innocentguy: 軟體背景但想面 silicon 嗎? 05/26 02:41
andy810306: 無硬體經驗去聯發科派遣蹲個1 2年最快吧 05/26 02:43
justaID: 推分享 反反覆覆拖了一年,對求職方來說超級煎熬 05/26 05:46
mathrew: 超硬 05/26 05:53
hduek153: 真的很麻煩 等很久才被拒絕 05/26 09:13
lukelove: 會願意送HC 通常代表有機會, 但怎麼送怎麼不過可能就是 05/26 11:22
lukelove: 成績真的擦邊 05/26 11:22
Infinair: L4哪裡輸同級MTK? M分紅這麼爛 05/26 11:38
peter98: L4對標E8,確實屌打MTK,說輸的應該是不懂,不然就是特例 05/26 11:48
peter98: 台北L4的平均應該落在300萬左右,E8要摸到300萬是top-tie 05/26 11:49
peter98: r performer了~大概是降 05/26 11:49
peter98: 但有些人比較崇洋媚外,外商自動改一級來對標,有些人認 05/26 11:50
peter98: 為L4對標E9,這樣兩這薪水就有勝有負,很難比較惹 05/26 11:51
peter98: 要真的claim L4輸同級MTK,那應該是L4 vs E10才成立 05/26 11:52
peter98: 不過會覺得L4對標E10的我還沒聽過就是 05/26 11:53
expury: 好強 真的太強了 05/26 14:15
expury: 沒想到台灣的 L4 就這麼硬 05/26 14:15
superpandal: 好加在我直接放棄進這種公司 學和領悟東西都來不及了 05/26 18:18
superpandal: 整天搞這個不就是刷題機器 然後不錄取原因一樣很多 05/26 18:19
superpandal: 可能 05/26 18:20
DrTech: MTK E8,300萬是高標?網路上的資訊以我兩個同學都不是阿 05/26 18:50
DrTech: 。 05/26 18:50
DrTech: 普遍都認為,L4對應E8, E9吧。薪資平均來看,年薪至少350 05/26 18:51
DrTech: 才合理。 05/26 18:51
DrTech: 其實沒什麼好戰的,都是好公司。 05/26 18:53
DrTech: 但以薪水來看,這種面試方式與職級,並非是CP值高的選擇。 05/26 18:58
DrTech: 同級的人去某些上市櫃IC設計副理起跳,年薪都破400了。 05/26 18:58
DrTech: Google確實是好公司,沒什麼爭議。但薪水CP值,在台灣確實 05/26 19:00
DrTech: 蠻低的。 05/26 19:00
Apache: https://i.imgur.com/6xlslKB.png 05/26 19:15
Apache: https://i.imgur.com/4Ft8B0l.png 05/26 19:15
Apache: https://i.imgur.com/m7H2nrA.png 忘記排序了 05/26 19:15
wu10200512: 怎麼有L4比我L3還少:0 05/26 19:53
expury: L4 在Google 只能算是 mid level 哦 05/26 19:56
expury: L5 才是 Senior 05/26 19:57
Csir: E8 400 = L4這才是目前薪水通膨後的數字 05/26 22:58
peter98: 那個土伯繼續唬爛 XD 05/27 00:47
peter98: 你的同學是夢裡的~~ 05/27 00:48
peter98: 大概是沒跟上時代,2024了還在回味疫情頭2-3年期間 05/27 00:55
aa06697: 這樣還沒過也太硬 05/27 01:06
peng2ma: 推 好強 05/27 08:00
hegemon: 這幾年台灣G的報價有往下掉吧 05/27 08:44
EKman: G當然還是贏M,只是差距變小了,M的好處是面試聊聊天就進去 05/27 09:15
EKman: 了 05/27 09:15
dave123: g的報價跟面試表現有關吧?表現好不大會砍薪 05/27 09:36
hegemon: 不過搞這麼久真的太硬了 05/27 10:27
Harlequin727: 超級搞剛然後拖一年 感覺根本沒在hiring 加減看而已 05/27 16:52
Harlequin727: 半導體cp屌打大 05/27 16:52
CodefarmerX: 推強者 05/27 20:30
alksjdf: 感謝分享 看完覺得花太多時間準備不值得 待遇比不上半導 05/27 22:02
alksjdf: 體 要擔心 layoff 面試過了沒有team match照樣沒上 05/27 22:03
Infinair: M E8哪來的350? HR來洗的哦XDD 不夠的你補嗎,現在資訊 05/27 22:28
Infinair: 這麼發達了還想騙誰 05/27 22:28
f12sd2e2aa: 半導體只適合不需要生活品質的人去 05/28 01:45
OnlyRD: google怎麼感覺好像升學主義,難怪公司除了搜尋引 05/28 04:40
OnlyRD: 擎,所有賺錢做起來的產品都是併購來的。 05/28 04:40
NAMESTANLY: 真滴好硬~ 50 week.. 05/28 09:14
Goldx5: 半導體究竟有沒有生活品質,我想懂得就懂 05/28 10:14
hegemon: 樓上如果五點半下班叫沒有生活品質的話那也沒辦法 05/28 11:58
expecto: 樓上o大的邏輯我怎麼沒看懂 又好像又難怪 05/28 14:34
NTU5566NTHU: M E8矯正回歸了嗎 疫情期間認識幾個E7E破300 非個案 05/28 14:48

👉 軟工 Soft_Job 版:熱門文章

50
[心得] 2024各公司面試心得 前言: 無聊甚至搜尋了一下自己的第一篇文章 發現九年前大學快畢業的自己真的菜的可以... 還有一堆求職焦慮 現在...有長進一點了吧 去年年末到今年面試了幾家公司 分享給各位 也給自己做個紀錄 個人背景供參考: 兩年前端 六年後端 後段大學資工碩畢 正題: - 創樂科技 嗯...這件好像八卦很多好像跟伊諾同一間 做菠菜的 - 面試流程 一開始會有一個蠻八股的java考卷 然後跟主管 面試 主要會著重在Kafka Redis應用上 再來跟HR聊聊天 最後跟CTO面試 會問高併發的情境為主 結束面試 整包大概220吧 - Opennet 一樣是菠菜做球版的 人資小妹很可愛 一直很興奮說員工旅遊很好玩 - 面試流程 一開始會一次對三個工程師 他們根據你過去經歷輪流提問 (不一定是資深的來問 比較像是在測試你以後跟團隊相處的感覺) 再來會跟PM聊一下 之後換CTO 一樣會著重在高併發的情境(菠菜特愛問這個?) 之後跟HR聊聊結束面試 整包約在210 - 邁德佛科技 做虛擬貨幣的交易所 台灣這邊不捨棄交易錢包那塊 主要做推廣盜獵頁面相關的業務 - 面試流程 先寫一張Java考卷 之後跟CEO以及後端主管一起面 會根據經驗及考卷上的問題延伸詢問 面試流程蠻快的不拖沓 整包約180 - 可因科技 一樣是做虛擬貨幣的交易所 面的職位比較偏SDET - 面試流程 跟主管還有一個未來同事面試 根據過去經驗做問題展開 以及問一些Java或是Kafka Redis DB等問題 問得蠻細的 會問到一些底層B+ tree實作 JVM結構等等的 再來跟CEO聊天 整包約250 Woo X 也是交易所 裡面蠻厲害的(?) 聽說10個左右的工程師 維護70多個服務 - 面試流程 第一面 跟兩個未來的同事說說話 問些Java DB Redis等等的 第二面跟CTO面 考的差不多 但比較深入一點 整包約280 Microsoft 做data pipeline的team - 面試流程 第一面 跟個外國印度人面試 問一些spark flink相關問題 兩題算法題 第二面 跟中國的面試 問些spark spark streaming相關問題 一題算法題 第三面 跟台灣未來老闆面試 比較多在BQ 一題算法題 第四面 跟美國大老闆面試 比較深入在各種場景該怎麼設計 一題系統設計題 第五面 跟大大大老闆面試 根據過去的經驗 可開腦洞深挖各種情境 職級 62 整包可以參考levels網站 Google Pixel team 在板橋那邊 午餐好像很好吃 第一面 HR會拿出小本本問大概十多題基本題 第二面 一題算法題 之後進on site流程 三關算法 一關系統設計 一關BQ 可以自己選英文要放在哪關 (個人建議都放算法就好...) 職級 L4 整包可以參考levels網站 TSMC AAID部門 聽起來是研究AI相關的 - 面試流程 一面 跟兩個主管聊聊天 二面 線上寫題目 題目又臭又長 還不能複製到google翻譯 真心累 三面 廠測 英文跟奴性測試 整包約300 但要第三年才拿得齊(這種發薪方式真的很屌...不斷打雞血給你) 大概就這些了 最後去哪就不說了 自己個人準備方式大概就 - 看考古題 - 搜集系統設計題目 自己假裝面試 再回去比對課堂上說的設計 - 多參加英文社團練習聽力 - 刷了大概200題 (20 easy 100mid 80hard) 有幸最近科技業寒冬還是有拿到不少offer 祝各位在軟體仔這條路未來都可以順順利利~ -- 不是 06/14 03:36 臉書搜尋 iEnglisd or coffee talk 嗯 是32沒錯 想爭取33失敗 有些條款還是該遵守 :) 不知道 應該很好玩 一年會去玩兩次 微軟 G Woo有英文 其他沒有
30
[新聞] 工程師的大腦異於常人 MIT 研究:讀code 【工程師的大腦異於常人】MIT 研究:讀 code 不會用到語言或數學能力 你知道軟體工程師的大腦組成真的跟一般人不一樣嗎?麻省理工學院(MIT)的神經科學 家們先前發布研究,發現那些常常在 Coding 的工程師大腦居然出現了一些驚人的轉變。 讀 code 的時候,大腦不會啟動語言處理區域 根據研究發現,當人們閱讀和理解程式碼時,大腦並不會啟動語言處理的區域。這一點與 許多人的直覺相反,因為學習程式設計和學習語言似乎有很多相似之處:都需要掌握新符 號和術語,且必須正確組織架構來達到溝通的目的。然而,研究卻顯示,程式設計啟動的 是大腦中的多重需求網路(Multiple Demand Network),它也參與大腦其他複雜的認知 任務,例如解數學題或是填字遊戲。 研究人員利用功能性磁振造影(fMRI)技術,觀察了參與者在閱讀程式碼時的大腦活動模 式。他們發現,程式設計任務主要啟動了多重需求網路,這個網路分佈在大腦的額葉和頂 葉,負責處理需要同時保持多個訊息的任務。 也就是說,雖然程式設計和數學、邏輯問題都會啟動大腦的多重需求網路,但它們依賴於 這個網路的不同部分。這意味著,理解程式碼是一項獨特的能力,既不同於語言,也不同 於數學和邏輯。 Coding 老手的大腦不一樣!會長出專屬程式設計的區域 不僅如此,研究還發現 Coding 經驗豐富的人,其大腦中可能會發展出一些專門用於程式 設計的區域,而這些區域在 Coding 經驗不足的人大腦中尚未出現。也就是說,隨著經驗 的累積,大腦可能會進一步強化程式語言的技能,以提高程式 Coding 的效率和精確度。 例如,研究中使用的兩種程式語言:Python 和 ScratchJr——都以其可讀性著稱(人類 對於程式碼的功能意圖、流程控制和操作運行是否容易把握)。結果皆顯示,這兩種語言 啟動了大腦的多重需求網路,但也有細微的差異。 Python 主要啟動了左側的多重需求網路,而 ScratchJr 則傾向啟動右側的區域,這些差 異反映了不同程式語言對大腦其實也有不同認知要求。 該研究的作者 Anna Ivanova 表示,「理解程式碼似乎是一種獨特的能力,它與語言不同 ,也與數學和邏輯不同。」 (責任編輯:廖紹伶) https://buzzorange.com/techorange/2024/06/05/computer-code-is-not-the-same-as-reading-language/ -- -- Oral Programming? 應該是迴路會越來越粗,突觸的訊號傳遞會越來越有效率,表現出來就是熟練
