雖然現在歐洲還在work from home的期間，AWS ML Specialist Solutions Architect。就趁在寫鐵人賽的時候順便跟大家分享一下這次的面試經驗，從面試者的角度，怎麼準備這份工作吧!!

註*每個人的經驗可能會因為不同的位置或背景而有所不同，在這邊僅分享個人的看法與經驗。

關於ML SSA這個位置

有些人可能有聽過SA(solution architect/解決方案架構師)，一般來說這個角色負責組織內一個或多個應用程序或服務的設計，或是替客戶負責該組織的服務設計。他（她）必須具有平衡的技術和業務技能組合，並且經常與客戶一起制定戰略方向。這個位置不一定會深入客戶的團隊做實作，但是會帶客戶看到方向跟可行性。一般的SA擁有比較完整的知識，包含整個解決方案交出去的時候的安全性、穩定性以及客戶的適用性。

而SSA(Specialist Solution Architect/領域專家解決方案架構師)，則是和SA關注在不同的面相，在解決方案中針對某一領域的問題提出相對應的系統架構。舉例像是ML SSA，就會負責系統架構裡面，跟機器學習相關產品的系統設計。

大家可以把解決方案想成是客戶想要蓋的房子，SA會負責整體的架構，並確定房子是安全且穩固的。ML SSA則是會專注在房子裡面的smart system的設計，或是其他在這個房子裡面的AI系統的設計。只是在我們的工作當中，交付的則是客戶在雲端的產品，而非真的房子。

這邊摘錄幾項JD裡面的描述：

• 您將在從數據準備和功能工程到模型部署和再培訓的端到端模型開發生命週期中不斷增強知識。您將利用自己的專業知識，為歐洲，中東和非洲（EMEA）的客戶提供有關構建和運行ML解決方案的最佳實踐的指導。

• 您將分享有關安全性，成本，性能，可靠性和運營效率的建議，以加快客戶正在建設的創新和關鍵任務項目。

• 您將通過綜合來自客戶參與和ML工作負載的市場趨勢的觀察結果來表達客戶需求，從而為AWS功能路線圖提供依據。

• 您將推動最佳實踐，技術內容和新參考架構（例如白皮書，代碼示例，博客文章）的創建和共享，並在AI / ML領域宣傳和教育有關AWS技術和行業趨勢（例如，通過研討會，用戶小組，聚會，公開演講，在線視頻或會議）。

建議經驗：

• 熟悉ML算法開發，AI / ML平台，深度學習，ML運算。
• 統計學，應用數學或類似領域的堅實基礎的經驗或學術背景。
• 流利的英語書面和口頭交流能力
• 對技術和學習的熱情

需要以下一項或多項資格，但不是必需的：

• 可以在本地或雲中體驗設計，構建，重構或運行AI / ML解決方案的經驗
• 相關語言，工具和框架的知識（例如TensorFlow，MXNet，PyTorch，Scikit學習，Kubeflow，SageMaker等）
• 具有擔任面向客戶的角色或涉及公開演講的角色的經驗
• 具有數據處理，數據分析和數據可視化工具（例如Hadoop，Spark，Presto，Hive，Kibana，R，RStudio）的動手經驗
• AWS或其他行業認證（例如，AWS認證的解決方案架構師，AWS認證的機器學習專業）

時間軸

• 2019年底：
  大約在2019年的時候申請了兩個跟我前一份工作比較近的位置，很不幸的都沒有得到回覆。

  • Data Scientist - ML Labs; 申請時間: Oct. 17, 2019
  • Deep Learning Applied Science; 申請時間: Jul. 29, 2019

• 2020年4月：
  1號的時候收到Amazon內部的招募人員從LinkedIn聯繫，問我有沒有興趣申請他們最近開的一個位置。後來4月底就跟技術招募人員第一通的電話。

• 2020年5月：
  12號第二關，跟外部門(Technical Evangelist)的面試官面試。

• 2020年6月：
  10號隔壁部門的主管在Linkedin跟我聯繫另一個SSA的位置(startup SA)。19號第三關，連續5小時跟不同部門的人面試。29號，口頭offer。

