虽然现在欧洲还在work from home的期间，AWS ML Specialist Solutions Architect。就趁在写铁人赛的时候顺便跟大家分享一下这次的面试经验，从面试者的角度，怎麽准备这份工作吧!!

注*每个人的经验可能会因为不同的位置或背景而有所不同，在这边仅分享个人的看法与经验。

关於ML SSA这个位置

有些人可能有听过SA(solution architect/解决方案架构师)，一般来说这个角色负责组织内一个或多个应用程序或服务的设计，或是替客户负责该组织的服务设计。他（她）必须具有平衡的技术和业务技能组合，并且经常与客户一起制定战略方向。这个位置不一定会深入客户的团队做实作，但是会带客户看到方向跟可行性。一般的SA拥有比较完整的知识，包含整个解决方案交出去的时候的安全性、稳定性以及客户的适用性。

而SSA(Specialist Solution Architect/领域专家解决方案架构师)，则是和SA关注在不同的面相，在解决方案中针对某一领域的问题提出相对应的系统架构。举例像是ML SSA，就会负责系统架构里面，跟机器学习相关产品的系统设计。

大家可以把解决方案想成是客户想要盖的房子，SA会负责整体的架构，并确定房子是安全且稳固的。ML SSA则是会专注在房子里面的smart system的设计，或是其他在这个房子里面的AI系统的设计。只是在我们的工作当中，交付的则是客户在云端的产品，而非真的房子。

这边摘录几项JD里面的描述：

• 您将在从数据准备和功能工程到模型部署和再培训的端到端模型开发生命周期中不断增强知识。您将利用自己的专业知识，为欧洲，中东和非洲（EMEA）的客户提供有关构建和运行ML解决方案的最佳实践的指导。

• 您将分享有关安全性，成本，性能，可靠性和运营效率的建议，以加快客户正在建设的创新和关键任务项目。

• 您将通过综合来自客户参与和ML工作负载的市场趋势的观察结果来表达客户需求，从而为AWS功能路线图提供依据。

• 您将推动最佳实践，技术内容和新参考架构（例如白皮书，代码示例，博客文章）的创建和共享，并在AI / ML领域宣传和教育有关AWS技术和行业趋势（例如，通过研讨会，用户小组，聚会，公开演讲，在线视频或会议）。

建议经验：

• 熟悉ML算法开发，AI / ML平台，深度学习，ML运算。
• 统计学，应用数学或类似领域的坚实基础的经验或学术背景。
• 流利的英语书面和口头交流能力
• 对技术和学习的热情

需要以下一项或多项资格，但不是必需的：

• 可以在本地或云中体验设计，构建，重构或运行AI / ML解决方案的经验
• 相关语言，工具和框架的知识（例如TensorFlow，MXNet，PyTorch，Scikit学习，Kubeflow，SageMaker等）
• 具有担任面向客户的角色或涉及公开演讲的角色的经验
• 具有数据处理，数据分析和数据可视化工具（例如Hadoop，Spark，Presto，Hive，Kibana，R，RStudio）的动手经验
• AWS或其他行业认证（例如，AWS认证的解决方案架构师，AWS认证的机器学习专业）

时间轴

• 2019年底：
  大约在2019年的时候申请了两个跟我前一份工作比较近的位置，很不幸的都没有得到回覆。

  • Data Scientist - ML Labs; 申请时间: Oct. 17, 2019
  • Deep Learning Applied Science; 申请时间: Jul. 29, 2019

• 2020年4月：
  1号的时候收到Amazon内部的招募人员从LinkedIn联系，问我有没有兴趣申请他们最近开的一个位置。後来4月底就跟技术招募人员第一通的电话。

• 2020年5月：
  12号第二关，跟外部门(Technical Evangelist)的面试官面试。

• 2020年6月：
  10号隔壁部门的主管在Linkedin跟我联系另一个SSA的位置(startup SA)。19号第三关，连续5小时跟不同部门的人面试。29号，口头offer。