40
[討論] 政大資科大學部評價如何 如題,小弟今年直轄市第一志願男校高三,分科目標是政大資科,跟家人討論後認為資訊 類的科系研究所比較重要,大學主要就是選對科系,然後學校不要太差,最後就是選自己 喜歡的學校,然後進去之後再好好努力,研究所往上考就好。 分科分數其實也有可能會上其他頂大工學院科系和其他中字輩電資,但頂大電資可能比較 難,但我本身不是台北人,想去體驗台北的生活,聽學長姐說裡面大學部的師資不差,同 學也算認真,在考研究所上面比起其他工學院屬於純血。 自己本身對大學的期許是除了課業方面全力以赴外,也想體驗大城市的生活和學校多元的 社團,自己也知道大學部必須努力讀書,科系選好之後,研究所往上考,最後最終學歷比 較重要,所以就覺得選頂大但非電資最後研究所跨考這條路可能會比較辛苦。 想問各位大大自己針對選大學的想法是對的嗎,政大資科大學部的評價如何,如果是政大 資科大學部然後研究所再往上考,跟中字電資大學部然後研究所一樣往上考,兩者在就業 的差距會很大嗎? 最後想問各位大大如果你們的分數剛好在落在這三個,那各位會怎麼選擇? 政大資科(文組頂大、校園很香、研究所不用跨考、台北好玩、台北找實習跟補習方便, 但理工資源可能會跟中字輩電資有差距) 中字電資(無法享受頂大校名、研究所不用跨考、地點不在台北可能沒那麼好玩、補習跟 實習資源跟台北有差距,但理工資源可能贏政大資科) 頂大工學院(可以享受頂大校名、研究所要跨考,其餘跟中字電資差不多) 謝謝各位大大 --
30
[請益] 辦公室設備挑選 工作幾年後自立門戶開公司 想說因應新型態辦公形式 創業至今一直以來都是遠端辦公 近期因為業務量變多了,公司也比較穩定 就幫小團隊租了一個自己的辦公室 告訴大家這個好消息後就開始準備佈置了 佈置上當然是興致勃勃,大家都有想要採購的小物 看著他們這麼開心討論 做為老闆覺得這些夥伴們跟著我一起打拼這麼久真的辛苦了 所以自己也會給他們好的工作環境 他們想要什麼小物佈置就給他們自行處理、購買 我呢則是想幫他們每個人配一台工作電腦 額外再給一組辦公設備 希望他們工作時可以方便一些! 電腦沒意外是mac 辦公設備的話目前有考慮幾款: 1.外接擴展設備 平常團隊都是用各自的筆電作業 但我覺得有一個外接螢幕不管是做提案、coding或是設計內容都可以雙重作業,效率高的 同時,好的大螢幕還能護眼 找了蠻多牌子最後是挑這款聲像的Docking擴展底座 這個底座可以讓他們接螢幕有的沒的外接線, 底座是什麼電腦型號都相容(ios跟windows系統的電腦機型都適用,也不用安裝軟體) 因為還可以螢幕擴充, 感覺他們有時候線上開會就可以直接用這個整合應該蠻方便的 而且這個可以接typeC充電,能充電腦 八個孔插各種設備都蠻夠用的 音響也能接藍芽,蠻多功能 https://i.imgur.com/2Kz9qSk.png 2.人體工學椅 因為夥伴們每個都工作狂,常常黏在屁股上不會起來吃飯 想說買個好一點的椅子,像Ducky這種的 讓他們坐起來舒服一點 目前還沒認真挑牌子,如果要的話想要讓他們直接去試坐 https://i.imgur.com/14yW2qA.png 3.辦公室美腿機 工作之餘當然也要好好休息的 每個夥伴都是捷運的通勤族,每次都給我看自己一天走了幾千步 想說可以美腿機可以讓他們腳酸的時候去按一下 目前看了一下osim的這張辦公室舒壓神器還不賴 讓他們緩解一下疲勞也是不錯 https://i.imgur.com/WMobmqG.png 4.外接螢幕 感覺筆電的螢幕對他們來說會有點吃力 想說如果再配個外接螢幕應該會比較好一點 也可以讓他們多工處理方便些 目前是在看DELL的 https://i.imgur.com/IQwuEIo.png 因為這幾個都有各自的方便性 想詢問工作版各位如果是你們比較想收到哪個? 如果都需要的話我會考慮都買哈哈 --
30
[心得] 2024 美國地獄模式上岸DS/MLE經驗分享 2024 美國地獄模式上岸DS/MLE經驗分享(壹) — 求職總結和找工策略 Medium好讀版:https://medium.com/@bertmclee/d9f4b0f1e558 上次寫求職心得分享文是2021.11.13,時光匆匆,兩年半的歲月過去,我不再是那個初到 北京中關村的小毛頭,而是在耶魯大學宿舍裡敲鍵盤碼字,準備下個月畢業的老小毛頭了 。 https://bertmclee.medium.com/c36b0138b86b 2021年末發布了一篇在北京、新加坡、台北的DS求職經驗分享文,淺淺體驗了一把流量暴 漲。 前言 在過去的兩年半,我經歷了在北京Disney+ 一年八個月的職場洗禮,經歷了Yale的統計碩 士訓練,從亞洲市場到美國市場再次成功上岸,決定重新提筆分享這次我在DS求職上不一 樣的心得、體驗和成長。希望能幫助到2024年仍然想要投入Data就業市場的朋友,specif ically for: - Data工作經驗:NG (new graduate)、轉專業、Early career (1–3 years), Mid-leve l (4–6 years) - Data崗位方向:DA (Data Analyst), DS (Data Scientist), MLE (Machine Learning Engineer) 本次求職系列文Outline: - 2024美國求職經歷總結和找工策略 - 2024美國求職背景介紹 - 2024美國求職Timeline & Results - 如何在2024艱難的就業市場中拿到面試? - 個人心得和感謝 - 如何準備Product Case (& A/B Testing) Interview (Meta) - Meta DSA面試準備經驗、框架、熱門考題和參考回答分享 - 如何準備ML Knowledge、Statistics、ML Design、ML Coding Interview - 匯總過去準備過和面試上實際遇到的問題 (Expedia, AppLovin, Warner Bros、Walm art...) - 匯總相關準備資源 - 如何準備SQL、Python Coding Interview - 匯總過去準備過和面試上實際遇到的問題 (Meta, Warner Bros, Expedia, Shopify, CVS...) - 匯總相關溯備資源 - 也許、也許還會寫一寫: - 美中台星英DS機會、求職、就業發展比較 - DA, DS, MLE機會、求職、就業發展比較 過去兩年半世界變化了很多,全球疫情、經濟、科技都有劇烈變動,Data相關工作的就業 市場在世界各地經歷了很大的起伏 — 整體來說, 供給大量的提升,需求則是上上下下 下下,科技大廠如Meta、Amazon、Google等都經歷了疫情後的瘋狂擴招和慘烈裁員。就以 2024年到目前為止來說,Tesla昨天(4/15)宣布裁員超過10%;Google在二月裁員了超過一 千人,包括我的一個強者朋友也受影響;Amazon、Microsoft、eBay、PayPal、Snap、Exp edia等也都是今年裁員影響比較大的公司。每天打開一畝三分地、小紅書都是:「2023、 24 NG (new graduate)該何去何從」、「投了一千封簡歷只收到3個OA (online assessme nt)、1個面試、0 offer」、「找工焦慮、心態有點崩了」...。這個情況似乎在全球都差 不多,如今在美國、加拿大、英國、中國的畢業生都是相當艱難,跟科技業大擴招時代, 人手好幾個大廠offer的景況實在相差甚遠。什麼時候會再次好轉?窩不知道。對我來說 ,我不敢期待未來會好轉,也許現在就是未來十年內的最佳時機了,我能做的就是NCAA女 籃UConn球星Paige說的:“I did all I could so God can do all I can’t.” 我盡我 渺小的所能,剩下大部分只能交託給上帝。 https://i.imgur.com/TQrzoce.jpeg 2020二月至2024年四月SDE(軟體工程師)崗位數量趨勢圖 2024美國求職Timeline & Results 在2023年六月底辭去Disney+的工作,離開北京後,我在八月中來到耶魯。Yale的Statist ics & Data Science Department有兩種Master: - Master of Science in Statistics & Data Science — 這是一個為期一年半(2023.8 –2024.12),三個學期的Program。 - Master of Arts in Statistics — 這是一個為期一年(2023.8–2024.5),兩個學期 的Program。 這兩個Program互相轉換非常容易,但是除了我以外所有同學都是選擇讀1.5年的M.S. Pro gram,如此一來可以先找2024 Summer Intern而不用馬上找Full time position,時間比 較充裕。 一開始我也是M.S.,第一學期整個還在思考人生,入學前完全沒有準備找DS的工作,在想 說是不是該轉換賽道去做Sports Science,後來發覺轉換的難度有點高、不是很順利。再 後來功課開始多起來,一時感覺自己數學還是太差讀得有點痛苦,覺得自己不適合做DS/M L,在思考自己是不是該去當PM,但是也沒有做PM的能力,甚至連去當醫生的想法都開始 冒出來。總之第一學期,就是隨便海投了可能幾十個DS Intern/Full Time崗,幾乎也沒 什麼面試就胡亂地過去了。 到了一月也不知道哪來的靈感,決定從M.S. Program轉到M.A.提前在五月畢業,也就是距 離畢業突然縮短到剩下四個月,並且要全力找Full Time崗,當時看美國的求職市場一片 淒慘,想著也許找不到工作就準備回國或去其他國家了。 從1/9開始海投,投了幾天都沒回應就開始追劇擺爛了(繁花不錯的、花少還好),一度覺 得Data市場已經徹底關門,連耶魯學生都沒人要。不過後來就陸續開始收到面試,以下是 本次求職過程的完整流量轉換圖和詳細的求職、面試時間線: https://i.imgur.com/LriRvsp.jpeg 美國求職完整Sankey https://i.imgur.com/iG0UBFF.jpeg 美國求職Timeline (共13家公司進入技術面試流程) 總共投了大概有250–300家公司,300–350個崗位,接到18通HR Call,跟13家公司進行 了Technical Interview,6次走到終面/VO (virtual onsite),最終拿下三個offer,分 別是: - AppLovin — Machine Learning Engineer Intern (80–100% conversion opportuni ty after summer) - Expedia — Machine Learning Scientist II - Warner Bros. Discovery — Data Scientist II 按照面試涉及的內容來分類的話一共經歷: - General HR Call: 18 - SQL coding: 7 (Kafene, Expedia, Meta*2, CVS, Shopify, Warner Bros) - Python coding: 10 (①Leetcode: Expedia, AppLovin銚Pandas: Home Depot(Offlin e), CVS銫PyTorch Modeling: Walmart鉹ML Implementation: Expedia銗OOP: Shopif y鉿General Coding: DataVisor*2, Warner Bros) - Product Case: 2 (Meta*2) - Statistics: 4 (Expedia, Meta, DataVisor, CVS) - ML Knowledge: 7 (Expedia*2, AppLovin*2, CVS, Warner Bros*2) - ML Design: 5 (Expedia*2, AppLovin*2, Warner Bros) - BQ (Behavioral Questions): 7 (Expedia, Meta, Home Depot, AppLovin, DataViso r, Shopify, Warner Bros) - Experience, Projects: Probably all, more or less. - Take-Home Project: 1 (DataVisor) 我計畫在這個DS求職系列文中針對以上幾個面試項目,逐一分享我的準備經驗、資源和面 試真題,有興趣了解的朋友可以持續關注。 