Coinbase 面试辅助：SWE/MLE、CodeSignal、LLD 与 Crypto 场景 SD

LLD / Coding：OOP + 订单状态机，follow-up 迭代（多用户 → 数据分区）与第一版结构质量。

Crypto System Design：订单撮合、实时行情推送、一致性与容量估算、降级策略。

MLE：CodeSignal OA（ML 多选 + 神经网络计算 + ML coding）+ ML system design。

BQ / Team Match：HM BQ 故事与项目对齐团队方向；IC5 加 AI-enhanced pilot / presentation 准备。

SWE 主轴是 1-2 轮 LLD / 迭代式 coding（OOP + 订单状态机）+ 1 轮 crypto / 实时行情场景 System Design + 1 轮 HM BQ，部分团队（IC5）加 AI-enhanced pilot 和 presentation 轮。

coding 题几乎都是「follow-up 一版版加」，第一版的结构决定后面几轮的下限，光追求单题 AC 不够。

MLE 分支从 CodeSignal OA（ML 多选 + 神经网络计算 + ML coding，一个同学提供的面经样本显示约 70 分钟）起步，且 team match 是独立关卡。

IC5 的 AI-enhanced pilot 是新出现的轮次，旧面经里没有，别拿旧帖子当全貌。

实现 crypto order 的 place/pause/resume/cancel/complete 与 live order 时间排序；追问 userId、按用户取消所有订单及按用户分流。

消费 Kafka NEW/FILLED 消息更新订单状态；未填单允许 CANCEL，讨论重复消息、超量成交与查询状态。

按时间、用户、币种筛交易历史，用 (timestamp,id) cursor 解决同时间戳分页；追问 amount 排序与索引。

交易有 id、size、fee，区块容量 100，选择交易使 fee 最大；解释 0-1 背包与 fee/size 贪心的差异。

设计多外部来源的 crypto 最新价格展示：归一化、实时推送、陈旧价格、订阅扩展与客户端重连。

实现账户、转账和支出排行；加入定时付款取消、账户合并及按历史时间查询余额，明确 pending payment 和旧账户的保留策略。

实现 add/copy file、用户 owner/quota；修改容量超限时按文件大小删到满足，再讨论 compress/decompress 文件名与尺寸。

带递增时间戳的 KV：set/get/delete、条件覆盖、按 key 前缀扫描、历史时刻读取与 TTL，区分 action time 和 query time。

