卡梅淡人学妹0经验一年上岸Amazon：爸妈比我更懂求职

学员自摄

01 “慢热但不焦虑，淡淡的就会顺顺的”

我目前在卡梅就读，即将进入本科最后一年。身边很多同学会继续读研，但我一直比较确定，自己想本科毕业后直接工作。

相比一直待在学校里，我更喜欢真实的工作环境，也更享受把代码真正用到项目里的过程。

不过，“想工作”和“知道怎么找工作”完全是两回事

大一升大二时，我虽然知道自己大概率会做SDE，但什么时候开始投、简历怎么写、刷题和Networking怎么安排，都没有清晰规划。

最先意识到这个问题的是父母。他们帮我接触了DBC，我也对比过其他机构，最后选择DBC，从自身出发主要有三个理由：

1️⃣聚焦Tech求职，有很多谷歌、Apple、亚麻的大厂在职导师，只要收到面邀，基本都可以约到对应导师Mock；

2️⃣案例经验比较多，很多CMU的学长学姐都加入了DBC，拿到了硅谷大厂的Offer

3️⃣更适合当时需要从头梳理方向的我，导师和顾问老师都一路陪着我，好多问题他们都提前预知到了，经验很丰富~

从“想起来才投”，到知道下一步该做什么

刚开始准备时，我并没有规划的特别细致。

有时间就投一些岗位，想起来才刷几道题，学校事情一多，求职准备很容易被往后放。我应该算比较典型的P人，不太擅长给自己排很细的计划。

DBC先结合我的专业、兴趣和过往经历，帮我确定了以SDE为导向的几个重要求职时间节点。

在此之前，我做过两段实习。

第一段偏医疗数据处理，接触过Python、R和SAS；第二段是DBC帮我衔接的AI公司后端实习，岗位更接近Software Engineer。

导师根据这两段经验帮我重新梳理简历，把更贴近Software Engineering的内容突出。调整后，我体感上收到OA和面邀的情况也有所改善。

学员自摄

另一个对我帮助比较大的部分是Networking。

我一般会每周固定联系一些校友和目标公司的员工。DBC提供了不同场景下的消息模板，也会讲Coffee Chat聊什么、怎样维护关系，以及什么时候适合询问refer。

回复率不算低，发十几条会有一个人回复，虽然会有些繁琐，但持续做，总会遇到愿意分享经验的人。

每当我拿到重要面试，导师也会提前帮我过技术题、梳理BQ故事和表达方式。

求职过程中也有失落。有一家公司在面试后专门约电话，我原本以为要进入下一轮，结果HR是来正式拒绝我的。

这其中的落差也困扰我了一阵子，但我没有让这件事影响太久。复盘一下哪里回答得不够好，然后继续准备下一场。

随着面试越来越多，我慢慢从“别人告诉我该做什么”，变成知道自己缺什么、下一步该补什么。

同学自摄

02 拿下亚麻Offer是对我努力的嘉奖

Amazon正式面试安排在一天内，一共两轮，每轮都包含技术题和Behavioral Question。

技术题大概是LeetCode中等难度，需要写出代码、解释思路，再补充Test Case。之后还有更难的延伸问题，不过主要考察能否讲清解决路径，不一定要求继续写完整代码。

两位面试官都比较友好。第二轮的主面试官是一位Engineering Manager，面试前我看过她的LinkedIn，所以反问时聊了不少她在Amazon的经历和工作方式。

除此之外，面试官也重点问了我如何使用AI、怎么看待AI，以及工程师以后应该怎样和AI协作。

因为我之前做过AI后端实习，面试辅导时也梳理过相关项目，所以现场可以结合真实经历展开。相比临时编一个观点，有具体场景支撑，表达会自然很多。

完成两轮面试后，我觉得发挥还可以。不出意外，我顺利收到了offer。

没能入职，但这张offer给了我更多底气

Amazon和另一家AI初创公司的AI Engineering的offer基本是前后脚收到的。

由于Amazon给到的是秋季实习，签证和身份安排无法解决，我最终选择了AI初创公司的暑期机会。

真正开始工作，进入团队后，我也更确定自己喜欢SDE的岗位。相比AI处理数据相关工作，我更享受理解不同模块如何配合，再把一个功能真正做出来。

目前这家公司有return的可能，但结果不会立刻确定，所以我不会等到return尘埃落定后再行动。实习结束后，我会直接开始全职秋招，继续申请SDE岗位。

回头看，我的求职起步不算早，过程也没有每天都很焦虑。但明确方向、持续行动、及时复盘，很多事情就会慢慢发生变化。

我最想给学弟学妹的建议也很简单：尽量找到自己真正感兴趣的方向。

如果喜欢正在准备的内容，刷题、做项目和参加面试就不会只剩下痛苦。即使中间有拒绝和不确定，也会更容易坚持。

剩下的事情，就淡淡地准备，顺顺地往前走。