头发受损严重，怎么恢复？# Fashion - 美丽时尚
h*e
1 楼
背景： 非CS，计算方向PhD。期间写过一些程序，用过MPI什么的，但是没接触过任何
framework，webservice啥的。一年IT经验，主要是Java后端。
准备材料：leetcode，lintcode，MITBBS，《算法导论》，《Hadoop-The definite
guide》，《mining of massive datasets》，facebook tech talk，google/facebook
的论文（heystack，三驾马车等）。整个准备了大概3个多月4个月，每天至少有3个小
时在看材料/刷题。
结果：F跪，LG标准package。
感想：
（1）入行一年，感觉经验远远不够，主要是design方面，而且不像算法，很难短期突
击准备。即便自己对某个design有个答案，一旦被challenge，就会发现漏洞百出。
（2）骑驴找马很难，要请假什么的。所以我觉得面10来家公司对我很不现实。自己只
面了这三家。
（3）面试经验很重要。面试本身就是一个学习和积累经验的过程。所以想去dream
company，多面面其他公司练练手还是很有必要的。但这又与（2）矛盾。
面经：
F电面(一轮，两题)：(1)leetcode #75, （2）leetcode #91.有关于时间/空间，优化
，最坏情况的follow up。
F onsite：
（1）behavior：被问到update一个手机app的new feature和一个web service的new
feature有啥差别；按时间deploy还是按feature deploy等。一道coding是寻找第一个
bad version。
（2）coding:给定一个数组和一个number，判断数组是否存在一个连续的子数组其和等
于这个number，分数组有没有负数两种情况；一道类似leetcode#77,不用在于打印的是
每个组合的乘积。
（3)coding：给一个带重复数字的有序数组和一个number，回答这个number在这个数组
中出现多少次；leetcode #75。
（4）design：tiny url。
hr反馈结果挺好就是design不好，说6个月后联系我再试。
G没有电面，做了一个foo-bar（放狗一搜就知道是啥了）就直接给了onsite，在NY，因
为近。
G onsite： 如果说F的coding题目是计算题的话，那G出的就全是应用题了。所以很难
简单的说出面试题目是啥。需要什么辅助函数要自己假设，然后再写其中一部分。牵涉
算法的部分大多都是二分/BFS。比如说让你求解一个迷宫，先做假设有一个辅助函数可
以把这个迷宫转化成一个图，然后在图上写个BFS就好。个人比较喜欢G这样的面试题。
L电面（一轮，两题）：（1）leetcode #65，需要考虑哪些case要问面试官，问清楚了
发现没有原题那么复杂；（2）leetcode #53.
L onsite：
（1）coding：给两个链表判断是否最终merge，分链表是否有环，要求O(1)的空间。
leetcode #238
（2）coding：一堆点找距离某一点最近的k个。给个矩阵代表twitter的following关系
，求里面的名人（不follow任何人，任何人都follow他/她（要政治正确！）），注意
可能没有名人。
（3）design：同facebook，运气好，挂了以后恶补，但是还觉得答得不够好。
（4）behavior：扯淡，讲了讲我的research。
（5）tech talk：linkedin特有的，讲自己以前的project，对方会问到一些细节。
如果有耐心看到这，还请聊聊一个老生常谈的问题：关于h1b-opt的cap-gap期间change
emloyer的问题。前两天在mitbbs看到了成功的例子，他的解释也很符合我对uscis规
矩的理解，如果case approved了以后再通知原雇主离职即可。可是这两天询问了
linkedin的律师，给出的答复是不可以，即使是approve了也不行。
最后祝愿大家能开开心心，心想事成。
framework，webservice啥的。一年IT经验，主要是Java后端。
准备材料：leetcode，lintcode，MITBBS，《算法导论》，《Hadoop-The definite
guide》，《mining of massive datasets》，facebook tech talk，google/facebook
的论文（heystack，三驾马车等）。整个准备了大概3个多月4个月，每天至少有3个小
时在看材料/刷题。
结果：F跪，LG标准package。
感想：
（1）入行一年，感觉经验远远不够，主要是design方面，而且不像算法，很难短期突
击准备。即便自己对某个design有个答案，一旦被challenge，就会发现漏洞百出。
（2）骑驴找马很难，要请假什么的。所以我觉得面10来家公司对我很不现实。自己只
面了这三家。
（3）面试经验很重要。面试本身就是一个学习和积累经验的过程。所以想去dream
company，多面面其他公司练练手还是很有必要的。但这又与（2）矛盾。
面经：
F电面(一轮，两题)：(1)leetcode #75, （2）leetcode #91.有关于时间/空间，优化
，最坏情况的follow up。
F onsite：
（1）behavior：被问到update一个手机app的new feature和一个web service的new
feature有啥差别；按时间deploy还是按feature deploy等。一道coding是寻找第一个
bad version。
（2）coding:给定一个数组和一个number，判断数组是否存在一个连续的子数组其和等
于这个number，分数组有没有负数两种情况；一道类似leetcode#77,不用在于打印的是
每个组合的乘积。
（3)coding：给一个带重复数字的有序数组和一个number，回答这个number在这个数组
中出现多少次；leetcode #75。
（4）design：tiny url。
hr反馈结果挺好就是design不好，说6个月后联系我再试。
G没有电面，做了一个foo-bar（放狗一搜就知道是啥了）就直接给了onsite，在NY，因
为近。
G onsite： 如果说F的coding题目是计算题的话，那G出的就全是应用题了。所以很难
简单的说出面试题目是啥。需要什么辅助函数要自己假设，然后再写其中一部分。牵涉
算法的部分大多都是二分/BFS。比如说让你求解一个迷宫，先做假设有一个辅助函数可
以把这个迷宫转化成一个图，然后在图上写个BFS就好。个人比较喜欢G这样的面试题。
L电面（一轮，两题）：（1）leetcode #65，需要考虑哪些case要问面试官，问清楚了
发现没有原题那么复杂；（2）leetcode #53.
L onsite：
（1）coding：给两个链表判断是否最终merge，分链表是否有环，要求O(1)的空间。
leetcode #238
（2）coding：一堆点找距离某一点最近的k个。给个矩阵代表twitter的following关系
，求里面的名人（不follow任何人，任何人都follow他/她（要政治正确！）），注意
可能没有名人。
（3）design：同facebook，运气好，挂了以后恶补，但是还觉得答得不够好。
（4）behavior：扯淡，讲了讲我的research。
（5）tech talk：linkedin特有的，讲自己以前的project，对方会问到一些细节。
如果有耐心看到这，还请聊聊一个老生常谈的问题：关于h1b-opt的cap-gap期间change
emloyer的问题。前两天在mitbbs看到了成功的例子，他的解释也很符合我对uscis规
矩的理解，如果case approved了以后再通知原雇主离职即可。可是这两天询问了
linkedin的律师，给出的答复是不可以，即使是approve了也不行。
最后祝愿大家能开开心心，心想事成。
