►前言：
投过150+简历，才拿到10+视频面试，这个换算率确实不算高。但是求职的同学们都明白，能拿到面试就是非常宝贵的机会。四月底应该是许多春季学期的末尾，看到暑假近在咫尺的你，是不是有些激动的飘飘然了？但！是！有些人却利用了别人玩耍的时间，开始摩拳擦掌，为自己的求职道路添砖加瓦了。一起来看看NYU DS的Harry学员，是如何上岸Walmart DS的吧！
►学员介绍：
姓名：Harry
本科：Wakeforest University
研究生项目：NYU DS
求职获得的所有offer：Walmart DS
实习工作经历：1段数据大厂实习，2 research+二作publication
Q：首先可以分享下为什么选择了PH求职吗？
主要是因为有一位S学姐使用过PH求职的服务，最初找工作我比较迷茫的时候去咨询了一下她的建议，她给我推荐了PH。我了解之后觉得很适合自己，所以就签了。
Q：在求职过程中，有哪些导师帮助过你？给予的帮助有什么？提过哪些比较有帮助的建议或者服务？
我的主导师D基本上是全方位地帮助了我，从巩固知识到abtesting，再到一些machine learning的东西在他的授课过程中全部都有讲解。还有另外一位导师帮我做过两次mock，我认为也非常有效。
Product这方面的内容其实在研究生项目里没有太多涉猎，和几位导师的交流为我开阔了不少思路和进一步学习的方法。
Q：在求职过程中，是如何明确自己申请方向的？
一开始并没有太大的方向性，我也不挑（笑）。个人倾向product这个领域是因为我比较偏向于和人打交道多一些，不是特别喜欢写码，后者对我来说有些许枯燥。Walmart这个岗位虽然也有些偏machine learning，综合来说还算“柔和”；况且既然他们给了offer，我也是很乐意地接受了。
Q：求职时自己的优势和劣势分别是什么？分别在求职过程中有什么影响？
优势的话真不是很好说？可能和其他申请者相比，因为我有一些文科背景，我可能在表达能力上会好一些。再就是在了解product sense的过程中，我意识到如果能学好的话在面试中其实是非常加分的。因为任何一个公司都是围绕products去做的，要是能根据它的product提供一些独特的business insight，再结合到数据，这个表现就算非常亮眼的了。
我倒是更清楚自己的劣势是什么：很多ML相关的东西不太熟，换言之technical背景比较弱。因为我本科也没有学过特别多和CS相关的课程，学得都是偏商院，偏统计的。如果是要申请更硬核的岗位，去写码的话可能对我来说难度较大。尤其像某些特定的oa或是线上live coding的时候，问到的一些内容我都不太清楚。
Q：求职过程中如何networking？有什么好的建议吗？
有在LinkedIn上找一些人，然后向同项目的同学打探一下他们在如此卷的大环境下脱颖而出的方法。当然也不要过于关注他人导致自己心态不平衡就是了。
Q：如何分配学业和找面试的时间的？
主要都是在找工作和面试，上课这边比较摆烂（笑）。我一开始就把求职放在了第一位，所以选课时也会避开attendance较重的课程。况且对于研究生来说GPA相对没有那么重要，拿到offer才是王道。
Q：面试的OA和takehome有什么做题心得？PH求职如何帮到了你？
OA有很多是可以在一亩三分地上找到资料的，我有时候就会拜托导师们帮去找一些机经，多练习练习还是挺有帮助的。
Q：对于求职的后辈们有没有什么特别想提醒的注意事项？
找工作一定要提早，提早，再提早！不管是几月开始准备，总之越早越好。因为你的简历提交得越早，申请难度和竞争激烈程度都会小很多。不要逃避求职。我自己整个求职季有些遗憾的地方就是九月份才开始投递，如果六七月份已经有所行动的话也许能拿到的机会会更多。
还有一点是假如某方面基础比较薄弱，那么尽量在暑假开始时就应该想方法补足，而不是等到开学之后。之前提到我的technical背景较弱，和本科就是CS或者DS出身的同学不能比，所以我是有提前弥补这个弱势的。