0
0【本期嘉宾】Martin同学
硕士：芝加哥大学 应用数据科学专业、本科：拉斐特学院 计算机科学专业，来Offer Data班学员，在来Offer的帮助下拿到BCG Data Scientist全职offer
【主持人】孙博士
来Offer创始人。谷歌前高级软件工程师、面试官。南加州大学（USC）CS博士，主攻高效AI和搜索算法。麻省理工（MIT Sloan）商学院EMBA。
| 时间线 |
孙老师连续提问，聚焦求职者获得科研offer的关键竞争力和为何能脱颖而出。Martin同学回应称其竞争力源于一段实习经历，该经历获得了面试官的特别认可，并在后续详细介绍了这段在初创公司担任AI工程师、从产品测试到模型部署与反馈的全流程项目经历，总计耗时约六七个月。
孙老师基于求职者经历，阐述工业界项目经验对求职的重要性。孙老师肯定了Martin同学解决完整工业问题的实习经历价值，并询问了实习薪资。Martin同学透露薪资为芝加哥最低时薪。孙老师由此展开，建议求职者应首先争取带薪实习以积累完整的工业界应用经验，避免好高骛远。他强调工业界需要能创造价值的人才，与烧钱的科研逻辑不同，并建议尽早准备，不要等到毕业时才如梦方醒。
Martin同学反思过往，分享对职业规划路径的改进建议。孙老师提出一个行为面试问题，询问如果回到五年前大一，如何让职业发展路径变得更好。Martin同学反思大一因疫情和个人探索而浪费了时间，表示如果重来会更主动地通过LinkedIn等渠道与行业人士建立联系，进行coffee chat以提前了解美国就业市场和确定职业方向，从而在本科期间获得更多实操机会。
孙老师针对家长对硅谷裁员和计算机就业的悲观认知，要求Martin同学普及真实的硅谷与华尔街就业情况。Martin同学确认计算机仍是相对最好找工作且高薪的行业之一。孙老师进一步要求与机械工程等专业进行对比。Martin同学以其芝加哥大学数据科学专业为例，估计国际学生中仅约十分之一能找到工作。孙老师借此阐述美国求职的"一九原则"，即仅前10%的学生能进入大厂，绝大多数学生毕业即面临失业或回国。他批评了以21-22年特殊时期作为参考的认知误区，并指出当前简历筛选已普遍使用深度学习模型，缺乏硬核项目将导致简历评分极低。
Martin同学分享选择加入"来offer"的原因与体验。孙老师询问Martin同学为何加入"来offer"以及加入后的体验。Martin同学指出第一点是课程安排紧凑高效，让他提前学完了学校多个学期的知识，为秋招争取了时间。第二点是校友和老师提供的帮助，包括在面试准备阶段提供的针对性辅导。
孙老师深入剖析美国求职的底层逻辑与战略方向。孙老师强调正确的战略方向和职场认知至关重要。他批评了"向上社交"和"海投简历"的过时策略，指出当前简历筛选由AI模型主导，缺乏工业级硬核项目将导致简历评分极低。他驳斥了"计算机已过时"和"硅谷崩溃"的论调，指出招聘需求远大于裁员。孙老师随后提问，在AI浪潮下为何选择数据科学家岗位。Martin同学解释该岗位结合了技术与商业兴趣，能帮助企业进行数字化转型和AI落地，符合当前企业裁撤重复性工作、招募AI人才的趋势。
孙老师阐述科技发展的动态本质与AI时代的人才机遇。孙老师以"software is never done"为引，指出软件工程是商业逻辑的数字化实现，其边界在不断扩大。他反驳了"技术提高效率将导致岗位减少"的静态认知，以iPhone和移动互联网19年来的发展为例，说明科技革命会创造更广泛的应用空间和更多GDP与就业岗位。他鼓励年轻人拥抱AI时代，避免被淘汰，并总结Martin同学思维敏捷。随后，他请Martin同学分享过去求职准备中的成功经验。Martin同学强调了尽早准备、软硬实力并举的重要性，建议大二就开始找实习，并保持信心和耐心。
探讨AI浪潮下的职业挑战与个人发展规划。孙老师询问Martin同学进入波士顿咨询后，对未来AI发展带来的挑战有何认知。Martin同学表示需要不断学习以了解AI的能力边界，从而为客户提供解决方案，并提到未来三年需要在深入技术专家路线和积累行业知识（domain knowledge）之间做出选择。孙老师建议将技术深度（X轴）与垂直领域商业洞察力（Y轴）结合，并指出职场前3-5年是快速成长的关键期。最后，他询问Martin同学在"来Offer"的BQ（行为面试）准备情况。Martin同学提及了数据科学和商业分析班的课程，并重点说明了在准备BCG面试时，老师提供的高强度模拟面试帮助。
| 后期制作 |
珩
| 收听方式 |
您可以通过小宇宙、苹果播客、喜马拉雅等平台收听本节目。
| 认识我们 |
微信视频号：来Offer孙老师
微信号：LaiOffer8888
