คำถามสัมภาษณ์งาน Amazon SDE (2026)
กระบวนการของ Amazon SDE มีความโดดเด่นเพราะองค์ประกอบด้านพฤติกรรมถูกสอดแทรกอยู่ในแทบทุกรอบ โดยอิงจากหลักการความเป็นผู้นำ 16 ข้อ (LPs) คาดหวังรอบการเขียนโค้ด (โครงสร้างข้อมูล อัลกอริทึม) การพูดคุยเรื่องการออกแบบระบบหนึ่งหรือสองครั้ง และคำถามพฤติกรรมที่อิงจาก LP ในการสัมภาษณ์แทบทุกครั้ง — ผู้สัมภาษณ์แต่ละคนมักจะได้รับมอบหมายหลักการเฉพาะให้ประเมิน
มาตรฐานการเขียนโค้ดนั้นแน่นหนาแต่มักไม่ใช่ส่วนที่ยากที่สุดสำหรับผู้สมัครที่เตรียมตัวมาดี คำถามพฤติกรรมตาม LP คือจุดที่หลายกระบวนการชนะหรือแพ้ Amazon ใช้วิธี STAR อย่างชัดเจนและมองหาเรื่องราวในมุมมองบุรุษที่หนึ่ง ('ฉัน' ไม่ใช่ 'เรา') ที่มีข้อมูลสนับสนุนและผลลัพธ์ที่วัดผลได้ คำตอบที่คลุมเครือหรือให้เครดิตกับทีมจะได้คะแนนต่ำ
คำถามด้านล่างผสมผสานรูปแบบการเขียนโค้ดที่พบบ่อยของ Amazon กับคำถาม LP ที่คุณควรมีเรื่องราวที่ฝึกฝนมาแล้ว เตรียมเรื่องราวที่แตกต่างกันสองเรื่องสำหรับหลักการสำคัญแต่ละข้อ เพราะผู้สัมภาษณ์จะถามคำถามต่อเนื่องที่เจาะลึกการกระทำที่เฉพาะเจาะจงของคุณและผลลัพธ์
คำถามสัมภาษณ์งาน Amazon SDE และวิธีตอบ
1. Two sum / หาคู่ที่รวมกันได้เท่ากับค่าเป้าหมาย
แนวทาง: hash map ในรอบเดียว O(n) ระบุข้อแลกเปลี่ยนระหว่างพื้นที่กับเวลาเทียบกับการเรียงลำดับ + สองพอยน์เตอร์ เป็นคำถามอุ่นเครื่องมาตรฐานของ Amazon; ไปถึงคำตอบที่เหมาะสมที่สุดอย่างสะอาดและพูดถึงค่าซ้ำ
2. หาคำที่พบมากที่สุด / top-k องค์ประกอบที่พบบ่อยที่สุด
แนวทาง: การนับด้วย hash map + heap (O(n log k)) หรือ bucket sort (O(n)) Amazon ชอบเรื่องนี้เพราะมันขยายไปสู่การพูดคุยเกี่ยวกับการทำสิ่งนี้บนสตรีมล็อกขนาดใหญ่
3. คัดลอกลิงก์ลิสต์ที่มีพอยน์เตอร์แบบสุ่ม
แนวทาง: แทรกโหนดที่คัดลอกแล้วแยกออก — พื้นที่เพิ่มเติม O(1) — หรือ hash map จากต้นฉบับไปยังสำเนา อธิบายการจัดการพอยน์เตอร์อย่างละเอียด; เป็นคำถามที่ Amazon ชอบใช้ทดสอบความแม่นยำ
4. Course schedule (ตรวจจับวงวน / การเรียงลำดับเชิงทอพอโลยี)
แนวทาง: สร้างแบบจำลองข้อกำหนดก่อนหน้าเป็นกราฟแบบมีทิศทาง; ใช้อัลกอริทึมของ Kahn หรือ DFS พร้อมสแตกการเรียกซ้ำเพื่อตรวจจับวงวน อธิบายว่าทำไมการมีวงวนหมายความว่าตารางเรียนเป็นไปไม่ได้
5. ออกแบบระบบเช่นการจัดการคำสั่งซื้อของ Amazon / ตัวย่อ URL
แนวทาง: ชี้แจงความต้องการและขนาด กำหนด API เลือกการจัดเก็บและโครงร่าง ID จากนั้นพูดถึงการแคชและความสอดคล้อง เชื่อมโยงตัวเลือกกับความพร้อมใช้งาน (availability) — คุณค่าด้านการออกแบบของ Amazon
6. เล่าถึงครั้งที่คุณรับผิดชอบปัญหาที่อยู่นอกเหนือขอบเขตของคุณ (Ownership)
แนวทาง: STAR บุรุษที่หนึ่ง พร้อมข้อมูล Ownership เป็นหนึ่งใน LP ที่ถูกทดสอบบ่อยที่สุด: แสดงให้เห็นว่าคุณมองเห็นช่องว่าง ลงมือทำเกินบทบาทของคุณ และได้ผลลัพธ์ที่วัดผลได้ซึ่งคุณสามารถระบุเป็นตัวเลขได้
7. อธิบายครั้งที่คุณไม่เห็นด้วยแต่แล้วก็ยอมรับและทำตาม (Have Backbone; Disagree and Commit)
แนวทาง: เลือกความขัดแย้งที่เกิดขึ้นจริง ซึ่งคุณแสดงความคิดเห็นของคุณด้วยข้อมูล จากนั้นยอมรับและทำตามอย่างเต็มที่เมื่อมีการตัดสินใจแล้ว Amazon ต้องการทั้งความหนักแน่นและการทำตามจนจบ พร้อมผลลัพธ์
8. เล่าถึงครั้งที่คุณส่งมอบผลลัพธ์ภายใต้กำหนดเวลาที่กระชั้นชิด (Deliver Results)
แนวทาง: STAR พร้อมตัวชี้วัด เน้นการจัดลำดับความสำคัญ สิ่งที่คุณตัดออก และผลลัพธ์ที่ระบุเป็นตัวเลข Amazon กรองผู้สมัครอย่างเข้มงวดสำหรับคนที่ส่งมอบได้ภายใต้ข้อจำกัด ไม่ใช่แค่วางแผน
รับความช่วยเหลือแบบเรียลไทม์ในการสัมภาษณ์งาน Amazon SDE ของคุณ
Amazon สอดแทรกหลักการความเป็นผู้นำเข้าไปในทุกรอบ โหมดพฤติกรรมของ Natively ช่วยให้คุณจัดโครงสร้างคำตอบแบบ STAR ที่อิงจากประสบการณ์จริงของคุณแบบเรียลไทม์ และการสนับสนุนด้านการเขียนโค้ดของมันจะอ่านปัญหาบนหน้าจอและเสนอแนวทาง — ทั้งหมดบนอุปกรณ์ของคุณ ภายในเวลาไม่ถึง 500 มิลลิวินาที
