近日，Reddit 上一位網(wǎng)友 Mogady 分享了自己在一家公司的面試經(jīng)歷。這段經(jīng)歷讓他感到沮喪，因?yàn)樗X得面試并不是在考察 ML 工作者的實(shí)際能力，這是不公平的。我們先來看看他講述的面試過程。

我有 4 年的 NLP 經(jīng)驗(yàn)，最近想找一份遠(yuǎn)程工作，于是我申請了一家公司，該公司聲稱他們只雇傭 top 3% 的人。當(dāng)然，沒有人知道這個(gè)數(shù)字是怎么來的。

我申請了兩次，第一次通過了編碼測試，但沒有通過技術(shù)面試，因?yàn)槲覜]能在 30 分鐘內(nèi)解決 2 個(gè)問題。

第一次面試失敗之后我反思了自己的弱點(diǎn)，并意識到解題才是工作面試中的關(guān)鍵，于是我在 Leetcode 上刷了一些題，然后又申請面試同一家公司。這次我直接進(jìn)入了技術(shù)面試階段，他們給我一個(gè)數(shù)據(jù)集，要求我在 30 分鐘內(nèi)讓一個(gè) NLP 方法的準(zhǔn)確率達(dá)到 96%，其間我只能瀏覽文檔，不允許用 StackOverflow 或谷歌搜索。我想這應(yīng)該是在考察我理解問題的能力——想讓我又快又好地處理給定數(shù)據(jù)。

經(jīng)過幾次迭代，準(zhǔn)確率達(dá)到 90%，然后時(shí)間到了。但我告訴面試官如果我有更多時(shí)間，我會怎么做。

第二天面試官給我發(fā)了一封拒絕郵件，我要求他們給我一個(gè)理由，他們說：「面試成功的人可以在給定的時(shí)間內(nèi)獲得更好的性能，因?yàn)檫@些人知道 Pandas 庫函數(shù)能幫他們快速完成編程。」

但是根據(jù)我?guī)啄甑?NLP 實(shí)際工作經(jīng)驗(yàn)，Pandas 和 Jupyter 通常只用來分析數(shù)據(jù)。如果你真的在構(gòu)建一個(gè)項(xiàng)目，你可能就想盡可能擺脫 Pandas 庫函數(shù)。因此，不只用一行代碼完成操作并不意味著我的能力不是 top 3%。

如果該公司因此拒絕我，那么我是否可以認(rèn)為 top 1% 的人甚至不需要編碼？他們只需要對各種工具得心應(yīng)手，問題就能靠工具自己解決了。

如果他們認(rèn)為從頭開始構(gòu)建項(xiàng)目并不重要，那我注定不會面試成功。

顯然，Mogady 對這段面試經(jīng)歷感到非常懊惱，他提出疑惑：「為什么現(xiàn)在所有問題都以解決速度為衡量標(biāo)準(zhǔn)？」

Mogady 的經(jīng)歷引發(fā)了網(wǎng)友的諸多討論。有人表示這很現(xiàn)實(shí)：「面試確實(shí)會衡量應(yīng)聘者對行業(yè)中常用工具的了解，并將重點(diǎn)放在最常用的工具上。一些公司通常還希望盡快為客戶創(chuàng)造價(jià)值，而不考慮太多細(xì)節(jié)。這也會影響他們選擇雇用誰。」

但也有人從構(gòu)建項(xiàng)目的具體問題上分析，認(rèn)為壓縮源代碼（例如用一行代碼完成操作）不利于項(xiàng)目的長期運(yùn)行。一行代碼編譯之后的機(jī)器碼和幾行代碼沒有差別，而幾行有注釋的好代碼是更佳的選擇。

有擔(dān)任技術(shù)主管的數(shù)據(jù)科學(xué)家表示：「使用 Pandas 庫函數(shù)編寫一行代碼不是什么重要的事情，更重要的是如何擴(kuò)展和泛化算法。我會更看重這一點(diǎn)，而不是盲目選擇只會加速訓(xùn)練的員工。」

還有人從公司層面看待這個(gè)問題：「如果一個(gè)公司只考慮 ML 方法的速度，那么他們可能也只是想盡快盈利，而沒有長遠(yuǎn)發(fā)展的想法。好的公司在意的是員工分析和研究問題的能力。」所以這樣的公司不去也罷，沒什么前途。

無論是對公司還是對個(gè)人，Mogady 的面試經(jīng)歷都值得我們思考。面對一個(gè)實(shí)際問題，又快又好地解決問題不是易事。如果要在速度和實(shí)際效益上選擇一個(gè)，你會怎么選？