如何在2024艱難的就業市場中拿到面試? 首先,我必須說現在以一個國際生的身份在美國想拿到面試真的很難,我完全沒有信心跟 你說讀完這段分享你就可以有超過10%的拿面率,或著在一個月內可以拿到超過10個面試 ,但是如果有任何人因為參考了我的方法多拿了兩三個面試,那我就覺得足夠了,也許這 兩三個面試就能改變一個人的人生軌跡,in a good or bad way lol。 首先簡單描述我的背景:我是台大工科系畢業,算是工程轉專業到數據,畢業後在台北的 DBS Bank做DA十個月,在北京的Disney+做DS一年八個月,因此我這次找工作的身份就是 將近三年非美國工作經驗(actually 2.5yrs)的Early Career Data Scientist,同時因為 重新讀書,也可以算是NG (new graduate)。 我這次主要找的崗位還是DS和少部分的MLE、ML Scientist,從要求0–2 YoE的NG崗到要 求2–5 YoE的Early Career, Mid-level DS崗都有投,主要以後者為主。NG崗開的不多, 每個applicant隨便都上千人,我一個面試都沒拿到...,所以我的經驗也許不能完全適用 於沒有工作經驗的NG, 但是希望還是能提供一些思路。 以下是我在2021年寫關於如何拿到大量面試: 前期準備之後,如何得到大量的面試? 簡單總結這個題目: 1. 一份包裝漂亮的履歷。 2. 找內推、Refer。 怎麼寫好履歷? (---這段對大部分讀者比較沒有參考價值,略過---) 怎麼找人內推、Refer? 1. 平時經營好自己的LinkedIn、Medium:新加坡Twitter的機會,就是台大學姊在Linked In關注到我,主動幫我內推的。另外像是Binance, Garena, McKinsey, 新加坡SeaMoney 的機會都是HR或Hunter在LinkedIn主動介紹給我的。 2. 找學長姐、前輩、朋友們:我很幸運有認識在各國Facebook、Amazon、Google...的人 ,有些職缺可以跨國內推,有些有限制,可以請朋友看看。 3. 關注Facebook、Medium、PTT、LinkedIn等社群:很多朋友有分享工作或面試經驗並協 助內推,比如說新加坡TikTok的Junlin前輩、新加坡Shopee、SEA、泰國Agoda也都有一些 朋友經常分享。 4. 一畝三分地:我有很多內推是在上面找的,包含Disney+、快手、螞蟻金服、小紅書、 拼多多...,都是在上面請人內推的。包含亞太、美國的機會都有,當然美國的前提是要 有 簽證。 5. LinkedIn Cold Message:新加坡Ninja Van、GBD、台北Line TV就是我在LinkedIn上 發Cold Message得到內推的,但整體來說,成功率不是很高。 6. 半路出家軟體工程師在矽谷:這個部落格也可以參考。 2024年,來到美國回頭再看這段分享,還是相當relevant的。在談如何拿面試之前,首先 我覺得有個想法給大家參考: 在現在這麼艱難的求職市場,其實更容易對自己妥協,更容易覺得反正我已經把簡歷寫好 了,反正我今天已經投了十封、二十封簡歷,就這樣吧,但是其實大部分時間都是在做無 效的努力,真的要一直動腦子想如果有不知道幾萬人每天在跟你競爭,每天都在做一樣的 事,你能比別人多做一點什麼,或著做什麼跟別人不一樣的事,可以怎麼做優化,不然你 憑什麼贏。 這次再聊如何拿面試,依舊按照兩個部分來聊: 如何寫好履歷? 這個題目還是挺大的,很難用幾段話涵蓋,我就分享一些點,很多都是老生常談: - 排版:要做到吹毛求疵、讓讀者覺得很舒服、一目瞭然,將重點放在讀者容易注意到 的地方,畢竟Recruiter可能只會花幾十秒看你的簡歷。 - 文法、Typo:確保語句順暢、沒有文法錯誤、Typo,ChatGPT是你的朋友。 - 內容:What you did, how you did it, what is the outcome. Couple of things t o keep in mind: 1. Highlight & Quantify your impact. 2. Think of your strength s that can help you stand out in thousands of resumes. What makes your resume different? Why recruiter should choose your resume over others? You are not ju st writing a “good resume” that “clearly outline what you have done”, but why your experience makes you an excellent candidate for the company. - 長度:上一次求職的時候,我的英文resume是1.5頁的長度,但是經過了將近兩年的工 作經驗,我最後反而把簡歷濃縮到1 page — 經過一次一次的修改,會發現有些比較重複 、比較久以前做的,或著根本不是那麼重要、對簡歷沒什麼提升的東西其實不用放。 - ATS(application tracking system):盡量加上投遞崗位的關鍵字(可能是某些Techni cal Skills, Models, Business Applications),公司通常都會先用ATS自動篩過一遍, 如果掃不到關鍵字就直接拒掉了,可以找一找ATS Resume Checker,網上應該不少,像Ya le Career Service網站就有可以自動給履歷打分的系統可以用用看。 - 熟悉JD:其實很像上面第五點,區別在於第五點加入關鍵字是為了通過電腦篩選,這 點是為了真的提升簡歷內容。我建議可以先去找至少十篇你很想投的崗位的JD (job desc ription),盡量將崗位細膩的分類(比如Marketing DS, Product DS, Forecasting DS, F raud Detection DS, Ads MLE, Business DS, BA, BIE, DA),然後爭對每個分類的崗位 划重點、找關鍵字,整理出高頻關鍵字,然後將你的履歷盡可能的match那一個類型的崗 位JD。比如我投到後來,簡歷看多了以後,發現以DS來說,有的崗位特別想看到Causal I nference, A/B Testing, User Segmentation, Personalization, Recommendation syst em, Marketing, Finance, Cross-functional collaboration, Fraud Detection, Forec asting, Pricing, Risk, Ads, Ranking等等,你如果沒有的話,在投該崗位時可能就會 有很大的劣勢;相對的如果你能把你的經歷包裝出這些關鍵字的話,就有優勢。也許可以 參考一下一個小紅書博主[能量果汁工作室]寫的一些JD精讀:https://www.xiaohongshu. com/user/profile/62cee92d000000000200355a - 針對職能客製化簡歷模板:因為我一開始DA, BA, BIE, DE, DS, MLE都有在投,顯然 這裡每一個職能都有些不同,最好能夠針對每種職能都有一個版本的簡歷,甚至有發現到 現在光是DS都分得很細了,也許有空也可以準備不同的版本。 - 針對公司崗位客製化:對於我特別想要把握住的機會,我會在針對職能客製化的履歷 模板基礎上,再針對該崗位讓ChatGPT幫我Customize簡歷中的Summary Section (in LaTe x),Prompt如下: I found a job posting and need a standout summary in my resume, tailored to th e specific job requirements. I'll provide 3 examples, the job description (JD) and my resume to ensure the message (in 3 lines, similar to the length of the examples) accurately reflects my real skills and experience, highlighting my 3 years in data science and relevant achievements. It's important the summary is attention-grabbing, considering the high volume of applications hiring mana gers receive, and showcases my suitability for the role without embellishing. Examples: \begin{rSection}{Summary} \noindent Versatile Data Scientist with 3 YOE at Disney+, DBS and ongoing MSDS at Yale, excelling in Python, SQL, and BI tools. Proven track record in data- driven product development, analytics, and cross-functional collaboration. Rea dy to leverage advanced analytics and machine learning skills to innovate in M eta's dynamic product ecosystem. \end{rSection} \begin{rSection}{Summary} \noindent Data Scientist with 3 years of experience, adept in developing scala ble data pipelines and analytics solutions, transitioning to Data Engineering. Proficient in Python, SQL, and big data tools like AWS, PySpark. Proven capab ilities in data processing and optimization, with significant achievements at Disney+. \end{rSection} \begin{rSection}{Summary} \noindent Yale MSDS candidate with 3 years at Disney+ and DBS Bank, specializi ng in ML/DL/NLP. Proficient in Python, SQL, and big data tools. My experience in user segmentation, coupled with skills in fraud detection and risk analysis , is well-suited for Stripe's data science roles. Eager to contribute my exper tise and drive strategic insights. \end{rSection} [The JD here] 在寫好履歷後,如何拿到面試? 