Ivan's 寻职系列（一）：找实习 (Facebook, Google, Apple, Twitter, Palantir)
3164456
*首发一亩三分地，未经授权请勿转载*
## 前言 ##
这篇东西真是 long over due。我是去年去的 Facebook 暑期实习，今年转正的 full-time。本来应该实习完马上总结，但无奈回来后一直太忙，拖到现在入职前夕，终于感觉不能再拖必须得写出来。一来为了纪念自己终于结束了长达 11 年的大学生活，二来我喜欢分享，希望自己的经历能帮助到人。我预计会写一个系列共三（or 四）篇文章，首先是找实习经历（这篇），其次是实习经历，三是找工经历。最后如果有我时间，我会介绍一下full-time 后与 PhD 的对比。虽然我看过有不少 FB 的实习经历，但貌似没有 PhD 背景的，我可以来添砖加瓦一下。
## 背景 ##
先来点个人背景：国内 SYSU CS B.Sc，香港中文大学 CSE M.Phil, 美国 UIUC ECE PhD （fun fact，地里那篇早期的 fb 实习经历作者是我本科同学）。我的背景比较特殊一点，所以有必要介绍一下。我虽然就读于 ECE，但是个人的知识体系是建立在 CS 上的，还是偏理论那方面（我最感兴趣的是 Computability Approximation Algorithms 这些，不过充其量只是兴趣，自己没有那个天赋在这些方面有成就 :p），MS 和 PhD 阴差阳错地做起了 VLSI CAD (Computer-aided Design, a.k.a. Electronic Design Automation) 的东西，具体历程不表。别人看起来我是『做硬件的』，但我的 focus 主要是设计解决电路设计问题背景下的算法，EE/CE 的知识倒是其次。所以找起实习/工作来，总是要先跟别人解释一番。用我自己的话来说，就是 EE 壳 CS 心。这给我找回『老本行』的工作带来一点困难，因为别人看见我是 ECE 的，总是不自觉会 question 我的 match。这里的 take away 就是，找到自己的 niche point，合理包装自己。现在很流行 EE 转 CS，事实上不少 EE major 的人编程和算法能力比一些 CS major 的要扎实，但他们跟我 share the same pain point，就是如何 convince 别人（recruiter, interviewer）你拥有 CS 的 skill set。我的做法是，有一份 CV 和 一份 resume。CV 就是没有修饰过的，最平实的个人履历，找 research related positions (postdoc/faculty) 用的。而简历我有很多份，是面向 industry 的。简历和跟面试官的自我介绍里尽量强调跟 CS/IT 工作性质相关的经历与技能，（Plus: 如果可以，职位相关的技能），把别人的思路引到你想要的地方。举栗：如果你上过 Data Mining 的课，并且在找 DM 相关职位，那么完全可以把 DM 和 这门课放在简历靠前，并且和 interviewer 介绍时早点提到自己 looking for/interested in a DM related position。
## Timing ##
找实习的 timing 很重要，我这一次找得太迟，很多地方都几乎到了 close 的时候。最理想的找实习时间是 fall semester，因为种种原因，我秋季总是很忙，所以一直没有找。等到了二月底时，fellow TA 跟我说要去 FB 实习了，我才匆匆想起该找实习了，于是临时让 FB 的朋友 refer 了一下。这里真要感谢我的 recruiter Mikel，我那么 late notice 都能给我安排面试。相比之下隔壁实验室的哥们就没那么幸运……这种时候，以及后来找工作的过程中，我还是能感觉到在 prestigious 的大学就读，reputation还是有那么点作用的。我个人的 viewpoint，是比较偏向找工作侧重看实力的，但无可否认几乎所有我碰到的 recruiter ，都让我感觉非常重视我们学校的学生。至少，学校名声是一个很好的敲门砖。
