[討論] 2025 Google L4 SWE面試心得 (Dcard)

看板Tech_Job (科技人)作者yokann (我怕練太壯)時間5小時前 (2025/07/17 18:17)推噓20(21推 1噓 10→)

留言32則, 21人參與討論串1/1

資料來源: https://www.dcard.tw/f/tech_job/p/259327760 Dcard轉錄距離上次分享讀研心得已經過了4年了，我在junior level這段時間，2023經歷Qualcomm 裁員，2024展開gap year搬到韓國讀了一年語言學校，而後在首爾的新創自駕車公司打拼了半年多。由於今年公司因為上市問題出了人事政治鬥爭，讓我有離開的想法。正好今年Google台灣擴招，蠻幸運的遇到一個很積極的上海recruiter聯絡我，拿到offer 後決定回台灣工作。ㄧ、學經歷輔仁大學企業管理系國立清華大學資訊應用所 Logitech 韌體工程師實習 Qualcomm 軟體工程師 3 年韓國自駕車新創軟體工程師 6個月二、面試準備 # 心態這次是在職面試所以沒有上岸的壓力，身心靈都輕鬆很多，我也練習把面試想像成和同事互相講解的過程，和面試官有對等的交流才不會緊張。 # Leetcode 我最早接觸資料結構演算法是碩班補習的時候，當時有建立扎實的理論基礎，新鮮人時期刷到300題左右，過去一年回鍋複習並寫到500題，難度分佈為easy*100+, medium*300+, hard*50，週賽參加過十幾次，分數在1800–1900之間（近一年太難了Q3有時候寫不出來）。我的刷題路線是參考一個中國博主turing planet，有個人網站和youtube教學，蠻符合我個人學習頻率。我自認沒辦法像競賽選手用輾的，所以我傾向重複複習medium的題目，理解的更透徹。在前期知識養成期的時候，因為常常挫敗，我會用表格紀錄下我該題重點與卡住的地方，過一陣子再回來重寫才知道自己是否融會貫通。在後期因為常常會寫到有既視感的題目，再補充筆記在表格中，如下所示： megapx # 歸納以前的面試經驗去年有幾次失敗的面試，我發現自己有刷題思考僵化的問題，因為Leetcode題目很模板化，不太有機會接觸不同的data type或系統設計，更糟糕的是如果誤認為遇到類似的問題，可能先入為主的往錯誤的方向想。因此我偶爾換去其他網站熟悉不同風格 (HackerRank, CodeForces…)，還有平常工作時就要善於思考，不要本末倒置只學習競技程式寫法。 # Behavior question 行為面試的天花板我認為是Amazon的16 leadership principles，可以查到很多例題在家模擬回答。準備3–5個專案經驗，每個經驗可以對應到不同情況，也藉此機會熟悉自己的履歷內容。 # 英文培養我推薦一個非常適合科技人學習，卻非常地被低估的方式，那就是每當需要接受科技知識時，找到使用口速慢且標準的英文媒介，並且習慣它，常見的有： 1. 在你想學的東西在youtube上加上tutorial，這類的教學的用字非常貼近domain knowledge，重複看兩三次學習他的表達。 2. 若單純想針對面試學習，更簡單暴力的方式可以直些看母語者解leetcode的教學影片（印度人除外）。 3. 輕鬆一點的話看北美科技業的vlog，這些vlogger的共通點都是亞裔美國人，標準加州口音。最近談論的話題就是北美裁員潮，貼近時事又生活化。 4. 最後也是最難的地方是，沒人陪練習的話就自言自語吧。不需要覺得奇怪，口語練習最必要的就是組織句子，先求有再求好。三、時程 2月初：recruiter聯絡 2月中：phone interview 3月初：virtual on-site interview* 3 3月底：behavior interview (hiring manager) 4月初：fit talk1 4月中：fit talk2 (manager of hiring manager) 5月初：offer 四、面試心得 Recruiter是在LinkedIn上直接找我面試特定的職位(Pixel sensor software)，聽說近年為了避免太多人在team match卡住，如果和我一樣履歷和職位有相符的面試者，會在VO三關前recruiter會配一個team給你，behavior interview由hiring manager面試，他除了打該關的分數外，也會看你的背景合不合適，任一方不喜歡的話才會重新回到team match pool再找其他組。 # Phone interview 熱身題省略。Follow-up是計算subarray sum加總，也就是sum of all subarray sum。乍看不難，但一開始我找不到方法，只能先用prefix sum給出暴力解並再google doc上試錯，在純文字文檔追蹤array並和面試官講解其實蠻吃力的，分析後發現可以找出pattern優化到O(n)，中途有被點出邊界值的小bug並改正。事後recruiter回饋評分是hire。 # VO1 第一題是基本題stack implementation，需要問清楚stack empty之類的錯誤要處理。 