发布了笔记 2星期前
NYU Finance毕业进Citi做牛马体验（ref er
NYU Finance毕业之后，入职Citi纽约Office做Financial Analyst也有差不多半年了。之前找工作的时候，对Financial Analyst的想象其实就是做做Excel、跑跑model、整理财务报表，真入职之后才发现，实际工作还是挺杂的。简单来说，就是跟着business一起看财务表现、做forecast，再给team提供一些分析支持。 ㅤ 先说一下平时到底在干嘛。比较多的一块就是financial analysis。比如整理business line的revenue、expense、profitability这些数据，更新financial model，再根据实际表现和budget做variance analysis。某个月的数据突然和forecast差很多，也不能只看结果，得继续往下拆，到底是volume变化、pricing、成本上升，还是某些项目的预算出现了偏差。 ㅤ 另外比较多的就是forecast和planning。比如每个quarter都会跟着team更新forecast，结合历史数据、当前business情况以及市场变化去调整后面的预期。有时候management会问一句“今年这个business line大概会做到什么水平”，就需要从不同指标一路往下拆，最后给出一个相对合理的projection。 ㅤ 还有一块就是management reporting。平时会整理一些monthly或者quarterly business review材料，把revenue、cost、margin、actual vs. budget这些核心指标整理出来。有时候不是简单把表做完，而是要把数字背后的原因讲清楚，让business和management一眼知道哪里出了问题、接下来应该关注什么。 ㅤ 还有一个很现实的事情：meeting也不少。平时会和Finance、Accounting、Risk、Product、Operations甚至business team一起对数字。有时候别人过来可能就一句“为什么这个quarter的expense比forecast高”，剩下查数据、确认口径、找原因、做analysis，基本都要自己一路follow。 ㅤ 做了半年之后，我最大的感受就是：Financial Analyst真的不只是做Excel。 Excel、financial modeling这些当然是基本功，但真正重要的还是financial sense。很多时候难的不是把数字算出来，而是知道哪些数字值得关注、为什么会发生变化，以及最后怎么把analysis变成business可以用的结论。 ㅤ 纽约Office忙的时候还是挺忙的，尤其是month-end、quarter-end、forecast或者management review之前，事情会明显变多。但平时其实没有想象中那么夸张，更多还是financial analysis、更新model、做report、开会、follow项目这样循环。 ㅤ 厚苔dm我，能力有限，目前只能ref intern和应届留子。 ㅤ
发布了笔记 1月前
NYU Finance毕业进Citi做牛马体验（ref er
NYU Finance毕业之后，入职Citi纽约Office做Financial Analyst也有差不多半年了。之前找工作的时候，对Financial Analyst的想象其实就是做做Excel、跑跑model、整理财务报表，真入职之后才发现，实际工作还是挺杂的。简单来说，就是跟着business一起看财务表现、做forecast，再给team提供一些分析支持。 ㅤ 先说一下平时到底在干嘛。比较多的一块就是financial analysis。比如整理business line的revenue、expense、profitability这些数据，更新financial model，再根据实际表现和budget做variance analysis。某个月的数据突然和forecast差很多，也不能只看结果，得继续往下拆，到底是volume变化、pricing、成本上升，还是某些项目的预算出现了偏差。 ㅤ 另外比较多的就是forecast和planning。比如每个quarter都会跟着team更新forecast，结合历史数据、当前business情况以及市场变化去调整后面的预期。有时候management会问一句“今年这个business line大概会做到什么水平”，就需要从不同指标一路往下拆，最后给出一个相对合理的projection。 ㅤ 还有一块就是management reporting。平时会整理一些monthly或者quarterly business review材料，把revenue、cost、margin、actual vs. budget这些核心指标整理出来。有时候不是简单把表做完，而是要把数字背后的原因讲清楚，让business和management一眼知道哪里出了问题、接下来应该关注什么。 ㅤ 还有一个很现实的事情：meeting也不少。平时会和Finance、Accounting、Risk、Product、Operations甚至business team一起对数字。有时候别人过来可能就一句“为什么这个quarter的expense比forecast高”，剩下查数据、确认口径、找原因、做analysis，基本都要自己一路follow。 ㅤ 做了半年之后，我最大的感受就是：Financial Analyst真的不只是做Excel。 Excel、financial modeling这些当然是基本功，但真正重要的还是financial sense。很多时候难的不是把数字算出来，而是知道哪些数字值得关注、为什么会发生变化，以及最后怎么把analysis变成business可以用的结论。 ㅤ 纽约Office忙的时候还是挺忙的，尤其是month-end、quarter-end、forecast或者management review之前，事情会明显变多。但平时其实没有想象中那么夸张，更多还是financial analysis、更新model、做report、开会、follow项目这样循环。 ㅤ 厚苔dm我，能力有限，目前只能ref intern和应届留子。 ㅤ
发布了笔记 4月前
北美Optiver SDE 最新面经
🇺🇸 Optiver面完了，说说感受。感觉在这种公司做SDE，“快”是基本线，“不能错”才是终极要求，分享点不一样的看法。 . 今年OA除了常规难度的算法，非常喜欢考工程落地的细节。有一道题是给了一段很短的C++代码片段，里面混杂着拷贝构造和移动语义，要求分析在特定编译器下到底触发了哪几个构造函数，怎么改能把这微秒级的开销给省出来。还有一道是设计一个极简的订单薄撮合引擎，限定了内存模型，要求用最优的数据结构在log复杂度内完成价格优先、时间优先的匹配，红黑树和哈希表的组合变形得玩得比较熟。 . 面试也是单刀直入，没有废话。Technial面会问怎么用内核旁路技术来加速网卡的数据处理，还探讨了如何设计一个能随系统时钟精确同步的定时器，误差要控制在纳秒级别。系统设计根本不问那种千万并发的CRUD，而是讨论如果要在FPGA和软件层之间做协同开发，API边界要怎么切分。 . BQ面非常强调Owner意识，基本都在聊失败案例：“因为一个没注意的race condition导致报撤单异常，你是怎么在10分钟内止损并定位到bug的”。还有就是如何与Trader沟通那种“玄学”的延迟抖动，既要讲清楚技术瓶颈，又不能把非技术背景的人绕晕，真的很考验换位思考的能力。 . 我随手整哩了Optiver面试中高频出现的C++优化点和低延迟系统设计题，附带了详细的解体分析。准备冲这家或者想了解Trading firm技术栈的同学~ 🙌【OP】✔ .
发布了笔记 4月前
us DA面试前刷到就是老天在帮你
🇺🇸 Entry-level DA 岗面试，不少小伙伴误以为吃透 SQL 就能稳过，实际考察维度远比预想丰富得多。 . ✅SQL 属于必备基础，窗口函数、GROUP BY 与 HAVING 用法、空值处理都是高频考题，现场手写语句也是常规考核，熟练度不足很容易初面就碰壁。Python 侧重 pandas、numpy 应用，以数据清洗和可视化实操为主，不会深挖高阶内容。 . ✅统计学算是多数人的薄弱项。p 值、置信区间、一类二类误差，概念本身不难，关键要结合业务场景阐述，死记定义远远不够。A/B 测试出镜率极高，实验规划、样本量核算、新奇效应规避，完整流程都要清晰阐述。 . ✅数据呈现与逻辑表达能力常被忽视。Tableau 和 Power BI 选型、仪表盘搭建思路，以及向非技术合作方解读数据，线下面试基本都会问到。 . ✅商业分析类题型分量很重，日活骤降 20% 拆解思路、漏斗与同期群分析，这类框架题作答质量，会直接左右最终录用结果。 . ✅数据清洗、业务指标、机器学习入门知识，还有 dbt、Airflow、Git 这类常用工具，外加离线实操项目，各家考核侧重点有差异，但基本都会有所涉猎。 . 篇幅有限放不下了，🙌🏻【DA】 芬 享complete .
发布了笔记 4月前
us南湾中型tech Growth日常（顺便refer）
坐标南湾San Jose，在一间中型Tech公司做Growth/Performance Marketing快满一年啦。每天和各种Data打交道，虽然在硅谷的核心腹地，但整体工作氛围真的超chill，完美避开了内卷～ . 日常每天10点慢吞吞到公司，先去Micro-kitchen摸个零食，下午5点半准时下班开车闪人，正好能避开101的早晚高峰。我们的WLB非常看Data performance。日常投放期很稳定，但如果遇到Q末冲业绩、或者投放渠道的conversion rate突然drop，那压力也是瞬间拉满。这时候就得狂拉Tableau看数据，排查是creative不够好、还是Audience targeting出了问题，写各种brief去跟Agency沟通调优。不过整体来说，试错空间很大，组里追求的是data-driven的硬实力，而不是无效的加班。 . 如果你以为Marketing只是写写文案，那Growth技术流真的是全靠数字说话。每天的routine就是死盯Google Ads, Meta Ads和LinkedIn Ads的dashboard，分析CAC和LTV。我们要不断做A/B testing，从一条Headline的改动到整个landing page的layout，都要用数据来做decision-making。最考验综合能力的是，你不仅要花预算，还要跟Finance团队去defend你的quarterly budget，跟Data Analyst一起优化attribution model，确保进来的每一笔Leads都是high quality的。虽然烧💰，但每一分都要花得明明白白。 . 💰包裹在南湾同size公司里很能打，WFH的政策也很flexibility，而且每年有稳定的refresh。平时公司的Internal training非常丰富，我最近正在利用公司的Coursera resource死磕SQL，想把自己的data stack再升一个台阶。 . Team 目前还有 entry-level 的HC..🙋🏻♀️dM~
发布了笔记 4月前
Anthropic MLE面试回顾与复盘
面完Anthropic的MLE，整个人直接被代码量和工程细节按在地上摩擦。之前听朋友说这家极其看重infra和hands-on能力，面下来才发现，他们真的对“调包侠”零容忍。面试风格跟传统LeetCode厂完全不同，写起来巨爽但也巨耗心智。 . 第一轮coding就不按常理出牌，不像别的厂扔个算法题，Anthropic直接给你一个接近真实场景的small engineering task。比如让你底层implement一个Transformer的核心组件，或手动实现带top-p的sampler。你不能光想着跑通，它会疯狂考察你的矩阵运算效率、memory profile和edge case。平时习惯用PyTorch调现成API的话，现场手撕底层的tensor manipulation绝对瞬间流汗。面试官看代码极细，还会追问为什么要这样管理内存。 . 到了后期的ML System Design和deep dive，基本就是对着Claude背后的技术栈贴脸开大了。不仅聊大模型架构，还会垂直深入到scalability上。面试官特别务实，会问你如何设计支持high throughput和low latency的LLM serving system，怎么做KV cache optimization，以及遇到集群node failure怎么做fault tolerance。整个讨论非常colloquial但直击痛点，不是背八股文能糊弄的。感觉他们要的是懂research原理又能上手改底层infra的full-stack AI engineer。 . 总的来说，Anthropic的MLE岗核心就在于“落地”。你对大模型底层原理理解多深，代码写得有多clean，现场矩阵操作多稳，都会暴露出来。为了帮大家避坑，我把这次面试的底层coding题型、ML系统设计高频考点和LLM工程落地细节全都整 理了。在准备美国MLE面试的同学可以对照补一下，🙌【ant】就行
发布了笔记 4月前
进了一个湾区的找工 group，还是free的
进了一个湾区的job hunting group，重点它是free的。 市场整体不景气，本来就卷到飞起的美国求职圈，现在想land一份工作简直是hard模式拉满，难到离谱… Group里每天实时刷新ft和intern的opening，还会持续share本地真实求职心得，一手面经干货不停更。 大家会在里面一起复盘、有针对性地polish作品集、梳理面试response思路，互相mock刷题、避坑。 还有很多小众投递Case、refer渠道和求职踩雷经验无/偿share，裙内vibe超好，大家都是真心在帮、毫无保留地swap经验。 . 纯纯的求职互助 + 抱团取暖，只想把同路人聚在一起熬过这段求职寒冬。广子勿扰，pls。 👉🏻【ng】 .