## 公司 ##
这次的实习我一共投了 Facebook, Google, Twitter, Palantir，Apple。投的不多，一方面我个人风格比较喜欢小而精，focus usually gives the optimal outcome for me，另一方面由于找的时间迟，选择也不如别人多，而且我希望简历都是让别人给 refer 的。因为直接递简历的话，到 recruiter 手上的 turnover time 太长，除非是在 career fair 上直接递的。所以平时如果可以积累人脉，就尽量积累。我的 connection 主要来自校友或之前去实习时认识到的朋友，感谢他们，让我不需要去 career fair 上排队。我去过一次见识就再也没去了，比较火的公司都要排半小时队，感觉不是最有效率的方法（准确来说我后面去了几次 Engineering fair，不过都是搜刮 freebies 而不是投简历...）。这几间公司里，twitter 是给我印象最差的：这次的实习完全没有回音，而后来的找 full-time 过程也是回应非常慢或没有，面了两轮电面后就没消息了。这个年头竟然还是采取的『默拒』（说到这里我就想发个微信里抠鼻的表情。。。）。Palantir is just slightly better，recruiter 都是模板 email，面试官则给人比较傲慢的感觉（印度人？Anyway，咱不以最大的恶意揣测别人，而且我也有不少好朋友是印度人）。为 Google 点个赞，recruiter 异常迅猛。我跟他们解释我的 time frame 很 tight，他们就给我安排了一周后同一天的两个电面。面完非常体贴地第二天就给我消息说 pass 进入 host match 了。可惜可能是找的时间太迟（面完已经三月多了），一直没有 match 到 team。FB 则是大赞，整个 recruiting team 都让人感觉非常 professional，一直很有礼貌也很积极，让人感觉是真心为 candidate 设想。Apple 比较特殊，是我一个同学的推荐，因为比较 match，跟 manager 打了个电话就发 offer 了。虽然我是个忠(nao)实(can)用(guo)户(fen)，考虑到苹果的 notorious self-censoring，我比较喜欢去一个能自豪地跟别人说自己做了什么东西的公司。题外话：苹果的 offer package 真心高大上，寄过来的 package 纸质、包装把其他公司碾成渣渣… 但是它家的 recruiter非常 push，一直在催我签 offer，很符合 Apple 那一贯的高冷傲娇感。
## 准备 ##
正如上面所说，我找实习的时间比较尴尬，所以准备时间不大充分。但是现在回想起来，准备不充分总好过不行动。我秋季没有找的一个原因，就是觉得自己没时间准备，但如果不去找，那就甚至没有机会了，只能像这次一样很惊险地 rush。话说回来，这种时候是很能体现一个人基本功扎实的时候，包括 coding skills，basic algorithms，CS fundamentals。对于前两者，如果平时都有 keep coding，那么准备起来就不会那么辛苦。我自己做的 research 需要 implementation & experiment，所以对我来说不是大问题。对于后者，我主要指的是像操作系统、编译原理、并行计算、软件工程等的 CS 核心课程。如果你是 CS 科班出身，并且本科学习时有认真学好这些课程，心中有建立起 systematic 的 syllabus，那么 review 起来应该是很简单的事情。这里值得一提的就是刷题，虽然我个人觉得这样非常应试，从长远来看会使得整个 field 鱼龙混杂。对于个人来说，如果是刷出来的结果，那么未来注定是要”还"的，而对于面试官而言，也越来越难设计好的题目。但毋庸置疑的是，在所有人都刷题的大背景下，你不刷题，只会 put yourself at an inferior situation。顺应潮流，我刷了 leetcode。大概每天花3-4小时根据 AC 率切10-15题，前后一共10天，这么做下来大概 130 题左右。虽然不多，但是我会每道题尝试做不同的解法，比如很多题目也提示你可以写递归+迭代两个 version。中间看了一点amazon.com，里面的题目我不是特别喜欢，但是里面提到的解题思路非常不错（use an example, draw a simple case, pattern matching 等）。amazon.com 的题目我超级喜欢。尽管可能偏难，但对于学习来说，是一个非常好的资源。另外，我还花时间 review 了一下前面提到的 fundamentals。最后，我侧重复习了 Machine Learning 相关的内容，把 Andrew Ng 的 notes 和 programming exercise 过了一遍（我之前上过偏理论的课，感觉没有 Ng 的讲得 practical 和接地气），因为我这次实习想找类似的 position。
