硅谷的大廠Offer對于很多程序員還是非常有吸引力的，而今年的機器學習（ML）相關崗位又是其中的「香餑餑」。然而，被CMU/Stanford/MIT/Berkeley大佬包圍下，非名校生到底有多大機會？競爭激烈，到底又該如何讓自己脫穎而出呢？

大家一定都想知道，Google、Facebook、Amazon、Apple這些頂尖的科技公司，更青睞來自哪里的畢業(yè)生？

根據(jù)來自Linkedln的數(shù)據(jù)，Google與Facebook從美國前200的高校中雇傭了超過80%的員工。

此外，從公開LinkedIn個人資料的員工看來，超過一半的Facebook員工來自美國頂尖的10所大學。

[[383330]]

因此，很多非名校生可能都會存在一個困擾：

“我的學歷不是很高，學校不是很好，要是想進美國硅谷的大廠工作，到底有多大可能？”

這不，近日，Reddit上的一則標題為“大學聲譽在多大程度上影響了頂尖科技公司應聘的機器學習（ML）職位面試的機會？“ 的帖子，引起了大家的熱議：

這位發(fā)帖國外小哥說：

「我已經(jīng)被美國一所OKish學院的計算機專業(yè)的碩士項目錄取。

這所大學在ML研究方面并不是很強勢，但我認為有很多在線資源可以讓我學習ML，我也可以變得和頂級大學的畢業(yè)生一樣有能力。

我唯一擔心的是，我一直觀察到這樣的趨勢——只有從頂尖大學出來的畢業(yè)生，才有機會從事這些工作。

假設我可以做一些好的項目，也許可以為一些開源的ML軟件做出貢獻，那么我真的有任何實際的機會與來自MIT/Stanford/Berkeley/CMU等高校的人競爭嗎？」

這一「靈魂發(fā)問」，的的確確問到了很多人心里，這不，在短短一天的時間里，這個話題就引起了大家的激烈討論：

名校給你帶來的不僅僅是「牌子」，迂回戰(zhàn)術或許更有用

其中一位叫EastMight的網(wǎng)友的回答得到了高贊：

「即使現(xiàn)在有很多在線資源，我認為一流的大學也會幫助你變得更有能力。

最主要的原因之一，是他們有著更加嚴格的評估體系，而這會促使你自發(fā)學習更多知識，而不僅僅只是牌子和名氣的不同?！?/p>

此外，EastMight還分享了自己的親身經(jīng)歷：

「關于你的實際問題，我想分享一下我的經(jīng)歷：我在東歐獲得了一個非常糟糕的理科碩士學位(盡管免費)，在有了一些行業(yè)經(jīng)驗(在非頂級公司工作了1.5年)后，我拿到了英國的Bytedance和亞馬遜的面試機會，而FANGs中的其他公司拒絕了我。

[[383331]]

所以，是的，學校很重要，但相比而言，它在開始找工作的時候更重要。

如果碩士期間要求不高，你可以試試在上學的同時參加工作或者實習?！?/p>

這一觀點得到了許多人的肯定：

「這似乎支持了我對LinkedIn的觀察：對于應用科學家這一職務，亞馬遜似乎不太注重大學的名號，但其他公司往往會把重點放在這一點上。

另一種方法是先在FAANG的機器學習基礎架構(gòu)團隊中擔任軟件工程師，然后轉(zhuǎn)到應用機器學習的崗位上。

據(jù)說，應用機器學習團隊更重視系統(tǒng)構(gòu)建技能和機器學習基礎架構(gòu)經(jīng)驗，在這種情況下，你的經(jīng)歷應該會有所幫助?！?/p>

的確，名校最大的優(yōu)勢是環(huán)境和學術氛圍。當你周圍都是志趣相投、干勁十足的人的時候，往往會有更有活力的競爭、靈感和合作關系。

此外，一些常青藤盟校有非常高的“分數(shù)通脹”——哈佛大學的平均成績是B到B+。

還有網(wǎng)友表示：

「如果你想去頂尖的科技公司，你的目標應該是獲得一份實習機會，這樣你就能得到回報。

ML的實習可能會很緊張(因為現(xiàn)在競爭非常激烈)，所以你也可以考慮定期去SWE或DS實習。即使他們不是ML，但這兩者也有足夠多的交叉，有一個實習總比沒有好。

讓自己在ML / AI中脫穎而出的最簡單方法是發(fā)表文章，但你可能沒有太多時間去做這件事，或者在碩士課程中不能確保能得到很好的指導。

那么你可以考慮增加你簡歷的其他部分，比如開源貢獻。這可能會對ML有幫助，但對SWE肯定是有幫助的?！?/p>

又或許，把自己的眼光放長遠一點，這樣可能會更好：

「最初，由于地理位置的原因，您可能很難接到電話。如果你離公司太遠，他們就得經(jīng)常派飛機送你過去，所以，他們更喜歡附近的求職者。

不過，如果你畢業(yè)于好大學，并且你的簡歷非常符合工作要求，你還是有機會的。

面對第一份工作，你不要太緊張：大多數(shù)人都有這樣的誤解，認為剛畢業(yè)就需要進入夢寐以求的公司。

然而，這很難，也很少發(fā)生，人們通常會在一兩年內(nèi)跳槽——因為你的初始工資會很低，你并不知道如何恰當?shù)卣勁?，而且你也不想冒失去唯一選擇的風險。