发布了笔记 4月前
邦推 Netflix UIUX Designer
来来来，浅浅update一下近况～目前在Netflix做UIUX Designer，focus在product design和user research结合的方向。只要portfolio够solid，我都会尽量push。 . 这边挺flexible的，节奏不算chill但沟通很direct。简单说，UIUX Designer就是通过design解决real user problem，提升product experience。基本功像Figma、prototyping得能打，user research或motion design算加分项。光画UI不够，得从user feedback里挖insights，转化成engineering能implement、product能buy in的方案。 . Netflix很看重design thinking和storytelling，portfolio presentation是重头戏，看你怎么define problem、怎么iterate、怎么用data或user research back up你的design decision。不光看final mockup，还要看你怎么handle constraints、怎么跟PM和engineer cross-functionally collaborate。BQ也占比重，建议STAR format准备。多刷刷design blog和面经，理解"user-centric"和"freedom & responsibility"的culture，想清楚你之前project和Netflix design principle的connection。Product sense和communication很重要，visual强不是全部，他们更希望你能把design背后的why讲清楚，让stakeholder和engineer都buy in。节奏快但impact大，growth环境很好。 . 聊下我的timeline。LinkedIn刷到opening，找朋友re fer，没几天HR就来short chat，15-20分钟聊portfolio大方向和visa。接着Hiring Manager面，45分钟video call deep dive一个project。然后onsite（现在多是virtual），一天或拆两天，有portfolio presentation、whiteboard challenge、BQ和cross-functional collaboration面，中间可能穿插lunch或coffee chat跟team聊。feedback不错的话会有follow-up call，然后就move forward到offer和签字。 . 最后，如果你觉得自己跟UIUX这个title不完全match，但整体portfolio不错——比如有strong visual skills、user research经验或做过偏product的项 /目——我也可以帮你快速review portfolio给点建议，之后有合适role第一时间sync你～
发布了笔记 4月前
上岸TikTok了，掏心窝子聊几句（顺便refer
拖了好久，终于来聊聊我拿下 TikTok San Jose offer 的经历了🎉 整个流程比我预想的快太多，字节的效率真的名不虚传。一开始在 LinkedIn 上瞎刷，看到一个 opening 跟我的背景简直完美 match，赶紧抓了在 TikTok 的朋友帮我 ref er。结果第二天 HR 就找上门，15 分钟的 phone screen 随便唠了唠背景和为啥想来 TikTok，全程特别 chill。 . 然后就是 Hiring Manager 面，45 分钟视频，主要深挖核心 project，看你对这个 domain 的理解深度和逻辑。TikTok 是刻在 DNA 里的 data-driven，全程都在抠 “你做的东西最后带来了什么 quantifiable impact”，数字拿不出来基本就悬了。 . 接下来就是传说中的 virtual onsite，整整一天从早 9 干到晚 6，直接给我干懵了。先来 1 小时 technical presentation，讲自己最拿得出手的完整项目，Q&A 环节会往死里追问设计决策：为啥选这个架构、这个 metric 为什么是核心、再做一次会怎么优化。后面 5 场 1on1 轮着来，跟 senior engineer、data scientist、cross-functional PM 各种 battle。有的轮次纯考 coding 和 system design，算法难度不低，edge case 抠得极细；有的全是 behavioral，疯狂问怎么 handle tight deadline、怎么在需求反复时推进、怎么跟 stakeholder 对齐。中间只有半小时 lunch break，边吃边跟 engineer 闲聊，说是非正式其实也在看 communication 和 culture fit，千万别真放飞😂~ Onsite 完第二天就收到 follow-up call，隔了一个周末直接 offer call，速度快到我完全没反应过来。 . TikTok 给我的感觉跟别的大厂完全不同，对 “快速拿结果” 的执念刻进骨子里。不光要会写 code、调模型，更得想清楚怎么用最少资源在最短时间交付最大价值。 . 如果你在准备 TikTok 面试，建议重点 focus 这几个方向：算法多刷 medium 和 hard（尤其高频动态规划和树）、system design 主攻高并发大流量场景、AB testing 的实验设计和常见坑，一定要准备 3-5 个能体现执行力和 ownership 的 behavioral 故事。 . 这次能顺利上岸，靠谱的 re fer 真的帮了大忙。我也很愿意 re fer，不过会稍微 selective 一点。如果背景 match 度高，尤其是有 tech、product analytics 或 growth 相关Experience，🉑 dm 我。我可以 芬享 TikTok 最新的面试流程和内部姿料，想练 behavioral 或者 mock technical interview，抽时间陪练也不是不行～
发布了笔记 4月前
上岸Notion了，掏心窝子唠唠（顺便refer）
拖了好久，终于来聊聊我拿下Notion offer的经历了🎉 整个流程走得比我想象中顺。一开始就是在LinkedIn上随手刷，看到一个opening跟我的背景还挺alignment的，立刻找朋友帮忙ref er了一下。没过几天HR就来reach out，先是20分钟左右的phone chat，很casual，聊聊我的background，为什么想来Notion，还有平时自己怎么用他们的产品。 . 接着是Hiring Manager面，45分钟视频，重点就是看你对自己domain熟不熟，能不能把做过的project讲得清晰、有logic。Notion的人特别喜欢追问：“你做的这件事最后带来了什么impact，怎么衡量的”，如果你只能给模糊的答案，他们会一直drill down，数字讲不清会有点危险。 . Onsite分了两天，说实话强度拉满。第一天先是一个小时的portfolio deep dive，自己选一个完整的project做presentation，Q&A环节他们会一直challenge你的设计选择，比如“为什么当时不选另一种方案”“这个决策背后的RFC或者doc是怎么写的”。他们会很在意你有没有把context和trade-off文档化，而不是只靠口头解释。第二天就更real了，5场左右的1on1来回切，跟engineer、designer、PM甚至technical writer聊。有的人死抠system design细节，数据怎么流转、consistency怎么保证；有的人特别看重你怎么跟cross-functional partner协作，遇到需求打架的时候怎么align、怎么push back。中间有一顿lunch break，看着像随便聊，其实也是在观察你的communication style和vibe，不能太放飞😂。最后又和Hiring Manager聊了四十分钟，更high level的东西在这里聊开，比如你怎么看待async communication，对Notion这块产品的理解，以及career path的想法。 . Onsite完很快有个短的follow-up call，然后就等来了offer call。 Notion给我的感觉跟很多大厂不太一样，他们对craft和product thinking特别执着。不是说你code写得溜、
发布了笔记 4月前
LA没找到job的留子集合，一个人扛不住了
一晃眼都快 June 了 🙋♂️ 还有人在 job search 地狱里挣扎吗？ 一个人 solo grind 真的效率太低了，所以我干脆拉了个 group，专门 share 芝加哥 local 的 opening 和找工经验。抱团取暖总比一个人瞎摸强对吧？ 每周都会 update 一波最新的 job list，覆盖的方向很全：finance、consulting、accounting、data、tech 啥都有。大部分是低年级项目、intern，还有一些 new grad 可以投的 fulltime。顺便也会丢 OT、面筋和各种 interview tips。 反正就是互相搭把手，总比单打独斗强。 希望大家都能早日上岸～ 【LA】 一起抱团届offer
发布了笔记 5月前
我在旧金山AI初创做Design的日常，可refer
在湾区做Product Design到底是种什么体验？是每天在咖啡馆画图？No。 加入这家AI Startup三个月了，最大的感受就是：Design不仅仅是美感，更是解决User Pain Point。虽然但是，看着用户在Twitter上夸我们的UI“Clean and Sleek”，那种快乐（划掉，成就感）真的停不下来！🎨 . 关于Office Perk 🥑 Startup的下午茶讲究一个Health。 Pantry里全是各种Nut Bar和Greek Yogurt。最近老板迷上了中式养生，竟然准备了煮好的银耳羹，这种跨文化的Catering真的太可爱了。 . 日常：Figma与User Interview 💻 不要以为Designer就是画Icon，我的日常是从Figma的Component集齐开始的。 我们要维护整个Design System，确保Consistency。每天都在和PM撕X，讨论User Flow顺不顺。尤其是User Testing Day，要盯着用户的每一个操作，记录他们的Frustration。虽然有时候改稿改到头秃，但看到最终版Prototype出来，真的很有趣。📸 . 核心工作：Visual Identity & Cross-functional Sync 📱 在SF，AI就是王道。 我的大部分时间都在思考如何通过Visual来表达AI的Intelligence。我们要和Engineering团队紧密沟通，确保设计能完美Implement。这不仅需要审美在线（知道什么是Apple Style），还得懂一些Front-end逻辑。最近刚做完一个新的Onboarding Flow，Conversion Rate直接翻倍。🔥 . 氛围与浮力：Fast-paced but Creative 🚀 Start-up的氛围就是“Move fast and break things”。 Office在Mission District，由旧仓库改建的，氛围超级Chill。大家会一起在白板上Doodle。浮力除了Equity，最棒的是WFH Policy超级Flexible，而且经常有顶级Venture Capital举办的Party。 . 🙋🏻有Product Designer和UX Researcher的HC..
