TSMC/鴻海/Kronos/Point72 工程師面試

前言

去年有學長分享面試心得，我也從中參考了不少題目。今年輪到我面試，便挑幾間較具代表性的公司紀錄。以下被我省略的公司符合下列條件之一：

我拿到 offer 但最後沒去（題目得來不易，不便公開）。
該公司未公開招募此職缺。
純粹想了解產業動態與他們在做什麼。

若題目屬於「面試官苦思許久」的”自創“題（如 Google 的 coding 題），便不透露細節。

背景簡介

- 點我卡稱看比較快
- 技能樹: 機率、python、ML相關開發經驗 (NLP, CV, RL, LLM agent)、統計相關知識可以當作我沒有

簡要不精確統計

- 投遞履歷數 < 10 (不計算博覽會為了拿禮物投的履歷)
- 面試邀請 >> 20
- offer 略（人資詢問興趣時，常直接回「沒興趣」）。

投遞方向: 跟我背景扯得上關係，待遇不差的公司。
工作考量點: 三年折現後收入 ≫ Exit opportunity ≫ 興趣 > 地點
（先把錢賺夠，再去做想做的事。）

找好工作好難

面試準備

-leetcode和neetcode
megapx
- 李宏毅老師 LLM課程
- CMU advance NLP (主要學如何訓練LLM，當時已經像是面試必考題了）

TSMC 

- 智能製程控制系統工程師 (IMC)

沒記錯這應該是IPCS裡面的缺，工作內容主要是自動化的調參數之類的，但我沒有非常清楚，因為面試前10分鐘我感覺我和主管的節奏對不太上，所以後面比較沒有追問太多工作的細節，但後來因緣巧合下有認識裡面的人，聽到相對於一些單位是還不錯，算是清流。

應屬 IPCS 底下職缺，主要做參數自動化調整。面試前 10 分鐘就覺得跟主管節奏對不上，之後細節沒深問。後來透過內部員工得知，此組相對「清流」。

一面（1 對 1）

主管簡介部門。

我自我介紹，完後幾乎無追問。
溝通與工作目標相關問題。
未來想走技術還是溝通？
Q&A。

整體輕鬆，完全沒技術題，著重人格特質。

- BSID ML/AI engineer (IT)

網路資訊稀少，新成立單位

一面（主管 + 多位組員）

自我介紹簡報。
針對簡報大量技術追問（模型架構、LLM 等），準備充分故順利。
程式能力：問學習背景與經驗，我提到台大資工系修資料結構；未深究。
Q&A 僅剩 5 分鐘。
主管建議二面簡報調整方向。

人資面（1 對 1）
核對資料、了解職缺意願。我表示需等二面再決定。

二面（原主管 + 上層主管）

重新簡報（降低技術深度）。
原主管提問，無刁難。
大主管問 AI 在公司應用、OpenAI API 經驗。
預留大量時間給我提問。
大主管離席後，與原主管補問剩餘問題。
最後問：「跨足多領域心得？」
確認我的 coding 成績、是否先等其他公司結果。

Coding 題

第一次（IMC）：資料處理（Python）、演算法（Hard）、R（不熟）。
第二次（IT）：三題演算法（中等），40 分鐘全解；當時 LeetCode 已刷 400 題。

Google

-Software Engineer (New Graduate)

老實說，沒想到能拿到面試；既然敢邀，我就敢面。

Coding Test
印度籍面試官，全程英文。簡單圖論＋延伸，邊寫邊講順利通過。

Onsite（4 輪 Coding + 行為面）

第一輪：應該是題目過於 trivial，幾乎沒印象。
第二輪：3 題 Hard（含 stack、快速搜尋），最後一題未想出最佳解。
第三輪：排程演算法，中等難度。
第四輪：搜尋題，先卡住，改用代數環思路解決題目和延伸題。
行為面：兩位會講中文的用英文面試，頗有趣。

最終進 team-match，但無團隊願意 match，可惜。

鴻海 ipebg 高級算法工程師 (深圳）

這是人資主動來找我面試，一開始以為是詐騙。這個職缺其實就是Apple產品線的ML engineer /scientist，主要處理產線相關的問題，我那時好奇中國那邊的面試會問什麼，所以就面面看，但看了網路上別人提供的薪水，就沒特別準備了。