• 2020年7月：签约。

• 2020年9月：
  跟未来老板提前通个电话，问一下onboard之前有没有另外要注意的事情。

• 2020年10月：onboard。

与招募人员的关系经营

在前面的文章中也提过，跟猎人头与招募人员的关系也是很重要的，这点在这一次的工作申请当中也带给了我很多的安心感。

举例来说，平常自己并不是一个会时时刻刻确认信箱的人，但是如果在工作申请的期间，常常忍不住去重新整理信箱，时时刻刻确认手机，怕会漏接电话。这样的情形再加上可能负责你的招募人员不一定跟你在同一时区上班的状况下，重新整理的焦虑感又会更强烈。

而在COVID期间大家基本上都是在家工作，这可能让某些人少了许多通勤时间，但同时也有一些人必须在家照顾小孩。负责招募的招募人员，我们也在闲聊的时候聊到，他刚好每天都会有两个时段会不在桌前，包含去接送小孩，或是处理小孩的事情。这样的情形下，心里就可以有一些相对应的期待是：对方也是排除万难在帮你处理面试安排，帮你处理信件上的事情。在知道对方最近可能要带小孩看医生，或是他近期回覆信件的时间区间之後，就可以更好的安排自己的时间，不用一直在信箱或手机前面等候。

跟招募人员如果在申请工作期间保持良好关系，也让自己在申请流程可以有比较大的弹性，去询问是否可以安排不同日期的面试，或者可以获得一些对方常见的求职者的求职盲点的意见分享。假如有机会加入公司的话，对方也会是你前几个认识的同事。所以还是会再次建议大家可以跟召募人员好好相处。

面试关卡介绍

就如同前面提到，从招募人员的Get to know call到最後一关5小时车轮战的面试，总共是3关。原本应该总共要有4关，也就是一关招募人员，三关技术人员的关卡。但是跟Evangelist面试过後，後面有一关就被省略，直接被安排後面5小时的面试了。

另外在5小时的面试之前，我有收到Code challenge，但是有其他城市的申请者是收到presentation challenge而不是Code Challenge，所以这部分可能大家在申请上会有些许的不同。请以各地办公室及团队的标准为优先。

以下的内容会比较专注在最後一关的5小时的车轮面试准备。

申请瓶颈

在面试这个位置之前的经验：

• 一年半的後端工程师 + 四年半的资料科学经验
• 熟悉的产业: 电商、房地产、以及ML在商业的应用
• 应用情景: 电脑视觉和少许NLP跟Conversational AI
• 开发场景:
  • 新创资料科学专案的开发和部署
  • 中小企业内部资料科学专案的开发和部署
• 4年微软MVP program

如果从资料科学家去看SA这个位置，甚至是ML focus SA对我来说也还是很陌生的经验。一个原因是不曾在大型的企业专案负责infrastructure，另一个原因则是觉得自己在SA的经验还很不足。所以在准备面试上的时候，就有点像是在准备去地球大气层以外的地方生活，看得见但是却不知道要准备什麽。

突破瓶颈

不过我相信也会有很多人跟我面对一样的问题吧？在面试的时候可能在准备一个不是现在的状态可以看到的眼界，不太知道这个位置会跟谁合作，也不太能想像该职位一整天的工作内容会长什麽样子。甚至不知道可以从哪些地方开始准备跟突破。

另外，Amazon有一项很有名的Leadership principle(领导力行为准则)，也是和其他公司不太依样的强烈面试风格。就公司文化跟这个位置的职能本身，对我来说都是很陌生的。

後来我尝试了几个方法：
1. 上网看youtube影片:
那时候找了几个SA的访问和影片，其中觉得最有帮助的是这个：(图片来源)