发布了笔记 5月前
尔湾Business Analyst小分队，到
🇺🇸尔湾的new grad宝子们在哪里！最近跟几个BA/DA方向的姐妹聊天，发现Irvine这边虽然公司不少，但new grad友好的岗真的要靠挖地三尺找…… . 为了打破这可恶的信息差，直接la了个group！BA/DA/DS/BI/MA，甚至转码的SDE/MLE想蹭个local圈也欢迎来🤝 尔湾及周边像Tustin、Costa Mesa、Newport Beach、Lake Forest、Santa Ana……甚至remote hybrid的岗都会cover到！主打一个OC地区抱团取暖，info session/内推消息互通有无✨ . 每周还会update OC/LA based的new grad job list（基本都是entry level，intern conversion或者刚开的fulltime headcount），外加一些OA截图、面筋回忆、BQ mock小技巧！ . ❌广，只要纯粹的交流，大家一起在尔湾的阳光下上岸呀🌴 PS：只接受25-28届哦，可以直接带上你是哪一届~ 🙋🏻♂️【尔湾】
发布了笔记 5月前
达拉斯MKT new grad找工抱团取暖裙
是谁毕业即失业我不说🫠 MKT/IMC/Comm/BA的宝子们在哪里！发现达拉斯这边agency和in-house机会其实不少，但好多岗都prefer local经验或者卡sponsor…一个人海投真的要投出工伤了😇 . 想拉个小裙互通有无：share opening、互相mock case、吐槽奇葩JD、组队刷certificate都🉑️！不管是想做brand/digital/CRM还是转DA/BA方向的姐妹都来🙌 主打一个能帮一个是一个，说不定哪天就成同事了（达拉斯圈子就这么大懂的都懂☕️） . DM 【open】 我拉你！
发布了笔记 5月前
San Diego药厂SDE的一天 (refer
比起北加的紧凑，San Diego的打工生活简直是自带滤镜。我在一家做测序仪龙头的药厂担任Embedded Software Engineer，也就是嵌入式软件工程师。 . 我的工作非常有成就感，因为我写的代码是直接跑在那些实验室仪器上的。每天的工作不仅要写C++，还要经常去实验室和硬件工程师们Debug。那种看到仪器因为你的代码而完美运转的瞬间，真的比单纯做App要有满足感得多。 . 由于SD的气候太好，我们公司的建筑设计也非常Open。下午3点，大家会准时出现在露台上。公司的下午茶非常有SoCal特色：各种冰镇Acai Bowl和新鲜榨的果汁。大家手里拿的不一定是咖啡，也可能是防晒霜，因为下班后很多人会直奔海滩Surfing。 . Culture非常强调Inclusion。老板经常说：“Work to live, not live to work.” 浮力方面，居然还reimbursement Gym的会员，甚至有自家的私教课。
发布了笔记 6月前
波士顿找工小分队（ng组）
求职焦虑真的会传染，尤其是看到Peer Pressure越来越大，手里还没Offer的时候……😭😭 别再单打独斗啦！我拉了个group。这里每周都会整理好North America各大厂的最新Opening，涵盖Tech、Data、Marketing各条Track。比起自己在那瞎找，群里的面经分享和求职Timeline规划绝对能帮你少走弯路。主要Base在波士顿，但也辐射SF、Chicago等核心城市。我们的目标就是打破信息差，纯求职交流。AD勿扰，被发现直接TT，大家快来集合！ 🙋🏻♂️【ng】
发布了笔记 6月前
我在Seattle Fintech做SDE的一天（refer）
西雅图的早晨往往伴随着淅淅沥沥的小雨，但这丝毫不影响我在Bellevue科技园区里开启做SDE（的快乐一天。相比于硅谷的狂热，西雅图的FinTech圈子多了一份沉稳与踏实。早上九点，端着一杯公司楼下独立咖啡馆的燕麦拿铁走到升降桌前，打开IDE，今天的工作就在敲击机械键盘的清脆声中开始了。我们team主要负责公司核心支付网关的开发，这可是容不得半点马虎的业务线。 . 作为核心组的SDE，每天的重头戏就是写出稳健、高并发且优雅的代码。上午十点的Agile Stand-up非常高效，每个人用两分钟过一下昨天完成了什么、今天要做什么、有没有遇到Blocker。会议结束后，我就进入了专注的Coding时间。今天我要用 Java 和 Spring Boot 重构一个处理跨境转账的微服务模块，不仅要保证毫秒级的响应速度，还要考虑到分布式系统下的数据一致性和容灾备份。下午的时间通常会安排给 Code Review，大家会非常严谨但又友好地互相指出代码中潜在的内存泄漏或者可以优化算法复杂度的地方，这种技术上的切磋极其享受。 . 下午四点，准时的下午茶推车会准时出现在办公区。西雅图这边的特色是各种健康低脂的坚果塔、无麸质布朗尼，还有无限畅饮的冷萃咖啡。大家经常会一边喝着冷萃，一边在白板上随意画着系统架构图，头脑风暴下一个版本的技术栈选型。其实这就是工程师最真实也最放松的时刻，没有繁琐的PPT，只有纯粹的技术交流。 . 最让我满意的就是Work-Life Balance做得极其出色。有着非常弹性的工作时间，只要你能高质量交付代码，没人在乎你几点上下班。公司还reimbursement全套的居家办公设备，并发放丰厚的Commuting subsidy。team氛围极度包容，就算犯了错，大家的重点也是复盘系统流程而不是指责个人。
发布了笔记 6月前
拿到硅谷大厂Return Offer前的心路历程(ref
坐在硅谷大厂园区的长椅上，手里攥着HR刚发的Return Offer确认邮件，猛灌了一大口冷萃咖啡，感觉悬在心里的那块大石头终于落地了。作为一名刚经历完地狱级Internship的留子，回想起这段时间被工业界疯狂毒打、自我怀疑到几近崩溃，再到最后顺利拿到转正名额的心路历程，真的是脱了一层皮但又极度充实。今天来做个毫无保留的实录分享。 . 首先打破大家对大厂实习“水水就能过”的粉红滤镜。刚进组的那几周，学习曲线极其陡峭。学校里习惯了干净的数据集，但一落到真实的百亿级大厂业务线上完全是另一回事。我拿到的真实用户行为埋点数据质量奇差无比，充斥着极其离谱的数据噪音、延迟和隐蔽的Sample Bias。我每天起码要花一半时间，像个底层修理工一样去做枯燥的Data Cleaning和链路梳理。每一个暗雷都会把你辛辛苦苦推导出的结论砸得稀巴烂。 . 想拿Return的核心不仅仅是代码写得溜，更是你能不能当好“翻译官”。在这个高度承压的环境里，你的数据分析必须深度参与到业务线的框架搭建中。在准备期末汇报时，Mentor天天抓着我强调：Storyline一定要极其顺畅，你需要把复杂的敏感性测试结果，整理成连非技术背景高管也能瞬间听懂的Story，千万不能毫无重点地堆砌分布图表来证明你多“努力”。在这个过程中，你的Business Sense会被逼着飞速提升。 . 找实习一定要警惕高度Top-down的文化。如果上面经常硬压极度不合理的Deadline，导致大家疯狂Move fast and break things，最后只会留下一堆技术债。更可怕的是那种喜欢用Stack Ranking施压的Toxic团队，连Intern名额都要恶性内耗。好在我的team氛围很nice，灵活的Hybrid办公模式，满血供应的零食柜，而且极度Pet-friendly，Debug到头秃时转头搓两把小狗，瞬间治愈。目前HC充足，🙋🏻♂️dm .
发布了笔记 6月前
入职纽约广告Agency真的好爽(可refer)
以前老觉得去甲方in-house才叫真正上岸，后来机缘巧合进了纽约这边的广告公司，才发现是真的打开了职业新世界的大门。要是你特别受不了无聊、每天都追求新鲜感，Agency的节奏绝对能让你爽翻。在这实习或者工作，最棒的一点就是你永远不会在一个行业里待到没动力。 . 每天早上进公司第一件事就是去茶水间拿免费零食和冷萃，接着开始高频的Creative Sync。在Agency我们不吃死板汇报那一套，大家凑在一起就是为了碰撞出能引爆社交平台的创意。我的一天可能上午在琢磨全球快消品牌的文案，下午就得切换到研究新兴Fintech公司的用户画像。这种跨行业的跳跃挺考验脑力，但也确实能让你在短时间内建立起很广的商业眼光。 . 文化主打一个Work hard play hard。虽然快到项目上线或者Pitch的时候，大家会蹲办公室点外卖改稿子，但那种并肩作战的感觉真的很有生命力。比起大厂那些繁琐冗长的审批流程，Agency更看重结果产出。只要你的点子够硬，实习生的建议也能直接被写进最终方案。平时穿搭都很Chill，办公室里随处可见宠物，这种松弛的创作环境真的太解压了。 . 背景这块，主要看的是创意脑洞和对北美文化的理解。不一定非得是MKT的bg，很多学文学或电影转行来的同事表现得也非常棒。面试一般会有Creative Test，考察你在有限预算里怎么搞出花。如果你是个脑洞大、爱挑战且擅长多任务处理的人，Agency真的是提升硬核能力的绝佳训练场。 . Team刚放出了一些openings，🙋🏻♂️dD~ .
