失眠, 治愈有什么好办法吗？

由一段往事聊到血栓栓塞性疾病
想起了几十年前见到的一对不到40岁的恩爱夫妻：妻子已有多年房颤（一种常见的心律失常）， 但农村人，家境让她无法接受正规诊治， 生儿育女劳作如昔。—— 这病习惯了，在相当一些年月可以对日常生活影响不大。
忽一日， 妻子劳作后一侧肢体突然出现失能，而且无法正常说话，只能瞪着双目用悲急的“咕咕”声向丈夫求救。这可吓坏了丈夫， 于是就急着把妻子送医院，那时候我正在急诊室做实习医生， 第一次看到一位大男人为急病的妻子惶急无措的哭泣。 
孰料想， 躺在检查床上的妻子忽然又能清晰说话了，而且肢体也渐渐能动。那一刻满室生辉！丈夫更是双膝跪地，混合了无限恐惧、忧伤、喜悦、感激的复杂情感，让他泣笑交之，叩头有声！我的心在那一刻划过一道光：原来人类的意志、人类的情感、人类的渴望，也能有其生动具象的形影， 在那一刻，就是这每一次沉闷的头地撞击声.....
我不知道那位妻子患病的结局，祈祷她仍健在， 她健在的话，年岁也并不大！

下面是我最近参加 Meta 数据工程师职位面试的经历分享，希望对大家有所帮助。

**电话面试：**

面试开始前，招聘人员安排了一个 30 分钟的电话筛选。这一环节主要是了解我的背景和一些基础技术问题。面试官问了几个关于数据工程的基础问题，比如：
- 你如何处理大数据集的处理和存储？
- 你使用过哪些数据处理框架（如 Hadoop、Spark）？
- 描述一下你如何设计 ETL 流程。

我分享了我在项目中使用 Spark 进行数据处理的经验，并讨论了如何优化 ETL 过程以提高数据处理效率。面试官对我的回答表示满意，并邀请我参加接下来的现场面试。

**现场面试：**

1. **技术问题：**
  第一个环节是技术问题，面试官给了我一个关于数据处理的实际场景，并问我如何设计一个数据管道来处理实时数据。我解释了如何使用 Apache Kafka 进行数据流处理，如何设计数据存储方案（例如使用 Amazon Redshift 或 BigQuery），以及如何使用 Spark Streaming 进行实时数据分析。面试官对我对大数据处理的理解表示认可，但也询问了我如何处理数据质量问题和系统容错性。

2. **编码题：**
  接下来的编码题要求我编写一个脚本来处理数据转换。面试官给了我一个数据集，要求我用 Python 编写代码来完成数据清洗和转换。我实现了数据的去重、缺失值处理以及特征工程。面试官对我编写的代码和数据处理逻辑给予了积极的反馈，但也建议我在代码中加入更多的注释，以提高可读性。

3. **系统设计：**
  系统设计部分的题目是设计一个大规模的数据处理系统。面试官希望了解我如何处理数据的收集、存储、处理和查询。我介绍了如何使用分布式计算框架（如 Hadoop 和 Spark），设计高效的数据存储结构（如列式存储），以及如何优化查询性能（如使用索引和分区）。我还讨论了系统的扩展性和容错性，面试官对我的系统设计思路表示赞同。

4. **行为面试：**
  最后是行为面试，面试官问了我一些关于团队合作和项目管理的问题。他们想了解我在团队中的角色、如何处理冲突，以及我如何应对项目中的挑战。我分享了一些我在项目中的经验，包括我如何协调团队成员的工作，如何解决技术难题，以及如何在项目中保持高效。

最近我面试了 Meta 的数据科学家职位，整个过程既挑战又充实。下面分享一下我的面试经历，希望对其他准备面试的朋友有所帮助。



面试开始前，招聘人员给了我 30 分钟的电话筛选。这个环节主要是了解我的背景和一些基础知识。面试官问了几个问题，比如如何处理缺失数据、如何进行数据探索性分析（EDA），以及一些关于统计学的基础问题。我被问到如何使用统计测试来验证假设，和如何在分析中避免常见的偏差。我回答了关于 T 检验和卡方检验的应用，并解释了我在以往项目中如何使用这些方法来处理数据问题。

