上学的时候对求职并不上心,毕业了随便找了家公司上班,当时还很知足,“有班上就行!”
工作了一段时间,才开始后悔当初做选择时的随意:小厂活杂不说,连全部的Data权限都不给我开(有时候还得猜)……
思来想去,还得是High Tech啊!
就这样,刚毕业不久的我,踏入了跳槽之旅。好在我遇到了“贵人”相助,今年顺利进入Walmart啦!
01
后悔没早点报名
读书的时候错误地以为学知识最重要,于是尽可能多地选课。这就导致我的学业压力很重,根本无暇顾及求职。
加上在国内的时候踩过留学机构的坑,先入为主地认为所有机构都是一丘之貉,一直不肯借助外力,直到把自己逼进了死胡同。
就在工作成了一团乱麻、不知道如何下手之际,朋友推荐了直通硅谷
咨询老师听了我的现状之后,居然一条一桩地列出了解决方案,把令我困扰的一团乱麻解开了!
当即就报了名,并且深深地后悔——怎么没早点报呢!
我们的导师业内经验超丰富,再乱的麻都能解开(不行就砍了)
即刻扫码咨询保offer计划,合理规划有限时间,最大化发挥个人实力,不浪费求职的任何一秒!
02
这个老师,也太细心了吧?
不是我自夸哈,我觉得我平时是个比较细心的人,但没想到咨询老师比我一个女生还细致……
给大家看看他给我写的Feedback就知道了:
学校里的Career Center大家都去过吧?秉持着薅羊毛的原则,我也曾预约过,只给改了几个语法,简历连“皮外伤”都没有。
如今交到老师的手中之后,我才知道什么叫“脱胎换骨”他对我之前的项目和工作经验进行了深挖,强调数据的量化与结果的展现。这种深层次的改动并非一夕之功,老师也非常耐心地一次次批改。
简历是长线战,改动的同时,我也在跟听直播课。
上课时间都是晚上,我是在职嘛,这点很对我的路子。
课上学的原理我多多少少都了解,有的在课上学过、有的工作中涉及过,但尴尬的是,没一项是真正深入的。
老师在直播课中讲得就很透彻了。
比如Supervised和Unsupervised Learning这样的原理,一个图就能展现,但老师会举出各样的例子来让我们理解;还会提供Linear regression啊、Tree based models啊、Neural Network models等等Commonly used models,生怕我们学不会。
课程中还会穿插许多Interview questions。我记得比较清楚的一个问题是,How do we reduce variance error in linear regression?
以为回答完问题就完了,没想到他还出其不意地问了Follow up:Ridge regression VS LASSO.
很“惊险”,但也真的很锻炼个人能力!上课的过程犹如体验了Mock interview……
哦对,真正的Mock对我来说也是超级有用的。
通常Tech和Behavior的问题基本都知道要答什么了,但Mock的时候我被问了Domain knowledge,这个点我之前从来没关注过,老师还给我详细讲解了答法,我也私下好好查了查看了看。
没想到,面Walmart的时候,真叫老师算对了!
03
遇到了一堆放水面试官
我面试的时候是4轮,总体都非常简单,回头复盘一下,我觉得最难的居然是OA……
接下来电面做了Data sciense的题,Follow up都是针对原理的。
VO的话,遇到了国人也遇到了印度人,遇到印度人我还有点紧张,没想到他们都在齐刷刷放水,题都简单,Data Operation、A/B testing这样,都不难。
做完题之后就瞎聊,果不其然问了我一些Domain knowledge
我口语其实没那么好,一直因为这个有点自卑,但是面试的时候说得居然很顺,甚至我居然已经不在意这个点了。
我突然发现,这几个月来的直播互动、Mock练习、跟听Mock,带给我的助益是如此巨大。
现在我已经入职一段时间了,薪资相较之前翻倍了不说,同事们也都很友好,Manager给的建议和指导很多。
希望我的经历能对大家有帮助,也祝福大家和我一样顺利上岸!
扫码添加小助手咨询保Offer计划
你也可以丝滑上岸!
继续阅读
阅读原文