还有AWS的官方研讨会，讲者的职称是SA的演讲影片。这个方式可以很快的从演讲的影片感受到这个人对於技术的热爱程度，对方怎麽看待工作的，以及对於一个题目应该要讲到多深、多广的程度。而官方研讨会的内容，有一些不断重复出现的关键字(hybrid, provision, ...等)，也是可以尝试在面试回答的时候穿插在你的回答当中，跟面试官用同一种语言沟通也是相当有帮助的。

2. 从社群找人问问题:
那时候到社群找到了几个前辈：

• 在美国Amazon工作2年的软件工程师，业界经验超过8年的前辈
  分享的关於公司的企业文化
• 在台湾云供应商工作2-3年的SA，业界经验超过15年的前辈
  分享在Partner跟在云供应商的SA的角度不同。谈得比较偏向SA在整个团队内的角色跟客户的相处要注意的地方。
• 在台湾云供应商工作超过8年的SA，业界经验超过15年的前辈
  分享关於在市场上，哪间公司的优势跟劣势在哪里。谈得比较偏向市场的Big View还有趋势。
• 在德国合作厂商担任SA的前辈，业界经验超过8年的前辈
  则是分享在德语区会看见不同公司规模的客户。谈得就会是文化差异、市场比较。

这几通电话帮助了我非常多，不只是上述提到的这几个打开过去担任DS不会思考到的问题之外，他们也愿意分享自己看到DS领域可能的趋势，也会一起想有哪些可以准备的部分。除了聆听我在准备这个位置的烦恼之外，也不外乎鼓励"能获得面试机会就是一个肯定，不管结果如何都要相信自己的能力"。这几个前辈平时也都很忙碌，可是每个人都很真诚的分享他们的经验，一直到现在还是让我感到满满的温暖。

3. 时间规划:

Amazon的每一关面试，大约间隔2-4周，取决於面试时间的安排。经过了上面几通电话之後，就大概把时间分成以下的等份：

• 20% cloud foundation
  因为之前是跟Azure比较熟，需要花一点时间把知道的服务抽换成AWS的服务。如果没有使用过云服务的人，可能也是要花一点时间学习云服务的基础知识。
• 30% sales ability
  虽然这一部分我在面试的时候还是没有太多的概念可以怎麽准备。但是花了蛮多时间在整理以前做过的专案，以及这些专案如何可以讲给非DS或是非开发背景的人可以听得懂。另外，我觉得喜欢自己做过的专案是很重要的一点，当你眼神发光的跟对方介绍过去的专案经验，让对方感受到你对这件事情的喜爱，同时也会感受到你对这个专案後面的技术的热爱。
• 40% AI with cloud
  想说AWS的SSA怎麽可以不懂AI+cloud，这部分就花了一些时间去看一下最近三家公有云的产品更新。哪些功能或产品可能哪一间会占优势，假设要设计以前做过的专案架构，可以怎麽做。另外也针对德国的几个领域，做相关的case study，哪些领域可能会需要什麽样的ML模型，情境会长怎麽样。另外也去访问了之前有用过sagemaker的朋友，关於当时导入的场景，最後团队是否有导入，可能会有的瓶颈点在哪里，学习成本在哪里。
• 10% culture fit/leadership principle
  除了技术之外，熟读leadership principle大概会是每一个Amazonian都会给你的建议。但是如果是技术人大概就会觉得leadership principle可能不是这麽重要，所以我一开始就只规划了10趴给这部分。另外公司文化的部分，也去看了公司近期在COVID期间的媒体发布了哪些内容，挑几则最有感的放在面试小抄里。

总结

所以这算是初期的时间规划，但是也如同大家一般，规划跟执行到面试总是会有一些差距。下一集再跟大家说後来执行起来的结果吧!

欢迎大家订阅专栏，点这里可以看欧洲码农的新手村任务30篇文章列表。
对於这个主题如果有更多的想法，
可以在文章下方留言，
也欢迎在这个google问卷提问：https://forms.gle/aZPXa3ipTdi8HaLY8
或是拜访不定期更新的粉丝页：https://www.facebook.com/bymiachang.tw

我们明天见:)