实现 recipe CRUD、大小写不敏感搜索与排序、用户、版本历史和 rollback；先定义 version ID 与回滚后的新版本。

实现 task priority 列表、按子串过滤、user quota 与 TTL 多对多分配，再按最早 start 完成同 ID 的活跃任务。

React blog posts 四层：本地 JSON 展示、textarea 发布、API 获取 post/作者/当前用户、点赞排序和当前用户删除。

从 TP/FP/FN/TN 计算 Recall 与 FPR，并判断同时满足两个阈值的分类器；说明分母为 0 和阈值变化。

写出二分类 logistic regression 的交叉熵 loss，解释 sigmoid、logit、数值稳定和正则项。

哪些模型/训练调整可能提高 bias、降低 variance？结合正则化与模型容量说明 trade-off。

什么时候考虑 ensemble learning：误差相关性、训练/服务成本、可解释性、数据泄漏与增益验证。

PCA 与 LDA 何时使用：无监督保方差和有监督类间分离，讨论标签、预处理、维度上限与泄漏。

按给定权重与输入手算两层神经网络输出：先线性层与 ReLU，再线性层与 Sigmoid；说明矩阵维度和四位小数。

给字符串找最长连续相同字符及长度；若并列，返回最右边的那段，并覆盖空串与段尾。

实现 bootstrap：有放回抽 n 次构造每个训练样本，分别 fit 模型并聚合 predict；固定随机种子与避免数据泄漏。

用 messy data notebook 跑通一个分类模型：先定义目标与切分，处理缺失和类别特征，建立简单基线并解释验证结果。

解析日志字符串，按 thread ID 分组，并将每组日志按 timestamp 稳定排序；先澄清输入行格式和坏行策略。

多组 NFT 属性生成所有组合，追问组合去重与每组属性不等概率时如何按权重随机采样。

按给定 mockup 做包含 input、button、validation message 的 card，并解释状态、表单校验、可访问性与扩展。

设计 signup form：客户端校验、服务端提交、错误/重复请求处理与 A/B testing 指标、随机化单位和实验风险。

为什么选择 Coinbase、岗位如何匹配：结合目标 JD 的实际任务与自己的项目证据，区分已核实信息和个人动机。

解释什么是 cryptocurrency：公私钥、签名、账本/共识、托管与转账确认，并说清它不等于交易所账户余额。

是否有加密货币经历：诚实区分个人使用、工程项目和没有直接经验，说明相关技能如何迁移。

讲最具挑战、重要或自豪的项目：个人 ownership、技术难点、备选方案、影响与复盘，并准备 HM 追问。

讲一次与同事或跨团队的 disagreement：说明事实分歧、证据、共同决策与之后的关系，而非只说自己说服了别人。

多个任务同期限时如何排序并交付：明确影响、依赖、可切范围、沟通节点与最终验证。

主动提出改进并向 stakeholder 推进：用问题证据、备选方案、试点指标和风险控制解释如何争取支持。

日常怎样使用 AI：选真实工作例子，说明输入边界、人工审查、测试与效率/质量变化。

重要上线可能赶不上 deadline 时怎么办：尽早报告、量化影响、缩范围/改里程碑、保护质量并复盘。

为什么想离开当前工作：讲真实的成长与职责诉求，和申请岗位形成一致叙事，避免未经证实的抱怨。

解释当前级别、晋升时点与项目级别：用责任范围和影响证据回应，区分岗位定级与项目是否 Tier 0。

四层内存数据库 OA：读写 data、scan、TTL、backup；在原帖接口未公开时明确训练契约，解释过期边界和备份快照。

第一版结构决定 follow-up 的下限

Coinbase coding 几乎都是 follow-up 一版版加（订单状态机 → 多用户 → 数据分区）。写第一版时就把扩展点预留清楚，这样后续 follow-up 才是增量迭代而不是推翻重来。建议固定「基础版 → 显式列出可扩展点 → 按追问迭代」的表达，避免每次 follow-up 都重构。

强绑定 crypto / 实时行情场景

System Design 强绑定订单撮合、实时行情推送与一致性。容量估算落到峰值成交、行情订阅数与延迟预算；一致性讲清撮合的幂等与对账。用「规模估算 → 数据模型 → 核心链路 → 瓶颈 → 降级」结构，trade-off 落到成交延迟与一致性级别上。

MLE 的独立关卡

MLE 分支的 team match 是独立关卡——不少人过了 CodeSignal OA 却没拿到 team match。项目要能对齐具体团队方向（trading infra、ML platform 等），准备「团队方向 → 你的贡献 → 量化影响」的映射版本，避免泛泛而谈。

Coinbase 常见目标岗位

建议重点模拟这些轮次

Coinbase SWE / MLE 面试流程是怎样的？

Coinbase SWE 主轴是 1-2 轮 LLD / 迭代式 coding（OOP + 订单状态机）+ 1 轮 crypto / 实时行情场景 System Design + 1 轮 HM BQ，部分团队（IC5）加 AI-enhanced pilot 和 presentation 轮。MLE 分支从 CodeSignal OA（一个同学提供的面经样本显示约 70 分钟：ML 多选 + 神经网络计算 + ML coding）起步，且 team match 是独立关卡；具体轮次以团队为准。

Coinbase 的 coding 题为什么强调 follow-up？

Coinbase 的 coding 题几乎都是'follow-up 一版版加'（订单状态机 → 多用户 → 数据分区），第一版的结构决定后面几轮的下限，光追求单题 AC 不够。建议写第一版时就把扩展点（多用户、并发、数据分区）预留清楚，这样 follow-up 才是增量迭代而不是推翻重来。

Coinbase 的 System Design 和 MLE 分支分别考什么？

SWE 的 System Design 强绑定 crypto / 实时行情场景（订单撮合、行情推送、一致性）。MLE 分支考 ML coding + ML system design，但'团队匹配'是独立关卡——不少人过了 CodeSignal OA 却没拿到 team match，项目要能对齐具体团队方向。

Coinbase 面试需要准备多久？

7 天保 LLD + BQ 下限，14 天补 crypto 场景 System Design 与 follow-up 迭代，30 天加 AI-enhanced pilot 模拟、mock 和状态调整。IC5 等团队的 AI-enhanced pilot 是新轮次，旧面经里没有，别拿旧帖子当全貌。

Coinbase 面经应该怎么看？

同学提供的面经适合用来判断 Coinbase 高频题型、轮次和常见挂点，但不要只背原题。更稳的做法是把面经拆成 OA / Coding / Design / Behavioral / HM 五类信号，再按目标岗位和 level 做限时训练。

Coinbase 代面、面试辅助多少钱？

Coinbase 代面（对口型）$499/轮起，多轮连面有打包价；SWE 辅助（实时）$299/轮起。最终价格按岗位、轮次和具体面试情况浮动，添加微信 interview_coach_pro 先聊 30 分钟免费咨询再报具体价格。