发布了笔记 6月前
波士顿SDE小分队，到！！
波士顿SDE 机会超多！除了 Meta、Google、Apple、Nvidia、OpenAI 这些大厂，无数科技企业、startup、大厂分部都在火热招人！ . 但本着人多力量大的想法，还可以一起刷 LeetCode，互相督促，现在已经 180 人啦！！ . 大家日常交流 SDE 求职 & 面试经验，定期 update job open list (intern、coop、fulltime)，很多对 new grad 友好，还有简历修改、面经分享、算法刷题、系统设计拆解、VI&OT 思路、行业干货。 . ❌广，只要纯粹的交流，扫清一切信息差 lol～
发布了笔记 6月前
美本两天networking斩获5份intern秘诀
我总结出一个血泪教训：准备这种顶级大厂的实习，最好抛弃掉大三才开始海投简历的刻板套路，牢牢把握住大一大二的黄金窗口期，去高频参加Insight活动。很多留学生找工作时都习惯了默默海投然后苦等消息，但我通过两天的极限Networking，直接拿到了5份暑期实习面试，靠的就是打破常规的底层逻辑。 . 首先，它是打破简历黑洞的绝对利器。很多顶尖大厂针对低年级开放的Insight Day，本质上就是提前圈人的提前批。项目一结束直接发面试邀请，完全不需要去挤网申的独木桥。 其次，它能为你提供最高级的沟通筹码。你在里面认识的HR和业务Mentor，就是你后续面试和写Cover Letter时最真实的背书。 最后，它能带你建立最硬核的行业底层认知。 . 举两个含金量极高的例子： 一是Goldman Sachs的Undergrad Virtual Insight Series，涵盖投行和资管，想去金融圈的同学必须拿下，官方技术面指导非常透彻。 二是Capital One的Get Ahead With Early Career Programs，主攻数据和软工，他们家极度偏爱自己培养早期人才，是进大厂的完美跳板。 . 为了帮大家顺利上岸，我把这次积攒的保命物料全部整理出来了。包含低年级专属项目清单、英美intern春招追踪表，以及拿来就能用的networking话术模板。🙋🏻♂️【N】，拿去特训起来
发布了笔记 6月前
德州新能源车企供应链复盘(可refer)
刚从超级工厂的产线摸底回来，端着这杯加了满冰的冷萃咖啡，感觉自己终于从本季度的交付地狱里喘过了一口气。最近新能源赛道热度爆表，很多学弟学妹问我在车企做Supply Chain是不是特别有宏大叙事的参与感。今天干脆跟大家掏心窝子复盘一下，在德州造车，到底是个什么极其硬核的搬砖体验。 . 很多人对供应链的滤镜，还停留在画画高大上的流程图、和供应商喝喝茶打太极。但大实话是，在高速扩张的新能源车企，供应链本质上是一个极度考验数据处理和抗压能力的修罗场。你以为我们每天看的是完美的BOM和精准的Lead Time？现实的工业世界极其骨感，我们从各大供应商那里拿到的真实排产数据、物流节点和库存流水，质量往往奇差无比，充斥着各种极其离谱的数据噪音和隐蔽的系统延迟。 . 我每天起码要花三分之一的时间，像个底层修理工一样去做极其枯燥的Data Cleaning、清洗和核对口径。每一个看似不起眼的暗雷，比如一个芯片的Sample Bias或者某个关键零部件的Regime Change，都会把你辛辛苦苦推导出的排产计划砸得稀巴烂。如果你以为数据随便Clean一下扔进MRP系统里就算了，那真的是too young too naive。 . 下午的时间极其考验你的软实力。在这个高度承压的环境里，你的数据分析必须深度参与到整个产线调度的框架搭建中。你需要把跑出来的硬核缺料风险，整理成连毫无技术背景的厂长和高管也能瞬间听懂的Story。做跨部门汇报时，老板天天抓着我们强调：Storyline一定要极其顺畅，绝对不能毫无重点地堆砌冰冷的库存分布图表！在这个过程中，你的Business Sense会被逼着飞速提升。 . 我现在所在的团队极其神仙，面试丝滑没有Bullshit。正常情况下午六点多就能关电脑走人。办公室极度Pet-friendly，被缺料折磨到头秃时转头去搓两把同事的小狗，疲惫感瞬间消散。组里遇到过不去的坎，大家都很乐意互相帮忙Unblock，完全没有恶性内耗。目前team放出了Data和分析类的openings🙋🏻♂️Dm .
发布了笔记 6月前
LA TikTok 电商运营（ refer
谁说文商科留学生在北美找工只能处于劣势？如果你网感好、懂点国内电商的底层逻辑，且能无缝切换中英双语，那你现在的身价在硅谷简直是降维打击。TikTok Shop在北美这边的扩张速度有多恐怖，想必大家都有所耳闻。 . 咱们白天在干嘛？主要就是对着美国本土的品牌方、达人和MCN机构疯狂输出，教他们怎么搞定短视频挂车，怎么把直播间的停留时长和转化率拉上去。这个时候，你就是一个地道的Local专家，解决北美商家的水土不服。 . 而到了下午和傍晚，你的Mandarin超能力就彻底觉醒了。你需要高频和国内的产研大佬、算法中台进行对齐。美国商家吐槽的那些痛点，全靠你用纯正的互联网黑话精准翻译成Product Requirement，反向推动底层系统的迭代。你不仅是个执行者，更是中美电商思维碰撞的最前线枢纽。 . 在这儿打工，完全没有大厂那种螺丝钉的枯燥感，成长曲线极其陡峭。你每天面对的都是没有SOP的新挑战，能亲眼见证一个千亿级业务在北美的从零到一。加上豪华食堂、零食自由这些基操，除了偶尔因为时区差要晚点下班，整体的成就感绝对爆棚。 . 各种Operations、AM Position大规模放水。MKT、传媒or管理 bg的留留，可以看看~
发布了笔记 6月前
us Amazon AS VO复盘，BQ依然是绝对重点
👉第一轮：名义上是 ML application 面，但 HM 直接让我 deep dive 过去最骄傲的项目。抠细节抠得极细，想糊弄跳过根本不行，一旦逻辑断层他就会打断让你仔细解释。穿插了两个 LP 考核：有没有做过超出职责范围的事（Deliver Results），以及在主线业务上体现个人 vision 的案例（Think Big）。 . 👉第二轮：传说中的 BR 面（Bar Raiser）。全场死磕 LP，主要围绕 Conflict Resolution 展开：跟 team 其他人意见相左怎么处理？如果你不同意 manager 的看法又该怎么办？（妥妥的 Have Backbone; Disagree and Commit） . 👉第三轮：ML breadth。横向对比了 Logistic regression、Gradient boost 和 Neural network 的各自优劣。Follow-up 追问：如果有 10 million 的数据量，选哪个最好？接着考了 Time-series 数据的处理方案，以及为什么 Random forest 天生不适合做时间序列预测。 . 👉第四轮：ML depth。另一组的 HM 面，依然是拷问另一个项目经历，挖得极深。紧接着考察了对 LLM 的了解，比如 LoRA 是什么原理，PPO 是什么。附带两个 LP：主动提升客户满意度（Customer Obsession），和用简单方法解决复杂问题（Invent and Simplify）。 . 👉第五轮：Coding。全是偏实用的日常代码，完全不是 Leetcode 原题。第一题给 [user, date, action] 结构的数据，写函数统计各 user 的 action 频次。基本就是套个 dictionary，但面试官会疯狂提醒你注意 edge case。第二题是一段话的词频统计，要求 return Top K。最后两个 LP：做到一半觉得能成但最终失败的项目，另一个忘了。 . 已整理Amazon 完整BQ框架和SDE高频面筋～【Ama】就好！
发布了笔记 6月前
us PU 校友聚集地来啦！（找工版）
有没有Princeton在找工的留留想一起抱团的！ 可以一起冲intern/full time，互相分享那种～ 去年PU的group里的整体氛围很棒，同学都特别活跃，大家都会在里面互帮互助、分享面经和上岸经验，有不少同学都顺利上岸了！ 今年专门新建了一个PU校友找工group，25/26/27/28届都可以来。 里面会有学长学姐分享： 🔸热门行业趋势🔸名企内部的节奏 & 小道消息 🔸求职 timeline 还会不定时更新： ✔️新开放的intern/full time✔️OT/面经✔️求职避坑✔️找搭子 氛围很友好，🈲广！ 【PU】(限PU同学~
发布了笔记 6月前
西雅图 UX/UI 26ng小分队，集合！！！
西雅图的 UX/UI 机会真的回暖啦！除了 Amazon、Microsoft、Starbucks、Expedia、Unity 这些头部 Big Name，还有超多潜力 Startup、顶级设计咨询公司和科技巨头的创新组都在释放 HC！ .. 秉持着“拒绝闭门造车”的想法，大家可以聚在一起打磨 Portfolio、刷 Design Case、互相 Review 方案。目前群里已经有 150+ 战友啦！！ .. 大家日常深度交流 UX/UI 投递进度 & 避雷面经，实时同步 Job Openings（Intern、Co-op、Full-time），主打一个对 New Grad 极度友好。还涵盖了作品集深度精修、简历一字千金式修改、面经共享、用户调研实操、Design System 拆解、Case Interview 逻辑拆解、VI & OT通关技巧。 . ❌广告，只做硬核交流，终结一切求职信息差 lol~
发布了笔记 6月前
Seattle Big Tech Mkt工作感受，顺便 refer
从入职到现在，已经在西雅图这家大厂做 PMM快一年，完整跟完了两个 Major Version 的GTM，来随便聊聊这段大厂打工生涯的真实体感。 . Work life balance: 整体 WLB 在大厂里算中规中矩，除了 Launch 之前的 "Peak Season"，全组只有我一个 L4 在写 GTM Strategy 和对齐各个 Stakeholders，白天开不完的跨部门同步会，晚上改 Deck 和网页 Demo，连着两周 10 点下班。其余时间基本 6 点准时收工。但！一年里还是撞上两次 "Org Reorg"，整条业务线突然 Review，只能坐在工位刷内部 Wiki 和研究 SQL。对于急着想看 North Star Metric 表现的我简直煎熬。好在 2026 年西雅图 Tech 圈都在谈效率，这种 Gap 算家常便饭，只能自我安慰当带薪充电了。 . Grow opportunities: 大厂体量大、分工细，没人手把手教。从市场调研、Positioning 到 Sales Enablement 全得自己啃。Ownership 是生存底线——GTM 节点要是漏了一个，整个工程排期都要重来。每波 Launch 结束必须拉着 PM、SDE 做 Retro，把 Activation、Adoption、LTV 拆到颗粒度，再拉着 Director 1:1 对表。一年下来，从 SQL 小白进化到玩转 Tableau、PowerBI，再到 Deck 被 VP 夸赞 "Logic 非常 Solid"，感觉再干两年拿个 Senior PMM 甚至跳槽去 Startup 做 Lead 都够用了。 . 总结: 虽然 Reorg 烦、会议多，但看到新功能上线后 User 指数级增长的那一刻还是很有成就感。希望明年能多发点Stock，多让我 Own 几个 Impact 巨大的 Feature Launch！ Q2 我们team有新 hc.. 🙋🏻♀️🙋🏻♀️ 这次是Entry-level..so只看25-28ng