接下来，面试官给了我一个 leetcode 中等难度的编程题，要求我实现一个数据清洗的脚本。我在 20 分钟内写出了代码并解释了我的思路，面试官对我处理数据的方式表示认可。



1. **数据分析：** 
  第一个环节是数据分析。面试官给了我一个数据集，并要求我进行深入的分析。他们问了我如何发现数据中的异常值，如何进行特征工程，以及如何根据分析结果提出业务建议。我首先进行了数据清洗，然后使用了数据可视化工具来展示数据的主要特征。面试官还让我解释了我选择的特征，以及如何通过数据分析来提出改进建议，比如如何优化产品或业务流程。

2. **统计建模：** 
  接下来的环节是统计建模。面试官给了我一个问题，要求我选择合适的统计模型来解决。这个问题涉及到选择回归模型、分类模型或其他统计方法。我选择了逻辑回归，并解释了为什么这种模型适合这个问题，包括模型的优缺点、如何进行模型评估以及如何处理模型中的潜在问题，比如过拟合。我还展示了如何使用交叉验证来验证模型的效果。

3. **数据可视化：** 
  数据可视化部分，面试官给了我一些图表和数据，要求我根据这些图表来进行解释，并提出改进建议。我使用了 Tableau 和 matplotlib 来制作图表，展示了数据的关键趋势和模式。面试官对我选择的图表类型和数据展示方式表示满意，但也给了一些反馈，比如如何更好地设计图表以提高可读性。

4. **行为面试：** 
  最后是行为面试，面试官询问了我一些关于团队合作和项目管理的问题。他们想了解我在团队中的角色、如何处理冲突，以及我如何应对挑战。我分享了一些我在过去工作中的经验，包括我如何在项目中发挥领导作用，如何解决团队内的意见分歧，以及我如何在面对紧迫的截止日期时保持高效。

**总体感受：**

整体来说，Meta 的数据科学家面试过程非常全面，从数据分析到统计建模再到数据可视化，都要求候选人具备扎实的技能和全面的知识。面试官的问题很有挑战性，但也很专业。特别是在数据分析和统计建模方面，面试官对细节的关注程度很高。如果你也准备面试 Meta，建议重点准备数据分析、统计建模以及数据可视化方面的内容，同时也要准备一些行为问题的回答。希望你能在面试中发挥出色，取得好结果！

最近我面试了 Meta 的机器学习工程师职位，过程有点儿波折，但也很有意思。分享一下我的经历，或许能给其他有类似经历的候选人一些帮助。

**电话面试：**
面试官首先跟我聊了 30 分钟，主要是技术上的问题和一些背景了解。他问了几个关于机器学习的基础问题，比如什么是过拟合，如何进行特征工程，还有我之前在项目中是如何处理数据的。我在这一部分做得还不错。接着，我们聊了一些实际的编码题目，涉及到数据清洗和简单的模型实现。面试官给我了一个 leetcode 中等难度的题目，要求我编写一个函数来处理数据，并用模型进行预测。我写了代码并解释了我的思路，面试官的反馈也挺积极的。

**现场面试：**

1. **模型设计：** 
  第一个环节是模型设计。面试官给了我一个场景：假设我们要为一个电商平台设计一个推荐系统，要求我设计一个机器学习模型来预测用户可能感兴趣的商品。我开始时讲了如何进行数据预处理、特征选择和模型训练的基本流程。面试官还问了我关于模型的评估指标、如何优化模型以及如何处理数据不平衡的问题。我用了几个实际的例子来解释我的方法，还提到了一些可能用到的算法，比如协同过滤和深度学习模型。

2. **编程题：** 
  接下来是一个编程题，面试官给了我一个数据集，要求我编写一个脚本来实现特征选择，并用某种模型进行训练。我选择了 XGBoost 进行建模，并使用了交叉验证来优化参数。面试官对我选择的算法和代码的效率表示认可，但也提出了一些改进的建议，比如在特征选择中可以加入更多的策略来提高模型的准确性。

3. **系统设计：** 
  系统设计部分，我被要求设计一个大规模的机器学习系统来处理实时数据流。我解释了如何设计一个分布式系统来处理数据的收集、存储和处理。我讲了使用 Apache Kafka 进行数据流处理，利用 Spark 进行批处理和实时分析，还提到了一些可能的瓶颈和解决方案，比如如何进行数据分片和负载均衡。

