3yoe sde 转 genai mle经验分享跳槽
地里匿名用户VQVRN
自己真的也是怕sde被淘汰的 才下定决心转mle 而且是genai的方向
下面的部分都是我自己写的，但有些打字很麻烦，用语音转给了gpt 帮我润色
我的背景
中厂sde 3 yoe，没做过 aiml，但经常support mle，学历也不是cs，上学学过ml deeplearning 但是没学好。 没有绿卡。h1b 这次找工作是真的认真学了一遍 😑
时间线
改简历那段时间，我大概找了 7-8个不同的人帮我看简历，包括朋友、已经在相关方向上岸的人、还有更有经验的人帮我提建议。除了改简历本身，我也花了很多时间准备简历相关问答，把每一个项目都讲到尽可能完整、清楚、能经得起 deep dive。
拿到的面试和进度
拿到的面试并且进入 phone round：
Google、Meta、 MAI、Netflix、Uber、Adobe、LinkedIn、Pinterest、Apple（3个组），Snap 。
通过phone interview的：Google， Meta， Netflix， Uber， LinkedIn， Apple ，Adobe
拿到的offer：Google， Meta， LinkedIn， Uber （都是l4)
最后都match到了genai 相关的组，因为一开始的目标就是genai
（虽然我的目标不是大包，但是现在的mle给的真的挺慷慨，比我现在的tc快要翻倍了）
Google 是这里面流程最慢的一个。后面我手里已经有其他 offer 了，再去催 Google，作用更多是 加快了面试流程，但也并没有很快
找工作的整体感受 和 心态的转变
真的非常崩溃，感觉压力很大（可能是我给自己的压力太大了）那段时间我几乎 不社交、不出门，连着吃了三个月外卖。而且会一边哭一边背东西。哭一会，冷静一下，继续背；觉得自己可能根本上不了岸，再继续强迫自己学。
那几个月我的状态大概是这样：
地理的这些帖子很有效：
https://www.1point3acres.com/bbs/thread-1127325-1-1.html
https://www.1point3acres.com/bbs/thread-1114442-1-1.html
https://occipital-alfalfa-20e.no...04bb515fe9731275166
ML System Design
我自己的准备方式是：先看网上大家总结的高频题， 再看别人面经里出现过的题型， 自己把每类题都整理成一个框架， 去想：如果是我来答，我会怎么从业务目标讲到模型、数据、训练、部署、评估、线上监控
因为我本身一开始也没有太多ML面试经验， 所以这个部分其实很大程度上是靠 找人 mock 起来的。
我后来会越来越强烈地觉得： 找比自己厉害的人 mock，真的特别值。我当时大概找了 七八个人，甚至接近十轮 不同的人来 mock。
我的心态就是：只要对方比我强，我一定能学到东西。哪怕只是30分钟，都可能比我自己闷头学一整天还有效。
所以可能是抱着学习的心态来 准备的吧
ML Coding
我的办法有点粗暴 我会把可能会考到的内容都过一遍，包括： 最基础的 ML model implementation+ 常见模块的原理和写法 + classification/regression 相关思路 + 常见 building blocks + 从一个 use case 出发，自己搭一个 model 的训练/推理逻辑
我会准备草稿纸，同样的内容写好多遍， 写到自己能顺出来、能解释出来、能举 use case 为止。
LeetCode
LeetCode 这一块因为我本身有 SDE 背景，所以不算最难的一块。我把 neetcode 150 刷了一遍，然后针对公司面经，尤其是最近6个月高频题，再单独刷。 我自己的习惯是，如果我能找到某个公司最近6个月的面经，
我会尽量保证在面试前把相关题型至少看到 两三遍，做到非常熟。
后面在安排时间上，我也会尽量把同类公司的第一轮 phone 放得靠近一点。 这样有一种“题感连续”的感觉，准备效率更高。 但说实话，到了 VO 阶段，我还是很难做到一周连续面好几个。