Follow-up是進階功能的stack，要能對stack底部k個元素加一個值的功能（事後找到是 1381.Design a Stack With Increment Operation的變化），由於當天是被安排到早上8 點面試，我有點不在狀況內，被指出兩個corner case的問題，recruiter回饋是lean hire。 # VO2 首先要寫出找出array所有的next greater element，follow-up加入變化(事後找到有點接近1944. Number of Visible People in a Queue)，這裡出現了我和面試官對於題意理解的不同，但在我給出幾個case之後面試官說我才是對的，有點荒謬...當然這也側面證明不要急著看到題目就寫，先跑一次範例或是自己增設case。我一開始用暴力解先給出一個dummy答案，最後優化成遞增stack(monotonic stack)寫完，事後recruiter反饋是hire 。順帶一題題目不是面試官出的而是系統抽的，他會在事前拿到題目、參考答案和評分準則。 # VO3 這次又是被安排到早上8點面試，是圖論的dfs backtracking 問題，圖的節點為機場代號的string，我原本想轉成ID但面試官覺得沒有必要，討論過程還有決定圖的資料結構花了太多時間。寫完剩下15分鐘，follow-up是最短路徑問題，可以轉化成Dijkstra演算法，但很久沒有寫了非常生疏，還寫錯了最重要的relax那行！最後因為時間緊迫，我用 pseudo code寫完並解釋用2D array及priority queue兩種實作的時間複雜度的差別，反饋為lean hire。 # Behavior interview 這場面試和fit talk結合在一起，所以是非常重要的。Hiring manager若滿意的話才會幫你寫推薦送hiring committee，且此人將會是我入職後的直屬主管。主管先是和我介紹部門負責的工作，並表示自己是在美國家中全遠端工作。前20分鐘是問了許多兩難的問題，像是若今天自己個人私事太忙，剛好公司需要支援，會怎麼安排時間？和同事討論技術時意見相左，但他是你的資深前輩該怎麼處理？工作出包的時候怎麼辦？我會先自己假設前提或是反問，像是定義這個任務有多緊急？方便「搞清楚事情處理的優先順序」，盡量以自身經歷為主，在往「對公司有益」或「圓融」的結論收尾。接著是請我講述在Qualcomm的工作內容，檢視背景是否符合，再問新創公司工作中學到了什麼不一樣的地方，我分享了新創工作彌補我的devOps技術，還有同儕間code review的優缺點。 # Fit talk(1) 這場安排了同組的美國同事和我對話，目的是讓我問問題。我最關心的是我進來公司後會負責什麼，其次是組內文化，整體下來我感覺和我之前的工作文化相近，畢竟有可能成為未來同事，聊的話題都是輕鬆的內容。 # Fit talk(2) 最終環節是有最終決定權的大主管，一位美籍印度女士，也是我將來的skip manager，可以回答我一些更廣的問題，也順便了解我的背景。根據我的履歷挑了幾件跟我經歷有關的部門案子，討論我是否對這些主題有興趣，最後我問了公司的組織結構，和我在此部門的未來的職涯方向。 # Offer 兩週後接到recruiter通知說HC通過並談薪，我表明人在國外需要更長的緩衝期，但卻被告知主管希望我一個月後入職（後來我和其他新進同仁聊到此話題，發現這是recruiter 話術，希望你提早入職！）簽完offer後會有由外包背景調查公司負責reference check(非常詳細，切勿在履歷上造假任何小事)，令我驚訝開心的是提供了國外工作證明，回台灣居然還有relocate package！五、後記比起其他公司，Google的初中階軟工職位還是先要求有DS/Algo才面試domain，但至少這次我遇到的問題都能循序漸進慢慢寫出，每題也都有值得討論的corner case和優化方法，沒有難到需要通靈的程度，考驗的是在時間壓力下寫出乾淨準確的程式碼。入職一個月觀察下來pixel team沒有外界傳聞的奇怪，可能是因為現在台灣辦公室人真的很多，以前的team都拆了很多次，有些改為北美管轄遠端report，report chain還是持續在更新。 -- 雖然PTT大多是中老年人,但是對於轉職Google來說,這份經驗心得也頗值得參考包括原作者刷題/英文學習/技能轉換的部份, 輔大企管轉資訊最後進Google,算是美事一樁了.Dcard有不少好文章 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.43.106.99 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1752747454.A.612.html

推

holebro

07/17 18:23, 5小時前 , 1^F

07/17 18:23, 1^F

推

SkyIsMyLimit

07/17 18:35, 5小時前 , 2^F

07/17 18:35, 2^F

→

SkyIsMyLimit

07/17 18:35, 5小時前 , 3^F

07/17 18:35, 3^F