Practice makes perfect！ 准备得差不多了，你可以跟你的同学进行 mock interview。学校一般有提供这么个服务，缺点是比较 general 而无法针对专业（或者不够真实）。我们专业的一个 honor society 则有提供专门的 technical interview，反馈还不错。我也 sign up 了我们系的 grad mentoring program，给小盆友们提供过类似的服务，回报社会ヽ(✿ﾟ▽ﾟ)ノ （其实还蛮好玩的，严重考虑做个 part-time）
## 流程 ##
因为最后去的 FB，所以来详细说一下。PhD 的实习招聘流程跟 BS/MS 有点不一样，会让你先选择三个你的 top choice 方向/组。因为我兴趣是 ML （以及 CV），自然而然地就选择了 Ads, Feed, Image。接下来就是标准的两轮电面。没有什么很特殊的东西，就是基本的算法，以及 ML 相关知识。其中 ML 算是 domain knowledge，更大的情况下考察 PhD 时出现的几率会多点。老实说我有点 surprise，我并没有表现得我理想中的好，稍微有点磕磕碰碰，但最终还是很快就拿到了 offer。我感觉主要可能是以下几个原因：think out loud, 学校与个人背景, 面试官比较 nice (中国人). 后两条只是猜测，我觉得不用想太多，茶余饭后笑笑就好。而第一点，则是经过我的实践证明过的，我详细介绍一下。
在这么多的面经里，我觉得最有用，并且我也一直坚持实践的就是本帖隐藏内容需要登录后才能查看。
Suppose 你已经有了第一阶段的 code。如果面试官同意你的 implementation，而其实存在更好的算法，本帖隐藏内容需要登录后才能查看。
值得一提的就是，think out loud 有一个前提，就是你的英语口语要过关。如果你不能流利表达自己的想法，那么你是很难 fit in 一个 team work 的环境的。我比较惭愧的是在美国生活那么久，结识到的 native friends 寥寥无几，而实验室也没有 native speaker。所以我只能平时一有机会，都抓紧时间跟别人多用英语交谈。我比较喜欢纯正的美音，所以我有时间我也会看看 youtube 上的短视频纠正一下。想系统地学，则推荐 American Accent Training。我觉得有 Chinese accent 不是坏事，但是这很容易跟发音错误混淆。
相比之下，Google 的题目则非常 interesting，很合我口味。虽然短短两小时面试，却涉及到了 OOP design, probability, statistics, linear algebra, math (real analysis), algorithm & data structure, multi-thread 等，不可谓不广博——一般别的公司 45 mins 面试也就问一题而已。后来找 full-time 的时候，google 的面试题也的确让我感觉是设置得在深度和广度上都是最好的。
Pass 面试之后，就是标准的 team match 流程了，大概就是再跟你确定一下 interest，然后就是看看能 match 到什么 team。这个貌似没什么好说的。发了 offer 后，我稍微等了一下 google 的 host match。虽然今天的 google 已经不是 10年前那个，但huaren.us在本科时留下的光环还是让我决定等它一下。虽然最终没等到 match，现在看起来也不能不说其实是一件『幸运』的事情，因为没去 FB 之前，我不太了解这间公司，直到去了才被它的文化所感染并且喜欢上它（I am not alone，最近FB还被评为 #1 best company to work in, glassdoor 上员工的评分也一直很高）。正所谓祸兮，福之所倚。要真 match 到了，估计又要纠结好一阵（谁叫你丫选择困难）。
## 总结 ##
我在美国一共找过三次实习，教训就是，找实习一定要早做准备，be active，这样依赖运气的成分就会少点。我提倡注重平时积累总结，这样 review 起来就不会那么辛苦。这其中也包括口语，这样表达交流起来会更流畅，也是你能 think out loud 的大前提。最后，你可以尝试 mock interview 来 test 自己的 ability。