发布了笔记 6月前
us Optiver QR面试就是在淘汰没直觉的NG
说白了，🇺🇸Optiver 的 QR 面试真的没那么玄乎，他们就是想搞清楚你对概率和风险的真实直觉到底咋样，而不是单纯考你背公式。他们问的博弈题，基本都是围绕 Expected Value 和 Variance 的权衡来设坑的。 . 面 Trading/Quant 最重要的是啥？就是让面试官觉得你这个人能在极高的不确定性中快速做决策、控回撤。他们绝不会用普通的 LeetCode 刁难你，所以准备思路其实挺直接的： Step 1: 扒一圈高频的 Brainteasers，把经典的等车悖论、马尔可夫链抛硬币/捡石头题刷到产生肌肉记忆 Step 2: 深度理解博弈理论，去 YouTube 搞懂 Kelly Criterion（凯利公式）在“有限轮次”实战中的致命局限性 Step 3: 多多 Mock Betting 游戏！练到能瞬间心算胜率和赔率，算出底注节奏且完全不卡壳为止 . 我的经验是：极速心算 + 极强的风险管理意识（知道什么时候该怂），面试官真的会极大增加对你的印象分！ 其实大部分顶尖 Prop shop 的面试都大同小异，只要提前把 common probability questions 摸透了，结合自己的博弈策略把 storyline 理顺，基本上不会翻车。 . 另外我顺手梳理了一波 Optiver QR 面试常考的 Questions，虽然这种题确实很烧脑，但只要把这些硬核题吃透了，进考场真的会稳很多。我连面试官的出题动机、考察点都整理好了，部分变态问题比如： 🍀打气球游戏：如何利用前几个气球的试错，测算出爆炸的均值阈值，从而最大化后期的期望收益？ 🍀Betting 实战：为什么在轮数有限的赌局中，严格执行 Kelly Criterion 反而容易崩盘？Flat bet 5% 仓位的优势在哪？ 🍀两堆石头，每次按某种规则随机拿取，求捡完所有石头的期望时间？ 🍀准点 $$x$$ 分钟一趟的公交，50% 概率晚到 $$x/2$$ 分钟，多班次并行下，乘客视角的平均等待时间是多少？ .. 我总结了Optiver Quantitative Trading Interview Guide. 🙌【opt】 .
发布了笔记 6月前
us Lyft MLE面经：手写Kmeans与系统设计
刚面完us Lyft MLE，来复盘一下！整体感受：面试官真的非常 nice，流程推进很快。 . 🍀 Round 1: 店面 (1hr 15min) 第一部分 (10-15min)： ML 基本 concepts。给 5 组 train/test 的 performance metrics，逐个分析每一对是什么情况。主要聊 overfit 和 underfit。 第二部分： Coding 手写 $K$-means，时间给得很充裕。 . 🍀 Round 2: VO (4 轮连轴转) Problem 1: HM BQ 轮 - 针对 CV 深挖项目细节，穿插 typical 的 BQ 问题（如冲突处理、遇到的困难）。 Problem 2: 上机轮 - LeetCode 原题，沟通顺畅，保证思路没问题才开始写。 Problem 3: ML System Infra - 面试官是 Senior Staff，题目是：用 Lyft 的时候如何 推荐目的地 (destinations)。 Problem 4: ML System Design - 和上一轮考的是同一个场景，侧重于目的地推荐的模型选型和设计细节。 . 整体感觉 Lyft 非常看重 ML 基础直觉，每一轮到下一步都很快。BQ 建议多准备细节。 同时我整理了Lyft Digital Marketing Entry Level Interview Questions Collection. 🙌 【LY】 .
发布了笔记 6月前
天生MKT选手，US Netflix最新面经热气腾腾
老实说开面之前，我一度觉得Netflix这种技术大厂会死磕算法和增长玄学，直到走完流程才被惊醒：它家内核超级看重品牌叙事和global-local的平衡。趁着热乎劲儿，赶紧给想冲美国Netflix MKT岗位的宝子们拆解一下流程～ ✅ Recruiter Call 重点不只是过简历，核心是在试探你的项目经验跟Netflix的价值观到底合不合拍。比如会反复抠：做没做过跨Global的品牌campaign？你怎么定义cultural relevance？氛围虽然挺chill，但问得很有深度，其实是在判断你对local storytelling有没有那种骨子里的care。 ✅ 技术面（45min） Case题：现场出一个轻量版的区域GTM，基于北美原创内容推广场景，思路得紧贴Netflix那套独特的品牌逻辑。MKT理论全绕着全球本地化展开，重点考content-first在真实市场怎么落地，以及全球一致性跟本地相关性打架时，你怎么平衡取舍。 ✅ Virtual Onsite（四轮） 1️⃣ Case（两轮）： - 第一轮：内容宣发节奏规划+不同区域的营销优化策略。 - 第二轮：针对用户流失的专项诊断+从市场侧给出一套完整的缓解方案。 2️⃣ Campaign Design： 设计支撑某部原创大剧全球上市的整合营销系统。重点考察scalability、各个区域的适应性，以及出意外时品牌怎么兜底防翻车。 3️⃣ Strategic Deep Dive： 疯狂深挖你简历里的品牌项目：叙事逻辑是啥？当时遇到了什么瓶颈？怎么做的文化trade-off？甚至会追到你当时为什么不选方案B。 4️⃣ Culture Fit + Leadership： 这轮基本是audience-first的专场。经典问题：描述一次你必须在Global准则和Local受众偏好之间做取舍的经历。本质是看你决策底层的逻辑框架。 ✅ HR Feedback + Follow-up 反馈节奏挺快的，会揪着前面几轮的细节点继续Follow-up。想冲Netflix MKT相关岗的同学，Behavioral和Culture fit的万金油故事集一定要提前磨烂，真的轮轮都会被cue到！！ 我顺手整理了Netflix Marketing Analyst Interview Guide📥 👉🏻【NT】
发布了笔记 6月前
us万事达卡DS面试：系统设计与业务建模速查
[ 核心考点 Checklist ] System Design: "Real-time Fraud Detection System Architecture" 考察在大规模并发交易中如何实现毫秒级的风险识别与拦截。 . Business Case: "Customer Lifetime Value (CLV) Modeling" 需要理清从 RFM 分析到 Survival Analysis 的建模链路，并能解释模型如何产生实际的商业价值。 . Experimental Design: "A/B Testing for Contactless Payment" 重点考察 Leading vs. Lagging indicators 的选取，以及如何有效排除外部干扰因素。 . Technical Stack: "End-to-end ML Pipeline on AWS" 不仅是算法，还需要熟悉 SageMaker, S3 和 Athena 的协同工作流程。 . Industry Knowledge: "PCI DSS Compliance and Payment Security" 具备支付行业合规背景在万事达卡的面试中会有非常明显的加分优势。 我准备了Mastercard Data Scientist Interview Preparation Guide， 👉🏻【MA】就ok ..祝大家面试顺利。
发布了笔记 6月前
us TikTok DA面挂了，复盘下教训
简单说：挂了。一路杀到最后，但挂得有点懵，所以把整个过程复盘了下，给准备面us TIKTOK的宝子排个雷。 . Technical/SQL轮：题目是算Creator Fund的每日池子分配逻辑，我反复理解偏差，中间卡了一会，最后时间不够写得很赶。feedback是“need to be more familiar with edge cases”。反思：光问“这么算OK不OK”不够，得用具体例子去confirm，比如“如果这个creator昨天发的视频被删了，之前的播放量还算进今天的收益分配里对吧？” . Case/Business轮：面试官丢了一个题，如果TikTok把视频时长限制放宽到30分钟，你怎么看数据反馈。压力下我扯了一堆去看播放完成率、评论数。feedback是“metrics framework could be more comprehensive and structured”。 . 反思：应该把核心指标（北极星指标：整体DAU、大盘总Watch Time）和护栏指标（Guardrail metrics：短视频发布量会不会被挤压、App退出率会不会变高）讲出来。或者至少把供给端和消费端的双边逻辑讲清楚，而不是想到什么指标说什么。 .. 字节系的DA真的不是光会写SELECT就能进的，业务sense和抗压表达太重要了。 我准备了TikTok Data Scientist High-Frequency Interview Questions Collection.. 🙋♀️【字节】..🆓
发布了笔记 6月前
波士顿中型药厂DS上班日常（可referr
早上七点四十，我挤上了红线地铁。车厢里一半是学生，一半是和我们一样背着双肩包的药企打工人。出站时看了眼手机，三个Slack消息，一个是从西海岸发来的，另一个是波士顿本部的统计经理问我今天的会议时间。 . 到公司先冲了杯咖啡。我们这层实验室和办公区混在一起，空气中常年飘着培养基的味道和咖啡香。坐下打开Jupyter Notebook，昨天跑的模型出了结果，AUC勉强过了0.7，但临床那头肯定不满意。九点半的站会是雷打不动的，统计组、临床组、数据管理轮番过进度。我负责的那个三期试验的biomarker分析卡在数据质量问题上，EDC系统导出的数据又有缺失模式，得和DM扯皮。 . 十一点和临床科学家开会。对方是MD，对机器学习不太感冒，但FDA最近在推real-world evidence，公司不得不跟上。我解释为什么XGBoost比逻辑回归更适合这个biomarker筛选项目，他说那你给我一个能解释的P值。我笑了笑说行。 中午带饭去查尔斯河边吃的。公司冰箱里有免费酸奶和面包，顺手拿一个。边吃边刷LinkedIn，看到前同事跳去了flag，想了想波士顿的生活成本，觉得现在这样也还行。 . 下午两点给VP做项目update，十分钟讲完结果，然后被问了二十分钟“这个模型到底能不能帮我们省临床试验的money”。我指着验证曲线说假阳性率降了15%，他点头，让我写个memo发给监管事务组参考。 四点以后终于安静下来。开始写Python脚本，把新来的蛋白质组学数据整合进去。隔壁组的生信小哥过来问能不能共用我写的feature engineering pipeline，我扔了个git link给他。 . 六点下班，走之前顺手把明天的task在Jira上拖了拖。出公司门天还亮着，波士顿夏天就这点好。手机弹出消息，波士顿本地的drug discovery meetup下周有活动，犹豫了三秒，点了interested。 这就是我在中型药企DS的日常——不是在写代码，就是在解释为什么代码能帮公司少亏点money。 还有DS / DA 的openings（junior）. 也有intern .厚/苔/d/M
