我的美国cs面试经验分享

我的美国cs面试经验分享很多人对这个问题比较感兴趣，下面让我们一起来看美国哥伦比亚大学计算机科学专业的留学经验分享，希望可以帮助到你。

• 美国哥伦比亚大学计算机科学专业的留学经验分享
• 美国大数据工程师面试攻略
• 美国工作求职面试问题有哪些？有什麼值得推荐的面试技巧分享下鸭？
• 美国留学：计算机博士在美国找工作的情况如何？

美国哥伦比亚大学计算机科学专业的留学经验分享

 　　哥大CS招收国内哪些学校学生?名校CS看重申请者什么背景?下面86分享哥伦比亚大学计算机科学(CS)专业在读师兄的访谈记录。

师兄自我介绍：

我叫陈钱远，目前在哥大读CS的MS，还剩一学期就毕业啦。本科是武汉大学计算机科学与技术专业～

Q1.师兄是15年秋入学哥大的，在现在看来，在哥大读CS让你有哪些比较大的收获呢？

首先专业上还是学到了很多新东西。哥大的课程绝大多数质量还是不错的，我修了很多本科没有上过的课，还是学到了很多，即使是本科上过的课再上一遍也觉得学到了些新东西。

我觉得美国这边最大的区别就是作业的质量很高，压力大一些，需要自己课下多学很多东西，做完后比较有收获。比如说CS的经典课操作系统，国内大家上过的话很多都只是了解概念，理解为主，而这边上一门OS的话 会深入到Android内核改代码，经常需要读几百行Linux源程序来完成一次作业，几次作业下来会发现学到很多东西。

第二个收获，这里有很多实习和项目机会。无论校内校外，我第一学期在实验室做了一个项目，第二学期在纽约一家金融startup实习，觉得还是蛮有收获的，而且对于以后找工作找实习有挺大的帮助。

这两条是比较突出的吧。当然还有很多出国都会经历的，比如语言的提高呀，视野人际的拓展， 体验生活一类的。

Q2.我了解到师兄即将要去加州的google公司实习，请问具体是哪个岗位呢？又是如何找到这一份牛实习的？

我是software engineering，就是传统的码农啦。在Google Play组，做内部系统JS控件的开发。我是去年12月左右在一亩三分地上找的师兄内推，然后今年初寒假的时候两轮技术面试后，team match了两轮以后最终定下的这个实习。

准备的话，上学期末大概花了半个月修改简历，上学期有时间刷了些题，面试前看看最近的面经，而且运气也算比较好哈哈。

Q3.可以分享一下竞争是怎样的吗？比如从多少人中挑选出来，一般来面试的都是哪些背景的？

竞争的话，今年Google招的算很少的，今年大公司实习名额普遍缩水，招的都比较少。身边基本所有人都会去面Google，无论CS还是EE的，基本都会海投各大公司，很多其它专业也会来面Google。

Q4.整个内推过程是怎么样的？是怎么勾搭，然后愿意给机会的？

哈哈~其实很简单，我就发了封邮件，请师兄帮忙内推，他就同意了。我在一亩三分地的内推版找比较近期的帖子，然后准备一个个发邮件，就附上自己的简历，附带简短的自我介绍，不需要刻意勾搭，就说求帮忙内推就好，然后找的第一个师兄就愿意帮忙了。其实一般愿意发帖帮忙的人都不会很困难的，找最近的大胆发就好。

Q5.针对CS这个专业，对于希望在留在美国找工作的中国学生，师兄有什么建议和可行性方案吗（如遇到最大的障碍是什么？如何克服？等）

首先对于本科就是CS的，在美国找工作还是比较有优势的，因为周围转专业来的非常非常多，但是你多学的四年还是给了你很多别人没有的经历，这尤其在找实习的时候非常有用，所以建议你们一定要在出国之前整理好你们本科做过的东，项目啊论文啊什么的，比如建好维护好自己的Github，写好简历，这些很多在面试都会被深问的。

