模拟面试练习：按岗位，也按轮次
下面每个页面都会说明一轮面试怎么进行、需要多长时间、报告评哪些方面，并附上一份由真实流程生成的示例报告。
Vera 用英文面试你，就像你正在准备的美国面试一样。注册、应用和报告也都是英文的。
免费开始一场英文模拟面试按轮次
- Coding 面试练习：边写边讲在一个能运行代码的编辑器里做一到两道题。先说思路，再像面试官那样测试你的代码。
- 系统设计面试练习在 Vera 能看懂的白板上设计一个系统，从需求一直讲到深入探讨（deep dive），临近结束时会突然加入负载或故障方面的新情况。
- BQ 行为面试练习讲四个来自你自己工作或学习经历的故事。准备好被问：哪部分是你做的，你怎么知道它奏效了。
- 数据科学 SQL 面试练习（英文）用 SQL 或 pandas 回答产品问题。题目附带数据表时，你的查询会在表上运行，你能看到结果。
- 机器学习系统设计面试练习（英文）在 Vera 能看懂的白板上设计一个生产环境的机器学习系统，从目标和标签到上线服务。会遇到类似 A/B 测试没有差异这样的变化。
- 量化概率与心算练习（英文）限时完成五道短题：期望值、条件概率、估算和做市类问题。
- 数据科学 case 面试练习（英文）在 Vera 能看懂的白板上做一道关于指标或实验的开放式 case：先讲目标、指标和设计，最后 case 里还会出现一个新变化。
- 机器学习理论面试练习（英文）口头回答关于核心机器学习、深度学习、模型评估和语言模型的问题，每题之后都会追问一个“为什么”或“如果……会出什么问题”。
- 机器学习 coding 面试练习（英文）用 Python 和 NumPy 从零写出模型、指标和数据处理代码，在编辑器里运行，再像面试官那样测试。
- 量化开发 C++ 面试练习（英文）口头回答关于代码开销的 C++ 问题：拷贝、模板、未定义行为、内存序和缓存。每个回答之后都会被问一句“为什么”。
按岗位
真实面试中各轮是怎么进行的
关于各轮面试本身的指南，附有引用来源：通常的结构、面试官看重什么，以及备考指南里最常提到的失误。
- 系统设计面试是怎么进行的（英文）动手画之前，先花大约 5 分钟理清需求。题目是故意说得很模糊的。
- Coding 面试是怎么进行的（英文）动手写代码之前，先说出你的思路和复杂度。说出一个暴力解法，也比一言不发要好。
- 行为面试（BQ）是怎么进行的（英文）讲你做了什么时说“我”（I），讲背景时说“我们”（we）。“你负责的是哪部分？”是你最常听到的追问。
- 数据科学 SQL 面试是怎么进行的（英文）写查询之前，先说清楚结果里的一行代表什么。查询能跑通却依然出错，最常见的原因就是粒度不对。
- 机器学习系统设计面试是怎么进行的（英文）从目标和标签说起，而不是从模型说起。点击数据容易收集，也容易被刷；要说清楚标签真正衡量的是什么。
- 量化概率面试是怎么进行的（英文）从第一秒起就把推理过程说出来。只给答案不讲推理，或者沉默到完全确定才开口，都是备考资料里提到过的失败表现。
- 数据科学 case 面试是怎么进行的（英文）说出一个指标之前，先问清楚这个答案会影响什么决策。
- 机器学习理论面试是怎么进行的（英文）先用一句话给出定义，再说什么时候会用它，以及你怎么知道它奏效了。
- 机器学习 coding 面试是怎么进行的（英文）写代码之前先问清楚允许用什么：只能用 NumPy 还是可以用库，用梯度下降还是闭式解。
- 量化开发的 C++ 面试是怎么进行的（英文）每当你对速度下结论，都要准备好回答“你会怎么测量？”。一个数字加上验证它的方法，胜过一条经验法则。
想先看看结果长什么样？阅读示例报告。