写着写着没想到能写这么长，本来想连着实习经历一起写的，只能分成两篇。看来不小心解锁了 PhD 职业的写 paper 的技能……
## 前言 ##
这篇东西真是 long over due。我是去年去的 Facebook 暑期实习，今年转正的 full-time。本来应该实习完马上总结，但无奈回来后一直太忙，拖到现在入职前夕，终于感觉不能再拖必须得写出来。一来为了纪念自己终于结束了长达 11 年的大学生活，二来我喜欢分享，希望自己的经历能帮助到人。我预计会写一个系列共三（or 四）篇文章，首先是找实习经历（这篇），其次是实习经历，三是找工经历。最后如果有我时间，我会介绍一下full-time 后与 PhD 的对比。虽然我看过有不少 FB 的实习经历，但貌似没有 PhD 背景的，我可以来添砖加瓦一下。
## 背景 ##
先来点个人背景：国内 SYSU CS B.Sc，香港中文大学 CSE M.Phil, 美国 UIUC ECE PhD （fun fact，地里那篇早期的 fb 实习经历作者是我本科同学）。我的背景比较特殊一点，所以有必要介绍一下。我虽然就读于 ECE，但是个人的知识体系是建立在 CS 上的，还是偏理论那方面（我最感兴趣的是 Computability Approximation Algorithms 这些，不过充其量只是兴趣，自己没有那个天赋在这些方面有成就 :p），MS 和 PhD 阴差阳错地做起了 VLSI CAD (Computer-aided Design, a.k.a. Electronic Design Automation) 的东西，具体历程不表。别人看起来我是『做硬件的』，但我的 focus 主要是设计解决电路设计问题背景下的算法，EE/CE 的知识倒是其次。所以找起实习/工作来，总是要先跟别人解释一番。用我自己的话来说，就是 EE 壳 CS 心。这给我找回『老本行』的工作带来一点困难，因为别人看见我是 ECE 的，总是不自觉会 question 我的 match。这里的 take away 就是，找到自己的 niche point，合理包装自己。现在很流行 EE 转 CS，事实上不少 EE major 的人编程和算法能力比一些 CS major 的要扎实，但他们跟我 share the same pain point，就是如何 convince 别人（recruiter, interviewer）你拥有 CS 的 skill set。我的做法是，有一份 CV 和 一份 resume。CV 就是没有修饰过的，最平实的个人履历，找 research related positions (postdoc/faculty) 用的。而简历我有很多份，是面向 industry 的。简历和跟面试官的自我介绍里尽量强调跟 CS/IT 工作性质相关的经历与技能，（Plus: 如果可以，职位相关的技能），把别人的思路引到你想要的地方。举栗：如果你上过 Data Mining 的课，并且在找 DM 相关职位，那么完全可以把 DM 和 这门课放在简历靠前，并且和 interviewer 介绍时早点提到自己 looking for/interested in a DM related position。
## Timing ##
找实习的 timing 很重要，我这一次找得太迟，很多地方都几乎到了 close 的时候。最理想的找实习时间是 fall semester，因为种种原因，我秋季总是很忙，所以一直没有找。等到了二月底时，fellow TA 跟我说要去 FB 实习了，我才匆匆想起该找实习了，于是临时让 FB 的朋友 refer 了一下。这里真要感谢我的 recruiter Mikel，我那么 late notice 都能给我安排面试。相比之下隔壁实验室的哥们就没那么幸运……这种时候，以及后来找工作的过程中，我还是能感觉到在 prestigious 的大学就读，reputation还是有那么点作用的。我个人的 viewpoint，是比较偏向找工作侧重看实力的，但无可否认几乎所有我碰到的 recruiter ，都让我感觉非常重视我们学校的学生。至少，学校名声是一个很好的敲门砖。
