在亚马逊的面试过程中，对于机器学习工程师（MLE）和应用科学家（AS）的面试内容和要求存在一些差异。以下是对亚马逊面试的详细介绍和准备建议：

Coding 面试

• 题目难度： 基本上是LeetCode上的easy到medium难度题目。

• 要求： 内部要求AS达到entry-level SDE的coding bar，但会比很多公司的MLE的coding面试简单很多。

机器学习（ML）面试

• ML breadth（类似于别的公司的ML knowledge）： 这部分考察你对广泛ML知识的掌握。

• ML depth： 这部分深入考察你对某些ML领域的深入理解和应用。

• ML application（类似于别的公司的ML design）： 更注重于ML problem formulation，而不是仅仅注重MLE的implementation。

应用科学家（AS） vs. 机器学习工程师（MLE）

• ML要求： AS对ML的要求往往比别的公司的MLE的ML要求更高更广。AS需要你不仅是一个工程师，也是一个研究员，需要有良好的ML基础和实际解决问题的能力。

行为面试（BQ）

• Bar raiser面试： 熟悉亚马逊的领导力原则（Leadership Principles）非常重要。

• 其他四轮面试中： 也会有一到两个BQ问题。

• Research presentation（研究展示）： 不确定是否每个组都需要，但如果有不错的研究背景，这一轮会是一个加分项。

面试准备建议

1. ML算法： 详细准备常用的ML算法，确保对这些算法有深入理解和实际应用的能力。

2. Domain problem： 针对面试组的领域问题，准备一个基本的解决方案。

3. Leadership Principles： 熟悉并能够举例说明如何在过去的工作中体现这些原则。

4. Coding： 多练习LeetCode上的easy和medium难度题目，确保能够高效解答。

总结

在准备亚马逊的MLE和AS面试时，既要注重算法和编程能力，也要具备广泛且深入的ML知识，并且能够结合实际问题进行应用。同时，熟悉亚马逊的领导力原则和准备好行为面试问题也是成功的关键。

#MLE找工 #CS #北美求职 #加拿大求职 #面试技巧 #MLE求职 #Amazon #亚马逊面试 #CS #加拿大MLE #亚马逊面试经验 #美国求职 #美国求职面试 #美国求职记