• 2020年7月：簽約。

• 2020年9月：
  跟未來老闆提前通個電話，問一下onboard之前有沒有另外要注意的事情。

• 2020年10月：onboard。

與招募人員的關係經營

在前面的文章中也提過，跟獵人頭與招募人員的關係也是很重要的，這點在這一次的工作申請當中也帶給了我很多的安心感。

舉例來說，平常自己並不是一個會時時刻刻確認信箱的人，但是如果在工作申請的期間，常常忍不住去重新整理信箱，時時刻刻確認手機，怕會漏接電話。這樣的情形再加上可能負責你的招募人員不一定跟你在同一時區上班的狀況下，重新整理的焦慮感又會更強烈。

而在COVID期間大家基本上都是在家工作，這可能讓某些人少了許多通勤時間，但同時也有一些人必須在家照顧小孩。負責招募的招募人員，我們也在閒聊的時候聊到，他剛好每天都會有兩個時段會不在桌前，包含去接送小孩，或是處理小孩的事情。這樣的情形下，心裡就可以有一些相對應的期待是：對方也是排除萬難在幫你處理面試安排，幫你處理信件上的事情。在知道對方最近可能要帶小孩看醫生，或是他近期回覆信件的時間區間之後，就可以更好的安排自己的時間，不用一直在信箱或手機前面等候。

跟招募人員如果在申請工作期間保持良好關係，也讓自己在申請流程可以有比較大的彈性，去詢問是否可以安排不同日期的面試，或者可以獲得一些對方常見的求職者的求職盲點的意見分享。假如有機會加入公司的話，對方也會是你前幾個認識的同事。所以還是會再次建議大家可以跟召募人員好好相處。

面試關卡介紹

就如同前面提到，從招募人員的Get to know call到最後一關5小時車輪戰的面試，總共是3關。原本應該總共要有4關，也就是一關招募人員，三關技術人員的關卡。但是跟Evangelist面試過後，後面有一關就被省略，直接被安排後面5小時的面試了。

另外在5小時的面試之前，我有收到Code challenge，但是有其他城市的申請者是收到presentation challenge而不是Code Challenge，所以這部分可能大家在申請上會有些許的不同。請以各地辦公室及團隊的標準為優先。

以下的內容會比較專注在最後一關的5小時的車輪面試準備。

申請瓶頸

在面試這個位置之前的經驗：

• 一年半的後端工程師 + 四年半的資料科學經驗
• 熟悉的產業: 電商、房地產、以及ML在商業的應用
• 應用情景: 電腦視覺和少許NLP跟Conversational AI
• 開發場景:
  • 新創資料科學專案的開發和部署
  • 中小企業內部資料科學專案的開發和部署
• 4年微軟MVP program

如果從資料科學家去看SA這個位置，甚至是ML focus SA對我來說也還是很陌生的經驗。一個原因是不曾在大型的企業專案負責infrastructure，另一個原因則是覺得自己在SA的經驗還很不足。所以在準備面試上的時候，就有點像是在準備去地球大氣層以外的地方生活，看得見但是卻不知道要準備什麼。

突破瓶頸

不過我相信也會有很多人跟我面對一樣的問題吧？在面試的時候可能在準備一個不是現在的狀態可以看到的眼界，不太知道這個位置會跟誰合作，也不太能想像該職位一整天的工作內容會長什麼樣子。甚至不知道可以從哪些地方開始準備跟突破。

另外，Amazon有一項很有名的Leadership principle(領導力行為準則)，也是和其他公司不太依樣的強烈面試風格。就公司文化跟這個位置的職能本身，對我來說都是很陌生的。

後來我嘗試了幾個方法：
1. 上網看youtube影片:
那時候找了幾個SA的訪問和影片，其中覺得最有幫助的是這個：(圖片來源)

