今年早些时候我面了 HubSpot 的 MLE 岗。想分享一下流程，因为 HubSpot 的 ML 面试基本没什么资料，我进去前几乎是零信息。
首先要理解：HubSpot 的 ML 大多是应用型 ML，用在他们的 CRM/营销产品上。比如邮件发送时间优化、lead scoring、deal probability、内容推荐。不是 research。也不是 GenAI 的登月项目（当然现在也有一些 AI 功能，但我面到的 MLE 更偏传统）。准备时先把这个框架摆正。
Recruiter screen。 他们会问我的 ML 背景，但也会花时间看产品直觉。一上来就问了「What ML models do you know that could help a sales rep prioritize their pipeline?（你知道哪些 ML 模型可以帮助销售代表给自己的 Pipeline 排优先级？）」。准备好答案。
Technical phone screen（90 min）。 一半 coding + 一半 ML design。 Coding：Python，LeetCode-medium，不怪。一道 sliding window。他们看重代码干净，以及你能不能讲清楚取舍。 ML design：「Design a model to predict which leads are likely to convert within 30 days.（设计一个模型来预测哪些 leads 在 30 天内更可能转化。）」他们希望你覆盖数据、特征、目标定义、模型选择、评估指标、上线/监控。我用了 gradient boosting（XGBoost）的思路，聊了 class imbalance、在销售场景下 precision vs recall 的取舍。他们会重点追问指标选择。
Onsite（5 轮，线上）。 2 轮 coding（同样是 LeetCode-medium 的风格，其中一轮有数据处理 / pandas 的部分） ML system design：我设计了 HubSpot 的 content hub 产品的内容推荐系统。大量讨论 cold-start、反馈回路、offline vs online 评估。 ML breadth：快问快答的概念题。bias-variance、正则化、gradient boosting 内部原理、推荐系统常见坑、a/b testing 的有效性。不是阴招题，就是深度校验。 Behavioral：跨团队协作、无权影响、线上模型表现不佳时怎么处理。
总耗时：4.5 周。offer 大概是 $195k base，senior level，Boston。RSU 还不错，不到 FAANG 级别，但按当地 COL 算合理。
ML 的门槛挺扎实但不折磨人。把基本功打牢，并且能结合产品语境推理就行。