標題用「建立」而非「寫」，是因為有些經歷是需要時間來準備的，像是修一門課至少要半年，如果課程有先修需求就要更久。打一場 Kaggle 機器學習比賽可能要三到六個月，也不是每一次參賽都能夠拿到足以寫在履歷上的成績。有意識地提前建立履歷才能在找工作的時候拿到最多面試。

無意間發現 Y Combinator 有 YouTube 頻道，還有給新創公司創辦人的課程。趁著連假看完了，雖然已經在新創公司工作多年，但還是學到很多東西，有些東西甚至逆轉了我原本的想法。

最近讀完 Walter Isaacson 所寫的馬斯克傳，每一個章節都是短短的一個小故事，透過這些故事讓我們了解馬斯克的性格，以及他是如何做到他的所有成就：商業化的電動車、全球領先的自動駕駛、可重複使用的火箭、衛星通訊等等。都是光想就令人卻步的事情，他卻做到了。馬斯克不是一個完美的人，也沒有必要是，我們可以盡可能學習他的工作方法，但不要變得跟他一樣沒同理心。

今年 NVIDIA 在台灣開了一個新的元宇宙部門大徵才，各種職位都有，連前端工程師、研發科學家都有，我去面試了其中的深度學習工程師。

我出社會九年，當了九年的軟體工程師。十年前還有一年的學生生活可以做一些上班族不太有時間做的事情。以前走過一些彎路，如果十年前的我有現在的我當職涯導師，現在我絕對會有更成功的職涯。

總覺得大家對 Leetcode (或是演算法題)太多誤解，像是要把 Leetcode 所有題目背起來再去面試、演算法題是智力測驗 (所以無法透過練習而增進解題能力)。很多人批評演算法面試跟工作脫節，不過我們沒辦法控制每一家公司如何面試人選，討論這個對於通過面試一點幫助也沒有。這邊想分享我是如何使用刻意練習的方式來練習演算法。

ChatGPT 的產品化讓世界又掀起一波 AI 熱潮，這次跟 AlphaGo 不一樣，所有人都可以去註冊一個帳號來玩。除了文字生成的 AI，還有圖像生成的 AI 產出無法與人類作品分辨的影像成品，也是人人都可以試用。連不會寫程式的人都可以輕鬆使用，肯定是會一定程度影響機器學習工程師的工作，但我認為機器學習工程師還是可以持續產生價值。

在 2021 下半年的時候面了 Amazon 跟 Microsoft 兩家，可惜都在 virtual onsite 後被拒絕，投的職缺都是 software engineer in machine learning。這邊分享一下面試經過跟我的準備方法。

記錄一下 2019 年面試新加坡 QuantumBlack (麥肯錫) data scientist 的經驗。