## 公司 ##
这次的实习我一共投了 Facebook, Google, Twitter, Palantir，Apple。投的不多，一方面我个人风格比较喜欢小而精，focus usually gives the optimal outcome for me，另一方面由于找的时间迟，选择也不如别人多，而且我希望简历都是让别人给 refer 的。因为直接递简历的话，到 recruiter 手上的 turnover time 太长，除非是在 career fair 上直接递的。所以平时如果可以积累人脉，就尽量积累。我的 connection 主要来自校友或之前去实习时认识到的朋友，感谢他们，让我不需要去 career fair 上排队。我去过一次见识就再也没去了，比较火的公司都要排半小时队，感觉不是最有效率的方法（准确来说我后面去了几次 Engineering fair，不过都是搜刮 freebies 而不是投简历...）。这几间公司里，twitter 是给我印象最差的：这次的实习完全没有回音，而后来的找 full-time 过程也是回应非常慢或没有，面了两轮电面后就没消息了。这个年头竟然还是采取的『默拒』（说到这里我就想发个微信里抠鼻的表情。。。）。Palantir is just slightly better，recruiter 都是模板 email，面试官则给人比较傲慢的感觉（印度人？Anyway，咱不以最大的恶意揣测别人，而且我也有不少好朋友是印度人）。为 Google 点个赞，recruiter 异常迅猛。我跟他们解释我的 time frame 很 tight，他们就给我安排了一周后同一天的两个电面。面完非常体贴地第二天就给我消息说 pass 进入 host match 了。可惜可能是找的时间太迟（面完已经三月多了），一直没有 match 到 team。FB 则是大赞，整个 recruiting team 都让人感觉非常 professional，一直很有礼貌也很积极，让人感觉是真心为 candidate 设想。Apple 比较特殊，是我一个同学的推荐，因为比较 match，跟 manager 打了个电话就发 offer 了。虽然我是个忠(nao)实(can)用(guo)户(fen)，考虑到苹果的 notorious self-censoring，我比较喜欢去一个能自豪地跟别人说自己做了什么东西的公司。题外话：苹果的 offer package 真心高大上，寄过来的 package 纸质、包装把其他公司碾成渣渣… 但是它家的 recruiter非常 push，一直在催我签 offer，很符合 Apple 那一贯的高冷傲娇感。
## 准备 ##
正如上面所说，我找实习的时间比较尴尬，所以准备时间不大充分。但是现在回想起来，准备不充分总好过不行动。我秋季没有找的一个原因，就是觉得自己没时间准备，但如果不去找，那就甚至没有机会了，只能像这次一样很惊险地 rush。话说回来，这种时候是很能体现一个人基本功扎实的时候，包括 coding skills，basic algorithms，CS fundamentals。对于前两者，如果平时都有 keep coding，那么准备起来就不会那么辛苦。我自己做的 research 需要 implementation & experiment，所以对我来说不是大问题。对于后者，我主要指的是像操作系统、编译原理、并行计算、软件工程等的 CS 核心课程。如果你是 CS 科班出身，并且本科学习时有认真学好这些课程，心中有建立起 systematic 的 syllabus，那么 review 起来应该是很简单的事情。这里值得一提的就是刷题，虽然我个人觉得这样非常应试，从长远来看会使得整个 field 鱼龙混杂。对于个人来说，如果是刷出来的结果，那么未来注定是要”还"的，而对于面试官而言，也越来越难设计好的题目。但毋庸置疑的是，在所有人都刷题的大背景下，你不刷题，只会 put yourself at an inferior situation。顺应潮流，我刷了 leetcode。大概每天花3-4小时根据 AC 率切10-15题，前后一共10天，这么做下来大概 130 题左右。虽然不多，但是我会每道题尝试做不同的解法，比如很多题目也提示你可以写递归+迭代两个 version。中间看了一点amazon.com，里面的题目我不是特别喜欢，但是里面提到的解题思路非常不错（use an example, draw a simple case, pattern matching 等）。amazon.com 的题目我超级喜欢。尽管可能偏难，但对于学习来说，是一个非常好的资源。另外，我还花时间 review 了一下前面提到的 fundamentals。最后，我侧重复习了 Machine Learning 相关的内容，把 Andrew Ng 的 notes 和 programming exercise 过了一遍（我之前上过偏理论的课，感觉没有 Ng 的讲得 practical 和接地气），因为我这次实习想找类似的 position。