发布了笔记 6月前
Dallas 快消 MKT 打工人感悟(可refer ng
很多人问我当初为什么要放弃东海岸的机会跑到Dallas，入职这家FMCG快消巨头。半年下来我最真实的感悟就是：在这里，你做的是最接地气的、能触达人类生活本质的商业。相比于互联网大厂那些看不见摸不着的虚拟流量和DAU，我手里经手的是超市货架上实实在在的SKU。这种每天逛Walmart或者Target时，看到自己参与策划的产品被摆在黄金促销位置的感觉，是一种非常物理层面的、脚踏实地的成就感。 .. 快消MKT的逻辑极其严密且链路极长，你必须对P&L损益表极其敏感，因为每一分营销预算都要精准地换回销量。你不再是只盯着社交媒体上的点赞数，而是要和Sales团队死磕货架陈列，和Supply Chain团队确认促销期的库存准备，甚至要研究不同地区的家庭消费习惯差异。德州的商业逻辑非常务实，主打一个稳扎稳打。你会学到最正统、最成熟的品牌建设方法论，这种底层逻辑能让你在职业初期建立起极强的商业化直觉。 .. 这里的职场文化非常Down-to-earth，同事们大多非常友好，不像纽约那种时刻紧绷的节奏，大家更强调Teamwork的稳健。虽然快消的Profit margin极薄，每一笔Spend都要经过严格的测算，但这种环境会把你训练成一个极其成熟的商业决策者。你会明白如何平衡品牌的长期声量与短期的销售KPI，这种全局性的思维即便以后跳槽去其他行业，也会让你受益匪浅。这种工作与生活的平衡也是德州的一大特色，是真的能感受到职业带来的尊严感。 team正在看接下来的ng＆intern，附上Graduation year+major...厚/苔/Dm。
发布了笔记 6月前
刚面完US Google，说下PMM OA强度
先说下整体流程 OA → Onsite (RRK + GCA + Leadership + GTM Case)，其中 GTM Case 和 RRK 是主要筛人环节，Google 非常看重你对产品的“体感”和结构化思维。 .. OA部分 (内部平台) 3 个板块共几十道选择题 + 2 道简答题，90 分钟 ⏰ 前两个板块超基础：基本的 Marketing Metrics (ROI, CAC, LTV) 计算与图表找数。 第三个板块开始变难：复杂的 GTM 场景排序题，考察跨部门协作优先级。 最后一题开放式简答偏硬但不用写太长，重点是 Framework！ 每个板块都会考察你对 Google 价值观（如 User First）的契合度，亲测逻辑自洽最重要。 . Onsite环节 Behavioral (RK/GCA) Strategy Case (如：如何对抗 TikTok 抢占 YouTube 份额) Analytical Round (给你一组实验数据判断是否 launch 某功能) . 流程超具体： → 初始给 3 个用户群组（处理 YouTube Music 订阅数据），发现留存率异常，要自己定位原因。我靠 Funnel Analysis (漏斗分析) 确认逻辑，修补了两个用户旅程中的摩擦点。 → 实现最优 Launch：先和 PM 确认技术瓶颈，读懂市场洞察 + 核心 User Painpoints 做 GTM Plan 核对。 → 一开始想 Brute Force (全渠道铺广告)，和面试官头脑风暴后选了 Segmentation + Targeted Messaging，果断把无关受众剔除，我选的精准投放方案过了模拟测试。 → 预算测试超时，让商业直觉/用户体验导向优化效果一般，最后自己加了 Brand Safety 考量才过了一个新 Case... 更复杂的全球化定价策略没来得及弄。 .. 整体面下来，Google 轮真的很看重“逻辑美感”，不是单纯靠套模板！ 我整理好了Google Product Manager Interview Questions Collection.. 👉【GG】就行 ..
发布了笔记 6月前
NYC快消巨头MKT上班体验，顺便ref ng
早上挤着极其不靠谱的MTA一路晃到Midtown的office，坐到工位上端着燕麦拿铁打开电脑，看着大盘里上个月惊险达标的campaign data，突然感慨从agency跳来这家全球头部的FMCG做甲方已经快两年了。以前在4A公司做小AE的时候，天天被client连环夺命call，为了赶一个商业分析的deck熬到凌晨两点简直是家常便饭。现在翻身坐到了品牌主人的位置，虽然要背负极其庞大且真实的生意压力，但至少拥有了制定timeline的绝对主动权，这种对资源的掌控感真的很让人上瘾。 .. 这种老牌巨头公司的各种体系确实极其完善。目前我们的working model是相当成熟的hybrid，每周挑三天去曼哈顿总部刷脸，剩下两天安心在家里WFH。去office的日子基本就是从早到晚back to back的meeting。上午要跟supply chain的同事疯狂sync下个季度新产线的inventory能不能跟上，中午和同组的marketing manager去楼下的Sweetgreen买个沙拉边吃边吐槽奇葩的vendor，下午又要跟external agency对齐Q3核心投放的media plan。节奏极其紧凑，但因为整个cross functional的协作流程极其丝滑，所以哪怕再忙也不会觉得是在无效内耗。 . 很多人对快消圈的MKT带有很深的滤镜，觉得我们就是每天光鲜亮丽地拍大片办线下发布会。其实作为brand owner，日常很大一部分的bandwidth都花在了极其枯燥的商业数据里。你需要具备非常硬核的Excel功底去跑Nielsen或者IRI的market share底层报告，每天盯着P&L看各种利润率指标，深度分析到底哪个distribution channel的ROI没有达到预期。我们不仅是在做branding，更是在做一门严谨的business。你要有能力去manage几百万的budget，并且在年终复盘的汇报里，清晰地用data driven的底层逻辑告诉regional head这笔money到底砸出了多少真实的conversion。 .. team开了一些hc，主要是偏向brand marketing和consumer insights方向..非常欢迎bg是business或者communications的NG，带上你的Graduation
发布了笔记 6月前
在Gartner做Research实习的一天(顺便refer
救命，谁懂啊，在🇺🇸 Gartner做Research实习简直就是科技迷的天堂。如果你是那种喜欢思考Future trend，对各种Emerging tech充满好奇心的宝子，Gartner这种典型的Research-driven公司绝对是Dream place。今天就来拆解一下我的Daily timeline。 .. 9:30 AM - 11:00 AM: 深度阅读时间。我会花时间研读组里最新的Research notes，或者去理解Magic Quadrant背后的评选逻辑。在Gartner，你需要保持极高的Intellectual curiosity。 11:00 AM - 1:00 PM: Analyst interviews。这是我最喜欢的环节，能直接跟行业顶尖的Analysts对话，听他们分析最新的AI趋势或者Cybersecurity landscape。你需要快速做Synthesis，把碎片化的Insights整理成有逻辑的Draft。 2:00 PM - 4:30 PM: Data validation。我们会利用大量的Survey data去支撑我们的Hypothesis，确保每一份报告里的Trend prediction都是有理有据的。 5:00 PM: 跟Mentor复盘今天的Findings。这里的Culture非常强调Thought leadership，你的每一个Idea都会被尊重。 ... 这三个月我最大的成长是学会了如何做Strategic reasoning。在这个Tech变迁飞快的时代，你需要能透过Market noise看到底层的Logic。目前我们team正在考虑补充一些Entry level的新鲜血液
发布了笔记 6月前
3月中旬，us大厂疯狂急招 AI Summer Intern
我去，到了3月份，今年美国春招的节奏简直快到离谱！尤其是 AI 赛道！ .. 最近一看，不仅是 OpenAI、Anthropic 这些明星独角兽，连 Meta、Google、NVIDIA、ByteDance 这些大厂都在疯狂急招 2026 Summer AI Intern。这波核心岗基本全集中在3月爆发，绝大多数都是 rolling basis，真的是手慢无，稍微犹豫一下坑位就关了！ . 说实话，现在找 AI 相关的实习，拼的就是“信息差”和“执行力”。在这个风口上，自己每天慢慢去各大 career site 扒，效率特别低，还极其容易错过。像这两周，每天都能刷到新开的几十个 GenAI 相关的Position，真的一不盯就漏。 . 从今年的趋势来看，很多 MLE / GenAI SWE / AI Research / Data / AI PM Position对传统意义上的“工作年限”要求并没有那么死板。只要你有相关的 Project 经验、懂大模型，对 0-2 yoe 的友友都非常友好，对 NG 来说是个大机会。而且！现在各家对 AI 人才极其渴求，Sponsor 机会比想象中多得多，想留在美国的宝宝可以放心大胆冲！ . 现在已经是3月中旬的冲刺阶段了，真的是拼谁投得快、投得准！早点把 26 Summer 的 AI 坑位占住，后面就能安心刷题、准备技术面，甚至抽空去度个春假也不会慌。 . 我已经把目前us还在开放、急招的 26 Summer AI Intern List 汇总了一下，涵盖核心AI大厂和明星startup，都是实时 update，筛选完就能直接投，不用再一个个瞎找了。 👉 懒得找的友友【AI】就好，拿到表赶紧投！早点搞定，剩下的时间就能好好享受啦！ （仅为信息分享，不涉及具体招聘）
发布了笔记 6月前
芝加哥宠物公司marketing日常（顺便refer
在芝加哥的晨光里，宠物marketing的一天从洞察开始。打开电脑先复盘昨夜社媒数据，Instagram的宠物穿搭图文互动率、TikTok的萌宠短视频播放量，精准调整当日内容方向，贴合本地千禧一代养宠人的审美偏好。 .. 上午忙着对接本地宠物KOC，筛选适配品牌调性的博主，寄送定制礼盒，沟通拍摄脚本——重点突出“人宠共生”的理念，契合芝加哥年轻养宠群体的情感需求。间隙回复粉丝私信，收集宠物主人的反馈，为后续产品营销和活动策划积累素材。 .... 午后聚焦本地场景营销，策划线下联动活动，比如与芝加哥当地宠物店、宠物医院跨界合作，推出专属优惠，同时优化独立站本地SEO，提升品牌在芝加哥区域的搜索曝光。偶尔抓拍公司办公室的萌宠瞬间，剪辑成短平快的日常碎片，增强品牌亲和力。 .. 傍晚复盘当日投放效果，调整投流策略，规划次日内容日历，兼顾产品曝光与情感共鸣。没有轰轰烈烈的策划，只有日复一日的精准触达，把对宠物的热爱，藏进每一次社媒更新、每一场本地联动里，让品牌扎根芝加哥的养宠圈层，温暖每一位铲屎官与毛孩子。上周Team 刚放出了一些 Entry level roles（针对ng ＆ intern）。 除MKT，还有DA、 BA、UI/UX 的Positions.. interested~厚/苔/Dm .
