面試問答
Bagging 是什麼？
Bagging（Bo...
形式與流程:
Zoom 視訊面試，單一面試官，工程師背景。事前人資並未告知這是技術面，給人的印象是一般 HR scr
eening，導致準備方向完全錯位。面試一開始直接進入專案說明，連自我介紹都沒有主動給，是我自己提出後才進行，但對方明顯對背景介紹興趣不高，重心完全在專案本身。
實際狀況:
因為預期是 HR 關，事前準備集中在行為問題與自我介紹，對技術專案的口頭表達沒有特別練習。當場說得不夠流暢，中途被工程師打斷，要求直接跳到重點。我馬上調整，直接切到 evaluation 的部分。
講完 evaluation 之後，面試官開始針對專案提問，問題集中在模型訓練結果與評估指標，例如 F1 score 怎麼計算、bagging 是什麼。這些都是圍繞專案本身延伸出來的問題，是正常的技術確認。工程師想知道的是：你真的理解自己做的東西，還是只是跑了一遍流程。
技術問題的細節:
F1 score 的問題本質是在確認你懂 precision 與 recall 之間的取捨，以及為什麼在這個專案裡選擇用 F1 作為評估標準。Bagging 的問題則是在確認你對 ensemble 方法的基本理解——Random Forest 背後的邏輯是否清楚。這兩個問題難度不高，但技術面試的挑戰在於：你可能懂，但在有限時間內能不能說得清楚是另一回事。
關於職缺與公司:
面試官有簡單介紹這個職缺的工作內容以及公司 data team 的基礎架構。這部分資訊是有價值的，表示對方並非完全不在意你的理解，只是優先順序是先確認技術底子。
整體感受:
這不是技術不夠，是資訊不對稱造成的準備失誤，以及專案口頭表達練習不足。實際上被問到的技術問題並不超出能力範圍。
如果重來一次準備重心會完全不同。
與其花時間備 HR 問題，不如把時間用在：把專案說明練到可以在兩分鐘內講完，結構是問題、方法、結果；針對專案裡每一個技術選擇，準備好「為什麼這樣做」的一句話解釋；計時練習，確保在被打斷的情況下也能快速切換到重點。
這場面試最大的教訓是：只要履歷上有專案，第一輪就要預設是技術面。
人資的描述不可靠，工程師不在乎你的職涯故事，他只想在最短時間內確認你懂不懂自己做的東西。
面試問答
Bagging 是什麼？
Bagging（Bootstrap Aggregating）是一種 ensemble 方法，核心概念是從原始資料集中有放回地隨機抽樣，建立多個子資料集，分別訓練獨立的模型，最後透過投票（分類）或平均（迴歸）來整合結果。這樣做的目的是降低模型的變異數（variance），避免單一模型過度擬合特定資料的問題。Random Forest 就是以 bagging 為基礎，再加上每次分裂節點時隨機選取特徵子集，進一步增加模型多樣性。
為什麼 Random Forest 設定 200 棵樹？
樹的數量（n_estimators）是 Random Forest 的重要超參數。樹數越多，模型越穩定，但訓練時間也會增加，且超過一定數量後效益會趨於平緩。設定 200 是在模型穩定性與計算成本之間取得平衡的常見做法——足夠讓集成效果收斂，又不至於過度消耗資源。實務上可以透過觀察 OOB error 或驗證集的表現曲線，確認樹數在 200 附近已趨於穩定，沒有繼續增加的必要。
面試建議
不管人資怎麼描述，第一輪永遠要準備技術面。專案介紹要練到能控制在兩分鐘以內，結構清楚：問題是什麼、你怎麼解決、結果是什麼、你怎麼評估結果。工程師沒耐心聽鋪陳，尤其當他已經看過你的履歷，他要的是確認，不是介紹。
被打斷不是壞事，代表他想進入實質內容。這時候最好的反應是立刻跟上他的節奏，直接跳到最有重量的部分。
最後一點：技術問題的難度往往不是真正的挑戰，在有限時間內說清楚才是。這個能力只有一個練法，就是反覆出聲練習，不是在腦袋裡默背。