我更适合的是 一周一个VO 这种节奏。 等到后面已经拿到前几个 offer，信心起来了，状态稳定了，我才会把后面的 VO 稍微 group 在一起。
ML八股 / 基础知识
这个部分我其实花的时间非常多。我注意了自己建立体系。
第一层：看经典资料：我会看一些经典 paper、博客、论坛推荐资料。
比如一些公司 blog、大家常提到的paper，只要我觉得经典，我基本都会去读一遍。
第二层：自己做 Notion
我会自己整理一个 notion page，
把每个知识点都按几个维度写下来：这个东西直觉上怎么理解 + 如何 visualization + 理论上怎么解释 + 有什么 example 可以帮助记忆 + 面试里容易怎么问
第三层：反复记忆
我会把所有搜集到的面经、别人分享的知识点都整合起来。 第一遍看完之后，哪里记不住，我就标出来。 第二遍重点看标出来的。 第三遍再巩固。
Project Deep Dive
我前期花了很多时间改简历、找人提 feedback，其实一个很大的帮助就是：它会逼着你把项目讲明白。这个前期的准备很有帮助
一些我自己觉得很有用的小习惯
面试前 power nap： 我一般会在面试前， 喝一点少糖咖啡， 躺床上闭眼15分钟， 定个闹钟， 让脑子快速清醒一下
不要太计较每次 mock / 面试 的“值不值”， 有没有结果： 我当时找很多人 mock 的时候，心态其实比较简单：只要能学到一点，就是赚到。
我对这次跳槽的心态也是，就算没有成功我也算是学到了东西，下次跳槽会更容易。
这次跳槽也遇到了真的很好的中国人，面试中的帮助，非常感谢🙏
希望能给大家带来启发，希望之类的，是有可能的上岸！
最后求米 求米 我这次跳槽看面经和包裹 米用的很多。 感谢大家🙏
下面的部分都是我自己写的，但有些打字很麻烦，用语音转给了gpt 帮我润色
我的背景
中厂sde 3 yoe，没做过 aiml，但经常support mle，学历也不是cs，上学学过ml deeplearning 但是没学好。 没有绿卡。h1b 这次找工作是真的认真学了一遍 😑
时间线
- 25年的 6-9月：主要在补 transformer、大模型、deep learning 相关基础
- 25年 10 -11月：集中改简历、准备简历问答、梳理项目、找人提feedback
- 25年底出去玩了
- 26年 1月底到3月：进入集中面试期
- 3月中：拿到第一个 offer
- 最后总共拿了4个offer
改简历那段时间，我大概找了 7-8个不同的人帮我看简历，包括朋友、已经在相关方向上岸的人、还有更有经验的人帮我提建议。除了改简历本身，我也花了很多时间准备简历相关问答，把每一个项目都讲到尽可能完整、清楚、能经得起 deep dive。
拿到的面试和进度
拿到的面试并且进入 phone round：
Google、Meta、 MAI、Netflix、Uber、Adobe、LinkedIn、Pinterest、Apple（3个组），Snap 。
通过phone interview的：Google， Meta， Netflix， Uber， LinkedIn， Apple ，Adobe
拿到的offer：Google， Meta， LinkedIn， Uber （都是l4)
最后都match到了genai 相关的组，因为一开始的目标就是genai
（虽然我的目标不是大包，但是现在的mle给的真的挺慷慨，比我现在的tc快要翻倍了）
Google 是这里面流程最慢的一个。后面我手里已经有其他 offer 了，再去催 Google，作用更多是 加快了面试流程，但也并没有很快
找工作的整体感受 和 心态的转变
真的非常崩溃，感觉压力很大（可能是我给自己的压力太大了）那段时间我几乎 不社交、不出门，连着吃了三个月外卖。而且会一边哭一边背东西。哭一会，冷静一下，继续背；觉得自己可能根本上不了岸，再继续强迫自己学。
那几个月我的状态大概是这样：
- 每天雷打不动 8点起床，12点睡觉
- 白天还要上班
- 中午只要有一点时间，我都会拿来复习ML知识、看视频、背面试内容
- 有时候连上厕所的几分钟，脑子里都还在过知识点
我第一个比较正式的面试，本来是抱着“练手”的心态去的。结果过了。那一刻我会第一次觉得：
原来我不是完全没机会。然后之后面试越来越自信