Practice makes perfect！ 准备得差不多了，你可以跟你的同学进行 mock interview。学校一般有提供这么个服务，缺点是比较 general 而无法针对专业（或者不够真实）。我们专业的一个 honor society 则有提供专门的 technical interview，反馈还不错。我也 sign up 了我们系的 grad mentoring program，给小盆友们提供过类似的服务，回报社会ヽ(✿ﾟ▽ﾟ)ノ （其实还蛮好玩的，严重考虑做个 part-time）
## 流程 ##
因为最后去的 FB，所以来详细说一下。PhD 的实习招聘流程跟 BS/MS 有点不一样，会让你先选择三个你的 top choice 方向/组。因为我兴趣是 ML （以及 CV），自然而然地就选择了 Ads, Feed, Image。接下来就是标准的两轮电面。没有什么很特殊的东西，就是基本的算法，以及 ML 相关知识。其中 ML 算是 domain knowledge，更大的情况下考察 PhD 时出现的几率会多点。老实说我有点 surprise，我并没有表现得我理想中的好，稍微有点磕磕碰碰，但最终还是很快就拿到了 offer。我感觉主要可能是以下几个原因：think out loud, 学校与个人背景, 面试官比较 nice (中国人). 后两条只是猜测，我觉得不用想太多，茶余饭后笑笑就好。而第一点，则是经过我的实践证明过的，我详细介绍一下。
在这么多的面经里，我觉得最有用，并且我也一直坚持实践的就是本帖隐藏内容需要登录后才能查看。
Suppose 你已经有了第一阶段的 code。如果面试官同意你的 implementation，而其实存在更好的算法，本帖隐藏内容需要登录后才能查看。
值得一提的就是，think out loud 有一个前提，就是你的英语口语要过关。如果你不能流利表达自己的想法，那么你是很难 fit in 一个 team work 的环境的。我比较惭愧的是在美国生活那么久，结识到的 native friends 寥寥无几，而实验室也没有 native speaker。所以我只能平时一有机会，都抓紧时间跟别人多用英语交谈。我比较喜欢纯正的美音，所以我有时间我也会看看 youtube 上的短视频纠正一下。想系统地学，则推荐 American Accent Training。我觉得有 Chinese accent 不是坏事，但是这很容易跟发音错误混淆。
相比之下，Google 的题目则非常 interesting，很合我口味。虽然短短两小时面试，却涉及到了 OOP design, probability, statistics, linear algebra, math (real analysis), algorithm & data structure, multi-thread 等，不可谓不广博——一般别的公司 45 mins 面试也就问一题而已。后来找 full-time 的时候，google 的面试题也的确让我感觉是设置得在深度和广度上都是最好的。
Pass 面试之后，就是标准的 team match 流程了，大概就是再跟你确定一下 interest，然后就是看看能 match 到什么 team。这个貌似没什么好说的。发了 offer 后，我稍微等了一下 google 的 host match。虽然今天的 google 已经不是 10年前那个，但huaren.us在本科时留下的光环还是让我决定等它一下。虽然最终没等到 match，现在看起来也不能不说其实是一件『幸运』的事情，因为没去 FB 之前，我不太了解这间公司，直到去了才被它的文化所感染并且喜欢上它（I am not alone，最近FB还被评为 #1 best company to work in, glassdoor 上员工的评分也一直很高）。正所谓祸兮，福之所倚。要真 match 到了，估计又要纠结好一阵（谁叫你丫选择困难）。
## 总结 ##
我在美国一共找过三次实习，教训就是，找实习一定要早做准备，be active，这样依赖运气的成分就会少点。我提倡注重平时积累总结，这样 review 起来就不会那么辛苦。这其中也包括口语，这样表达交流起来会更流畅，也是你能 think out loud 的大前提。最后，你可以尝试 mock interview 来 test 自己的 ability。
写着写着没想到能写这么长，本来想连着实习经历一起写的，只能分成两篇。看来不小心解锁了 PhD 职业的写 paper 的技能……
- 120