還有AWS的官方研討會，講者的職稱是SA的演講影片。這個方式可以很快的從演講的影片感受到這個人對於技術的熱愛程度，對方怎麼看待工作的，以及對於一個題目應該要講到多深、多廣的程度。而官方研討會的內容，有一些不斷重複出現的關鍵字(hybrid, provision, ...等)，也是可以嘗試在面試回答的時候穿插在你的回答當中，跟面試官用同一種語言溝通也是相當有幫助的。

2. 從社群找人問問題:
那時候到社群找到了幾個前輩：

• 在美國Amazon工作2年的軟體工程師，業界經驗超過8年的前輩
  分享的關於公司的企業文化
• 在台灣雲供應商工作2-3年的SA，業界經驗超過15年的前輩
  分享在Partner跟在雲供應商的SA的角度不同。談得比較偏向SA在整個團隊內的角色跟客戶的相處要注意的地方。
• 在台灣雲供應商工作超過8年的SA，業界經驗超過15年的前輩
  分享關於在市場上，哪間公司的優勢跟劣勢在哪裡。談得比較偏向市場的Big View還有趨勢。
• 在德國合作廠商擔任SA的前輩，業界經驗超過8年的前輩
  則是分享在德語區會看見不同公司規模的客戶。談得就會是文化差異、市場比較。

這幾通電話幫助了我非常多，不只是上述提到的這幾個打開過去擔任DS不會思考到的問題之外，他們也願意分享自己看到DS領域可能的趨勢，也會一起想有哪些可以準備的部分。除了聆聽我在準備這個位置的煩惱之外，也不外乎鼓勵"能獲得面試機會就是一個肯定，不管結果如何都要相信自己的能力"。這幾個前輩平時也都很忙碌，可是每個人都很真誠的分享他們的經驗，一直到現在還是讓我感到滿滿的溫暖。

3. 時間規劃:

Amazon的每一關面試，大約間隔2-4週，取決於面試時間的安排。經過了上面幾通電話之後，就大概把時間分成以下的等份：

• 20% cloud foundation
  因為之前是跟Azure比較熟，需要花一點時間把知道的服務抽換成AWS的服務。如果沒有使用過雲服務的人，可能也是要花一點時間學習雲服務的基礎知識。
• 30% sales ability
  雖然這一部分我在面試的時候還是沒有太多的概念可以怎麼準備。但是花了蠻多時間在整理以前做過的專案，以及這些專案如何可以講給非DS或是非開發背景的人可以聽得懂。另外，我覺得喜歡自己做過的專案是很重要的一點，當你眼神發光的跟對方介紹過去的專案經驗，讓對方感受到你對這件事情的喜愛，同時也會感受到你對這個專案後面的技術的熱愛。
• 40% AI with cloud
  想說AWS的SSA怎麼可以不懂AI+cloud，這部分就花了一些時間去看一下最近三家公有雲的產品更新。哪些功能或產品可能哪一間會佔優勢，假設要設計以前做過的專案架構，可以怎麼做。另外也針對德國的幾個領域，做相關的case study，哪些領域可能會需要什麼樣的ML模型，情境會長怎麼樣。另外也去訪問了之前有用過sagemaker的朋友，關於當時導入的場景，最後團隊是否有導入，可能會有的瓶頸點在哪裡，學習成本在哪裡。
• 10% culture fit/leadership principle
  除了技術之外，熟讀leadership principle大概會是每一個Amazonian都會給你的建議。但是如果是技術人大概就會覺得leadership principle可能不是這麼重要，所以我一開始就只規劃了10趴給這部分。另外公司文化的部分，也去看了公司近期在COVID期間的媒體發布了哪些內容，挑幾則最有感的放在面試小抄裡。

總結

所以這算是初期的時間規劃，但是也如同大家一般，規劃跟執行到面試總是會有一些差距。下一集再跟大家說後來執行起來的結果吧!

歡迎大家訂閱專欄，點這裡可以看歐洲碼農的新手村任務30篇文章列表。
對於這個主題如果有更多的想法，
可以在文章下方留言，
也歡迎在這個google問卷提問：https://forms.gle/aZPXa3ipTdi8HaLY8
或是拜訪不定期更新的粉絲頁：https://www.facebook.com/bymiachang.tw

我們明天見:)