投递简历的感受这一轮除了 Google 有内推之外，其他大部分并没有靠内推拿到面试。很多机会其实都是我自己海投、或者自己去 LinkedIn 上找 recruiter 和 hiring manager 慢慢联系出来的。
地理的这些帖子很有效：
https://www.1point3acres.com/bbs/thread-1127325-1-1.html
https://www.1point3acres.com/bbs/thread-1114442-1-1.html
https://occipital-alfalfa-20e.no...04bb515fe9731275166
ML System Design
我自己的准备方式是：先看网上大家总结的高频题， 再看别人面经里出现过的题型， 自己把每类题都整理成一个框架， 去想：如果是我来答，我会怎么从业务目标讲到模型、数据、训练、部署、评估、线上监控
因为我本身一开始也没有太多ML面试经验， 所以这个部分其实很大程度上是靠 找人 mock 起来的。
我后来会越来越强烈地觉得： 找比自己厉害的人 mock，真的特别值。我当时大概找了 七八个人，甚至接近十轮 不同的人来 mock。
我的心态就是：只要对方比我强，我一定能学到东西。哪怕只是30分钟，都可能比我自己闷头学一整天还有效。
所以可能是抱着学习的心态来 准备的吧
ML Coding
我的办法有点粗暴 我会把可能会考到的内容都过一遍，包括： 最基础的 ML model implementation+ 常见模块的原理和写法 + classification/regression 相关思路 + 常见 building blocks + 从一个 use case 出发，自己搭一个 model 的训练/推理逻辑
我会准备草稿纸，同样的内容写好多遍， 写到自己能顺出来、能解释出来、能举 use case 为止。
LeetCode
LeetCode 这一块因为我本身有 SDE 背景，所以不算最难的一块。我把 neetcode 150 刷了一遍，然后针对公司面经，尤其是最近6个月高频题，再单独刷。 我自己的习惯是，如果我能找到某个公司最近6个月的面经，
我会尽量保证在面试前把相关题型至少看到 两三遍，做到非常熟。
后面在安排时间上，我也会尽量把同类公司的第一轮 phone 放得靠近一点。 这样有一种“题感连续”的感觉，准备效率更高。 但说实话，到了 VO 阶段，我还是很难做到一周连续面好几个。
我更适合的是 一周一个VO 这种节奏。 等到后面已经拿到前几个 offer，信心起来了，状态稳定了，我才会把后面的 VO 稍微 group 在一起。
ML八股 / 基础知识
这个部分我其实花的时间非常多。我注意了自己建立体系。
第一层：看经典资料：我会看一些经典 paper、博客、论坛推荐资料。
比如一些公司 blog、大家常提到的paper，只要我觉得经典，我基本都会去读一遍。
第二层：自己做 Notion
我会自己整理一个 notion page，
把每个知识点都按几个维度写下来：这个东西直觉上怎么理解 + 如何 visualization + 理论上怎么解释 + 有什么 example 可以帮助记忆 + 面试里容易怎么问
第三层：反复记忆
我会把所有搜集到的面经、别人分享的知识点都整合起来。 第一遍看完之后，哪里记不住，我就标出来。 第二遍重点看标出来的。 第三遍再巩固。
Project Deep Dive
我前期花了很多时间改简历、找人提 feedback，其实一个很大的帮助就是：它会逼着你把项目讲明白。这个前期的准备很有帮助
一些我自己觉得很有用的小习惯
面试前 power nap： 我一般会在面试前， 喝一点少糖咖啡， 躺床上闭眼15分钟， 定个闹钟， 让脑子快速清醒一下
不要太计较每次 mock / 面试 的“值不值”， 有没有结果： 我当时找很多人 mock 的时候，心态其实比较简单：只要能学到一点，就是赚到。
我对这次跳槽的心态也是，就算没有成功我也算是学到了东西，下次跳槽会更容易。
这次跳槽也遇到了真的很好的中国人，面试中的帮助，非常感谢🙏
希望能给大家带来启发，希望之类的，是有可能的上岸！
最后求米 求米 我这次跳槽看面经和包裹 米用的很多。 感谢大家🙏
已获得 135 大米
+2
共123条回复
✨ 您正在体验新版论坛UI