发布了笔记 6月前
拿下Duolingo DS的真实面经分享
刚走完美国 Duolingo DS岗的面试流程，趁着脑子里的记忆还热乎，火速给大家盘点一下最真实的体验。 .. 1. 核心业务与日常 在这里做DS绝对不是单纯地当“取数机”跑报表，核心重心其实是围绕“产品增长”打转的。每天需要紧密追踪的关键指标就是用户的激活、留存、付费转化率以及生命周期价值。只要产品端有任何风吹草动，第一步就是盯紧数据异动，而且必须得能精确归因：究竟是feature改动带来的增量，还是大盘的自然波动？ 平时跟PM和工程师们的捆绑极深，很多分析在产品还没上线前就已经深度参与了。比如埋点怎么布置、实验方案怎么定，都会提前拉通对齐。团队对数据置信度和实验质量的把控非常严格，绝不是那种随便跑个A/B Test给个显著性uplift就完事儿的。 .. 2. 面试真实体感 整体感觉是有一定门槛的，但绝对没有那种被“拷打”的折磨感。 【SQL】是绝对的硬性门槛，手生的话基本过不了关。不过题目不偏不怪，考的都是很接业务地气的常见逻辑； 【Python/R】这块主要考察实操分析sense，比如数据清洗怎么做、分布特征怎么看、业务问题如何一步步拆解； 【Case Study】环节会被疯狂追问“你为啥会这么切入”，能深切感受到面试官在考察你入职后的真实工作思考路径。 .. 整个面下来体验很好，面试官都很平易近人，完全不搞压力面那一套，反而是把你当做未来同事实打实地探讨业务。你思路顺了他们就顺势往下深挖，卡壳了也会很nice地给提示引你上道。 聊到增长分析这块，能体会到他们对结论推导的严谨度要求极高。比起炫技用复杂的花哨模型，他们更看重你的逻辑链路是否闭环、结论能不能真正被产品线采纳。可以肯定的是，在这里DS是真能切实参与到业务决策中的，非常有话语权。 .. 3. 给准候选人们的干货Tips： 强推多练练怎么去拆解用户行为路径和增长指标 务必吃透A/B test的框架设计以及常见的实验陷阱 SQL不仅要写对，还得追求代码规范和逻辑清晰 提前备好能证明你“用数据撬动业务决策”的杀手锏实战项目 . 最后我准备了美国 duolingo DS/DA求职Python面试准备指南. 👉🏻【duo】 就行
发布了笔记 6月前
纽约精品咨询打工人体验(可refer)
翻看电脑里积攒的几十个industry research deck，才发觉自己在这个曼哈顿中城的boutique consulting firm已经熬过了快两个年头。之前总有人问我为什么不去四大或者冲一下MBB，其实在细分赛道的精品咨询做商业分析，体验感和成长路径完全是另一套逻辑。我们这边极度强调整体的lean team运作模式，每个project的人手排布极其精简。这意味着即便你只是一个entry level的analyst，也绝不可能只在后台做一些边缘化的打杂工作。 .. 从onboarding的第一周开始，你就会被直接扔进核心的commercial due diligence流程里。日常最大的挑战就是面对极其庞杂且毫无头绪的raw data，你需要在最短的时间内搭建出逻辑严密的financial model。去各类垂直领域的database扒取枯燥的数字，然后用极具结构化的思维将其转化成可以直接给C suite汇报的presentation。这种高强度的输入和输出，极其考验一个人对商业基本面的拆解能力。 .. 我们这行最刺激的环节莫过于面对client的灵魂拷问。当你把辛辛苦苦跑出来的market sizing放到会议桌上，对面坐着的往往是PE fund的资深投资人。他们会极其犀利地challenge你模型里的每一个假设条件，只要逻辑链条有一丝薄弱，绝对会被问到哑口无言。为了在这种高压环境下生存，你必须强迫自己把行业know how钻研到极其透彻的地步。 . 只要抗压能力足够强且思维极其敏捷，在扁平化的管理架构下晋升通道非常清晰。刚好最近Business expansion需补充junior，这次主要看ng ＆ intern ..厚/苔/早/我
发布了笔记 6月前
终于！硬刚拿下Google Offer心得😭
终于轮到我发面经了家人们！在这波地狱级难度的Hiring Freeze大环境下，能把Google北美区域的Offer装进口袋，真的有种做梦般的不真实感😭眼下不管是Wall Street还是Silicon Valley，求职bar简直高到天上去了。今天掏心窝子给大家拆解一下那场把无数人斩落马下的onsite算法变态题，指望能帮北美打拼蹲offer的兄弟姐妹们少走点弯路！ . 我的求职全程仅耗时5周，流程十分顺畅：拿到refer后光速收到OA，直接跳过电面进入3轮背靠背Virtual Onsite，熬过HC Review后顺利接到Offer Call。 . Onsite算法轮是淘汰率极高的环节，我遇到了Graph+DP的高难度组合，其中一道变形题魔改自LeetCode「Course Schedule II」，要求检测并输出所有环，还禁用额外recursion stack space，需纯手撸Iterative解法。 应对这一环节的关键是，不要急于写代码，先和面试官对齐edge cases，再在白板梳理从DFS到Kahn’s Algorithm的推演过程，主动和面试官分析Time和Space Complexity的trade-off。Google格外看重解题的thinking process，这比写出bug-free的代码更重要。 .. Googleyness行为面时长45分钟，直接决定是否契合团队文化，不可轻敌。经典题型需严格套用STAR原则作答，核心是兼顾Empathy和Data-driven，比如指出同事代码bug时，可私下1-on-1沟通，用test data就事论事，避免直接否定，贴合Google的协作文化。 . 最后给北美SWE岗求职者两条核心建议： 1. 求职窗口期宝贵，不要等完全准备好再投简历，果断投递； 2. 刷题切勿只追求Medium/Hard的数量，重点锻炼“边敲边表达”的能力，communication skill和coding能力在面试中同等重要。 我总结了Google SWE Intern 2026 Online Assessment - 20道编程题目详解. 👉🏻【go】
发布了笔记 6月前
us Netflix MKT 面经核心提炼
前段时间面完了Netflix的Marketing岗位，虽然最后惊险过关，但过程中真的踩了不少坑！想跟所有冲刺北美Entertainment MKT的姐妹们说：在Netflix，Culture Fit真的比天大！ 甚至有一票否决权！ 别以为Marketing面试就是去现场天马行空地聊创意，Netflix面试官最想听到的，其实是你如何践行他们的“Culture Memo”（企业文化准则）。今天给大家整理了面试中被反复盘问的几个致命考点👇 1. Radical Candor - 面试官原题：“Tell me about a time you gave difficult feedback to a peer or a manager.” - 避坑：不说“没冲突”。 - 解法：用STAR法则，基于Data客观向上级或平级提出意见，最终优化Campaign效果。 2. Freedom and Responsibility - 面试官原题：“Describe a time when you had to make a quick decision without your manager's approval.” - 避坑：不表现得像执行机器。 - 解法：展示Ownership，举例说明在突发状况下自主决策、解决问题。 3. Product / Content Sense - 面试官原题：“What’s a show you binged recently? How would you market it differently to Gen Z?” - 解法：深度研究3部爆款+1部扑街，分析框架：Social Listening、Experiential Marketing、Strategic Partnerships。 不管你是投MKT、PR还是Social Media岗，那份Culture Memo一定要读透！ 我整理了Netflix Marketing Analyst Interview Guide. 👉🏻【NF】就Ok.祝同学们都能拿到属于自己的红色Offer！❤️
发布了笔记 6月前
Seattle求职互助小分队招新
🇺🇸 Seattle求职互助小分队招新：最后30个席位，大家一起抱团取暖 . 一个人面对刷题和投递的压力确实容易感到焦虑。最近，我和几位同学共同发起了一个专门面向西雅图的求职互助group。目前距离预设的目标人数仅差最后30位小伙伴了。 .. 我们的初衷非常明确，就是希望在竞争激烈的IT求职季中实现信息共享。无论你的目标是冲击顶级大厂、深耕AI公司，还是在灵活的Startup寻找机会，这个小圈子都非常适合你。 . 在group里，我们会不定期分享真实的面经心得、第一手的求职情报，并互相交流找工过程中的避坑指南。此外，我们还整理了一系列高质量的Resume模板和各类核心备考Reference资料，供大家学习参考。 . 。希望这个小小的互助圈能让大家在找工路上少走弯路，多一份底气。欢迎想在西雅图附近上岸的小伙伴加入我们，大家一起努力。 26-29intern/fulltime ✌【ng】，我挨个儿啦..