面試 (很多人來面試我，而且不少phd＋人資，多到我以為他們是來聽演講的）
表定45分鐘，最後面了一個半小時左右
1. 簡報自我介紹。這應該是我講最久的自介，中間常常會發問，最後感覺有講40幾分鐘才講完
2. 問LLM相關訓練經驗、LoRA 細節、各家LLM的架構比較和deepseek r1是如何訓練，強在哪（這我沒準備，但看對岸的大模型面試考古是很多這類型的題目。
3. 問影像辨識相關的模型和框架 （分割、Object detection、分類....)
4. 問NLP相關的技術(Name entity recognition)
5. 問我正在做實驗設計相關的research，我做的改進在哪
6. 問貝氏統計、數統的一些定義
在面試過程當中他們一直跟我強調他們在這邊的人都有雙技能，我每次都很想問那你們有給雙薪水和雙座位嗎？
7. 輪到我問問題，這時我已經對這個職缺不太感興趣，尤其如果pay是網路上的那個價格，所以就快速結束面試，真的不知道他們能不能真的找到會去那邊上班的人。

Kronos Research Quantitative Research (Fresh graduate)

我對quant本身沒太多興趣（有在WQ做consultant，但沒認真在做)，但我對他們的薪水有興趣。

Coding Test: 有點忘了有幾題，但前面有幾題數學和統計，基本上都秒殺（數學有點像競賽題，統計就標準的管院統計課會考的那種題目）。後面幾題程式，感覺都是Hard，但很幸運測資都有過（如果沒有隱藏測資的話）。

一面：問了一個需要機率、coding（物件導向）、數學和經濟學的題目。他講出題目我大概就知道沒戲了，所以GG。

Point72 Quantitative Research 

為了想早早退休，所以面面看。
一面：先聊我的履歷和背景，他一直問關於我對quant是否有興趣，因為他看不出來（其實我也看不出來），但我又不能說是為了賺錢 -> 最後他得出的結論是「好像沒動機」，所以後來就直接問我有沒有問題想問，我那時也表達我對目前面試的想法，就直接說應該沒必要繼續下去，因為你覺得我「好像沒動機」，後來大家的情緒感覺有緩和下來，就問我那要先考技術嗎？問了3題機率（有點像競賽題），我前兩題秒殺，第三題想了一下，感覺他充滿的不可思議，後面又追問我其他統計指標相關的問題，也輕鬆過。最後他跟我講後面的面試要怎麼準備，要我加強我的動機QQ

二面：跟部門的頭面試（美國那邊）
先簡單聊聊工作，問幾個簡單的期望值問題（太久沒積分，一開始有點卡，後來恢復正常）。這次不問動機，直接要我不要裝了，想要多少錢才會來做quant（能當上head果然一下就抓到我的動機），我就喊了一個讓我對的起良心的薪水，感覺他對學生喊這麼高有點訝異，但他們看起來是付得起。接這在問幾題機率問題，最後一題想了一下，但都有解出來。

三面：跟研究員面試 （台灣）
簡單過一下履歷，問2題益智問答，第一題我把我腦中的想法講出來，正要準備優化時，他就說我已經解出來了。第二題也差不多，但中間小卡。後面有是幾題的機率，也是很順的過了。

四面：跟研究員面試（台灣）
簡單過履歷。然後滿滿的機率題，多到我不知道有幾題，這次不少題都有卡，但最後有解出來。

五面：跟資深研究員面試（美國）
簡單過履歷。第一題問線性模型 (regression)，這題數學推了老半天還是沒有解出來，後來順著他的提示解，還是無功而返，最後放棄。最後查了一下解法，果然不是我能想到的...。第二題又是機率，一開始擁了一個暴力解，雖然我腦中已經把它解出來了，但他想看另一種比較聰明的解法，所以重新解了一次，順利解出

六面：跟研究員面試（台灣）
簡單過履歷。第一題不知道在問什麼，有點太開放了，應該是沒答出他想要的。第二題問經計學，我的直覺應該是給出正確答案，但不知道怎麼證明我的答案是正確的。第三題問機率，輕鬆秒殺。

最後收到感謝信。說真的最後兩關沒有回答好，所以收到感謝信沒有很意外，但沒進去拿高薪真的滿可惜的。整體面試面下來，讓我更了解這個行業在做什麼，只能說這要給我很大的誘因我才做得下去，而且跟我的專業幾乎是沒相關，是靠通靈吃飯的，難怪想收數奧背景的。

面試總結

上面只是我寫我面過的部分公司，但面試的內容都差不多，把面試簡報用好基本上就成功一半，剩下就是看波長有沒有對上。

至於唸統計所有沒有幫助，但上面拿到的面試應該算是有幫助吧！但能否拿到職缺，我覺得就是看自己有準備好，就像google一樣，我本身不會前端、後端、App，有沒有太多的開發經驗，所以就算coding那關過了，後面還是會被卡住。

最後一定會有人問我去哪？按照上面的篩選標準，目前收我給我錢最多的就台積，所以就去GG等分紅。如果GG有內推獎金，歡迎優秀的清大統計所學弟妹未來可以找我內推，沒獎金就當我沒講。

本文經 Dcard 網友 授權
文章來源：【心得】2025 統研碩新鮮人面試經歷分享