登录
  • #Amazon
  • #求职(非面经)

转码‌‌‍‍‌‍‍‌‍‍‌‌‌‌‌‍‌‍‌‍‍‍‍‍‍‌‌‍‍‌‌‌找工作的资料总结

胖娃娃阿夏
11028
43
转码资料总结

最近成功上岸了,总结一下转码过程中收集和使用的学习资料,主要都是地里的帖子。今后跳槽估计还能用到😂 😅

目录:

0. 简历

1. BQ

2. 刷题

3. System Design

4. Machine Learning Design

5. 其他资料

6. Offer比较



0. 简历



1. Behavior Questions

我面的第一个公司是Amazon, 所以就按照16条LP准备了很多小故事, 后面其他公司也用的这些故事。

1.1 地里很好的帖子



1.2 Youtube视频



1.3 亚麻的一些LP套路

一个故事套至少两个LP,比如



  • I think big and insist on the highest standards, so I am right (a lot).

  • I bias to action so I deliver results.

  • I have customer obsession, so when I meet challenges, I take ownership and dive deep.

  • I am always eager to learn and be curious, so I invent and simplify.

  • I have a backbone but I disagree and commit, so I earn trust from colleagues.



一些BQ问题的等价转换



  • meet tight deadline = deliver results = bias to action = adapt to changing demands

  • mistake = failure = miss deadline = decision you regret = apologize = would handle differently ---> 重点 what you learned

  • conflict = disagreement = don't like me —> Backbone, disagree and commit + customer obsession + earn trust

  • hard decision = take calculated risk = task with ambiguity = have multiple solutions = lack of data\info

  • everyone is your customer

  • Anything positive ---> because I have customer obsession, I take ownership, I think big, I insist on the highest standards

  • Anything negative --> because I missed customer obsession, I didn't take ownership ---> I have learned .....



2. 力扣刷题





我从七月中旬从0开始做Leetcode,到12月底一共做了595道(155 easy, 345 medium, 95 hard)。

前面300题做的非常慢,过了300之后开始慢慢有感觉了,能识别出来套路了,后面做题就越来越熟练了,计时做基本在20分钟内能做完一道medium,hard就全凭运气了

我的做题顺序如下

1. Leetcode出的Top Interview Questions: easy, medium, hard 3个collections

2. Leetcode上 Amazon, Facebook, Microsoft 最近6月的高频题(做完了大部分)

3. Google 前50道 高频题和 Leetcode上Mock Assement的所有Google Phone Interview 题和部分Onsite Interview题

4. 部分地里的面经题

不会做的题主要看discussion的高赞答案,然后自己总结。

刷题的总结见我的这个帖子: 力扣常见题目总结

3. System Design





这一块也是从0开始学,主要学习了以下资料。

3.1 Educative



3.2 Youtube



  • : 主要学习了一下讨论trade off,这是grokking里面讲的比较少的。



3.3 地里的好帖子



另外还有地里很多推荐的神书 Designing Data-Intensive Applications,我并没有看过,没时间了。

4. Machine Learning Design

主要学了:

4.1 Educative



不建议读Educative上的[Machine Learning System Design],太粗略笼统了

4.2 书



  • 读了这本书 Machine Learning Engineering by Andriy Burkov 的一部分



4.3 地里贴子



5. 其他工具

5.1 模拟面试



  • Pramp 免费 peer mock interview



5.2 画图白板



5.3 其他YouTube上很好的视频



6. Offer

工资 Level.fyi

大厂 vs 小厂

谈判技巧

城市比较



求加米! 给别人加米,自己不扣米!
43条回复
热度排序

发表回复