CyberLink 面試

面試時間是 9:30
我起床後的時間是 9:00
整理好服裝儀容後的時間是 9:15
車子的油已經幾乎快沒有了
( 有在那麼緊張的嗎 有在那麼緊張的嗎 有在那麼緊張的嗎 有在那麼緊張的嗎 囧)

為了貫徹我的使命
我還是相信我的車子能順利帶我到CyberLink

果然 一路上很順暢 也闖了一個紅燈
在約 9:37 的時候到了訊連

心總算平靜下來
寫了基本資料後
接著就是智力測驗
大約18分鐘左右要解決60題

結果當然是寫不完
不過寫的應該還不差

面試者有三位
第一位人資 第二位網路部門的主管
第三位好像是負責核心系統開發的主管

整個面試 全都是問專業性問題
人資還好應付
第二位年輕的主管就稍微難對付些
考我 MVC 架構
曾經工作與比賽的經驗
等等的 ….
當然也被他 K 了一下 : MYSQL & ORACLE 的差別
說實在的兩種DB只是ACCESS的方式不同
實際上用起來的差異也是在實作才會深刻體會
輪到他講自己的東西時
恩~ 也是個大體的架構
用到P2P的技術 & 一些沒有說明清楚的技術 XD”
總之 稍微覺得主管年輕一些 : )

第三位主管 就比較老練一點
當場有點讓我難以讀出他的心思
看似隨和平靜的他
卻不斷的在探測我的心房
這時回話就要機智一點
照慣例 來個考題: Process 和 Thread的差別
這是個 OS 的題目
由於當場來個這題
我回答的方式也比較偏向於應用導向
恩 不過自認為沒有靜下心來答的很好
不然我還可以扯出一堆呢 XD
JAVA寫的程式 他看完沒有給我太多的意見
可能他接觸的都是 C/C++吧 XD
簡而言之 最後把程式結果與內容介紹一下
主管就批哩啪拉的把公司狀況與focus的部分一一介紹
真的滿有禮貌而且感覺的出來他實力堅強

同樣的 表達自己的意願與禮貌後
當然是希望人家可以接受我們

接著就是祈禱囉 : )

PHISON 面試

到了新竹車站的時候已經12:30
接著搭計程車到PHISON
機車的被炸了 400 元
心中無限的 ” 幹 ” = =”

算了 … 司機還真是沒良心

到了PHISON一樓接待處
整個風大到好像是在刮颱風
拿完履歷單填完之後
接著就是考筆試
總共出了三題
關鍵就是要你寫出記憶體耗費小
不要浪費CPU的程式

寫完
一位好像在睡夢中的主管走出來跟我面試
一開始跟我介紹公司
他”眼睛閉著”介紹 … ( 無言 )
接著就問我論文的題目
順便掃著我筆試寫的CODE

三題我想我都寫的很棒
所以主管也沒覺得什麼需要改善的

就著樣
他問完我論文題目後
他就完全沒問題了 ….. ( 無言 )

接著好像變成我是面試官 …
接連的出了好幾個問題給主管回答
為了不要讓廠面太冷
我就問了幾個日常生活的問題 …
( 風已經這麼大 在冷下去就冰天雪地 )
( 如果阿豪去面試遇到這位長官 我看他會穩沒輒)

就著樣 ” 平淡 “的面試在30多分鐘後結束
我想我這趟旅程
學到的東西不多 …
但是又見識到另一種人格

最後問完主管的名子
我就搭了小黃回車站 ( 240 元 )
這次的小黃就很有水準
司機人也很好
從公司聊到車站

總之 這是一場有點無言的面試

WebIR Assignment 1

作業雖然很機車
但是從中學習到合作的重要性
更體會到跟一群強者合作的快樂

不過最重要的是
組員們個個都很謙虛
而且也會適時提供意見
這感覺太棒囉
當然互相信任幫忙是必須的

不過這就是做學問的樂趣之一

這門課也許就是我人生的倒數最後一堂
在學校修習的專業課程囉

我的 Proposal 核心

Tagging 的部份 :
由於CF的運算是要採取 co-rated items 的方式去做similarity比較
如果單純以 paper 作為 item,則使用者彼此之間的co-rated的item
set 一定不會很大,甚至很可能為空集合,而無法計算similarity。
而我希望能藉由Tagging的方式,把一篇paper擴增成讓許多Tags
來描述這篇paper的特性,利用這種方式,即使是兩篇不同的paper
,但是他們屬於同一類型,很可能就會被使用者們歸類為同一個Tag。
因此比起傳統用SVD來降低Rating Table的維度(維度是要用tune的),
來增進co-rated的機會,在這邊我是利用Tag的方式來增進 co-rated
的機會(維度是由使用者的Tagging情況決定)。當然很可能Tagging
Space不一定會小於Item Space,但是我的目的只是要增進使用者間
有意義的co-rated的機會。(在此co-rated意思為兩個使用者擁有同一個tag)
而利用Tag的方式是否會改善傳統以paper(item)方式的co-rated機率
就是我要做實驗來驗證的。