然后转专业的话，一定要提前刷题，先好好学算法，然后挑一门语言运用熟练，可以没事跟一些网课呀，做一点小项目啊(网页啊、app一类的)，因为你开学了就没有时间做这些事情了，充实你的简历。当然我觉得对转专业而言，最重要的是培养对CS的兴趣，为了就业转来学不进去的话其实很累的。

Q6.师兄打算在美国工作几年回国，这个规划是出于什么考虑呢？你对回国 CS专业 就业的前景如何看呢？

我毕业应该会工作3-5年回国吧~主要是觉得一年半太短了呆不够啊，哈哈!我需要更长的时间体验下生活。

我觉得目前国内CS的前景还是不错的吧，这方面目前还没有深入的了解，不过有一点，国内CS的饱和程度应该比美国还是低一点，所以找到工作肯定不成问题，主要看找到多好的啦!当然工作经验是特别重要，海外的工作经历也会有很大的帮助。

世界顶尖CS公司都在美国，所以花这么大功夫出来肯定还是要体验下这里的氛围技术的，而且这对于回国的帮助也很大吧我觉得，直接回来其实对于本身技术的提高并不多，对于回国在找工作帮助也不够大，所以积累些工作经验还是很必要的。

Q7.请具体介绍一下哥大的这个CS项目，包括项目的学习长度、培养方向、学习模块，谈谈你认为这个项目适合哪些人去读。

这个MS总共一年半，最快也可一年毕业，已修课为主，10门课，修完即可毕业。前两学期要求full time(至少4门课)，所以绝大多数选择4+4+2，也可以5+5提前毕业。

项目分以上这些track，每个track有自己课程设置细节，比如包括哪些必修哪些选修一类的，我是自然语言处理方向。

适合的话，感觉总体而言适合准备找工作的人读，因为研究型课程比较少，实验室机会需要自己争取，当然你喜欢研究也可以选择论文毕业也有很多和老师接触的机会。

Q8.刚刚师兄也提及作业很多，整体来说，师兄觉得项目的学习节奏如何？课程难度大吗？课程难度主要是哪些方面？（比如数学、编程、写论文等）

前两学期压力还是蛮大的，4门课一学期在美国MS算多的(普遍是3门)，所以尤其对于转专业底子不强的同学还是压力挺大的。因为还要准备找实习找工作，所以第一年会很辛苦。

课程的话，就完全取决于具体的课了，有killer(比如刚提到的OS)，也有很多水课，所以根据自身兴趣和精力调节，适合自己就好。

具体难度也取决于课程，有的理论难，比如machine learning;有的编程重，一门课写3个基于web的大作业;也有论文的，完全看课程要求。本科有底子会好些，但是总体还是比较累，因为作业大多数比较难，需要花不少时间。

Q9.项目的教学模式有哪些？项目的师资力量如何？平时与老师的交流接触多吗？

模式很多，比如上面提到的传统授课型，论文型，research型(做一学期项目没课)，沙龙型，很多的 ，看老师如何设置。还有很多很有意思的课，比如3人组队一学期全写程序啊，一学期全读论文啊，都有。。

常驻师资力量一般，大概40-50人左右，但每学期会有很多visiting professor，来自其它学校或业界各大公司，到哥大授课。比如我上过的8门课里，就有来自Umich的访问学者，IBM的高级工程师，startup的CEO。和老师接触机会很多，每周都有2小时答疑时间，给老师发邮件他们也很乐意回～

Q10.这个项目在师兄那一届招了多少人？其中中国学生有多少人？class profile怎么样（本科学校、专业、GRE、TOEFL等）？感觉身边的同学怎么样？

一级大概200人左右，中国学生40-60人吧，转专业居多，大概60%左右，来自的学校很多很多，基本耳熟能详的院校都有来的～身边有超多牛人，而且有很多同学是有工作经验的，半年到5年工作经历的都有。

