Amazon アプライドサイエンティスト面接体験談:Alexa Speechチーム、2021年

選考プロセス

1. リクルーターからの連絡

   Amazonのリクルーターが最初にAmazon Goチームの募集について電話をかけてきたが、候補者はAlexaや他のNLPチームへの興味を伝え、これがAlexa Speechチームとの電話面接につながった。

2. 電話面接

   7月に行われた約1時間の電話面接で、リーダーシッププリンシプルに関する質問、エンドツーエンドのML設計に関するディスカッション、そして最後の5〜10分間の短いコーディング問題が組み合わされていた。

3. 日程調整

   数日以内にオンサイトの案内が届いた。候補者は当初2週間後に設定したが、個人的な事情でさらに約1週間後ろ倒しにした。

4. バーチャルオンサイト

   興味を持った2チームにまたがる分割ループで、複数チーム合同の聴衆に対するテクニカルプレゼンテーションの後、それぞれ1時間以上の5ラウンド(採用マネージャーラウンド2回、バーレイザー1回、ピアパネル2回)が続き、各ラウンドで異なるリーダーシッププリンシプルの組み合わせが扱われた。

5. 追加ラウンド

   本選考の約2日後、リクルーターがML(機械学習)の幅広さをさらに確認するため、シニアアプライドサイエンティストとの追加ラウンドを1回設定した。

6. オファーとレベル決定

   追加ラウンドの約2週間後、リクルーターがオファーを確定した。その後チームマッチングにしばらく時間がかかり、実務環境(プロダクション環境)での経験が限られていたことから、候補者はL5からL4へダウンレベルされた。

電話面接 — Alexa Speechチーム

リーダーシッププリンシプル、エンドツーエンドのML設計ディスカッション、短いコーディングのウォームアップ · 約1時間(最後の5〜10分がコーディング)

• 「Bias for Action(行動偏重)」を中心としたリーダーシッププリンシプルに関するディスカッション。
• エンドツーエンドのML設計問題:問題設定が与えられ、問題の定式化、データ収集、データ処理、モデル選定、評価指標、そしてそれらの指標を非技術者のステークホルダーにどう説明するかを一通り説明する。
• なぜ特定のモデルや指標を他ではなくそれに選んだのかなど、各選択を掘り下げるフォローアップ質問。
• 1行の再帰的な解法で解ける、易しい短いツリーのコーディング問題(候補者は正確な問題文は覚えていなかった)。

テクニカルプレゼンテーション

複数チーム合同の聴衆に向けた研究発表

• 候補者自身の研究プロジェクトの一つについて、興味を持つ複数チームからの参加者に向けて詳細な発表を行い、その後特定のスライドについて確認のための質問がいくつかあった。

採用マネージャーラウンド — チーム1

チームとのフィット、およびそのチームの実際の課題に紐づいたエンドツーエンドのML設計問題

• 標準的なリーダーシッププリンシプルの質問とフォローアップ。
• そのチーム自身の課題領域に対するエンドツーエンドのMLアプローチ。データの課題、モデル選定、指標を扱う。

採用マネージャーは、候補者のアプローチがチームが既に取り組んでいる方法と一致していると述べた。

採用マネージャーラウンド — チーム2

リーダーシッププリンシプル、NLPの幅広さ、コーディング演習

• 先の採用マネージャーラウンドとは異なる一連のリーダーシッププリンシプルの質問。
• 最新のNLPモデルとその使いどころに関する一般的なディスカッション。
• Word Break IおよびIIに似たコーディング問題で、バックトラッキングを用いて解き、例を使って説明した。

面接官は候補者が当時所属していた研究企業の出身者で、このラウンドにはチームの業務や期待事項についての逆質問の時間も含まれていた。

バーレイザーラウンド

リーダーシッププリンシプルの深い掘り下げに加え、ML指標に関するディスカッション

• 過去の意思決定や転機について詳細なフォローアップを伴う、複数の踏み込んだリーダーシッププリンシプル質問。
• どのML評価指標を使うべきか、なぜそれを選ぶのかを非技術者向けのレベルで説明する質問。

面接官はAWS組織所属のシニアビジネスデベロップメントリードで、20年以上の経験を持っていた。

チーム2パネル — MLの幅広さと深さ

幅広いMLの基礎知識、および回答が深まった場合のより踏み込んだフォローアップ

• 正則化、損失関数、モデルアーキテクチャに関する質問。
• 音声認識と言語モデリングに関する質問。
• 候補者の回答がより詳細になった際の、正則化と学習の高速化のための正規化技術に関するより深いディスカッション。

チーム2から同程度の経験レベルの面接官が2名参加。

チーム1パネル — MLの幅広さ

テンポの速いアーキテクチャに関する質問

• LSTMや他の再帰型アーキテクチャの数式、およびCNNに関する、テンポの速いML幅広さの質問。

2名の面接官のうち1名はシャドーイングだった。候補者はメインの面接官とのコミュニケーションにギャップを感じ、シャドー面接官が一部の回答を補足するために割って入る必要があった。

追加ラウンド — シニアアプライドサイエンティスト

幅広さをさらに確認するための、2回目のエンドツーエンドML設計問題

• 与えられた問題シナリオに対し、問題の定式化、スコープの絞り込み、データ収集、ドメイン適応、知識蒸留、言語モデル、指標をカバーするエンドツーエンドのMLソリューションを設計する。

本選考の後、ML(機械学習)の幅広さを確認する目的で特別に追加された。候補者はディスカッションの中で問題をより馴染みのある領域へと絞り込み、小さな部分から解いたうえで拡張の選択肢を提示した。