4. **行为面试：** 
  最后是行为面试，面试官问了我几个关于团队合作和项目管理的问题。他想了解我在团队中扮演的角色、如何解决冲突以及我如何应对压力。我分享了一些我过去的经历，包括我如何带领团队完成一个关键项目，以及我在遇到困难时是如何调整策略和沟通的。

**总体感受：**

整体来说，Meta 的面试过程还是很严谨的。虽然中间有些小插曲，但面试官们都很专业。特别是在模型设计和系统设计部分，面试官的提问很深入，给了我很大的挑战，也让我在回答问题时更加全面地考虑了各种情况。虽然最后没有得到 offer，但整个经历对我来说还是很有收获的。如果你也准备面试 Meta，建议多花时间在系统设计和模型优化上，面试官对这些方面的关注比较多。

最近我在 Meta 参加了一个 45 分钟的筛选面试。

首先，面试官迟到了 10 分钟。面试开始时，他不断地看着其他屏幕，看视频或聊天，不断地笑。他只是把问题打在我的屏幕上，对我说的内容几乎没有关注。整个过程中，他的注意力似乎都在别的地方。

更糟糕的是，在我有机会向他提问时，他依然看着其他屏幕，还在对着我笑。这不仅令人分心，而且让人感到沮丧，影响了面试表现。

我承认我表现得很差，可能会被拒绝。但我知道如果面试官更尊重我，我可以表现得更好。

我还没收到招聘人员的回复。我应该给他发邮件反馈这个经历吗？

**编辑：** 我给招聘人员发了邮件，他说会将此事上报给领导层，并会尽快回复我。至今没有收到拒绝或另行安排面试的通知。会继续更新。

**编辑 2：** 招聘人员在两周后联系了我，说他们想重新开始面试。我通过了电话筛选，并被邀请参加完整的面试流程。我也顺利通过了完整的面试流程，获得了录用批准。耶！！感谢大家的积极反馈和重新给予我的信心。如果有人在招聘 SDE E5 基础设施岗位，请私信我。我现在处于团队匹配阶段。

电话面试：2 道中等难度题。等待了 5 天才收到反馈。根据招聘人员的说法表现不错，进到了现场面试。
现场面试：（两周后）

• 编程 1：2 道中等难度题
  
• 编程 2：1 道中等难度题，1 道难度题。难度题需要了提示。得到提示后，我能解决它。
  
• 系统设计：表现尚可。看到过这个问题，但有些卡壳。
  
• 产品：表现很好。看到过这个问题，并且做了充分的准备。
  
• 行为题：表现很好。回答了所有问题，我通常在行为题上表现不错。
  
  

我在 4 道题中搞砸了一道。其他 3 道题做得不错，并且在规定时间内解决了。系统设计面试将在一周后进行。
你觉得我还有机会吗？

最近参加了 Meta 的面试，这是我经历过的最糟糕的面试经历。总共进行了 6 场面试，其中有两次面试官未出现，他们还把我的现场面试拖延了整整一周，并且最后一分钟重新安排了时间。最终没有得到 offer。

候选人和面试体验都严重下降，公司对浪费我的时间似乎毫不在意，即使我有一份出色的简历和体面的面试表现。现在的情况真是令人遗憾。

上周五我参加了 Facebook 的虚拟现场面试。面试包含了 2 道编程题、1 道行为题和 1 道系统设计题。整体体验非常棒。Facebook 的招聘人员和面试官/工程师都非常优秀。
电话面试进展顺利。我解决并编码了 2 道中等难度的问题，复杂度都经过了优化。
现场面试：

• 第一轮编程：1 道简单题，1 道中等难度题。我解决并编码了两道题，复杂度都经过了优化。
  
• 第二轮编程：1 道中等偏难题。我编码了一个次优解。然后在解释优化解的最后 10-15 分钟时遇到了严重的音频问题。面试官最后说会对音频问题提供反馈。对这一轮的结果不太确定。
  
• 系统设计和行为题：我认为这两轮表现都很好，但无法客观评估。
  

• 工作经验：5 年
  
• 当前 offers：#Amazon、#Grab、#Hotstar、Udaan、#Tekion