面試問答
如何對 Input Feature 降維，降維的演算法你會在什麼情況下做什麼選擇？
TSNE, PCA
線上程式題考到 Maximim subarray 跟爬梯子，大概也是 Easy-Medium 難度，但需要花很多時間搞懂
他的輸入輸出，輸入輸出格式跟一開始的測試平台不一樣，要自己寫 input() 去接輸入，輸出則是用 print(result)。
第一二三面是同一天，都是台灣人
第一面是台灣 Data Scientist，主要是問一些 ML 訓練上的問題。
一開始會先要你自我介紹，介紹完之後問一些少部分跟履歷上相關的問題後就會開始問要如何把你的專長用在公司的產品上。
後面就開始問他設定好的一些 NN 訓練或是推論時的問題，比如如何對 Input Feature 降維，降維的演算法你會在什麼情況下做什麼選擇？另外你要如何加速你的訓練過程跟推論過程？Overfitting 的時候你要怎麼做處理？如果 Training Loss 始終不下降你會怎麼去找出問題？可能的問題有什麼？
最後面就會出情境題，看你對於處理新問題時你會怎麼選擇，我被問到的像是假設你有很多汽車的照片，然後你必須找出輪胎在哪裡，你會怎麼做？另外再針對這問題問說假設沒有標記資料你會怎麼做？
第二面是台灣的 Machine Learning Engineer，他的工作主要是幫忙架設一些 ML、DL 的東西在系統上，所以會時常跟很多 Team 去合作，不過目前人不多未來還會再擴編。
一開始也是先叫我自我介紹，後面他針對我做文本自動標籤這件事情很感興趣，所以問了很多我怎麼去將非我們設定的類別設為 Others？如果有新的類別要加進來又會怎麼處理？如果新加進來的類別文章有很多跟已設定好的類別文章有高度重複性得話你要怎麼去評估並取捨？如果你現在有很多文章但你沒有設定類別，你要怎麼去做處理？分群你要怎麼評估你分得好不好？幾群是好的要怎麼設定？
後面因為時間不夠他先請 HR 面試，但他覺得很可惜便又跟 HR 申請說想要再更進一步的問我問題，於是再 HR 之後，他又問了我很多跟推薦系統比較相關的議題，例如：假設你沒有任何文字資訊，你只有使用者的 Like 數量與文章被 Like 數，你要怎麼推薦相關文章給使用者？那假設現在連文章的類別你都沒有了你要怎麼推薦？
第三面就是 HR，由於我比較特殊，那時候 HR 比較忙，所以才會先由工程師跟 DS 面試，一般來說會讓 HR 先面試跟介紹公司才會輪到技術題，HR 部分主要是針對一些個人想轉工作的理由來詢問以及介紹公司為主，所以閒聊偏多但也可以知道更多公司的現階段狀況。
第四五面是印度人主管跟亞太區大 PM，主要會管所有 Booyah 的技術
面試問答
如何對 Input Feature 降維，降維的演算法你會在什麼情況下做什麼選擇？
TSNE, PCA
另外你要如何加速你的訓練過程跟推論過程？
Quantization, 降低 channel 或 Neural 數
面試建議
要對自己會的東西理解深一點，如果不會不如不要寫，整天面試其實滿辛苦的，對印度主管的英文不會口音太重，而且人很好，當時不知道怎麼解釋的時候我想要拿筆跟紙說明，他也同意，不太需要太緊張。