先說說這次我有遇到真人的公司都是怎麼遇到的吧: 1. Kafene DE: 小紅書上刷到HM (Hiring Manger)發說要招DE,於是就聯絡上了。 2. Rize Education - Full stack DS: HR主動email reach out。 3. Expedia - ML Scientist III, Paid App: 官網海投+LinkedIn cold message該崗位 在招聘的recruiter (看到她發Post)。 4. Stripe - DS: 看到HM在LinkedIn發Post後找朋友內推。 5. Meta - DS, Product: LinkedIn找校友內推。 6. The Home Depot - DS, Marketing: LinkedIn看到HM & Recruiter發Post,cold mess age HM & Recruiter,LinkedIn找朋友內推。 7. Rippling - Sr. DS, Marketing: 官網海投。 8. AppLovin - MLE Summer Intern: 小紅書看到說這家在招人,LinkedIn找朋友內推。 9. CVS - Sr. DS, Patient Engagement: LinkedIn找校友內推。 10. CVS - Sr. DS, Product Platform: LinkedIn找校友內推。 11. CVS - Sr. DS, CMX: LinkedIn找校友內推。 12. 2K Sports: LinkedIn Easy Apply. 13. AvalonBay - DS: 小紅書上看到說有在招人,官網海投。 14. Walmart - Sr. DS: 朋友內推。 15. The Trade Desk - DS II, Forecasting: LinkedIn看到Recruiter的Post,Cold mes sage recruiter。 16. DataVisor - DS, Fraud Detection: LinkedIn Easy Apply. 17. Shopify - Sr. Product DS: 忘了在哪看到說在招人,找不到人內推,官網海投。 18. Warner Brothers Discovery - Sr. DS: HR LinkedIn reach out. 19. Capital One - Principal DS, US Card: HR LinkedIn reach out. 總結拿到的面試按照方法分類如下: - 內推:8 (Stripe, Meta, Home Depot, AppLovin, CVS*3, Walmart)/33 = 拿面率24. 2% - 海投:①官網海投:4 (Expedia, Rippling, AvalonBay, Shopify) ②LinkedIn Easy Apply:2 (DataVisor, 2k Sports),6/275= 拿面率2.2% - HR主動Reach out: 3 (Rize Education, Warner Bros, Capital One) - 直接聯繫到Recruiter or HM:2 (Kafene, The Trade Desk) 我覺得關於怎麼投履歷,一樣可以分成兩個部分來說: ①如何找到有效崗位: 首先是關於平台的使用選擇,一般美國求職比較熱門的平台就是LinkedIn, Indeed, Hand shake, Glassdoor吧,聽說Indeed, Handshake會有比較多小公司的崗位,因為LinkedIn Post Job似乎比較貴。不過因為Indeed介面太醜我就沒用,然後因為我已經深耕LinkedIn 許久,比較用心的經營LinkedIn Profile,也累積了上千connection,因次我覺得用Link edIn對我來說優勢比較大,因次都是以LinkedIn為主,但是使用上也是有許多講究。 我個人認為崗位投遞優先順序是: - Recruiter or HM在LinkedIn Newsfeed上Post說他們要招人,那應該就是真的在積極 招人。有一些人會在LinkedIn上整理每週他們在LinkedIn Newsfeed看到的招聘Post (not job board),可以follow他們。 - 一畝三分地組內直招、積極提供內推的文。 - 小紅書上有人每天整理當日new opening,投最新的。 - LinkedIn系統推薦崗位、小紅書、一畝三分地看到什麼公司就去官網查查有沒有適合 的崗位可以投。 - LinkedIn Job Board,Filter Today/This Week,Applicant under 100 is better, reposting with 100+ applicants are usually not really hiring people (green car d purposes)。但是通常Job Board的排序很不好,常常會有一些合適的崗被排到很後面很 難被發現,前面的崗大家都投過了,所以最好是自己找想投的公司去官網Check。 - LinkedIn Easy Apply還是有機會的,我拿到兩個easy apply的面試都是post了挺久了 但是applicant不太多,估計都是job board排在很後面的崗,沒人發現。 至於Sponsor的問題,以下是個人做法僅供參考:我到後來一律不管,在填需不需要spons or的時候我就說不用(我也確實想說或許OPT用完就走了),反正先遇到真人(recruiter) 再說,遇到這麼多recruiter也幾乎沒有一個說不sponsor H1B的,可能我遇到的基本都是 規模比較大的公司。 ②如何有效地讓履歷被Recruiter/HM看到: - 直接聯繫Recruiter/HM。主要分成兩種方法:①LinkedIn cold message recruiter/H M。我花了許多時間嘗試這個方法,具體就是在recruiter/HM post opening on newsfeed 後馬上send connect invitation with notes,我還有一些Prompt讓ChatGPT幫我customi ze invitation notes,但是後來發現效率偏低,估計這個方法已經被印度兄弟玩爛了,r ecruiter/HM在LinkedIn一發文就會收到數百、數千個connect invitation,但是並不是 說完全沒用了,有時間還是可以衝。② 請找工夥伴分享Recruiter聯繫方式。找一些同領 域的找工搭子,互相分享recruiter/HM的聯繫方式,這招我沒有試過不知道效果怎麼樣。 - 內推。怎麼找內推我在2021年的文裡就說過了,我的管道基本還是一樣。 - 快速海投。盡量想辦法能夠成為前100個applicant,用一些插件比如Simplify可以提 高海投速度。 以下補充兩點: 關於Coffee Chat & Networking:首先我個人是沒有什麼透過Coffee Chat拿refer,主要 是我認真開始找工的時間偏晚,希望能將戰線縮短,快速上岸,因此沒有花那麼多時間在 Coffee Chat,如果幾個管道都沒有人幫我refer就自己投了。除了LinkedIn cold messag e以外我基本也沒什麼特別networking,Networking Event、Career Fair我都沒參加,ei ther是忘了或是太懶/忙了,好像也沒聽系上的同學靠這些上岸的,但對於商學院的同學 應該就很重要了。如果時間足夠,我覺得networking、coffee chat還是很好的,不僅是 為了一個refer,包括對業界的認識、長期職涯發展上的人脈、短期對面試上的幫助都是 很好的。 如何在找內推與快速海投之間做取捨與平衡:這感覺是一個概率問題,如果我今天直接海 投,拿面率可能是2%;如果我花兩天時間找到人幫我內推,拿面率是8%,而我能在兩天之 內能找到人幫我內推的機率是25%,如果過兩天再海投拿面率是0.5%,差不多是這種感覺 。具體的機率因人而異,所以只能自己實驗一下、感受一下才知道怎麼取捨比較好,我的 情況是透過內推的話拿面率會提高非常多,所以對於比較想去的崗位還是先以找內推為主 ,實在找不到才海投。 個人心得和感謝 從去年八月來到美國至今245天,也就是八個月吧,說實在挺短的,都還沒怎麼來得及體 驗美國留學生活,英語還是一樣破而不自信,餐廳點菜仍然很多菜名都看不懂,除了面試 中用到的英語已經比較順暢,其他部分實在還是有很大的進步空間。美國文化、歷史仍然 非常生疏,也許只有地理因為實際走過一些地方而進步一點點。值得慶幸的是我暫時爭取 到了繼續留在美國學習和成長的機會,心裡是相當期待的,也知道得付出更多的努力在各 方面持續提升。 這次求職的過程中,自己也是經歷了數次小崩潰的過程。單以面試的表現和結果來說,除 了Meta沒有上這點比較失望,Stripe、The Trade Desk被掛覺得有一點不知道為什麼,CV S一個組被掛覺得你憑啥(於是也Decline了CVS另一個組的面試報仇 ,不過仔細想想 還是有很多可能被掛的原因的、不足的部分),還有幾個HR Call過來說你Start Date太 晚、你YoE太短...以外,其實個人覺得都是比較順利或是可以接受的。但是持續約三個月 全力找工、0娛樂、minimal運動&社交、瘋狂投履歷、LinkedIn Networking、18通HR Cal l、33個技術面試,一度手上有超過十個ongoing的面試要準備,時不時還是會感到恐慌和 疲憊。 很感謝在這段過程中支持、鼓勵我的人,感謝每一個為我的禱告,感謝跟我一起Mock Int erview、分享面經、面試資源的小夥伴們,感謝每一個願意幫我refer的朋友,也很感謝 在面試過程中遇到的很多面試官,整體面試下來大部分的面試體驗還是相當良好、友善的 ,無論是什麼樣的面試官。最後感謝神的奇妙帶領,從台大到北京,從迪士尼到耶魯,如 今又要從紐黑文到下一個目的地,在每一個地方,祂總是厚待我、總是看顧我、總是給我 超乎所求所想的。 “But to him that is able to do far exceedingly above all which we ask or thin k, according to the power which works in us” — Ephesians 3:20 -- 太難了QQ 是的,其實應該還是算需要Sponsor的 原來,學習了感謝!
30