Q11.师兄可以具体说说来自哪些院校吗？一般是什么专业转到CS的呢？他们的GT大概是多少呢？

我身边的同学，有来自清华的、北航、上交、华科、南大，还有很多海本的。一般是通信的、机械的，就是和EE挂钩大一点的转来的比较多。也有化学的数学的转来，我们级武大加我4个CS的。

Q12.项目就业资源如何？学院会提供什么就业方面的帮助？

我觉得项目提供了很多帮助就业的资源，学院会办一学期一次大型career fair和若干次小型的，每周会有很多公司来学院开info session(平均一周3次吧，有时候多的天天有不止一次)，学院有专门的秘书负责转发公司发来的招聘邮件，还有很多networking的机会，和校友啊，hr啊什么的。

Q13.师兄是否了解，项目往届中国学生留在美国就业的人数多吗？最后都去了什么企业？回国的同学都是去哪里的呢？

CS基本都就业了吧，很少听说找不到工作的，CS形势还是不错的。

这个是linkedin里面校友的分布，我不确定是CS的还是工学院的，不过大致看大公司还是为主的。前面毕业很久的学长学姐也了解的不多。回国我知道有人去了阿里和百度。

Q14.接下来谈一下申请方面，大家来取取经。师兄你认为当时拿下这个哥大录取的关键是什么呢？

我觉得哥大比较看重硬件吧~分数啊，项目啊什么的。当时和Daisy老师花了很长时间完成的文书我觉得帮助很大，怎么能发掘出本科做了的东西里面的重点，并且很好的表达出来很重要。PS里面多体现下你对这个项目的研究，加点个性化的东西挺重要的，找几门感兴趣的课，或者研究型的话找一些老师的研究方向了解一下，我觉得会很有帮助。

Q15.那在整个申请准备过程中（从考试复习到申请完成），你是如何规划的呢？

我大概大二下开始准备考试吧，先G后T，拖的比较长，但都是考前突击一个月，然后大三暑假实习完回国才开始准备文书，10月份左右，花了一个月吧准备所有的材料，然后就改一所投一所。其实我觉得我的流程有点点偏晚了，如果9月份或者暑假就开始准备文书是最好的。

Q16.最后，对于即将申请或者即将出国的同学，你有什么建议给他们吗？

主要就是一定要尽快，能早就早别赶deadline，写文书的时间远比想象中长，所以留够足够的时间。要自己多主动点，总是等着老师来催的话进度就会很慢，我当时因为玩游戏较多，很多时候都是老师催了才开始弄。

