IT求职必备 — 北美面试官向你揭示IT面试的秘诀

上岸算法

任何只教知识的课程都是耍流氓

我们的课程直击上岸

拜登当选,

和科技公司、美国高校以及新移民们密不可分,

熬秃头的留学生们的春天终于来了!

如果你还未手握心仪offer

又错过了2020秋招的最佳时期

不如重振旗鼓迎战明年春招!


灵魂拷问:我要毕业了 / 已经OPT了,我的工作还没有下文,我想留美怎么办?

回答:从今准备,迎战2021年初春招以及八月秋招(2022入职)。是的,2020秋招(2021入职)已近尾声。

迎战春招,我该准备什么?

面试风向

或许很多人还在埋头苦刷。但殊不知,SDE的技术面试已经不再向“更难的题”进发。我们搜集了大量在2020年面试的同学反馈资料,面试考题依旧停留在以Medium至Hard难度之间,并没有因为疫情将题目门槛大大提高。题目难度相比往年几乎持平,也没有大范围出现更新,更难的算法知识。
相比较之下,近几年开始,面试对于学生的交流能力提出了更高的要求。如何在面试中准确的提问,以及表达、阐述自己的算法思想,反而成了区别面试者能力的一大因素。恰巧,这又是很多同学忽略的部分。我们要知道,“我会写题,我能写题” 和“我是一个Productive的工程师” 之间是有很大分歧的。要做一个多产的工程师,组间、组内的交流能力显然是最重要的素质之一。用直观的量化表达,在一场面试中,算法能力的比重在我们看来高达60%,但剩余40%均来自于交流软技能。假设,你需要在一场面试中得到6/10的分数才能够通过,而假设能写对所有算法题(最优解, bug free)在四场onsite面试能得6分,能准确回答所有交流问题满分4分,大部分通过的同学会落在算法部分(3 to 5) + 交流部分(2 to 3)的区间内。另外不要忘了,人是社会动物,好的交流能力能在面试官心理上帮你提分不少。

SDE面试准备

基于以上情况,假如你的目标是能够在2021年找到一份“给sponsorship”的年薪(总)不低于100k的SDE相关工作,那以下是我们给出的建议:
首先明确自己的算法能力,要深度掌握面试的必要算法,但不要盲目追求题量。刷题对于人的算法能力提升是显而易见的,但盲目追求数量而不去总结和归类一定是事半功倍。以下我们列出了你必须深知的算法知识:

算法考点来了!小本本记下来

排序(常规/拓扑)/二分法

宽度优先搜索/深度优先搜索

双指针/链表的操作

盏的运用(包含单调盏等)

队列的运用

双向队列的运用

优先队列的运用

扫描线

树的问题

(除去BFS, DFS,树的一些经典操作,遍历(当然也可以算作dfs),序列化等)

有同学可能要问为什么没有DP?

因为DP在大部分公司都不是面试要求,而且可以用DFS + 优化处理。另外在准备学习DP的时间性价比上并不高。所以不做推荐。

推荐题量?

我们推荐您在系统性的训练上述算法后,刷至400-500题即可。这些知识足够达成我们的目标。但我们还是要强调,刷题因人而异,我刷500题的体会和他刷500题的体会显然有很大区别。所以我们强调您需要“系统性”的训练算法。假如您不能在做到一题新题(假设是上述算法知识之一),并将之迅速归类到某种算法和某种写法,我们认为您的算法知识还有缺陷。

11月福利

上岸算法 I 11月公益活动
上岸算法是一家致力于用高质量,高互动性小班课程来帮助学生更好的在就业市场中定位以及求职的公司。我们以顶级的课程质量,高互动性的教学方式以及独特的小班教学模式来帮助学生更快的跨过求职的鸿沟,用最高效,经济,合理的方式帮助更多学生快速找到梦寐以求的工作。很多人认为,培训的意义就是在短时间内,用总结好的知识,帮你更快的掌握核心知识。但我们上岸算法认为,知识都是廉价的。因为在当代,如果你想学习知识,不论从书本、视频、付费课程,你都可以找到玲琅满目的资源。而核心问题是,你如何快速有效地吸收这些知识。这也是我们上岸算法小班致力于解决的问题——如何让学生在小班环境中,快速有效地掌握知识的运用,并通过大量的模拟来应对面试。毕竟,我们只需要赢了那四个小时的面试,人生就会走向不同的岔路口。