[心得] 2024 美Google L4 SWE 時程分享 受到前幾篇文章感召 決定來拋磚引玉分享個人今年成功錄取L4 SWE的經驗 希望能有些微的參考價值 地點: 美國 Durham, NC 單位: Google Cloud Networking 個人背景: 2010 - 2016: 113 EECS學、113 CS碩 2016 - 2020: 螃蟹FW 2021 - 2022: NC State ECE PhD 2022 - 2023: NC State Computer Networking MS LeetCode: Easy: 108 Medium: 171 Hard: 33 週賽從來沒有完成過 頂多解出1題Easy 2題Medium,就會在Hard卡死 面試時程: Before Week 0: 4個月內請朋友內推了7個Google缺,全部被拒 包括NG、L3、L4 Week 0: 投這次的職缺 (忘記先請朋友內推) Week 1: Recruiter Phone Screening Interview 並安排當週Mock Interview及下週Virtual On-site Interview Week 2: 兩天共3場Virtual On-site Interview 包含Behavior Round Week 3: 週一: 一場Virtual On-site Interview (面試官上週臨時有事所以延到這天) 週三: Recruiter通知結果為Mixed Reviews 本人心死 週五: Recruiter通知這個缺的組對我有興趣 本人燃起最後希望 Week 4: 週一: Team Match Call w/ 現在的主管 沒有記錄到這場有沒有問任何Coding相關問題 有的話我不是用Python解就是用C解 週三: Recruiter要求提供用C++寫的Project Links 因為這個組都是用C++ 需要證據證明我對其有一定熟悉度 但我沒有做過任何Side Projects in C++ 在螃蟹都是寫C 最後一次是十幾年前大一下修的OOP (那堂拿了60分,教授人好讓我過) 所以最後回了幾個GitHub Links 來自博班那一年做研究時拿來改Code的Open Source Project Week 5: Recruiter表示主管覺得證據不足,需要加面C++ 我只好開始惡補C++語法,尤其是Class、Template等等 Week 6: 週三: C++ Coding Interview 結果只是要我實作memcpy() 用的完全是C的bit operation語法而已 沒有任何Class及其進階內容 整個過程輕鬆到像是在聊天 週五: Recruiter通知部門主管確定選我 Week 7: 順利過Hiring Committee VP審過 發Offer Virtual On-site Interview: 因為是全視訊所以加個Virtual 但就是以前的On-site Interview Round 1: 要印出一個檔案內每個Block/Function的起始/結束行數 (細節有些忘了) 體感是Medium 主要用Recursion & Stack解決 印象中有Follow up question 除了把Stack改成用Queue作以外 也講了其他需要跟著動的條件判斷 簡單改個幾行沒有確定是否有其他Bug時間就差不多到了 個人推測面試官算是滿意 Round 2: 是個Pangram相關的題目 同樣細節忘記了 體感是Hard 怎麼實作的已經沒有印象 個人自覺表現不好,推測面試官不滿意 Round 3: 給定一個String,要把他拆成若干Substring 條件是這些Substring不能重複 全部合起來可組成原本的String,不可多不可少 不確定有沒有要求Substring的數量要最多或最少 體感是Medium 一開始用了List和Dictionary去做 提示之後才知道要用Trie 個人也是自覺表現不好,推薦面試官不滿意 總結: 我其實不是很確定究竟怎麼成功錄取的 畢竟我的LeetCode程度應該算是不怎麼樣 每次遇到Hard都解不出來 但我猜地點應該有關係 畢竟公司距離我畢業的NC State車程大概40分鐘而已 我對當地相對不陌生 比較不用擔心我有Offer之後嫌北卡這個州太鄉下所以不來 而我本人也是比較排斥加州/台北這種擁擠的環境 所以北卡/新竹這種相對鄉下又有園區的地方我就很愛 另外可能是時間 現在已經不再是前兩年最慘的狀況 除了職缺陸續開放以外 北卡這個Site也是很積極的在招人 我主管的理想是整個組要有50人 (目前大約15人) 還有這個缺開沒多久我就看到並且投了 所以能進得去Recruiter的眼裡 最後應該是因為我找的不是NG缺 不用去跟神仙打架 而且想/願意寫較底層C/C++的人應該相對少 所以競爭者又更少一些些 另外不確定螃蟹的名聲有沒有影響 但個人感覺是年資不算被砍(? 幾乎所有有找我面試的大公司,E.g., Google/Nvidia/Apple/Cisco 都是給面需要3~5年年資的缺 反而NG全部打槍,面都沒得面 想自願降薪都不行 最後我想說能上這個缺真的是很幸運 是個完美符合我個人能力、興趣,以及職涯發展的缺 在過去投履歷的大半年內 幾乎沒有看過這種缺 就算有,也馬上就被拒絕 連第一關面試機會都沒有 當然就更不用說Google這間公司本身的其他所有好處 沒有任何不去的理由 祝福大家都可以順利找到自己的職缺 共同撐過這段艱難的時期 --
30
[心得] 2024 Google面試與刷題心得 大家好,小弟受惠於版上許多,最近求職收到L4 Google coding interviews第二輪三場 的面試回饋,recruiter說L4繼續走下去有risk不過也是有機會,若down level L3則是沒 太大問題。不過面完當下自覺機會不大,已經先接受其他offer答應說要先做一陣子,雖 然成績現在可以保留18個月,期間還是可以做team match不過目前我就先不move on了, 跟大家分享一下面試與刷題的心得。第一次發文若有任何不妥再麻煩提醒。 Week1 - Google Careers投遞無聲,過一個禮拜投遞狀態變not proceeding,直接涼涼。 Week3 - 不死心再投其他職缺,隔一兩天recruiter約meeting討論面試的時間與準備項目 ,聽說通常是約一個月後,我也這照時間去安排。 Week7 - Mock interview,面試官臺灣人,人很好,會問你希望如何進行mock幫助你,我 請他當作正式面試來面,最後再跟我說哪邊可以改進,給了我很多建議。 Week8 - 第一場coding interview,臺灣人,中文進行,難度約med-hard,大約30分鐘寫 完最佳解,後續就在聊天,自覺是bug-free。隔天收到回覆說表現不錯,再約後續三場面 試時間,因為後續自己有其他面試,所以再約稍久一點之後。 Week11 - 連續三關 第二場,美國華裔,英文進行,難度約med,約30分鐘寫完最佳解,之後一題follow-up寫 完剛好時間就到了,沒來得及對follow-up的code進行dry run,後續回想code應該有2個 bugs。 第三場,印度人,英文進行,難度med,以往自己網路上mock時對於印度口音蠻不習慣的 ,不過這次遇到的口音還好不怎麼重,理解沒問題但還是花了約20分鐘才把我自己的解法 讓面試官聽懂,但不是optimal,面試官要我再想想更好的作法。之後方向有提出來,但 有一個關鍵點沒想到如何解,到了30分鐘時,面試官假設有一個magic function輔助可以 如何解,最後寫出約90%後時間到了,這裡optimal的解法時間最差應仍是與第一個提出的 方法一樣,但平均會更少。 第四場,臺灣人,中文進行,難度med-hard,約35分鐘寫完最佳解,過程中有2處code寫 出來跟講的不太一樣被面試官糾正,一題follow-up,講完follow-up解法後時間到了沒寫 code,後續回想第一題code應該還有2個bugs沒發現到。 Week12 - recruiter回饋 第二場,L4 hire,Algo/Data structure使用恰當,雖然面試時面試官沒有提出要求,但 如果可以給多種solution與tradeoff會更好。 第三場,L4 no hire,L3 hire,分析問題、說明次佳解的解法、分析次佳與最佳解的時 間複雜度做不錯,扣分點在於最佳解關鍵點沒寫出來及有給hints。 第四場,L4 lean hire,分析問題、定義輸入與輸出做不錯,思路講得清楚,扣分點在於 有bugs以及有給hints。 面試總結,我想為了達到完美,除了勤刷題外,刷題跟面試有兩個點蠻不一樣的再提醒一 下: 一是盡量只靠description去寫code,像LeetCode寫慣了不太需要去思考輸入/輸出/型別 等,也常利用輸入的長度如n=1e6來判斷大概是O(n)的解法,但面試時就只有description 其他都要靠自己。 二是關於溝通部分,因為面試時還要跟面試官討論,來回也是不少時間,所以不論中英都 要能簡單且準確地表達意思,平常練題最好先用口語把解法講清楚後再寫code。 之後就是關於刷題的心得分享,小弟LeetCode題目1000+(E 300/ M 500 / H 200),週賽 100+場,rating仍在2050徘迴許久,容小弟野人獻曝給大家分享一些資訊。 關於刷題的方法,我想網路上資訊已經很齊全了,其中覺得最完整的是”0到100的軟體工 程師面試之路”以及”胖头龙的咸鱼刷题笔记-算法篇”這兩篇,從刷題的心法、刷哪些 題目、大神的講解甚至面試準備都有涵蓋,內容不少但每一陣子回去看都有新的收穫,時 間趕的話看0到100 day10那篇就好,跟著大神刷,表現頂呱呱。有些文章會推薦你去刷跟 自己rating相近的題目,可以用這個網址去找分數對應的題目。 https://zerotrac.github.io/leetcode_problem_rating/#/ 關於刷題的複習,覺得當經典題都做完一輪後,複習重要性>>做新題,因為很多題目都能 沿用某些題的解法架構,另外像是不熟的解法也必須藉由反覆複習變得精通,不熟的題目 碰上面試的時間壓力基本上就可以當作沒做過了。雖然上面說題目刷到1000+但真正有效 的練習我想是在我開始建立複習表後,大概500-600題,其餘部分嚴格上來說做完就忘了 。這邊提供版友自己的Notion複習模板,可以記錄題目的類別、熟練度、做題的時間與下 一次預計複習的時間,方便後續複習,網址的右上角可以Duplicate這個模板。 https://lumpy-cut-a12.notion.site/a9cf0ada5ca64953b5273e10acdbde11?v=1aede3e9038940828ac4da7ed17cf15b&pvs=4 關於面試前的英文mock,我只有使用Pramp這個平台,跟世界各地的人面,很常碰到印度 人,基本上免費,註冊時會送你5個免費credits,每次interview消耗一個,但每一次結 束時雙方會互評作為面試者與面試官的表現,若對方評你是好的面試官會送你一個credit ,也就是基本上用一個給一個不太會消耗,甚至有時候面試中對方斷線還會多送你一個, 我越面越多最後這個credit變11個,不過這個平台面35次後就說沒新題目面了,只好再開 新帳XD。 最後則是個人心得,有時覺得自己陸陸續續刷題三年rating才是有些人的起點感到有些灰 心,但這次面完覺得小弟身為凡人要表現的好並不是那麼地遙不可及,如果更早知道這些 東西應該會有所幫助,而且回過頭來看對於自己的成長感到欣慰。我想正是因為知道過程 的辛苦,才會希望每個認真的人能夠含笑收穫,所以分享這些資訊給正在努力的人,小弟 之後有機會會再繼續挑戰。 --
82