美国大数据工程师面试攻略

项目数据分析师分享：美国大数据工程师面试攻略
方法/步骤
先做一个自我介绍，本科南开后，加入了一个创业公司kuxun，做实时信息检索，后来进入百度基础架构组，搭建了Baidu App Engine的早期版本，随后去Duke大学留学，在攻读硕士期间，做跟Hadoop大数据相关的研究项目Starfish，之后在Amazon EC2部门实习，了解它们的内部架构，毕业后加入Linkedin，做广告组的架构，涉及Hadoop调优，Data Pipeline, Offline/Online, 实时系统。最新是在Coursera从事数据工程师工作。在多年工作中，除了对技术的不懈追求，也积累了大量的面试经验，从国内的一线互联网百度，阿里巴巴，奇虎，人人，到美国一线公司Facebook，Google，Linkedin，Twitter，Amazon，到热门Startup，Uber，Pinterest，Airbnb，Box，Dropbox，Snapchat，Houzz，拿到10+ offer，并且在Linkedin期间也面试过100+候选人，参与面试题制定，乐于分享并帮助很多人成功求职，实现目标。
我们看一下这张硅谷地图，它坐落于美国加州，从圣何塞到旧金山的狭长地带，中间是San francisco bay，简称湾区。它的由来是这边有计算机核心处理器中离不开的硅，30年来，硅谷就发展成为无数技术性创业公司的摇篮。在20多年前，就有很多硬件公司的辉煌Intel，Oracle，Apple，Cisco成功上市，10年前，互联网的兴起，造就了Yahoo，Google，Ebay的神奇，而如今Tesla，Facebook，Twitter，Linkedin正扶摇直上，成为美股高科技股的领头羊。这些公司的市值从几十billion到几百billion，PE从负数到上千。疯狂的估值背后也改变了世界。
如果说硅谷成功是有原因的，我觉得有两点。地理位置是得天独厚吸引大量人才，这里有Stanford和加州州立高校提供智力库的支持，在硅谷可以看到来自全世界的最聪明的人，中国人，印度人，犹太人构成这些Engineer的主力。虽然国内做技术自嘲为码农，但在硅谷成为一个优秀工程师还是收获颇丰。另一方面创业是一个永恒的话题，在Stanford有个说法空气中都飘扬中创业的味道，一些早期员工通过上市套现又积累经验成了天使投资，Y Combinator，各种技术forum，meetup，创业导师，都很活跃。资本的力量功不可没，早年VC通过投资，收购，上市放大形成一个雪球效应。大家总喜欢问什么是next big thing，哪一个是下一个facebook，下一个musk，根据统计10年能成就一个千亿以上的公司，目前这个进程正在缩短。
我就拿Linkedin作为例子，介绍高科技公司（FLG）是什么样子。它是成立2003年的职业社交网站。在10年的发展中，也不是一下子爆发的，目前有3亿的全球用户，虽然跟Facebook，Google 10亿＋用户没法比，但是它有很好的护城河，用户定位高端精准，单位价值高。这张照片中左边这位是创始人Reid Hoffman，是Paypal黑帮成员，在硅谷也是呼风唤雨的大佬，目前是董事和投资人。中间这位是CEO Jeff，2013年被Glassdoor评为最佳CEO，作为职业经理人，成功帮助linkedin高速成长，他最喜欢提到transformation，希望我们每个员工能挑战自我，在各自岗位上进化。Linkedin提供了员工很好的福利，有号称湾区最佳的免费食堂，每个月一次的in day，hack day, 帮助员工内部创业的incumbator计划。它特点是数据驱动的开发产品，比如 People you may know, Job you may be interested, 我做过Sponroed Ads 都是需要很强数据背景和data scientist的支持。它的Biz model也很独特，有3个line，面向公司的招聘服务，面向广告商的市场服务，面向个人的订阅服务，还有最新Sales Solution，因为这么多可能性，成为华尔街的宠儿。
