爱吧机器人网 » 技术 > 大数据 > 正文

美国大数据工程师面试攻略有哪些?

  1. 如果面试的话,我先看他们的经验是不是match,对应届生看有没有实习经历,如果你在Google、Linkedin实习,绝对加分,学校当然也需要,比如我们招人UC Berkeley是要机会大一些。

  2. 我看过很多简历,不推荐用DOC,因为在不同系统中排版不一样。简历也不要写太长,不是大牛就不超过2页。尽量突出你的技能如何匹配公司的职位,比如这个公司都是用C++,你上面都没C++,是不大合适。我也很不喜欢看到精通,如果你这样写,就很容易引起麻烦,最好写多少年经验,对具体技术的掌握。

  3. 面试当然需要准备,但到底是事倍功半,还是事倍功半。我建议把你的经历精选1、2个准备熟练,包括如何团队分工、技术细节、遇到困难、如何克服。不要贪多,就把你现在用的东西准备好,没人关心你5年前干啥的。

  4. 社交很重要,最简单是去招聘会就可以跟人混个脸熟,如果你在网络多利用有些网络招聘网站,如dice,indeed,你还要巧妙利用Linkedin,加入高级账号,可以查看有些校友的资源,发站内信,refer比你网上瞎投效率要高很多。

 

 

 

 

如何找到面试题?

 

网上有很多资源,比如Glassdoor是个匿名发布网站,经常有面试题,有些技术论坛Stackoverflow、Careercup也会有很多参考题。

 

如何知道一些靠谱的公司?

 

可以看你知道的牛人都选择去哪些公司,如果名气不大,可以去流量排名上去看他处于什么地位,如果没有上市,可以看它的融资规模,还可以从Linkedin看它的员工是否优秀。

 

什么时候才知道准备好面试?

 

  • 算法 是否过关,是否能写出递归和动规;

  • Coding是否过关,是否能在IDE中写出Bug Free;

  • Design是否过关,是否能给出Tradeoff;

  • 项目经历整理,能够流利说出架构、难点、自己的贡献;

  • 加分项:Github、Blog、参与Open source。

 

如何回答行为面试问题?

 

比如你有没有过失败的经历,如果你老板给你不喜欢的任务怎么办,你想像中成为什么样的人。这里一方面可以结合自身精力,另一方面多关注公司的介绍页面,包括公司创始人背景、企业文化、招聘的要求。这些都是可以提前做好功课,尽量体现出来你的激情、负责、勤奋等优秀品质。

 

如何拿到美国工作签证?

 

要来美国工作,一般是要求H1B的身份,是有雇主向劳工局提出申请Sponsorship,根据现在的形式,每年的名额都是一抢而空,那么这样就需要抽签决定。在4月1日之前提出申请,4月1日之后开始抽签,如果是在美国获取硕士以上的学位,可以有优先级,抽取概率更高,而根据2014年情况,普通的抽中几率是50%。

 

如果没有抽中,如果是美国有硕士学位,可以使用OPT照样工作,并且可以省社会 安全 税。而如果是海外的,只能等来年在抽。像Google、FB这种全球性公司,他们也会提供其他国家办公室的机会,然后比如工作一年后再通过L1或者H1B继续到美国工作。另外如果你抽中名额,再跳槽期间是可以transfer而不需要依赖名额,每3年可以续一次,最多6年。如果H1B期间申请绿卡,还是可以延长的。

 

面试流程

 

 

如果你拿到面试机会,下面的流程是先电面,对于engineer, 算法 coding基本功是必须的。还是准备好你的小白板,根据面试官的题给出思路和代码,说起来容易,但就是那10多行的代码,80%以上的人都挂了。

 

然后就是onsite,美国公司为了体现人才为先,都会来一次onsite,如果是远程过来,报销机票、车费、酒店、吃饭,听起来也是免费旅游的机会。但onsite也不容易,基本上4-6轮,每轮45min到1小时,也会让你挑战极限的,经常是头痛欲裂,我最狠的一次10天面7家onsite,连续飞,连续面,真是折磨。

 

他们都考察什么呢,简单说是你到底聪不聪明,是否经过工程训练,是否能够合作。总体分成3块,一类是技术问题,比如 算法 ,系统经验;一类是交流能力,你个人经验,兴趣;一类是hr喜欢问的行为面试,比如你有没有过失败的经历,如果你老板给你不喜欢的任务怎么办,你想像中成为什么样的人。

 

面试准备

 

 