发布了笔记 7月前
果然大佬对Adobe SDE的理解远在我之上
准备冲 Adobe SDE 岗的同学看过来！整理了一批 Adobe SDE面试常考的一些真.题，覆盖经典算法场景，附题型解析👇 💡Q1：产品改进题 用过的视频编辑软件导出流程太复杂。我的改进方案：一键快速导出常用格式、根据历史记录智能推荐、导出前预览效果。让新手用户也能快速上手。 💡Q2：新功能launch策略 分四个阶段：前期用户研究验证需求、产品规划确定方向、go-to-market制定策略、执行阶段协调团队。每个阶段都有明确的目标和success metrics。 💡Q3：团队协作经历 和设计师意见不一致时，我先理解他的想法，再一起看用户数据。通过数据驱动的讨论，我们找到了既有创意又满足用户需求的解决方案。 💡Q4：campaign成功指标 从多维度评估：brand awareness的reach和recall、engagement的互动质量、conversion的销售转化、ROI的成本效率、长期的品牌影响。定性定量结合。 💡Q5：为什么选Adobe？ Adobe产品在创意领域的地位无可撼动。我想加入他们的marketing团队，帮助他们更好地连接用户和产品，特别是在拓展新用户群体方面。 需要完.整合.集的同学🙌【sde】~
发布了笔记 7月前
面完us TikTok MKT感觉身体被掏空了
📝面TikTok MKT岗，感觉被challenge到不行。HR的问题非常深入，不只是看你懂不懂marketing，也看你懂不懂TikTok的culture。 🟡用户增长策略：怎么吸引新的人群（比如45岁+用户）？光靠玩梗不行，得用value-driven的内容，比如知识类短视频，去打动他们。 🟡数据洞察：怎么衡量一个brand awareness campaign的ROI？只看ROAS太片面了，得有更综合的衡量框架，比如分析Brand Lift和长尾的流量价值。 🟡商业化理解：怎么说服skeptical的CFO加大在TikTok的投入？你需要用财务语言，比如CAC, LTV, TAM来证明这是一个增量市场，并且提出一个风险可控的phased plan。 📝感觉HR想找的，是能把商业目标和平台原生内容丝滑结合起来的marketer。我organize的面试提，还有面经，【T】🆓 ✔
发布了笔记 7月前
美国Apple Brand面，名不虚传...
👉🏼准备去面us Apple Brand Marketing的同学，听我一句劝，下面这3件事，面试的时候提了，基本上就可以出门右转了。别问我怎么知道的，说多了都是泪😭 1️⃣第一，别大谈特谈竞争对手。 我猜你可能会想，通过分析和竞品的差异化来体现自己的思考深度。比如来一句"我觉得Apple应该借鉴一下Samsung的本地化营销策略…" Stop！在us Apple的HR面前，这绝对是雷区。他们并不关心竞品在做什么，甚至有点"不屑于"关心。us Apple的整个Brand Marketing都是建立在对自己产品和ecosystem极度自信的基础上的。他们想听到的是你对Apple品牌精神的理解，你对他们如何通过Storytelling建立用户情感连接的分析，而不是听你在这里做免费的竞品分析。你应该聊的是如何进一步提升用户的Brand Loyalty，而不是东张西望。 2️⃣第二，别只把自己当成一个"果粉"。 "我从第一代iPhone就开始用了！""我是你们全家桶用户！"…这种话，留着跟朋友聊天的时候说就行了。HR想招的不是一个狂热粉丝，而是一个专业的Marketer。你应该做的是，从专业的角度去解构us Apple的成功。比如，你可以说："Apple的成功不仅仅在于产品本身，更在于它成功地将品牌塑造成了一种文化符号。我特别研究过Shot on iPhone这个Campaign，它在提升用户参与度和品牌好感度方面的ROI非常高，是一个典型的以用户为中心，四两拨千斤的案例。"看到没，要把你的热爱，用专业的语言和框架包装起来。 3️⃣第三，别满脑子都是短期KPI。 如果你在面试中张口闭口都是"如何快速提升CVR"、"如何通过促销拉动销量"，那基本也凉了。us Apple的Brand Marketing着眼的是长期的Brand Equity和用户生命周期价值LTV。他们做一个Campaign，可能短期内看不到直接的销量转化，但从长远来看，却是在不断巩固自己的品牌护城河。所以，应该多谈谈如何维护品牌的高端定位，如何加深与用户的的情感链接，如何通过社区运营提升NPS，而不是那些急功近利的短期打法。 ✅说到底，面us Apple的Brand Marketing，更像是一场价值观的对齐。他们想找的是真正理解并认同Apple哲学的人。希望大家都能避开这些坑，顺利摘"苹果"！ 👀我整/理了Apple Brand面试准备Guide，need 的友友可以 pm【A】~
发布了笔记 7月前
usTikTok MKT面让我明显感受到了信息差
📝面试 TikTok MKT岗的过程，被 HR 的深度提问challenge了！他们考察的不只是基础MKT知识，也看重是否真正理解 TikTok 的平台文化 —— 不是表面懂玩法，而是能把商业逻辑和原生内容无缝衔接的能力。 🟨比如用户增长策略题，被问到如何吸引 45 岁以上的新人群体时，单纯玩梗行不通的，得靠 value-driven（价值导向）的内容切入，像知识科普类短视频这类能真正打动他们的形式才管用； 🟨数据洞察层面，HR 不会满足于只看 ROAS 来衡量品牌认知类 campaign 的 ROI，还要求给出更全面的衡量框架，比如纳入 Brand Lift（品牌提升）和长尾流量价值的分析； 🟨还有商业化理解的考察，如何说服持怀疑态度的 CFO 加大 TikTok 投入？用他们能听懂的财务语言 —— 比如 CAC（客户获取成本）、LTV（客户终身价值）、TAM（总潜在市场）来证明这是增量市场，同时给出风险可控的分阶段执行方案（phased plan）。 📝深刻感受到，HR 要找的是能让商业目标和平台原生内容丝滑融合的营销人。我organize的面试提，还有面经，【T】🆓 ✔
发布了笔记 7月前
us Nike的Influencer MKT面经，全在这了
us Nike的Marketing岗，真的挺香。大家找Marketing工作都盯着FAANG，但其实us Nike的Influencer Marketing岗也是个宝藏选择~ ✅最吸引人的是合作资源。你不是和普通网红合作，而是和顶级运动员、艺术家一起策划全球营销活动。想想看，你的工作成果可能是一场奥运会主题战役，或是推动社会议题的品牌发声，这种文化影响力是FAANG的增长黑客工作给不了的。 ✅岗位要求也不太一样。us Nike更看重你对运动文化的理解、创意策划能力、还有KOL关系管理。数据分析也要会，但重点是品牌声量、用户情感这些，而不是纯粹的转化率。 ✅面试的时候会问你对Nike品牌的理解，让你现场构思营销活动，还会聊当前的体育赛事和潮流趋势。他们想找的是真正热爱这个领域的人，而不只是会看数据报表的。 ✅准备的话，多研究Nike最近的KOL合作案例，了解运动营销趋势，准备好你自己的项目经历。如果你真的对运动和潮流文化有热情，这份工作能让你把兴趣和职业完美结合。 我整/理了更详/细的岗位分析和面试问提，need 的友友可以 pm【N】~
发布了笔记 7月前
🇺🇸 误闯天家：26ng上岸tiktok mle
26ng终于拿下TikTok MLE offer～ 这段找工路走得太不容易了！ 我这人特别轴，一门心思要转MLE，现在回头看，这条路的难度是真的高。前期完全没公司抛橄榄枝，整个找工过程就像在悬崖边走钢丝，全靠硬撑。挂了再面、面了再挂，总算熬到了上岸的时刻。 总结下来，这段经历真的特别折磨人，焦虑、抑郁的状态持续了整整两个月。还好有Kanye的歌一直陪着我，《Come to Life》《Runaway》都快被我听烂了，算是精神支柱一样的存在。 有意思的是，拿下TikTok offer后，其他的机会全找上门了。这也算是对我这段煎熬找工路的认可吧～ 🔔简单总结下面试重点： 👉第一轮 ML 基础 + 编程首轮核心就是ML fundamentals。HR会让你讲解逻辑回归的决策边界，接着聊 XGBoost 和随机森林的差异，还有数据不平衡的常见处理方法。后面还会抛来经典场景提：模型部署后 AUC 指标下滑，该如何排查问题，整体都特别侧重实际应用。编程提是 “最长和为 K 的子数组” 的变体，提目本身不算难，但会一直追问边界情况，比如包含负数、空数组等场景，重点考察代码的稳定性。 👉第二轮 Deep Learning + System。围绕 Transformer 展开，比如编码器和解码器的区别、自注意力机制为何能捕捉长距离依赖，还会顺带问到 LayerNorm 和 BatchNorm 的差异，以及常见的推理加速方案。系统设计完全站在生产环境视角，比如在线学习流水线怎么设计、模型上线后如何监控数据漂移。还有道超 TikTok 风格的提：一天只能重新训练一次模型，但用户行为是实时变化的，你会怎么处理？ 👉篇幅有限，三四轮就简单说下：第三轮侧重编程 + ML 案例分析，最后一轮是 BQ 面试，TikTok 一直很看重这部分。整体面下来最大的感受是，不用太偏向学术研究，但一定要能把模型和真实业务、线上系统的关联讲透彻。 整/理好的BQ提目、MLE编程提和八股知识点，需/要的话📧【T】~
