零基础转码/在校生求职, 如何毕业即拿下谷歌/亚麻等多家offer?
分类:专家指南2021-01-12
今天我们给大家介绍的两位主人公,就是这样的毕业生/零基础转码选手。他们通过合理规划求职时间、努力克服种种困难在毕业前后成功拿下多家大厂offer。
那么他们是如何披荆斩棘,又是如何上岸大厂的?让我们一起来看一下吧!
01
应届毕业手握Google offer:
求职早,弯路少
主讲人Eric同学:
UC Berkeley CS本科在读,大二就开始求职准备、参加来Offer课程,并顺利斩获谷歌实习。近期成功拿下谷歌return offer,以及Bloomberg、Robinhood、IXL Learning全职offer。
从大一刚入学时,我就开始规划未来的求职时间线了。因为我很早就意识到:在美国想要毕业就拿到全职offer,尤其是公司的offer,在毕业前有实习经验的话会更加分。于是我就计划要在上学期间拿到实习机会。
由于之前的实习经历比较单薄,申请实习一直无果,所以我开始想办法去找工业界级别的项目来丰富简历。在大二下学期时,报名了来Offer的项目课,将课上做的实战项目都放到简历上之后,就拿到了谷歌暑期实习的面试机会,顺利拿到offer。
实习结束后因为表现不错,我直接拿到了谷歌的return offer。有了return offer后,心里更有底了,但也想再挑战自我,试试争取一些其他公司的offer,于是在毕业前我开始了应届生全职工作的求职,最后又拿下了Bloomberg、Robinhood、IXL Learning的全职offer。
回望整个求职经历,我认为我的成功有很大一部分原因来自于求职意识:那就是趁早准备。除此之外针对一些常见的求职问题,借此机会我也想说一说我的看法:
在校生如何增加拿到面试的机会?
身边有很多在校同学一直焦虑,经常有人烦恼自己为何拿不到面试。但其实拿到面试机会是讲究方法的,那就是要准备一份亮眼的简历!
所以在校生不能仅有一些校内课上做的内容。可以争取在假期做一些实习,也可以提前做一些工业界级别的项目。尤其在申请大公司的时候,增加与公司相关联的技术栈,会更容易拿到面试机会。例如亚马逊就多用AWS的技术,申请谷歌就增加一些Google Cloud Platform的内容。
不同公司面试有何异同?如何准备?
毕业前求职,总共拿到过6家面试机会。其中非科技领域公司面试出题的方式会更广泛一些,除了考核基础的算法和Coding,还会考到数学、统计、建模等面试题。个人建议,面试前需要根据不同公司的业务方向来进行准备。
既要上课又要求职,如何平衡任务量?
我平衡任务量的诀窍是提前把workload安排好。求职准备时,我根据自己的时间管理习惯,把来Offer的项目班直接设成了一门3units的课。所以那个学期我的总任务量差不多是18-20个units,这样安排下来就更加合理。
而且来Offer的项目课如果认真上课的话,任务量就不会很重,做完项目后趁热打铁,把项目亮点总结好写在简历上就可以求职了。
02
零基础转码上岸大厂:
需要高效学习与求职
主讲人April同学:
统计专业背景,此前在来Offer的帮助下零基础转码,在极其有限的时间内快速拿下Amazon全职offer。此次疫情期间在职跳槽,成功收获谷歌offer。
大家好我是April。我本来是统计专业的,结果快毕业了才发现自己找不到工作,于是趁求职趋势决定立即转码!
但是求职CS领域,简历是敲门砖,我要有足够的经历去丰富好历才能拿到面试机会。于是我报名了来Offer项目班,课上的项目内容贴近工业界的应用和技术,在学到不少知识的同时,也在短期内丰富了简历。
通过这份简历,我拿到了亚马逊、FaceBook的面试机会,最后直接一举拿下亚麻offer,真的欣喜若狂!值得一提的是,在亚马逊phone interview的时候,我做项目用到的技术和求职岗位十分贴近,在面试时候帮助良多。这次在职跳槽谷歌,面试时BQ回答里也用到了项目课上的内容,帮助也不少。
转码时间紧迫,如何克服压力?
说到毕业转码求职那会,真是一把辛酸泪。毕业后没有工作,且只有3个月时间去找工作,压力真的很大。但我快速调节心理情绪,无论做题还是做项目,都保持着高度专注专一的状态。准备越充分,给自己的信心也越足。
所以时间紧迫不要慌,越是这种时刻,越要专注,才能高效出成果!
拿到大厂面试不易,面试成功有何技巧?
大公司面试内容基本上包括:行为面试(BQ)、面向对象设计(OOD)、Coding。对于亚马逊面试,BQ真的很重要,在onsite面试中会有一整轮都是BQ。自己需要对求职公司的文化了所解,并根据领导力准则14条进行准备。
算法和Coding方面,每个算法都理解透彻是很重要的,这是CS求职的根本。同时,在面试中和面试官的交流和表达也很重要。在沟通中,面试官会给不同的反馈或hint,有利于我们对面试进行调整,最后达到与面试官一起探讨去解决算法问题的目的。