技术面试这里面涉及面也挺广。看似简单的coding不见得能过关,不信,你写个字符串查找,我不需要你知道KMP,就是暴力解法,可是90%的人都挂在这道题上面。 算法 方面,常见的hashtable、heap、trie。系统设计也是很多同学害怕的,很多人说我没设计过那些系统。

上一页1234下一页

上一篇:玩转大数据 运动员如何用科技提升成绩
下一篇:药物研发新手段:谷歌用大数据搞淬炼
精选推荐
亚马逊CEO杰夫·贝佐斯操控巨型有人驾驶机器人(巨型机甲)
亚马逊CEO杰夫·贝佐斯操控巨型有人驾驶机器人(巨型机甲)

[2017-03-21]  近日,亚马逊CEO杰夫·贝佐斯实现了每一个6岁儿童都会有的梦想,他控制了一个巨大的机甲机器人。据国外媒体Verge报道,前天(3月19日),贝 ...

如何让人工智能机器人快速自我纠正错误并吃一堑长一智?
如何让人工智能机器人快速自我纠正错误并吃一堑长一智?

[2017-08-23]  莱斯特大学数学系的研究人员在《Neural Networks》杂志上发表了一篇文章,概述了新算法的数学基础,可以使人工智能收集错误报告并立即纠正,而不影响现有技能 ,同时还会积......

助力卷积神经网络时空特征学习 史上最大行人重识别视频数据集被提出
助力卷积神经网络时空特征学习 史上最大行人重识别视频数据集被提出

[2017-12-25]  本文提出了一个大型的、长序列的、用于行人重识别的视频数据集,简称LVreID。与现有的同类数据集相比,该数据集具有以下特点:1)长序列:平均每段视频序列长为200帧,包含丰......

[2017-03-21]  虽然有很多关于机器人取代工人的担心,但哈佛经济学家James Bessen的论文指出,在过去的67年里机器人仅仅淘汰掉人类工作中的一个。在1950 ...

17世纪的莱布尼茨试图制造“思想机器”却被现实打脸
17世纪的莱布尼茨试图制造“思想机器”却被现实打脸

[2019-11-05]  莱布尼茨,德国哲学家、数学家、律师,历史上少见的通才1666年,德国博学家戈特弗里德·威廉·莱布尼茨(Gottfried Wilhelm Leibniz)发 ...

美国普渡大学研发快动作软体机器人,灵感来自变色龙舌头捕食
美国普渡大学研发快动作软体机器人,灵感来自变色龙舌头捕食

[2019-10-31]  本文图片均来自:Ramses v Martinez 普渡大学变色龙、蝾螈和许多蟾蜍利用积蓄的弹性能量,向距离1 5倍体长的毫无防备的昆虫伸出粘糊糊的舌 ...

科学家从蟑螂获得启发 教机器人更好地走路
科学家从蟑螂获得启发 教机器人更好地走路

[2017-12-11]  Weihmann指出:“我特别感到惊讶的是,动物运动稳定机制的变化与腿部协调的变化是一致的。昆虫的慢运行非常稳定,因为它的重心很低,三条腿总是以协调的方式运动。...

人工智能民主化能否实现取决于科技巨头
人工智能民主化能否实现取决于科技巨头

[2017-12-29]  我们经常听到像谷歌和微软这样的公司说他们希望人工智能民主化。这是一个很好的词,民主化。 但这些公司如何界定“民主化”还不清楚,像AI本身一样,它似乎有点炒作的味道...

本周栏目热点

做为一名大数据新手 应该通过这篇文章了解大数据

[2018-07-23]  一、大数据是什么?大数据,big data,《大数据》一书对大数据这么定义,大数据是指不能用随机分析法(抽样调查)这样捷径,而采用所有数据进 ...

BAT大数据野心:数据生产全链条浮现

[2016-07-12]   本报记者 周慧 北京报道导读以BAT为代表的中国 互联网 企业,在数据领域各有千秋,百度的搜索数据、阿里的电商数据、腾讯的社交数 ...

为什么说发展大数据是有道理的

[1970-01-01]   近日,习主席考察贵州时提到:贵州发展大数据确实有道理。那么为什么说发展大数据是有道理的?从历史的 ...

《时代周刊》:用形象化的老办法对付大数据

[1970-01-01]   《时代周刊》最新一期封面文章称,我们每天被数据海洋淹没,只有让冷冰冰的数据形象化,变成看得见摸得 ...

从Facebook社交媒体情绪实验看大数据道德困境

[1970-01-01]   今年曝光的Facebook私自进行社交媒体用户情绪实验的新闻引起了不小的争议,这把很多数据实验卷入到社会 ...