Social Recommendation 的部份 :
傳統的CF運算是針對一個使用者(Target User)的行為,來找出系統中行
為跟他相似的 ” 朋友 “,進而分析他朋友喜歡的東西,來推薦給我們的Target
User。因此CF定義朋友的方式,是採取行為間的相似度高的那群人來當作
我們的 Target User 的朋友(儘管Target User實際上不認識他們),所以有
些學者也把CF歸類為Social Recommendation的一種方式。而在我的Proposal
中所提及的Social Recommendation除了會利用到CF的運算,此外還會考
慮使用者”自行加入”的朋友,在此的”朋友”就是使用者認識的朋友(很可能是現實
世界認識,或是網路世界認識)。而在CiteULike資料庫中,有提供組Group的
功能,同一個Group的人們(也許興趣相似或是不相似),彼此之間都可以當作
是朋友關係。我希望結合CF的運算與使用者自行定義的Friends的方式來增進
Recommendation List的diversity(多樣化),因為使用者自行定義的Friends很可
能在CF的運算中並不會被納入為”朋友”的考量。而我所提的Social Recommendation
的方法是否可以增進傳統用CF的方式之diversity,也是需要做實驗來驗證。

Personalized Recommendation推薦的東西比較傾向於使用者原本就喜歡的東西,
因此推薦的重點在於強調是否能準確抓住使用者的興趣,進而推薦一些他有興趣閱讀的東西。

Social Recommendation推薦的東西比較傾向於使用者 “可能” 會喜歡的東西,可能
他還沒接觸過這類型的東西,但他很有可能會喜歡,強調的是準確抓住使用者的興趣外
並且利用mining social relationship提供多樣化(diversity)的推薦列表。

在我的work中,並沒有傳統的Rating table使用者明確給予的評分來讓我跑推薦演算法。
在此,我推算的preference數值實際上只能當作baseline參考而已。因此重點就會在於
如何利用使用者的feedback來改善我們推薦系統的效能。

TSMC 面試

今天去新竹面試TSMC IT部門的職缺
我提早了一小時到了現場
整整呆在沙發椅上直到了9:20
服務人員就帶領著我們這團應試者去考英文能力測驗
原本還很怕聽力測驗 沒想到還是被我湊到了7級
閱讀湊到了8級 整個測驗就覺得閱讀測驗時間實在是太趕(16題15分鐘)
來不急作答完畢 最後3題就隨便亂猜 都猜 B
聽完測驗後 可能是我第一個先到現場報到
於是就被排再第一順位面試
面試者有兩位 他們有秀他們的名子給我看 ( 但是我都忘了 )
不過兩位都是IT部門的主管就是了
一開始就先來個自我介紹一下
按照慣例 根據自己所學與興趣嘴砲了一下
接著主管們就針對我曾經參加過的比賽接洽過的專案
開始了接連幾彈的申論題嘴砲
(談的不外乎是Web Application、Coding的preference、和客戶溝通的技巧
、專案的分工方法、與夥伴相處的哲學、說話的技巧等等的….)
這種談經驗的問題其實是最好回答的
也很剛好兩位主管的個性與台風都是我有見過的類型
所以也不會讓場面太冷
面試時間大約40~50分鐘
無論專業興趣休閒人生觀無所不談 簡而言之: 聊天
有說有笑 XD
當然最重要的還是在描述自己的專業能力時
不忘了保持謙虛的精神
老實說 我感覺不到這兩位主管有高高在上的威風氣勢
反而他們也很融洽的把我當作朋友在聊天
於是乎 我也把它們當作朋友 也問了他們幾些問題
像是他們如何審核我們這些面試者的流程
或是公司人才比例狀況等等的
整個過程讓人覺得他們很誠懇
我也盡力了用述說了他們想要了解的事情
最後面試完畢
最後一關 被一位HR拉去角落洽談
告知我主管們滿prefer我這個人
也跟我談了Advanced Offer的流程
感覺就是要給我VIP一樣
我想這次機會很大
:) GOD BLESS ME.