[心得] Google L4面試時程分享(最終失敗) (排版亂掉已改回來) 感謝板上很多人分享,但這邊小弟我分享一個失敗的 data point。 Week 0: 申請職缺,HR 很快找上我並且 約了一個聊天也同時安排 Phone Interview Week 5: Phone Interview Week 6: Phone Interview 反饋,並且安排 onsite interview Week 10: 4 場面試都在同一天(1 BQ + 3 coding) Week 12: 原本申請的職缺關了,改找其他 team fit talk Week 14: 跟 team_A 的 HM 聊,聊得不錯,很快地說願意 move forward, 也願意幫我寫 Statement of Support (SoS) Week 15: HR 幫我準備 packet 準備送 Hiring Committee (HC) Week 16: Google 宣布停止招聘 2 週,所有 headcount 先收回 Week 17: No headcount Week 18: No headcount Week 21: 看到 Google Careers 的 team_A 職缺沒了,繼續等其他 fit talk Week 22: 跟 team_B 經理 fit talk Week 23: team_B 經理選擇其他候選人 Week 25: 跟 team_C 經理 fit talk Week 26: team_C 經理 選擇其他候選人 Week 27: No headcount … Week 42: 跟 team_D and team_E 經理聊天,很快選 team_D, team_D 經理也願意幫我 move forward + SoS Week 43: HR 幫我準備 packet 來送 HC Week 50: HC reject, 最終失敗 面試表現 之前也有面過 Google,我知道非常難,我遇到的面試官都考 hard,所以這次我有特別準備這塊。 Phone Interview: 出了一題 Hard 的變型,很快地給出最佳解。應該是 Hire Onsite Coding Interview 1: 一開始沒搞懂面試官的要求是啥,大概釐清了 10 分鐘, 才知道面試官的意思,在沒有暗示情況給出最佳解,大概 med - hard 難度。感覺是 lean hire Onsite Coding Interview 2: 很快地搞清楚面試官題目,給出最佳解,同時被問了 2 個 follow-up,也都給最佳解,面試官表示我解太快了,他 沒題目了lol ,後面就聊天,大概 med 難度。 感覺是 Hire or Strong Hire Onsite Coding Interview 3: 沒看過的題目,很有意思,最後在討論過程中也有舉例子 糾正面試官的思路,他很開心,然後總共又多做了 2 個 follow-up,因為沒看過題目,只能猜測最佳解是怎樣, 但面試官很滿意,還說:「我這一關你是完全沒問題的!」 最後 coding 結束後也是一直聊天,還蠻愉快的。感覺是 Hire or Strong Hire BQ: 我感覺我是回答得中規中矩,但感覺 L4 要求的比較多, 聽到 feedback 給的不是很好,這部分其實還是要認真準備一 下,我建議就按照 Amazon LP 準備最好。 Recruiter 給我整體的表現是 Positive 的,直接幫我找 fit talk 。經歷了 5 個 HM 找我 fit talk,有 2 個願 意幫我寫SoS,我覺得我的面試成績應該是還行的,結果 證明有點太樂觀。 而最終 HC 失敗,沒有額外面試或是 downlevel。 感受上是你面試要盡量完美,不能有 hints,5分鐘內釐清問題, 給出最佳解會最穩,除了電話面試,每一關至少要做出 2+ 題。 我知道蠻多朋友卡在 team match 這段,想說分享一個 timeline 給大家知道大致的時程,讓自己比較好規劃時間,畢竟這時間長 度是我遇過最長的,也同時錯過一些機會。 --
30
[心得] 2024資料科學家面試經歷分享 從2023 年秋季到 2024 年初,因為對裁員潮的恐慌 我開啟了一次新的資料科學家面試旅程 在亞洲地區的各大科技公司 總共投遞了 26 個職位的履歷、實際拿到 2 封錄取信 親身感受到資料科學與數據分析就業市場 在海內外都依然是冰天雪地、找工作困難重重 以下文章將流水帳式地分享我面試的見聞 主要目的只是幫助你大致了解該公司面試可能會有什麼內容 如果你恰好要跟我面試相同公司的相似職位 多一分認識、就能少一些徬徨 更完整的文章以及更好讀的排版在此: https://haosquare.com/data-scientist-2024-job-interview/ --- ## PayPay 軟銀與日本雅虎合資的電子支付公司,也是快速擴張中、積極聘用外國人 此職缺是 Product Science Engineer 從 A/B 測試、資料探勘、到機器學習建模都會涉及 整體是更研究導向的職缺 (同部門有其他機器學習工程師與資料工程師處理模型部署問題) 位於 Data Insights 部門,該部門的主軸可以到 PayPay 官網找部門介紹 面試流程:回家作業 -> 技術面試 -> 技術+案例分析面試 -> 主管與 HR 面談 第一關:回家作業,給你 PayPay 可能會有的電子支付交易紀錄,請你給出數據洞見。 主要考察三大面向: 資料探勘與商業邏輯、寫程式能力+視覺化技巧、機器學習或時間序列預測模型 這關是線下審核,審核通過才會到下一關、見到第一位面試官 第二關:技術面試,我遇到的全都是非常典型且基礎的統計與機器學習問題 例如過擬合、丟硬幣機率、資料不平衡等等 有趣的是,這關的面試官問法非常「填空題」,好像一定要講出他需要的關鍵字才能過關 例如聊 P-value 與顯著水準的時候 我試著解釋偽陽性錯誤,他堅持再問我這稱為什麼錯誤 直到我講出「Type-I Error」,他才放我走、進入下一題 第三關:技術+案例分析面試,一題要求你用 Python 跑模擬來算擲骰子機率 一題 SQL 考資料表 JOIN,然後案例的大意是「如何設計推薦系統」 案例這題面試官完全沒給方向 丟給你情境(介紹 PayPay 現在遇到的某個推薦系統問題),剩下全部自由發揮 第四關:跟主管全都是聊行為面試問題;跟 HR 聊職涯問題與個人特質 最後他們給我 “No Culture Fit” 拒絕了(對我來講就是不知道為什麼的拒絕) 從面試經驗,我主觀覺得他們想找十項全能的資料科學家 (ー ー;) 程式要寫得漂亮、A/B Test 要精通、機器學習預測要熟、要懂推薦系統領域知識 除了這些硬技能,對商業嗅覺的要求也極高 近期 PTT 也有另一位網友分享 PayPay 資料科學家面試經驗,值得參考 #1c9UDlUN (Soft_Job) --- ## SmartNews 日本有名的新聞閱讀 APP,在美國也有團隊,遇到的面試官來自美國跟日本都有 我遇到的流程是:第一關 Codility 線上考試 -> 第二關技術面試 -> 第三關與三位面試官 Back-to-Back Interview -> 後面我被拒絕了所以不知道 第一關 Codility:一題 SQL、一題 Python 題實作類似 NumPy 會有的簡單計算、 然後有一堆選擇題考統計與機器學習觀念(大多都是課本有的經典問題) 第二關技術面試:問了很多 A/B Test 與指標設計商業問題 我最有印象的是我們花不少時間在聊 CUPED 與 Bayes A/B Test,有點硬派 第三關之一:聊我履歷上的經歷、也深入探討其中他有興趣的技術細節; 一題案例,在 APP 新增功能該怎麼驗證成效、以及潛在風險 第三關之二:聊很多行為面試問題,壓力處理、人際溝通等等 然後話鋒一轉又是一題案例分析,同樣是新功能驗證成效的題型 第三關之三:連續三題案例分析!包括用戶增長、市場大小衡量、數據導向的產品設計 雖然最後被拒絕,SmartNews 的 HR 跟每位面試官都態度和善、是很棒的面試體驗 被拒絕後寫信詢問,HR 還真的幫我向各面試官搜集回饋、給我建議,我十分感恩 --- ## Woven 這家我只有跟 HR 面談一次就沒下文了,所以就簡單介紹面談中我得知的該職缺訊息 Woven 是 Toyota 的子事業體 這個資料分析缺主要是針對 Arene 車用作業系統的資料平台 2024 年初這個資料平台還沒正式上線,實際工作會是針對測試階段的平台設計: 平台距離期望目標還有多遠?如何設計成功指標並決定預期成長幅度?上線初期該看什麼指標? 該資料團隊當時正在找視覺化專家,因為當時該團隊沒有 Dashboard、BI 工具或平台 所以對應徵者的 SQL 與 Python 要求會較高,候選人要有自己撈資料跟視覺化的能力 此職位不硬性要求日文,但有的話顯然更好 因為主要客戶就是 Toyota HR 原本告訴我(但我完全沒經歷到的)面試流程包括:SQL + Python 技術面試 考察視覺化與簡報能力的 Take-home challenge、Culture fit interview --- ## Coupang 此職缺在台灣,屬於產品設計團隊(eCommerce Product),職等是 Staff(L6) 面試流程大約是:HR Screen -> SQL 技術面試 -> 好幾輪技術與商業分析面試 -> 主管面試 -> Offer 這是非常讓我驚艷的公司與團隊,我面試過程遇到超多神人 有知名遊戲平台超資深 PM、待過韓商巨頭的資深資料分析師、叫車平台總監級人物、 世界前幾大 MBA 畢業加上超猛外商資歷的 PM 等等 現在(2024 年 5 月)還有看到台灣還在開資深的資料科學職缺 面試過程每位面試官(包括 PM)問的問題都是分析技術與商業價值討論兼備 例如各種 A/B Test 的應用場景與潛在問題、Coupang 現有的優惠券策略案例分析 面試也很重視人格特質,包括工作步調、壓力處理等等問題 最終有幸錄取,不得不說從團隊成員、到工作內容與職涯發展,是讓我非常心動的 Offer 考慮個人職涯與生活綜合考量,才忍痛拒絕 吹捧歸吹捧,Blind 跟 Glassdoor 網站對這家的公司文化都有不少評論 推薦對這間公司有興趣的朋友參考參考 --- ## Yahoo 應徵部門是 Global Consumer Analytics 工作內容環繞在 A/B Test,包括規劃、驗證、結果分析與回顧、執行行動策略 合作的 Stakeholders 可能在美國 我遇到的「回家作業」面試是準備分享自己隨意選的專案經歷,面試官在分享中考察: 問題架構方法、簡報設計與摘要能力、商業影響力 Hiring manager 強調,考察的能力不只是挖掘出數據洞見 更重要的是如何轉換成具體行動建議 這次面試中,我主觀感覺此團隊非常重視「問題解決能力」 關鍵字當然是麥肯錫、BCG 等等商業顧問技能 很白話的說就是「看到問題,馬上知道要用哪幾種框架來分析」的能力 --- ## Coca-Cola Bottlers Japan (CCBJI) CCBJI 跟可口可樂母公司是不同的,CCBJI 是主要負責生產銷售的事業體 有獨立的資料科學團隊 期望工作內容很全能:除了典型的機器學習建模與數據分析 期望還要會涉及資料工程、前端軟體設計、MLOps 初期面試會有 TestGorilla 平台上的 90 分鐘線上測驗 包含 SQL、Python、機率、統計學與機器學習,每個測驗都是簡單到困難的題目平均分佈 我只在 TestGorilla 測過這一次 覺得它的題目不少、節奏偏快,容易寫不完,想題目過程不適合在同一題苦惱太久 我遇到的兩位面試官分別是資深的資料科學家+軟體工程師、 以及機器學習博士+外商顧問經驗的主管 (不同於我對可口可樂的刻板印象)我覺得是超強的資料團隊 面試題目大部分是討論我的經歷 我會努力把自己的資歷連結到對方提過想做的專案類型。 特別的是,主管還問了我的個人休閒嗜好 較為困難的是開放式的案例分析,大意是問如何衡量促銷與廣告的成效 我相信對方是針對我的因果推論經驗而出這個題目,我個人都是環繞這個主題發揮 --- ## Agoda 面試流程包括:線上數理邏輯測驗 -> 技術面試 -> 回家作業+案例分析面試 -> 部門主管最終面試 第一關線上測驗很容易寫不完! 千萬要注意時間,我個人建議手邊準備好 Excel 或 Google Spreadsheet 加速計算 面試關卡考察的能力面向滿平均的: 機率統計、商業思維、A/B 測試、案例分析等等都會問到 尤其機率統計,建議簡單複習一下網路上常見面試題 (像是各種擲骰子問題)來幫自己暖身 A/B Test 的面試題目很多,除了假設檢定這些統計學以外 經常問到 A/B Test 的指標是否能跟「行動」連結、以及可能測不到的潛在問題 回家作業+案例分析的環節,我在面試結尾有特別問對方回饋 對方提醒我優先級排序(為什麼要先採用我的提案、不考慮其他的?) 以及潛在風險(羅列出自己可能有想到但是還沒解決的問題) 這些是面試重視的面向 發個牢騷,跟定價有關的面試問題都好難 如果你剛好也面試到定價相關團隊的職缺、又有心想提前準備的話 建議你想想看:Agoda 的訂房或者各航空公司的機票,定價會怎麼隨著時間變化? 最終在定價團隊拿到 Senior Manager 的 Offer 能挑戰主管職、我理解到的工作內容也非常有趣,覺得榮幸且感恩 但薪水低於現職,忍痛拒絕 --- ## Rakuten 第一關是線上程式能力測驗,我個人遇到的內容跟 Glassdoor 上找得到的一模一樣 如果你近期要面試這家,請務必嘗試搜尋歷史考題 第二關,跟兩位資料科學家聊我的經歷,他們很重視技術細節 所以聊了特別多 A/B Test 的實作問題、還有因果推論的方法與背後假設 然後我就被拒絕了,即使我覺得我在第二關應該沒有搞砸什麼 --- 如果你跟我一樣熱愛資料科學,我也親自體驗到就業市場的寒冷 但我仍希望我們能一起長期、持續、不灰心地努力 這樣下次好機會飛來的時候,才能順利接到它 -- 對,有幸還沒被裁,我評估自己目前更需要在現職多多學習 自己夠不夠強,親自面試過確實會有深刻體會 文中其中兩個缺,我有在領英找到後來到職的人 那個資歷跟硬技能,都讓我被刷掉心服口服 明確認知自己能力不足也是出來面試的收穫 我也同意自己在文中寫市場急凍或許過於主觀、草率 但分享的初衷只是希望未來的相似應徵者可以搜尋得到 就像我過去一直在 PTT 獲得很多重要資訊一樣 謝謝 e 大跟 d 大的回饋, 怪市場不好的確是被動的 也是該思考自己究竟是能力不足、還是技能根本不符合市場需要 (或許我自以為的技能確實很快會被 AI 取代)
