查看: 6049| 回复: 14
跳转到指定楼层
上一主题 下一主题
收起左侧

亚麻Alexa ML scientist vs LinkedIn ML

全局:
💰晒工资抖包袱
找工年度: 2018
找工季节: 1-3月
工作来源: 内推
公司名称: amazon
工作类别: 全职
地区: 大波士顿地区
具体工作,组,tech stack等: Machine Learning
工作职位类别: 分析|数据科学类
岗位类别: IC (Individual Contributor 技术岗,不管人)
级别/title: 积分不足,查看如何攒积分解锁阅读权限
base salary 一年工资: 积分不足,查看如何攒积分解锁阅读权限
年终奖金Yearly Perf Bonus: 积分不足,查看如何攒积分解锁阅读权限
Equity(RSU/Option)总价值(通常给四年的): 积分不足,查看如何攒积分解锁阅读权限
RSU # of Shares: 积分不足,查看如何攒积分解锁阅读权限
RSU Price per share: 积分不足,查看如何攒积分解锁阅读权限
Option # of Shares: 积分不足,查看如何攒积分解锁阅读权限
Option strike price: 积分不足,查看如何攒积分解锁阅读权限
Equity Vesting schedule: 5%, 15%, 40%, 40%
签字费sign on bonus第一年: 积分不足,查看如何攒积分解锁阅读权限
搬家费 relocation: 10k
应届or在职跳槽: 应届毕业生
目前最高学历: 博士
相关工作经验范围: 短暂实习或全职不超过3个月

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
求地里大家帮忙看看。我有一个问题是我明年6月份才毕业,不过hr说这个时间不是问题。不过我的考虑是,我今年暑假有个linkedin湾区的machine learning track 实习,之前的打算是到时候争取拿个return (虽然也不是100%一定能拿到,但是据之前的实习生和hr说,return率比较高),然后去面一两家公司,如果能拿到offer,compete一下,最后再决定。现在这个offer来得有点不知所措,因为没有任何compete,感觉不太可能加。组是Alexa组,machine learning scientist 我个人觉得可能发展空间比较好 相比linkedin 的话。L家的组不是核心组,但是也是做ml。地点的话,我倾向于西海岸,但是boston也是个好地方, 所以在考虑范围内。我另外还有一个想法是,我确实是想去这个组做做看,但是不想太快做决定,想着能不能把这个offer换成明年暑假的实习offer。。。求大伙支支招,帮我分析分析,从各个角度(地理位置,公司发展,公司文化,组,etc)都可以。我个人是转专业,所以能拿到这个offer已经很开心了。谢谢大家。

上一篇:股沟中包
下一篇:apple t4 包
推荐
mizhazha 2018-3-23 10:40:11 | 只看该作者
全局:
明年六月才毕业现在就找全职啦!感觉lz还是实习后再做决定吧,我也是new grad,不过我觉得市场价每年都涨,今年签了明年的就亏了...
回复

使用道具 举报

推荐
 楼主| zhongts 2018-3-24 05:53:36 | 只看该作者
全局:
redevil 发表于 2018-3-24 01:52
恭喜lz,请问楼主还记得timeline大概是怎样的吗?谢谢

12/2017 hr contacted me
1/2018 first phone
2/2018 second phone
3/2018 onsite
offer after a week
回复

使用道具 举报

推荐
 楼主| zhongts 2018-3-23 10:44:00 | 只看该作者
全局:
mizhazha 发表于 2018-3-23 10:40
明年六月才毕业现在就找全职啦!感觉lz还是实习后再做决定吧,我也是new grad,不过我觉得市场价每年都涨, ...

嗯,我也是很偶然,之前被同学错推成了全职,然后hr联系了我,我就想着那就面面看,然后但最后拿到offer了,整个过程都很梦幻说实话。。。我也是考虑到现在做决定是不是太早了,但是alexa这个组我确实挺感兴趣挺喜欢
回复

使用道具 举报

全局:
楼主 MS 还是 PhD? 能不能分享下AMAZON ML的面经?
回复

使用道具 举报

🔗
 楼主| zhongts 2018-3-23 10:50:14 | 只看该作者
全局:
爱学习的鼠哥 发表于 2018-3-23 10:39
楼主 MS 还是 PhD? 能不能分享下AMAZON ML的面经?

我是phd。

店面是两轮,每轮都差不多,一开始是问research,然后穿插很多很细节的ml问题,nlp问题,基本上是你research里说到什么,他就会抓住一个点问。然后是leadership的bq,也是和地里其他人说的一样,需要很具体的例子,不能一带而过,所以很考讲故事。最后是coding,问题很简单,并不是lc的题目,但是我觉得基本上刷过题的都没问题。

onsite 首先是1个小时的presentation。然后四轮面试,面试过程跟店面差不多,但是只有一轮有写代码。具体内容因为签了nda,不太方便具体说,但是都是和职位很相关的,需要熟练掌握nlp的常见model,传统的和深度学习的都有。
回复

使用道具 举报

🔗
薇薇娜娜 2018-3-24 00:22:16 | 只看该作者
全局:
gxgx! 楼主好厉害!你这个到底是applied scientist 还是 research scientist?
回复

使用道具 举报

🔗
Yoyo00 2018-3-24 01:31:39 | 只看该作者
全局:
恭喜LZ  感觉machine learning 方向还是要求挺高的。 LZ转专业都machine learning 方面做了哪些的准备, 要准备到能推公式那种吗?
回复

使用道具 举报

🔗
redevil 2018-3-24 01:52:37 | 只看该作者
全局:
恭喜lz,请问楼主还记得timeline大概是怎样的吗?谢谢
回复

使用道具 举报

无效楼层,该帖已经被删除
🔗
 楼主| zhongts 2018-3-24 03:01:09 | 只看该作者
全局:
薇薇娜娜 发表于 2018-3-24 00:22
gxgx! 楼主好厉害!你这个到底是applied scientist 还是 research scientist?

hr said in the email it's research scientist. sorry, can't type chinese right now
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
  • ⚠ 如果以任何方式(包括 hide 语法)免米公开自己的包袱细节,您将无法获得管理组的加分。
  • ⚠ 您获得的用户加分一般没有管理组加分那么多,您可以自行去其他包袱贴内核实。
  • ⚠ 如果以任何方式(包括 hide 语法)免米公开他人包袱细节,则可被系统扣分。多次违规会被封号
  • 发帖请自行衡量是否坚持要绕过规则。

本版积分规则

>
快速回复 返回顶部 返回列表