上岸算法网络科技有限公司

扫码加客服小可爱联络

算法小班试听

PST 2020/11/25  7-9PM系统设计试听

PST 2020/11/20  7-9PM

Data方向求职策略

数据领域和SDE领域的求职非常不同,SDE领域的求职知识往往集中在算法和计算机知识等领域。而数据领域的工作,很多人却仍有迷思。Data方向包括以下岗位:数据科学家(Data Scientist)、机器学习工程师(machine Learning Engineer)、数据/产品分析师(Data/Product Analyst)、商业智能工程师(Business Intelligence Engineer)、数据工程师(Data Engineer)。除此之外,数量研究师(Quantitative Researcher)、研究/应用科学家(Research/Applied Scientist)、甚至产品经理(Product/Program Manager)等等,也能属于data方向的广义范畴。
2020年,Data方向的简历投递策略是什么?2020年无疑是属于海投的一年,往年可能还能集中几十个大厂投递,今年只能不论公司规模和名气,三十六计投为上计。因为Data方向的岗位众多,学生在投递简历的时候,往往走了一些弯路。我们在辅导中,经常碰到的几个关于投递的误区是:
1)投得晚
这一点毋庸置疑,太多学生想等到万事俱备只欠投递的时候、才投出神圣的简历,因此白白错过了最佳的投递时机。这样的例子数不胜数。明年春招在即,建议大家早早丰富好自己的简历,准备好在1-2月疯狂地投递吧。如果自己面试准备得已经要修炼成仙了,错过了投递时机而没有拿到面试,也只是屠龙之术。2)投得精
Data方向尤其常见这一失误。很多学生只知Data Scientist,其实还有很多岗位和DS一脉相承。既然投了Data Scientist,为什么不同时投Analyst、ML、BIE、AS等等岗位呢?这些岗位面试需要的技能点和考察的知识点,和DS有一定的overlap。公司会根据自己的headcount和招聘策略,实时调整自己在不同岗位上的招聘额度。所以扩宽自己的投递范围也是常见的应对策略。3)投得高
又是一个Data方向的学生容易犯的错误。有些学生很迷恋一些高端大气上档次的Research Scientist,或者时下很火的Machine Learning Engineer。这里我们不是不建议投递这样的岗位,如果背景合适,当然要死命地投递。但是,同时我们还要指出的是,这一类岗位通常僧多粥少,而且竞争可能远比想象得激烈。有些很优秀的学生,因为看不到和他们一起竞争的candidate pool有多大,就只往一些难度系数最大的岗位投递。我们给出的建议是,就算对这类岗位把握极大,还是要投递一些其它的岗位来保证自己能上岸,如BI类的岗位。

其实,不论是公司,还是岗位,职业发展是长期的,这样的事情不需要追求一蹴而就。只要你上了岸,之后不论往大厂跳还是转岗,都是有很多办法的;比起因为好高骛远而上不了岸,有了H1B之后的转岗和跳槽,要容易得多得多。很多的成功实例都有survivorship bias,并不是每年毕业的人中都有那么大比例的人拿了大包,找到最适合自己的路才是最重要的。

DS 面试准备

当然,Data领域这么宽泛的范畴也意味着面试准备不能千人一面。上岸的DS小班采用了双轨制,BA方向针对偏应用的analytics类岗位,ML方向针对偏开发的技术类岗位。同时,为了帮助大家找到最合适自己的路线,上岸举办过多次讲座,剖析各个岗位适合的人群和求职策略。假如你的目标是能够在2021年找到一份“给sponsorship”的年薪(总)不低于100k的Data相关工作,我们建议的Data方向岗位的面试准备重点有:1)夯实基础,SQL和Python编程基本功不可丢,关于array的data manipulation要会用Python写些easy题目;
2)举一反三,侧重case study的灵活运用,现在公司越来越侧重考查数据科学中business acumen了,也就是给你一个实际的情景,如何找到相应的数据来解决问题;

3)点面结合,machine learning的基础知识要懂,更重要的是怎么将你的机器学习设计与产品需求相结合。

划重点

上岸数据科学小班

    • 超过24小时的沉浸式训练
    • 不超过5人的小班化教学,师生比达1:2
    • 每个知识点都有最新相关面试真题的讲解
    • 注重在理论框架下的应用
    • 大数据机器学习+深度学习项目

针对岗位

  • Data Scientist,Analytics/Inference
  • Data/Business/Product Analyst
  • Business Intelligence Engineer
  • Machine Learning Engineer
  • SDE Machine Learning
  • Program Manager

讲师介绍

莎莎老师
斯坦福AI毕业,有着6年多数据科学家工作的经验,参与过多家大公司的机器学习建模和实验设计。拥有丰富的北美求职培训教学经验,长年担任FLAG面试委员会成员。曾斩获过Google、Facebook、Microsoft、LinkedIn等多家公司的DS和MLE的offer。

小k 老师
现职FLAG资深工程师,丰富教学经验,曾斩获UBER、Google、Microsoft、Amazon等大中小厂的offer,参与设计和开发了多个产品。
课程亮点
  • 线上实战课,和FLAG老师即时提问互动。
  • 严格实行小班制,保证线下不超过5人,线上也不超过5人
  • 针对不同基础的同学,会设计相应的回家作业,同学们根据自己的需要决定完成与否
  • 时间和教学内容会根据学生的时间安排和实际情况(知识基础、面试安排、求职诉求等等)进行灵活调整
  • 每小时不到$100的费用,比动辄五六千的大班课更为优惠
  • 适合零基础,转专业,以及cs科班想增强竞争力的学员
免费试听

DS -机器学习方向

2020/11/20  7-9PM

课程收获
  • 简短准确地表达基础统计知识的能力
  • 对面试重难点的理解
  • 灵活的Machine learning case study和Product Sense的答题模板
  • 以面试为导向的应试技巧

发表评论

Fill in your details below or click an icon to log in:

WordPress.com 徽标

您正在使用您的 WordPress.com 账号评论。 登出 /  更改 )

Google photo

您正在使用您的 Google 账号评论。 登出 /  更改 )

Twitter picture

您正在使用您的 Twitter 账号评论。 登出 /  更改 )

Facebook photo

您正在使用您的 Facebook 账号评论。 登出 /  更改 )

Connecting to %s

这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理