面試問答
你的 LLM 系統會用什麼模型？實際怎麼部署？
說明了 LangGr...
一面為線上視訊，約 1 小時，由部門兩位 ML 工程師輪流提問，氣氛還算輕鬆。前半段請我簡述過去專案，後半段針對專案細節
深入追問，最後半小時由面試官介紹團隊工作內容並詢問適配度。
面試結束時說明後續共三輪：一面線上、二面到內湖總部與主管實體面談、三面 HR 電話。回覆時間約兩週。
我在一面後收到感謝信，未進入二面。
面試問答
你的 LLM 系統會用什麼模型？實際怎麼部署？
說明了 LangGraph 的架構設計，部署部分坦承目前止於原型階段。
RAG 系統怎麼確認能抓到正確的文件？
說明了檢索的判斷邏輯，但沒有系統性的評估方法可以講，這題答得不夠好。
醫療影像系統怎麼部署的？
說明拆成三個獨立微服務的架構。
資料前處理與模型選型的決策過程？有先 survey 相關論文嗎？
說明了前處理流程、兩階段架構的選型考量，以及為什麼沒有選擇其他常見模型。
可以接受與客戶溝通、短期低頻率出差嗎？
可以接受。
有沒有考慮 backend／MLOps 方向，還是比較想做 MLE？
求職方向都是 AI/ML。對 MLOps 有興趣，但希望先聚焦模型開發與方法研究。
面試建議
部署問題會問得比想像中多。 我原本把準備重心放在模型架構與方法選型，但實際上「怎麼部署、上線後怎麼驗證、出問題怎麼查」被問的比重更高。如果你的專案止於原型階段，建議事先想好怎麼誠實說明，並補充你對部署的理解。
專案要能撐得住三層追問。 面試官不只問「你做了什麼」，會一路追問「為什麼這樣選」「有沒有比較過其他做法」。我事後檢討，自己在第二層就開始講不清楚，這是主要失分處。
這個部門偏硬體場域。 產品是工廠端的人因工程檢測系統，實際挑戰是不同廠區的 domain shift、資料不平衡、以及在有限 VRAM 內塞進多個模型。純軟體背景的人要有心理準備，這部分可能被視為劣勢。
可以先問清楚工作內容比例。 面試官有主動說明 ML 工程師的兩大任務（協助工廠模型導入與失效分析、研究前沿技術落地），實際部署由 FA 工程師執行，出差一年約 1-2 次。這些資訊對判斷是否適合很有幫助，建議主動問。
