京公网安备 11010802034615号
经营许可证编号:京B2-20210330
前谷歌软件工程师YK Sugi分享了他是如何通过六个步骤,顺利开启了自己的数据科学职业生涯。
大家好,有很多人问我如何获得谷歌的软件工程师工作,在本文中我将分享我是怎么做的。
用相同的方法,你也可以在谷歌、亚马逊、微软、Facebook等顶尖科技公司获得软件工程师的工作。
在以上公司顺利求职共需要6个步骤,此外我还将讨论以下内容:
好的,我们开始吧!
第1步:学习编程
这是成为软件工程师所需的最低要求。
为此,我建议你使用Codecademy和freeCodeCamp等交互式网站。在这些网站上你可以学习大多数编程基础知识,SoloLearn也是不错的选择。
之后,我会使用视频教程来学习更深入的知识。我推荐YouTube,Pluralsight,Lynda.com和Udemy等网站。在这些网站上,你能够找到以下主题的教程:
取决于你的兴趣。
但是等一下,我应该先学习哪种编程语言呢?
我的简短回答是,选择JavaScript或Python,但这实际上取决于你的兴趣。我在之前的文章中有探讨过这个问题。
第2步:做些个人项目
在学习了一些编程教程之后,你应该通过构建一些个人项目来练习学到的知识。
为此,你应该找到你感兴趣的东西。
例如,如果你喜欢摄影,那么你可以开发一个网站整理你所拍的照片。如果你对股票感兴趣,那么可以构建一个系统来分析股票图表。如果你喜欢解决问题,那么可以尝试参加编程比赛。
当处理项目时,首先要尽可能靠自己完成。然后,如果遇到困难,可以使用在线或离线资源获取其他人的帮助。例如,如果遇到与编程相关的问题,你可以在Stack Overflow对特定技术问题进行提问。
第3步:获得第一个编程工作或实习
一旦完成了一些个人项目,你就有机会获得第一份编程工作或实习机会。这样在与顶级科技公司面谈之前,你将有一些编程的经验。
你完全有可能在一家顶级科技公司获得第一份工作,但是这种几率比较小,你获得的第一份工作更可能是在一家不那么知名的公司。
**申请软件工程师工作的最佳方式**
除了在网上投简历,你还有其他的方法可以尝试。
这里我建议你使用LinkedIn和人脉网络。
在LinkedIn上,首先找到你感兴趣的公司的招聘人员。然后,你可以问他们你是否有资格获得你感兴趣的职位。如果你的资格还不够,你也应该问他们如何能更好地做准备。
还有Meetup这种人脉网络的网站,你可以直接与当地公司的工程师和招聘人员进行交流。
这还不是全部。
LinkedIn这种人脉网站对于中小型公司的职位很适用。但是,对于想应聘谷歌和Facebook等大型公司而言,效果就不那么好了。
对于这些大公司,我建议结合以下三种方法:
结合这些方法能够增加你获得大型公司面试的机会。
对于大型公司,LinkedIn上大公司招聘人员收到的消息太多了,因此效果不太好。
第4步:学习数据结构和算法
谷歌和微软等顶级科技公司在面试时,经常会问到关于数据结构和算法的问题。所以,如果你对这方面不太了解,那么你应该学习。
针对这方面的基础知识,我推荐我YouTube频道的数据结构和算法系列视频。
谷歌和微软等公司的编程面试很难,但可以有针对性的进行准备。
一旦你对数据结构和算法有了深入了解,我就会推荐以下三种资源用于练习:
在自己练习几周之后,你可以开始进行模拟面试。
**怎么做模拟面试**
与你的朋友一起练习,从我以上提到的资源中选问题互相提问。
解答每个问题,并对你的解决方案进行解释。
在练习时,除了面试者还要充当面试官的角色,从而揣摩面试官的想法。
进行约20次模拟面试,之后你对实际面试将有一定把握。
第6步:反复尝试
使用我以上提到的三种方法应聘顶级科技公司:
如果第一次没有成功,请不要泄气。在找到心仪的工作前必然会经历一些失败。
在我成为谷歌的软件工程师之前,我曾尝试了五次。
总结:
等等,真的那么简单吗?
是的,但是完成这六个步骤需要大量的时间和精力。
其他问题
问题1:我需要获得计算机科学学位吗?
不用,但是拥有计算机科学学位有很大帮助。如果你参加一个完善的计算机科学课程,当中包含了步骤1,2,3和4的大部分内容(学习编程,做个人项目,获得第一个编程工作或实习,以及学习数据结构和算法)。
如果没有计算机科学学位,你需要自学当中许多内容。
要注意,即使拥有CS学位,获得顶级科技公司的软件工程师工作也需要付出很多努力。
问题2:我是否需要毕业于麻省理工学院,斯坦福大学,卡内基梅隆大学等顶尖大学?
同样,并不需要。毕业于顶尖大学当然有些帮助,但这并不是必备条件。
谷歌人事业务部的高级副总裁Laszlo Bock也同意这一观点。
在他的书《 Work Rules!》中提到,比起来自麻省理工学院等顶尖学校但表现平庸的学生,谷歌更青睐来自普通院校但表现优异的学生。
我认为这是有道理的,如果你很聪明且专注,那么来自哪所学校并不重要。
问题3:我需要很高的GPA(绩点)吗?
不用。
较高的绩点在面试中有一定优势,但你拥有扎实的实践经验,且完成了有趣的项目更为重要。
事实上,根据《 Work Rules!》,谷歌过去常常注重面试者的绩点。然而之后他们发现,较高的绩点并不意味着出色的工作能力。因此谷歌不再强调面试者的绩点。
问题4:那我需要什么?
你所需要的是强大的编程能力和解决问题的能力,熟练掌握计算机科学的基础知识,以及在简历中展示出完成的项目和具备的经验。
根据我在文中提到的六个步骤,你就能做到。
问题5:怎么能写一篇好的简历呢?
你可以参考我在面试谷歌时用的简历。
简历的篇幅最好控制在一页,我的稍微有些长,但可以作为参考。
祝你好运!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15