Behavioral questions
当时面试官问的问题比较简单，大致如下：
Give me a story where you have limited time to finish a project
Give me a story where you actively learn a new skill (Learn and Be Curious)
Give me a story (where you showcase "Bias for Action")
Give me a story (where you showcase "Ownership")
我感觉面试官在面试我的时候似乎会填一个表格，在表格里面，他们需要把我的story总结成bullet points。所以反过来思考的话，面试者自己准备的文稿里需要有这些bullet points，简短，但信息量大且扣题（amazon leadership principles)。帮助面试官填表等于帮你自己~
ML Basics
面试官很Nice，问的问题比较基础，但我觉得具体问啥看组。
1. 什么是GD和SGD，它们有什么区别？为什么使用SGD？
2. 什么是batch size（批量大小）？
3. 什么是监督学习和无监督学习？请举出一些算法示例。
4. 从头解释线性回归/逻辑回归的原理。
5. 解释逻辑回归的损失函数。
6. 解释机器学习中的基本概念：学习率、正则化。
7. 如何应对过拟合？
8. 解释bootstrapping（自助法）和boosting（提升方法）。
9. 解释boosting算法的原理。
10. 强化学习（RL）与监督学习和无监督学习有什么联系？
11. 奖励如何用于更新策略？
12. 神经网络是如何集成到强化学习中的？
13. Transformer与RNN有何不同？它解决了什么瓶颈？
14. 什么是embedding（嵌入）？
15. 在embedding过程中，如何区分“King”在国际象棋语境和在王国语境中的语义？
16. 如何在计算资源有限的情况下微调大型语言模型（LLM）？
面试结局
挂了orz
朋友加油，下次一定结果会更好！