~阅读本文，大约需要5分钟~
14+2条军规，
是亚麻极度推崇的企业文化
可是，
这些leadership principles，
和我们new grads有什么关系？
Fake it until you make it，是很多同学都听到过的一句话。戏谑之余，我们仔细想一想其中的道理：
当我们用自己目标的思维方式和视野去看待事物，往往能帮助我们更有效的到达目标。
虽然我现在只是一个大二的同学，但是我在想大四求职季会碰到的问题，所以我会抓紧时间找实习，认真积累工作经验；
虽然我现在只是一个求职者，但我把自己当成是真的在职员工去考虑问题，那么就比较容易打动面试官；
虽然我现在只是一个New Grad岗位，但是我经常和领导讨论一些全局的安排，那么我的工作就不仅限于手头的事情，甚至和其他团队的配合也更得心应手，那么下一次promotion，你成功的概率就会高一些。

扫码加入秋招备战群！填写问卷添加Jan老师，获取秋招实时资讯！
在Jeff Bezos卸任之前，亚麻又增加了两条军规，
详见本系列先前的内容
再说的直接一点：
BQ的答案基本上都在这16条军规中。
而Behaviral Questions，
即使是基础岗位的面试中，
也一定占了至少1/4的比例。

扫码加入秋招备战群！填写问卷添加Jan老师，获取秋招实时资讯！
讲故事专用：STAR法则
这个大家都知道，这里谈一些实战情况。很多时候，situation和task可以一起说，除非（公司或者行业）大环境是一个重点。当你的故事听上去比较negative的时候呢，可以加一个learn：我从中学到了什么，将来会怎样规避这些可能出现的问题。
我们可以根据和面试官聊下来的感觉，判断一下他们的思路是什么样的，选择不同的故事讲。比如同样是问你之前犯过的错误，一种，我们可以说在这个项目上我是怎么补救的，还有一种是，虽然暂时没有办法挽回，但是之后做其他的项目时怎么改进机制，从而预防类似问题的。我一般会看他提问的方式选择不同的story。
很多时候，我们在过准备的故事，发现ST的部分太多，反而重要的AR部分略少。事实上，我们最好要市场训练自己语言表达中概括的能力，面试官总希望我们可以一两句话把ST说完，毕竟他们对我们的解决办法更感兴趣。
明贬实褒，避重就轻
当我们被问到刨析自己的缺点时，一定要牢牢记住上面8个字。这时你就千万不能很老实的回答，因为他们一定会记录下来，之后对你造成不利。
面对这样典型的挖坑，一些很典型的回答例子像是：
  • “我写code速度特别快，不够规范。”
  • “不擅长管理10人以上的团队”
  • “作为new grad经验不足”
（事实上基础岗位上，短时间内不会管理这么多人，这时就可以强调自己是一个fast learner，而且之前有很多实习经历）
  • “讲话速度太快/慢了”
  • “做presentation的时候比较死板，没什么幽默感“
一定不要说的是：
  • ”我的communications有一点困难“
  • ”我不擅长public speaking“
  • ”我太完美主义“
  • ”我太喜欢工作“
  • ”我工作太拼不会休闲“
（这种太假了！）

Why Amazon
至于为什么会选择亚麻，我们推荐三种思路：
  • 个人的热情：我对SWE/Data很感兴趣，而在Amazon我可以有很大机会：https://www.cbinsights.com/research/report/amazon-strategy-teardown/

  • 公司发展方向文化和使命：16条军规+mission+vision，推荐大家阅读本系列先前对军规延伸出来的问题距离和这个链接：http://panmore.com/amazon-com-inc-vision-statement-mission-statement-analysis

  • 日常生活：我很喜欢Alexa（这款产品！）或者其他亚麻的服务等等。
关于Amazon面试的BQ，
我们就先和大家分享到这里。
同学们可以试着思考思考，
你会怎么回答？
各类STEM专业想去科技大厂求职？
其他专业转码求职？
关于北美科技公司秋招的一切信息，
点击阅读原文了解更多！
扫码加入秋招备战群！填写问卷添加Jan老师，获取秋招实时资讯！
求职是一件忠于自我的事情。
欺骗自己的人是最愚蠢的人。
深度剖析自己的技能点，
强化求职竞争力，发觉自我价值所在。
职业发展,
也只是你个人成长的一部分。
让你的长远发展更有意义，
减少未来更加耗不起的时间和精力浪费：
立即扫描上方二维码！
加入CS/Data秋招备战群！
更有

FLAGDream求职急救包
CS方向重点提升：
  • Linked List高频题；
  • Tree（DFS/BFS）；
  • Divide and Conquer.
Data方向重点提升：
  • 如何处理overfitting；

  • Imbalanced data set；
  • Data pre-processing, empty value, categorical variable, multi-class label.
扫码加入秋招备战群！填写问卷添加Jan老师，获取秋招实时资讯！
关于FLAGDream
FLAGDream是一家来自硅谷的顶级在线教育科技公司，以帮助学员进入世界一流公司为使命。被业界称为 "在线教育界的Uber”，创始人兼CEO金一粟说，“我们就像Uber一样，将学员输送到他们想要去的目的地。” 
部分学员 Offer
学员评价
参考来源：
图片来源于网络
版权声明：
本文由FLAGDream独家采编，未经授权禁止转载及任何形式的转化。FLAGDream除发布原创求职干货文章资料之外，致力于分享优秀职业发展相关文章。如涉及版权问题，敬请原作者原谅，并Email联系[email protected]进行处理。FLAGDream诚挚欢迎各方的品牌推广以及战略合作，如有意向请发邮件至[email protected]详谈
继续阅读
阅读原文
关键词
秋招
学员
公司
问题
时间