说硅谷，除了那些已经成功的大公司，不得不说现在最新的创业动向，这些代表了未来下一个FLG。我总结了一些领域和代表公司：云计算(box, dropbox)，大数据(cloudera)，消费互联网(pinterest)，健康(fitbit)，通讯(snapchat)，支付(square)，生活(uber)。 这里是华尔街网站更新的最新融资规模，比如Uber就达到18Billion的估值，我当时拿到offer没去，还是觉得很疯狂，如果细看这张表，大家可以看到硅谷（蓝色）尤其是旧金山它们的融资规模远远大于其他地区，还是地理决定论。而在国内的两家xiaomi，jingdong都是在北京，而最近大家看到一些泡沫论，说什么阿里巴巴上市是否美股到顶，经纬VC创始人也提醒我们泡沫的风险，我无法判断。如果能参与到下一波浪潮里面去是很过瘾的。我推荐大家去看看 <浪潮之巅>，<奇点临近>，我还是很期待未来20年的技术革命。
我个人热爱大数据，在硅谷这也是大家津津乐道的，有个笑话，big data is like teenage talking about sex, nobody know how to do it. 其实大家还是兴趣驱动就好，不要那么功利，大数据技术涉及太多，平常工作中也是慢慢积累，有无数的坑和技术细节需要克服。并不是说那个技术最热就要用哪个，如果你用不好，你的压力很大的，举个例子，你用某个开源数据库，发现它偶尔有数据丢失怎么办，如果这是线上服务，你不断收到报警，这时候你当时选用它的优点 scalable，容错性都没意义了。接着说大数据，这里面Hadoop作为行业标准，我面过的除了Google，微软不用，几乎所有的公司都在用，建议大家利用这个机会。这里面有三巨头，cloudera是老牌Hadoop咨询公司，Hadoop的创始人做CTO，Hortonworks也是很多Hadoop的committee，MapR是提出hdfs的erasure 编码方式高效而著名，它们都是融了巨资，模式也很像，先推出社区免费版，但有个商业版提供更好的管理。 而今年出现一匹黑马，Spark，简单说就是内存级别的计算，比Hadoop框架里能节约IO，利用缓存，能适应批处理，迭代，流式计算。
这里看一下它的生态系统，如何学Hadoop是个循序渐进过程，先要理解学习它的core系统，HDFS, MapReduce, Common，在外围有无数的系统工具方便开发，我个人用过的是 Avro作为数据格式，Zookeeper作为选主的高可靠性的组件，Solr作为搜索接口，Pig搭建工作流，Hive 数据仓库查询，Oozie管理工作流，HBase 作为KV 分布式存储，mahout数据挖掘的库，Cassandra nosql 数据库。我建议初学的考虑Chinahadoop的课程。
而Hadoop本身也是个进化过程，几年前0.19版本，到0.20, 0.23分流成Yarn架构最后进化成Hadoop2.0, Hadoop1.0 和 2.0 它们的接口和组件是完全不同的，但总体上Hadoop 2.0 是趋势，因为它有Yarn这样分离的资源管理平台，可以以插件的方式开发上面的Application，解放了生产力，而像Spark，Storm这些新型处理器也是支持Hadoop 2.0的。这里是Hortonworks它们提出来的社区版本架构，可以说标准的制定者，一流的公司制定标准，其他的公司一般用只能用它们提供的稳定版，没有多少话语权。但从事大数据，并不见得是要去这些制定标准的公司，大量的应用也是非常考验架构的灵活性。并且能看到实际的产品，很有成就感。
说到今年火的，还是要看Spark。从去年至今，已经开了2届Spark大会，上千人的规模，无数人对比Hadoop 100倍的性能提升而兴奋。这里说它的背景是诞生于Berkeley的Amplab，它们有个很有名的BDAS(Berkeley Data Analytics Stack)，目前Spark已经成为Apache的顶级项目。去年这个实验室的教授跟学生出去成立Databricks公司，拉到两轮上千万的风投，有人成Spark是Hadoop的终结者吗？我看今年Spark大会上，所有的Hadoop大佬公司都是鼎力支持，像Cloudrea甚至放弃impala的一线支持而转变成Spark。如果这么发展下去，星星之火可以燎原啊。它里面用到Scala是一种函数式语言。里面的组件也很多，有Shark支持SQL类似Hive，有Spark Streaming，MLlib，Graphx，SparkR，BlinkDB。它的核心数据结构是RDD，可以跑在各种分布式系统上。总体上是个包容性＋侵略性的系统。我个人也很看好它们的发展。