30
[請益] 該不該繼續待下去 本人是今年剛轉職的後端工程師,一畢業之後在一家小公司任職 當初面試時就知道即將加入的是一個小團隊,也被告知主要會做的是偏向DevOps的工作(也是我有興趣的,因此才決定加入) 主管說偶爾人手不夠時會需要我加入開發,但時間一定很少叫我不用擔心 公司預計要導入容器化技術,而這個東西全部由我來負責,其他同事對這塊根本不熟,所以基本上都是我自己上網查資料,把東西搞出來,順便還要教團隊其他成員這個技術在做什麼 團隊給我的感覺是,運維的部份有做就好,做得怎麼樣他們不在意,但又不想花錢找資深人員(甚至不願意找另一個運維人員),所以找了我這個初階工程師來應付這些事 除此之外,原本一進來被告知不會碰到太多開發,結果還是被塞了一堆bug 的ticket ,也被告知要一起開發即將上線的新系統 這樣的下場就是加班。曾經和主管溝通過,他說會再調配人力,結果下場就是兩三週以後這些被我推掉的事又回到我手上,時程變更緊。 以上打得太落落長了,但主要是想請教大家,以一個初階工程師來說,這間公司待著會對職涯有幫助嗎? 這間公司的優點有: 1. 可以從0學到非常多東西,且都是自己從0開始架設的 缺點有: 1. 基本上東西都是自己查找的,公司產品規模也很小 2. 開發運維都要做,因為公司不在意運維,真正要做的事情反而學的不精,都在做一堆雜? 以上,真的很害怕在這間公司待著會沒辦法成長,但也會懷疑自己是不是太玻璃心 ----- Sent from JPTT on my iPhone -- 錢大概80/年左右我覺得還可以接受(雖然當初放棄的offer 錢更多 )但主要真的是你說的,不確定自己的學會是否根本只是越走越歪 非常感謝你!我會記得的(對不起我用手機編輯好像把你的留言吃掉了QQ
82
[請益] 金融業IT分紅不透明,該繼續待下去嗎? (代PO) 大家好, 小弟我一年多前看到某金融業成立特殊資訊部門, 號稱提供比照北部薪資的待遇,在中南部大舉徵才。 該資訊部門特別重視 APP 開發與雲端技術等前瞻技術, 並提供優於傳統金融業的薪資與福利。 當時小弟在台北工作多年,很幸運地錄取了這份工作。 實際薪資確實略高於北部的系統廠,公司也確實採用了許多相較傳統金融業前瞻的技術, 更重要的是有許多優秀的同事可以互相學習。 然而,好景不常。 人資日前突然宣布,由於此資訊部門是特殊單位, 因此採取「高底薪低獎金」的機制,導致分紅遠低於預期。 當時拿到offer時我曾詢問過分紅,人資卻未提及,合約上也未註明。 雖然金融業的整體分紅比例不如科技業,但分紅仍佔薪資結構的重要部分。 我選擇工作時非常重視:「誠信」、「當責」、「創新」 如今公司以單位特殊為由調整分紅,卻未事先告知員工。 即便法律允許,這樣的做法是否符合誠信原則? 公司僅派了一位人資草草宣布此事,未與員工進行充分溝通,難道沒有當責的義務? 或許公司唯一的創新,就是合約與分紅制度的設計吧? 面對這樣的狀況,我感到非常疑惑與憤怒,也因此想請教各位前輩: 在金融業,資訊部門的「高底薪低獎金」機制是否常見? 面對公司疑似不公的薪資獎勵制度,我該如何爭取自身權益? 綜合考量工作內容、薪資待遇與職涯發展等因素,我是否該繼續待在這間公司? -- 公司經過結構調薪後,所謂的高底薪也不存在,跟一般人員一樣 D大說得很好 但誠信屬於道德 法律是道德的底線 今天以高底薪吸引人才再透過操作分紅攤提成本 且是在未告知的情況下針對該部門員工 東窗事發後 員工自然對公司不信任 跳槽肯定是個選項只可惜北台灣以外難得有這樣的工作機會 不勝唏噓 至於「誠信」、「當責」、「創新」是我小時候學到的格言 有興趣可以自己搜尋一下 大樹怎麼樣我不清楚 但是我們部門是特殊單位不參與結構調薪也導致我們薪水跟調薪後的人差不多 分紅卻更少(以上皆為HR口述) 最近HR講明現在底薪跟其他單位差不多 分紅較少有沒有差小學生都知道了 進來前沒人告知分紅結構跟其他單位不同 哈哈 當作教訓開始準備面試了
40
[討論] 台灣公司徵軟體人才的問題 目前軟體開發年資9y+ 過去待過台灣品牌廠、美國軟體、歐洲軟體公司 因一些因素離開前東家在南部求職 在南部軟體選擇比較多為幾間知名的台企科技廠和一些小公司 面試了一輪之後有幾個心得 1. 面試官方面 那幾間知名的台企面對我過去的經歷均表示很有興趣 也常常被問得很仔細 但讓人感覺只是要我把經歷仔細講過一遍 他們聽完也沒有太多進一步的討論 或是很常發生的問題是 我剛解釋完 他們又接著問類似的問題 到後來我已經分不清楚到底是我沒解釋清楚還是雙方理解有問題 然後這種讓人痛苦的面談常常需要花一個小時到一個半小時 或是很常打斷我正在敘述 然後插一句要我再解釋別的東西 整體面試態度讓人覺得他們把自己放在上位 上對下講話的感覺 2. 核薪階段HR 最常聽到的是薪水要求太高 然後會被嫌東嫌西 譬如我問整體工時方面 HR會特意挑高語氣 所以你會很在意工時是嗎? 我問未來每年調薪大約是多少? HR又問 所以你很在意每年調薪是嗎? 我都搞不清楚 在意這些這些不是很基本嗎? 有些公司是搬出他們的福利 但可能我沒覺得太誘人 表現得很冷淡 HR說他們大樓很漂亮 還有零食可以吃 發現我表現很淡後 他補充 還有很多福利我沒說 像我們都還有團保 (我有回答 那真得很不錯... 我並不是刻意表現 只是聽到當下沒覺得太誘人 當然還是薪水高最好不是嗎? 最後我一間都沒選 我實在不懂這是什麼操作 為什麼只是在面試階段就要先把未來的同仁搞得不開心 雖然喜歡台灣 但台灣在徵才這方面總讓人感覺不太尊重面試者 過去面試外商普遍非常客氣 HR開的pay已經非常高還擔心問你 這樣的pay有競爭力嗎? -- 我想解釋下我雖然在南部找,但這些廠商主力都在北部和新竹 甚至面試我的有些主管人也在北部 所以我想這不是純粹的地區問題 確實是 被好幾家HR弄得很不開心 跟他們聊完還會覺得自己是不是真的沒價值 不客氣的說這幾個不專業的HR 工作只剩砍價了是嗎? 面試到後面有同樣感覺 就是想砍到他可以核薪的範圍 的確覺得自己就算進去了難以融入 不過並非富貴人家 只是過去經歷讓我覺得很不合理罷了 這麼慘的嗎? 不過聊過覺得氛圍和談吐的確有落差 的確是 大概內部氛圍就是這樣 所以他們對面試者也一樣態度 過去經驗是HR怎麼對你 公司大概就會怎麼對你 嗯嗯 目前有面過一間相對比較好的 但老闆剛好是外國人 所以好像不算台企 這大概是我最不適應的地方 公司挑選面試者 面試者也同時在觀察和挑選公司 彼此應該是互相的 如果真的覺得自己公司好 來的人是人才不是應該更尊重對方 這次在南部面試真的感受到軟體職缺的稀缺 沒錯 我心裡OS就是你真的有好好聽我在說什麼嗎? 然後他隨便插話問一句 我又要解釋半天 也得不到什麼feedback 面試到後面只有心累而已 我認知也是這樣 然後用這種福利想說服人比較低的薪資 說真的沒把自己當比較高級 而且我也有寫明自己期望薪資 不懂最後核薪階段搞成這樣在幹嘛 那當初就別發面試邀請不就好了 覺得只是被叫過去聊聊天 分享業界資訊給他們 然後HR最後跳出來砍價 反正沒去他們也做到業績了 賭賭我會不會接受lower pay去是嗎? 反正很莫名其妙
30
[討論] Google開發工具工程總監:Rust 開發者的 Google開發工具工程總監:Rust 開發者的生產力是 C++ 的兩倍 https://bit.ly/3JASfNe 過去兩年,Rust 程式語言風頭正勁,而 C / C++ 則略顯疲態。Google近日分享了他們將 專案從 Go 和 C++ 程式碼遷移至 Rust 的經驗,結果令人驚訝:Rust 開發者的效率竟然 可以達到 C++ 團隊的兩倍。 Google Android平台工具的工程總監 Lars Bergstrom 在倫敦舉行的 Rust Nation 英國 峰會上分享了這一消息。 過去幾年,業界對於 Rust 的安全性和可靠性一直存在疑慮。Bergstrom 指出,由於擔心 「unsafe」這個關鍵字,許多人認為使用 C++ 更為穩妥。然而,隨著人們逐漸意識到非 記憶體安全語言帶來的挑戰,以及美國等國家政府將目光投向軟體在關鍵基礎設施扮演的 角色,這種觀念正悄然發生改變。 Bergstrom 強調,如今美國等國家政府都愈發重視軟體在關鍵基礎設施中的作用,而絕大 多數大型程式碼庫的安全漏洞都源於記憶體安全問題。由於 Rust 程式碼在恰當的使用下 能有效避免此類問題,記憶體安全儼然成為了國家安全議題之一。 微軟:建議新專案使用 Rust 取代 C / C++ 微軟 Azure 首席技術長 Mark Russinovich 早在 2022 年 9 月就建議新專案使用 Rust 取代 C / C++。如今,這種趨勢正從全新項目擴展到老舊程式碼的重寫。今年早些時候, 微軟號召開發人員協助將 C# 程式碼移植至 Rust。網路安全研究小組 (ISRG) 的 Prossimo 項目也正致力於用 Rust 重寫關鍵庫的核心開源部分 (例如 NTP、DNS、TLS), 以提升記憶體安全性。 當然,並非所有人都認同這一趨勢。C++ 創始人 Bjarne Stroustrup 認為,通過適當的 工具,C++ 也可以實現與 Rust 等記憶體安全語言相同的保障,且成本更低。美國國家網 路總監辦公室發佈的軟體安全報告也引來了一些評論,指出記憶體安全只是軟體安全挑戰 的一部分,不應該被過分誇大。卡內基梅隆大學軟體工程研究所強調,每種程式語言都各 有優劣,選擇應以適合項目為原則。 然而,Google等 Rust 擁護者的實踐案例則反駁了 Stroustrup 關於成本優勢的說法。 Bergstrom 表示,將 Go 程式碼 (被認為是記憶體安全但性能較低) 轉寫成 Rust 的過程 中,Google取得了顯著的成效,「遷移過程所需團隊規模和時間幾乎與 Go 開發相當,並 沒有降低效率。更重要的是,記憶體使用率降低了,漏洞率也隨之減少,程式碼正確性得 到提升。」 C++ 程式碼遷移至 Rust 的效率提升明顯 更令人驚訝的是,將 C++ 程式碼遷移至 Rust 的效率提升更加明顯。 「在所有案例中,用 Rust 建構和維護服務的所需工作量都減少了一倍以上,」 Bergstrom 指出,「這對我們來說意義重大,因為 C++ 程式碼的維護成本很高,需要龐 大的團隊投入大量精力,並且存在諸多風險。」 Bergstrom 還提到,Google正進行類似的 Java 到 Kotlin 的遷移項目。根據內部匿名調 查,兩種情況下開發者掌握新語言並達到原有開發效率所需的時間大致相同。大約三分之 一的開發者在兩個月後,以及一半的開發者在四個月後表示他們在新語言中的工作效率與 舊語言相當。 此外,超過一半的開發者認為 Rust 程式碼更容易審查。Bergstrom 分享了一個調查中最 令團隊驚訝的問題:“人們對自己團隊的 Rust 程式碼的正確性有多麼自信?” 調查結 果顯示,有 85% 的開發者給出了肯定的答覆。Bergstrom 表示,這是一個非常高的數字 。 --