所以，你可以考慮找一份能讓你調(diào)動到多家公司的工作。

[[383333]]

一旦你在公司里站穩(wěn)了腳跟，你就會注意到，換工作或者接到面試的電話是多么容易：你幾乎每天都會被電子郵件、工作邀請或面試淹沒。

然后，如果你每天都做好準備，你就可以很容易地跳槽到你夢想中的公司。

這也是最好的方法?！?/p>

分階段增加競爭力，「自我驅(qū)動力」才是關鍵

有的網(wǎng)友則對找工作的整個流程做出了比較全面的總結(jié)：

「你可以把找工作的問題分為兩個步驟: 1、得到一個面試機會 2、通過這個面試

我認為麻省理工等學校學生的主要優(yōu)勢是，面試機會會主動來找你，特別是通過招聘會、校友網(wǎng)絡、大咖來教學和/或來聽課/演講等機會。

我是一所第一梯隊學校的博士生(第0梯隊是麻省理工學院等)，但在我的國家，我的本科學校是第0梯隊，所以我非常了解這些福利。

頂尖的公司會來到我們學校，在高級餐廳給我們提供美酒佳肴——所以這絕對是一個優(yōu)勢。

所以我建議你把重點放在得到面試機會上——人際關系網(wǎng)是關鍵。

[[383334]]

別忘了，這世界上有“后門”。

而且工作機會總是比麻省理工等學校的畢業(yè)生多，所以不要失去希望。

然而，現(xiàn)在每個人都知道人脈是關鍵，所以他們會通過電子郵件或LinkedIn給FAANG公司的招聘人員“垃圾郵件”。

我從很多招聘人員的朋友那里聽說，他們甚至都不回復這些郵件了，這讓我很沮喪。

所以需要采取替代措施：

我認為，在網(wǎng)上找到關于如何面試通過的信息會更容易，不過這些信息也非常魚龍混雜：接近操作Excel的職位給出的愚蠢的編碼面試，有一堆錯誤問題的測試等等。

最終，作為一名機器學習工程師，在FAANG公司實習了7個月之后，我發(fā)現(xiàn)我真的更想在一個小點的公司去做點更有趣的事情。

不要誤會我的意思，這7個月的經(jīng)歷很棒，上述只是個人偏好——我是一個通才，然而FAANG尋找的是專家?！?/p>

還有網(wǎng)友同時有「名校」和「非名?！沟慕?jīng)歷：

「我也有過類似的體驗，我上過一所州立學校，參加過招聘會，但谷歌、亞馬遜、facebook、蘋果和netflix都沒有參加。

之后，我去了一所常春藤大學讀博士，招聘會上有FAANG和更多的公司出現(xiàn)。

然而，事實上，我就讀的州立學校的工程學課程比我上的常青藤還要好。

所以，排名靠前的學校往往會提供更多的機會。

不過，不要太在意那些頂級公司——我申請了并獲得了面試機會，甚至完美地進行了面試，但我沒有被聘用。

現(xiàn)在，我在本校做數(shù)據(jù)科學家，賺的錢和大廠差不多，壓力還更小，所以，人脈是非常重要的!」

還有的小哥根據(jù)自己的經(jīng)驗，給貼主加油鼓氣：

「我去了美國一所免費的公立文理學院，得到了幾乎所有FANNG的面試和offer。

我還獲得了定量研究和其他非常好的工作的面試機會。

然而，我的大多數(shù)同學都找不到任何面試機會，他們簡單地把原因歸咎于學校不為人知。

事實上，我只是有很多個人項目經(jīng)歷和論文，而大多數(shù)學生只是去上課，而不做任何額外的事情。

[[383335]]

我認為這就是關鍵——

如果你去任何一所頂尖大學，招聘人員就會知道你的確有自我驅(qū)動力。

如果你沒有去這些名校，你需要用另一種方式表現(xiàn)出來?！?/p>

總的來說，名校的的確確給了你更好的進入門檻、更好的學術氛圍以及更加激烈競爭環(huán)境，但是，如果有優(yōu)秀的項目經(jīng)歷、實習和工作經(jīng)歷、高Star的Git個人網(wǎng)站或者相關論文傍身，在加上好的Networking能力，那么即使非名校出身，機會還是不少的。

即使真的剛開始沒有進到自己理想的公司，也可以在努力工作，踏踏實實工作，站穩(wěn)腳跟之后，進行跳槽，這個時候，你的天空就更廣闊了。