---
tags: INFO2022
---

# 2022-11-15 課堂問答簡記

## 產業近況
* [Meta 面臨史上最大裁員潮](https://technews.tw/2022/11/13/meta-mark-zuckerberg-layoffs/): 宣布大規模裁員超過 1.1 萬人，約占總員工 13%，幾乎是 Twitter 裁員人數 3 倍
* [Amazon 史上最大規模裁員 預計資遣 1 萬人](https://news.pts.org.tw/article/609365): 資遣的人數約為 1 萬人，佔 Amazon 公司約 3%
* [Buffett's Berkshire discloses big Taiwan Semi stake](https://www.reuters.com/markets/deals/buffetts-berkshire-discloses-big-taiwan-semi-stake-2022-11-14/) / [除巴菲特團隊，還有這些機構正搶進台積電](https://www.gvm.com.tw/article/96417)
* [晶片，寒冬靜悄悄](https://mp.weixin.qq.com/s?__biz=MzU1MzQ1NDk3MQ==&mid=2247550676&idx=1&sn=e97255bb5b38aeed60b04b95d93b48ad)
* [取代南灣的南灘](https://www.facebook.com/icjan/posts/pfbid02rU6ysBZUmb3qaAw6mtPkxQtJUgRPMQV2K9puaWyvuxavLP96eWdnH4oLr8jbBTE6l)

## [作業三](https://hackmd.io/@sysprog/HkB_H16Qo)回顧
* [codility](https://www.codility.com/)
- [面試心得](https://hackmd.io/@Xpz2MX78SomsO4mV3ejdqg/B11uF_bW7): 「題目跟 leetcode 的問法不太一樣，都是有一個生活化的描述，然後要你找出答案，我覺得很好的是每一題會告訴你這個題目要求的是甚麼，例如要求時間複雜度 $O(n log n)$ 且空間複雜度 $O(n)$，或是不要求時間複雜度，改為要求答案的正確性。第二點不同的是題目給的測試資料不像leetcode那麼完整，只會給兩個case，這邊就要自己去想有可能會發生甚麼情況，我覺得這是比較難的地方。」
- 直接在 codility 視窗中撰寫程式碼，才會有程式開發紀錄，不少公司不開放上網搜尋答案，網頁查詢參考 API 的部分，會被記錄下來作為綜合評量

## Microsoft: [Zih-Yun Ting](https://www.linkedin.com/in/zih-yun-ting-81971711b/)

### 筆記

### QA
1. 簡介自己成長歷程，成功大學 -> 交通大學 -> 群暉 -> Microsoft 的歷程
* **畢業後**
* 非本科去 Machine learning 的公司還是會吃虧
* 修正目標去 CS 相關的工作
* **群暉(4年)**
* 備份軟體開發
* 改善效率、安全性、儲存、去重複化（de-duplicate）
* 轉職機會
* 去外面看看
3. 簡介 Microsoft 的 cognitive-services/face (公開資訊即可) 或者後續產品的更新
* **以下都是要有大量 Data 和 硬體訓練模型才可以達成**
* **Speech API** -> 合成語音（用於導航、客服、KYC）
* **Face API** -> 人臉辨識（真人驗證、加密解鎖）
* **服務模式：**
* 客戶 Call API -> Mircosoft 提供最新的 model service
* 降低客戶應用開發、硬體成本
* **Team member**
* Researcher, Engineer, Technical PM, Sales, customer success specialist
4. 面試的準備和應對: 群暉 / Microsoft
* 設定目標 (e.g., 領域、薪資)
* 參考網路心得分享
* 群暉
* 工程師都有 Code interview（當年沒武漢肺炎所以是 On site interview）
* 每關都有白板題
* 4 關？（有錯請訂正）
* 平均每關 1 小時
* Code interview 看重的是解題的思路和合作能力
* Microsoft
* K8S, Storage, de-duplicate 相關的經驗
* 根據部門有不同的關卡（e.g. 和國外的 Engineer interview）
6. 可以分享 MLOps 的案例嗎？以 Azure Solution Team 為例。
8. 人工智慧在產業的應用？（以 Model As a Service 為例）
* 參考第 3 題
* SOFTBANK 旗下有一間日本公司也有做 Face API
* 用在海關情景中辦識目標是否為日本人
* [Japan Computer Vision Corp](https://www.japancv.co.jp/en/solutions/fr_sdk/)
* [參考資料：What is Model as A service](https://medium.com/acing-ai/machine-learning-system-design-models-as-a-service-32666eba0e6)
10. 以學姐在對岸產業的案例、建議學弟妹到對岸的互聯網大廠走一圈嗎？
* 因為參與兩岸交流營隊（？）的機會在碩班暑假去了一趟
* 鯤X會、救X團（？）
12. Mircosoft 在台灣的核心團隊主要著重在哪個領域呢？
13. 如果在電機資訊學院排名不算亮眼，可考慮哪些研究所？
14. 本土公司 vs. 外商的求職準備和入職調適
* 和公司有關
* 有些會有白板題、有些看經歷
* **去外商英文能力請準備好**
* 補充資料：[工程師容易唸錯的技術單詞](https://github.com/NeroHin/pronounce-correctly-for-taiwanese-programmer)
16. 女性工程師的注意事項（優勢和需要加強的能力）
17. 最近在研究各個公司的面試，發現並不是所有公司的軟體工程師都會需要考leetcode，所以在思考是否不應該花太多時間在刷題上面，而是把這個時間拿來增進自己的其他專業能力？另外什麼樣的公司會需要準備leetcode呢？
* 多爬文
* PTT、Dcard、[goodjob職場透明化運動](https://www.goodjob.life/)、Medium
19. 想對學弟妹說的話
* 準備
* 心裡要有個底，先準備題目和專案經驗
21. 要怎麼知道自己想做的領域是什麼？前端？後端？ML?OS?
* 校內課程接觸
22. 您所開發Face API所用的model相關職缺在Microsoft Taiwan也有嗎？ 有相關的Team嗎？
* 最近在凍招，也沒看到有多少實習生