30
Re: [請益] 面試如果考coding可以這樣回答嗎? : : 自己沒有把握用純代碼方式回答的話 : : 可以把解題方法或思路寫下來當作替代方案嗎? : : 就是會用到什麼算法、函式,邏輯大概是怎樣....之類 : : 例如這個題目: : : https://imgur.com/dAHI3Jq : : 標準答案應該是這樣: : : https://imgur.com/MdnXLxg : : 如果我的回答是: : : https://imgur.com/FKlAUZJ : : 如果這樣回答會不會被面試官ㄍㄧㄠˇ : : 可能這個問題的回答是「要看人」 : : 不過還是想問一下普遍人的看法 : : 謝謝各位~ : : PS: : : 我知道上面那題很簡單 : : 目前的功力即使是紙筆寫也是可以輕鬆完成的 網路上搜尋文章 正在學習中 結果翻到4年前這篇古文 發現了很有趣的現象 AI完全改變世界 原PO的語言完全就是跟chatgpt施咒的內容XD 當然文章原本主旨是討論面試 這我就不說了 沒這方面知識 只是想分享一下 chatgpt在這幾年的誕生 影響力真的超巨大 回顧底下的留言更好笑: 所以你上班要寫紙條給其他工程師開發? 我就問問 這殺小語言? 也就是說 現在就算出一張嘴 也可以靠gpt幫忙完成一些題目 不過這也讓我反思 真正"會程式"的需求 其實好像又更難了 要靜下心 不要只是抄抄AI 吸收進去 @@ 馬上反省自己 不知道大家對這篇古文有什麼想法? 是否覺得學程式變簡單了 還是人心浮躁 其實門檻更高了呢XD? --
40
[請益] 非本科自學轉職請益 大家好 最近因為小弟自學遇到瓶頸,也不知道要學到什麼程度才能面試,非常焦慮,因此上來請 教相關問題。 背景:台中某私大統計學系畢業,數理還行, 英文非常差,畢業開始自學目標轉職java 後端, 希望能在台中或台北找到工作。 學習路線:java-MySQL-servlet-jdbc-javaweb-ssm-springboot-mybatis, 以上都是bilibili上影片自學, 目前想學security、jwt、redis, 處理作品的登入與會話維持 (之前是用攔截器與session來實現)。 以上學習花費大概五個月, java基礎與mysql花最久,框架感覺還好。 作品:有跟著影片做出一個很醜的商城系統,功能包含修改個人、商品資訊、上傳頭像, 展示資料庫中商品資訊與圖片,基本的帳號註冊及登入,所有請求皆使用Ajax不跳頁發送 到後端控制器。 作品心得:目前對後端的理解就是接受前端請求,並透過controller-service-dao操作完 數據,最後以json格式搭配狀態碼與message返回給前端, Controller主要用於透過容器調用service, 以及處理service生成的異常,最後封裝結果。 Service則調用Dao再根據查詢結果來判斷是否生成異常,並進行業務功能實作。 Dao透過mapper與mybatis框架對數據庫操作 以下五點問題: 1.學習路線是否需要改進或增加。 2.應徵作品的題目選擇 (因為聽說現在購物車已經找不到工作了QQ。 3.如需要作品如何處理前端頁面, 目前前端頁面都請gpt幫我生成,功能都基本正確, 但簡直是超級醜。 4.如何做應徵的準備,我目前是打算刷一遍java基礎與MySQL的重點,不知道還有其他要 準備的嗎 5.應該在台北或台中求職。 大概還剩1.5個月的時間,想儘量趕快找到工作, 但有上面這些問題,因此上來請教各位大大, 希望各位能給予指導,要開噴也行QQ -- 我身邊的朋友讀碩都很痛苦QQ (雖然是體育系的 那要去學hibernate或jpa嗎 join我大概ok,其他的我再去補 感謝 那目前先去讀hibernate,還有資料庫的index 應該會去北部,感覺台中沒人收,但還是不太清楚應徵所需要作品程度,主要卡在前端頁 面QQ 沒問題 模板引擎之前有用過ymeleaf,poi沒聽過@@ 這個我會 對我來說感覺像是數學裡面連集跟交集@@ 了解感謝 了解感謝 從jdbc轉過去我覺得超好用XD 感謝樓上各位 學習中遇到過兩次卡很久的部分 第一次是jdk與tomcat版本衝突,搞了兩天,差點放棄 第二次是,作品前端頁面catch中頭像資訊顯示錯誤,後來發現登入頁要設延遲秒數才不 會沒讀catch就進去 其他後端部分最多卡一個小時 目前的疑問是, 我還是要準備一個購物車去面試嗎? 還是應該做其他項目@@ 感謝 主要就是來問需不需要再做其他作品 因為感覺沒碰到實務都在做一些差不多的增刪改查 那我就把作品前端美化一下 丟到github然後直接投履歷 等通知順便複習之前的java和sql 再看一下jpa 大概這樣
50
Re: [請益] 現在刷題算是必要的嗎 : 噓 hank55663: 工作上遇到沒遇過的問題就不會做了 還好沒錄取你 04/20 19:05 : : 會把leetcode看得這麼重要的人 : 通常沒有其他技能或經歷可以說嘴啦 : : 有其他料可以說嘴的人 : 通常是不太鳥leetcode的啦 : 你可能搞不清楚你在嗆誰 這個hank55663我以前在打leetcode週賽他就經常霸榜了 我狀況好頂多全台前百而已(加上台灣打的人不多) 等等可能又有噴子要酸了 leetcode難度低啊 先幫這些噴子打個預防針 這個hank已經是cf紅字了 以前我記得ptt最常吵的就是學歷跟實力哪個重要 我是糞校畢業的 後來看到一個鄉民(id 我忘了)講 學歷與實力從來就不是單選題 真的是一語敲醒夢中人 有些人就真的是實力與學歷都top的 而現在這個問題演變成 刷題跟實力 我只能講 有在打比賽的 智商不會低到哪去 馬太效應就是這樣來的 學歷跟刷題進大廠的有機會接觸更屌的同事跟更屌的專案 我以前也覺得自己很屌 後來不斷往上爬 爬到一個程度就覺得瓶頸了 覺得自己實務很屌 大部分都是錯覺 因為你在錯的位置 當你發現你同事可能是某某暢銷書的作者 某某開源專案的owner 撒泡尿照照自己 回顧自己的過往 會發現那些實務能力跟技能都只是基本而已 有30歲以下鄉民學歷不是四大四中的 我只能告訴你 刷題跟英語是你出社會最好的投資之一 你在台廠做任何自己為很屌的"實務"能力 大多只是基本能力而已 然後更靠北的是 四大四中刷得還比你勤比你好 - 啊 對了 hank好像在谷哥 不知道"有料"的人現在是在哪高就 -- ptt有閱讀跟邏輯障礙的人很多 我也主要是寫給年輕人看的 看得懂的就看得懂 ptt有些已經四五十歲跳不動或不需要跳的 本來就不是我的TA 刷題不是唯一進優秀的公司的條件 但從目前市場來看 刷題是少數可量化可重現的手段 我這邊主要反駁的是板上經常會有的一個說法 就是刷題仔實務能力不行 實際上我還真的沒看過這種人 反倒是一堆實務爛的解題也爛 如果有任何鄉民可以分享自己身邊Rating 全站TOP 5%結果實務爛到爆的同事 我很歡迎 至於有人要強調有些人實務強但不會解題 這我覺得從來都沒人否認過 因為解題比賽本來就是一種競技項目 你沒有特別去練 當然不會擅長 我想任何一個有常識的人都不會說出 "想進大公司只能刷題" 只是如果80%的人是靠刷題進的 那就要看看自己是那20%還是80% 房東這招就大絕 可以放到各種板 我建議大家學起來 人家在討論司法特考的時候 上來講: 幹我樓下房東收租幾百間小學畢業啦 你們考司法特考幹嘛 笑死 人家在討論出國留學考GRE的時候 上來講: 幹我樓下房東收租幾百間小學畢業啦 你們考GRE幹嘛 笑死 我比較次 小n而已 問strlen怎麼當房東 @@? 我在Soft_Job提google有很奇怪嗎 你在Soft_Job扯當房東 就好像我去home-sale跟人扯google 你不覺得很突兀嗎?阿不過home-sale大概是真的不屑google啦 @@? 看你氣成這樣 你是不是有面試被傷害的經驗啊 還是LC週賽掛0從此看到刷題仔就氣噗噗 好啦 秀秀 不氣不氣
54
[討論] 用程式買門票最重可關三年,開源 = 幫助犯 近日看到有作者因為開源搶票程式 (現已改名搶蛋黃酥機器人),而被檢警發動搜索 https://i.imgur.com/PhiWqNQ.png 查了一下搜索依據是因為: 文化創意產業發展法 第 10-1 條: 以虛偽資料或其他不正方式,利用電腦或其他相關設備購買藝文表演票券, 取得訂票或取票憑證者,處三年以下有期徒刑,或科或併科新臺幣三百萬元以下罰金。 聽起來法律人見解是,網頁自動化點擊也算不正方式 ? 然後這種東西防機器人一般不是由業者自己去防嗎? 竟然可以直接用刑法限制? 更扯的是,業者把 LOG 送檢舉,還可以拿一筆十萬元獎金? 完全不用改自己系統? 照台灣這玩法,蝦皮、臉書、DCARD 、遊戲公司都不需要工程師了, 都請立委修法禁止 XXXX 程式,然後業者只要檢舉這些 XXXX 程式還能拿獎金? 尤其是遊戲公司,不用花錢買防外掛程式、不用花錢請 GM, 直接請教育部體育局修法: 以不正方式玩遊戲,處三年以下有期徒刑 想知道版上寫程式的大大們對這件事的看法 -- 要看有沒有破壞、干擾系統吧 業者不同意不代表犯法吧,那以後網站說你只能用 IE,你用 Chrome 就犯法嗎? 使用 selenium 控制自己電腦的瀏覽器做點擊操作,為何是不正當的方式? 錢是售票系統賺,社會成本要民眾買單,反而還要給業者獎金? 不覺得檢警是免費警衛, 警衛幫你看門還要給你錢? https://memeprod.sgp1.digitaloceanspaces.com/user-wtf/1693521527021.jpg 韓國是針對"使用程式搶票並加價轉售的黃牛",台灣是連用程式買自己要看的門票都犯法耶,不太一樣捏 手動搶票按滑鼠容易緊張按錯,用 Selenium 代替我的手,沒有破壞系統哪裡不正當? 有人主張服務條款有寫,所以合理,那修法使用 ADBLOCK = 犯法邏輯哪裡不同 ... ? 沒錯,重點應該是實名制跟抽籤,而不是防機器搶票吧 被搜索的作者開源,沒有營利 Selenium 沒有頻繁刷新網頁,怎麼影響其他人正常人使用? 還是每秒 F5 就算? 改抽籤不用多少成本吧,簡單可以處理的事情,要浪費社會資源+給售票系統獎金? 照你這邏輯,每個產業都修法定義犯罪行為,然後檢警偵辦犯罪還要給你錢 網拍業者: 禁止爬蟲,使用爬蟲犯法 => LOG 送檢警爽拿 10 萬 遊戲業者: 禁止外掛,使用外掛犯法 => 免請 GM,LOG 送檢警爽拿 10 萬 錢是業者賺,社會成本要大眾買單? 合理? 你說的已經有妨礙電腦使用罪了,但法院會看有沒有惡意, 之前法院的判決基本上沒有惡意都是無罪; 現在文創法是不管你連線,你即使使用正常人的手速,只要是程式模擬都可能觸法 現在就是在討論法條的合理性,就跟當初通姦除罪化一樣 現在說的是刑法喔,刑法還有謙抑原則、罪刑法定原則,你有搞懂問題嗎? 所以使用 ADBLOCK 的人 ... ? 所以就是在討論文創法不合理阿,不是把不合理的事情也推廣到其他產業 XD 沒錯,更何況台灣司法處理詐騙案就夠多了,到底為啥還要幫售票系統處理這種鳥事? 我是認為這種契約問題,就回歸民法就好,動用刑法沒正當性 錢是售票系統賺還是文化部、法院、檢警賺? 之前新聞都說檢警案件爆炸多,現在還要幫售票系統做售票系統應該做的事? 我贊成懲罰黃牛 (黃牛定義: 故意買票加價轉售) 但現在法修歪了,黃牛加價轉售只是行政裁罰,程式買自己要看的門票卻犯刑法 可能喔,現在認定只要用外掛程式就是搜索+移送 買自己要看的門票也不算做壞事吧 詐騙跟黃牛無關吧,熱門演唱會總會有人搶不到,搶不到自然就有私下交易,私下交易就有詐騙 何謂沒有侵犯 YT 權益? 你不就侵犯了 YT 廣告收益? 請問用 selinium 正常的速度發起請求,損害了廠商主機哪一個權益? 沒錯,就是定義模糊,有些認知不正是入侵,有些人卻認為 selinium 就算不正 光用個程式買門票就被搜索家裡...不覺得有點過頭嗎 是阿,但 MAX 開源 + 影片,所以被搜索 管制藥物還有正當性,外掛軟體我真的看不出來耶

👉 軟工 Soft_Job 版:更多文章