$280k招人，入职即L7！还得是Intel！

说实话，我都觉得自己很幸运：接连收到了Tiktok、Amazon、Snap以及很多其他厂的Move on，一番Compete下，最终选择去了Intel。

好多人问我为什么去Intel，其实很简单啦：Tittle是很strong的AI、可以Remote、总包$280k、入职即L7！

现在我已经入职了，平时很少看到网上有PhD分享自己的经验，那么我就来无私奉献一下吧！

原来Research也要刷题

说实话，之前从来没想过，自己求职的时候会遭遇滑铁卢。之前找实习也都不是很难，我有过不少大公司的Research Internship经历。

本以为全职工作能和找实习一样简单，没想到面试全职Research岗时，居然被面试官问了LeetCode的题，直接给我问懵了。

不是吧，原来Research也要刷题啊？！

那咋整……哎，只能开启了刷题200的旅程。

那时候我体会到了前所未有的焦虑，一边做研究，一边做着与我学业无关的题，一到DFS和DP就卡住，一时感到无比的矛盾。

就是这个时候，我了解到了直通硅谷，并试着做了一次咨询。

还蛮巧的，给我咨询的老师和我方向差不多，给出了很多指导性的建议，一听就是业内人士。他给我详细介绍了直通硅谷的各个项目，主流的SDE或Data其实并不适用于我，于是，我选择了VIP课程。

700+资深在职工程师在线等Pick！

快来扫码添加小助手，咨询上岸计划~

重拾自信：我不是学术垃圾

我的目的性还是比较强的，但范围就比较广了：最想找的是AWS的Applied Scientist，其次是MLE岗，再次是Research Scientist。

虽然说起来有点杂，但直通硅谷还是为我匹配来了和我背景相似的、大厂资深工程师T老师。

他先是带我整个过了一遍我的所有Research，懂得都懂，这是怎样一个浩大的过程。

那些零碎的Research被他挨个挑出重点与共性、连贯地串连在了一起，那一刻我突然有点想要热泪盈眶：原来我不是一个学术垃圾啊！

这项工作虽然漫长，但非常有用，在后续的每一场面试中，我都能把控前5分钟的自我介绍，最大化地讲述自己的优势，而不是单纯罗列自己做了什么。

而且很多面试官会从你之前做过的Research中挑重点去问，用了什么处理模型这种，比如你CV里提到了对抗学习，就顺着问一些相关问题。

T老师几乎把所有可能性都预想到，并且与我反反复复演练过。

毕竟学历已经刷到了PhD，在我所学习的领域里，已经学得很深了，可越是这样，越接触不到General的考点。

虽然刷题只占面试的一小部分，但T老师还是花了很长时间为我总结题型，还对Machine Learning的知识进行了详尽的汇总。

什么是重点、什么是难点、如果面试官问出这个问题，他还会接着问哪些问题，而他想得到的反馈是什么……T老师为我剖析这些的时候，充满了研究精神。

比如问Data Imbalance是什么，T老师可不会局限于此，而是让我继续分析，这是因为什么导致的，又要怎么解决？

刚开始并不是很习惯这种“连环套”式的节奏，但习惯了这种思路后，我连自己刷题的时候也会多延伸着想一想。

到面试的时候，可能面试官还没问那么多，我自己就已经尽可能多地考虑到延伸的可能性。这种良性习惯对于真正面试的帮助太大了。

每次查邮件，都有新发现

1v1计划还在稳步推进的同时，我开始陆续接到各家面试，一时邮箱爆满。

甚至还收到了Tiktok HR的邮件："We have received positive feedback."

犹记得老师当时是这样回复的：“加油加油！！一举拿下！！”

回想一下这些面试，无非是先自我介绍，接着面试官问一些CV相关知识点 or General的Machine Learning知识点，这些老师都给我细讲过了。Overfitting啊、Data Imbalance啊……都离不开如何导致的、如何解决这一套路。

剩下的时间可能考一些Easy或Medium的Coding，大部分都不是LeetCode上的Coding，例如假设图形旋转怎么做，K-means、KNN等等。

我过关斩将，拿下了不少OFFER。虽然一开始最想去的是AWS，但最终还是接了Intel的OFFER。

站在山脚看到的是山腰，而爬上山顶，自然拥有更广阔的视野，与更优质的选择。

感谢直通硅谷各位老师的相助。这几个月来的帮助不仅仅在于面试能力的提升，我的信心与思维也得到了质的飞跃。

马上我就会迎来人生新阶段，希望届时的自己，也能像各位老师一样，帮助更多的人、甚至成为别人的榜样。

求职情况千千万，

在直通硅谷，条条大路通OFFER！

深耕科技求职8年，课程满意度98%，

5000+大厂OFFER实力认证！

扫码咨询小助手，获取个人上岸最优路径！