美国工作求职面试问题有哪些？有什麼值得推荐的面试技巧分享下鸭？

（一）关于个人方面的问题
1、请介绍一下你自己
在面试前用人单位大多都看过了毕业生的自荐材料，一些基本情况都有所了解，所以在自我介绍时要简洁，突出你应聘该公司的动机和具备什么样的素质可以满足对方的要求。
2、你有什么优缺点
充分介绍你的优点，但最好少用形容词，而用能够反映你的优点的事实说话。介绍缺点时可以从大学生普遍存在的弱点方面介绍，例如缺少社会经验。但如果有不可隐瞒的缺陷，也不应该回避，比如曾经受过处分，应如实介绍，同时可以多谈一些现在的认识和后来改正的情况。
3、你是否有出国、考研究生等打算
很多毕业生在毕业时同时准备考研、就业和出国，先找单位，如果考研或出国成功就与单位解约。从单位的角度来说，招聘毕业生需要时间和费用，而且签约了一位毕业生就等于放弃了其它，所以在签约前首先确认毕业生是否考了研究生或准备出国，毕业生应如实地表明态度，以免签约后产生纠纷。
（二）关于学业、经历方面的问题
1、你对自己的学习成绩满意吗
有的毕业生成绩比较好，这样的问题就很好回答，但对于那些成绩不太好的毕业生，可以表明自己的态度，并给予一个合适的理由，但不能找客观原因，如“老师教得不好”，显得你是推卸责任的人，同时最好突出一个自己好的方面，以免让人觉得你一无是处。
2、你如何评价你的大学生活
大学期间是职业生涯的准备期，可以强调你的学习、工作、生活态度及取得的成绩，以及大学生活对你的影响。也可以简要提一些努力不够的地方。
3、你担任过什么职务或参加过什么活动
可以介绍一下你的实习、社会调查、社团活动、勤工俭学等方面的情况以及取得的成绩。最好还能介绍你在这些活动中取得的实际工作经验对你今后工作的重要性，它能说明你是一个善于学习的人。
（三）关于单位方面的问题
1、你了解我们单位吗
只要毕业生提前做些准备，从多种途径收集用人单位的信息，这样的问题就比较容易回答，如果答非所问或张口结舌，场面可能会很尴尬。
2、你了解我们所招聘的岗位吗
毕业生针对这样的问题可以从岗位职责和对应聘者的要求两个方面谈起，很多毕业生在这样的问题面前手足无措，其实只要详细阅读单位的招聘信息就可以了。
3、你为什么应聘我们单位
毕业生可以从该单位在行业中的地位、自己的兴趣、能力和日后的发展前景等角度回答此问题。
4、你是否应聘过其它单位
一般的单位都能理解毕业生同时应聘几家单位的事实，可以如实地回答，但最好能说明自己选择的次序。
（四）关于职业方面的问题
1、你找工作最重要的考虑因素是什么
可以结合你正在应聘的工作，侧重谈你的兴趣、你对于取得事业上的成就的渴望、施展你的才能的可能性、未来的发展前景等方面来谈。
2、你认为你适合什么样的工作
结合你的长处或者专业背景回答，也许单位是结合未来的工作安排来提问，也许只是一般性地了解你对自己的评价，不要说不知道，也不要说什么都行。
3、你如何规划你个人的职业生涯
毕业生在求职前一定要对这样的问题有所考虑，并不仅仅是因为面试时可能被问到，对这个问题的思考有助于为个人树立目标。
（五）其它方面的问题
1、假设某种情况你会怎样做
比如你是秘书，准备了10个人的会议室但来了13个人开会你会如何处理等等。
2、知识性的问题
如果招聘岗位是技术性的岗位，在面试时很可能会问到与专业知识相关的问题，甚至直接出道题目让你解答。
3、你有什么问题需要提出
有的毕业生愿意就“你们在我们学校招几个人”、“你们单位对毕业生有哪些要求”、“什么时候给我们最终的答复”这样的问题进行提问，实际上很多单位在自己的招聘信息中已经对这些问题进行了详细的说明，如果提问只能表示你对招聘信息关注不够，可以就如果被公司录用可能会接受的培训、工作的主要职责等问题进行提问。
面试技巧——经典面试问题回答思路
面试过程中，面试官会向应聘者发问，而应聘者的回答将成为面试官考虑是否接受他的重要依据。对应聘者而言，了解这些问题背后的“猫腻”至关重要。本文对面试中经常出现的一些典型问题进行了整理，并给出相应的回答思路和参考答案。读者无需过分关注分析的细节，关键是要从这些分析中“悟”出面试的规律及回答问题的思维方式，达到“活学活用”。

美国留学：计算机博士在美国找工作的情况如何？

美国计算机cs专业是理工科申请的热门专业，那么计算机博士在美国找工作的情况如何呢?下面我给大家分享一位cs博士找工作的经验。 　　本文转载自一亩三分地论坛
作者：pguan
文章来源：http://www.1point3acres.com/bbs/thread-38437-1-1.html
找工作找了3个月，身心疲惫，现在终于算是确定下来。这里PhD找工作的帖子很少，我就抛砖引玉，谈谈CS
PhD找工作的情况和感受吧。每个人的情况都不一样，但我相信有些东西是普遍适用的。
如果有其他问题，请跟帖问，我没有想写太多，现在年纪大了，码不动字了。
思考篇：
首先要恭喜每个可以开始找工作的phd，这一般意味着研究已经进入尾声，毕业已不遥远，这是一个重要的信号。一般来说到了这个阶段，每个phd对自己都有了定位。phd大概三条出路：1)faculty(postdoc)。对于这条路我不用多说，一般要先来个postdoc。这条路比较艰辛，不过我身边还是有不少人走的。2)industrial research lab，这是一个research 和 development结合的产物，好处是能够做一些研究，title fancy，绿卡可能会快，但其实除了MSR都不是以发paper为目的，不好处是job security不如software engineer (SE)好 而且以后的选择面不如SE宽。你可以认为对于大部分公司来说，这个职位是一个有很强domain knowledge的SE。3)Software Engineer。从待遇上来说，3 ~= 2 > 1。 我个人认为在找工作的时候，可以从3个中选2个同时进行。一般是1,2同时或是2,3同时。这是你要做出的第一个决定，其实就是你想不想做fauclty。之所以不能同时3个进行是因为1,3对于准备的差别太大了，精力肯定跟不上。如果选1，那么有很多文书上的包括research 和 teaching statement 还有给很多talk，修改你的ppt等等。如果选3，那就要开始做题了，算法，数据结构之类的。这两个每个都比较花时间。我根据自己的情况选了2,3组合。
准备篇：
我主要是在两方面准备. 一般research lab都会给你一个机会给个talk，我主要强化了自己的ppt以及如何能够让talk浅显易懂。我觉得对于research lab的面试，talk是很重要的一个因素，也是能够自己把握的因素，所以一定要准备好。google 搜搜 how to give good talk。research lab一般给你面试机会就说明他们对你的publication比较满意，剩下的就看你的思路，communication，和感觉了。可能会有一些coding的问题，但基本是不用刻意像面SE那样去准备的。这里我想强调communication，对于researcher来说，它非常重要，这个的提高比较难短时间内完成，所以建议在读phd好好练练presentation，多参加会议，多跟别人讲你的research。software engineer的准备就不多说了，就做题吧。我在编程基础不错的情况下准备了2.5个月左右，我的大部分准备时间是花在写code上了，因为我觉得research已经定了，变数已经不大了。
面试：
网投的成功率对我来说是0，当然我也没网投几个。我的时间赶的不好，不在career fair期间，所以我大多是靠会议的connection，找人内推，猎头来找我。
Google：靠内推，经历2轮电话和onsite 5轮面试，最后拿到 software engineer offer。这个过程很艰辛，google的战线很长，而且不确定因素很多，最终能拿到有运气成分，但是如果不做题是肯定没戏的。
Microsoft：导师推荐，经历2轮电话和onsite 7轮面试，拿到一个 startup bussiness group 的offer。其中绝大部分面试是research为主，有两轮coding。这个组属于research+development，但待遇没有很大优势。
Intel Lab：导师推荐，经历1轮电话和onsite 7轮面试，拿到 research scientist offer。其实做的东西还是和我背景算是匹配吧，但是考虑到intel的软件能力令人有些担忧，还是很可惜的决定放弃。
DE Shaw：猎头找我，经历1轮电话和onsite 5轮。其实面的不错，已经到了最后一步高层决定offer了，但也许他们因为知道了上面3个公司的情况，最终决定不给offer了，当然也许不是这个原因，但这个就是永远的谜了。
Two Sigma： 猎头找我，第一轮2个小时做2个题就挂了，做超时了，用了2.5小时。这种面试方式真是变态。
SRI International：会议connection，一个很强的研究机构，经历电话和n轮onsite面试，拿到computer scientist offer，最后被我decline了。
最后决定去google了，要跟research暂时说拜拜了，不过以后说不定还会有用武之地：)