点击上方，选择星标或置顶，不定期资源大放送！

阅读大概需要15分钟

Follow小博主，每天更新前沿干货

大家一定都想知道，Google、Facebook、Amazon、Apple这些顶尖的科技公司，更青睐来自哪里的毕业生？

根据来自Linkedln的数据，Google与Facebook从美国前200的高校中雇佣了超过80%的员工。

此外，从公开LinkedIn个人资料的员工看来，超过一半的Facebook员工来自美国顶尖的10所大学。

因此，很多非名校生可能都会存在一个困扰：

“我的学历不是很高，学校不是很好，要是想进美国硅谷的大厂工作，到底有多大可能？”

这不，近日，Reddit上的一则标题为“大学声誉在多大程度上影响了顶尖科技公司应聘的机器学习（ML）职位面试的机会？“ 的帖子，引起了大家的热议：

这位发帖国外小哥说：

「我已经被美国一所OKish学院的计算机专业的硕士项目录取。

这所大学在ML研究方面并不是很强势，但我认为有很多在线资源可以让我学习ML，我也可以变得和顶级大学的毕业生一样有能力。

我唯一担心的是，我一直观察到这样的趋势——只有从顶尖大学出来的毕业生，才有机会从事这些工作。

假设我可以做一些好的项目，也许可以为一些开源的ML软件做出贡献，那么我真的有任何实际的机会与来自MIT/Stanford/Berkeley/CMU等高校的人竞争吗？」

这一「灵魂发问」，的的确确问到了很多人心里，这不，在短短一天的时间里，这个话题就引起了大家的激烈讨论：

名校给你带来的不仅仅是「牌子」，迂回战术或许更有用

其中一位叫EastMight的网友的回答得到了高赞：

「即使现在有很多在线资源，我认为一流的大学也会帮助你变得更有能力。

最主要的原因之一，是他们有着更加严格的评估体系，而这会促使你自发学习更多知识，而不仅仅只是牌子和名气的不同。」

此外，EastMight还分享了自己的亲身经历：

「关于你的实际问题，我想分享一下我的经历：我在东欧获得了一个非常糟糕的理科硕士学位(尽管免费)，在有了一些行业经验(在非顶级公司工作了1.5年)后，我拿到了英国的Bytedance和亚马逊的面试机会，而FANGs中的其他公司拒绝了我。

所以，是的，学校很重要，但相比而言，它在开始找工作的时候更重要。

如果硕士期间要求不高，你可以试试在上学的同时参加工作或者实习。」

这一观点得到了许多人的肯定：

「这似乎支持了我对LinkedIn的观察：对于应用科学家这一职务，亚马逊似乎不太注重大学的名号，但其他公司往往会把重点放在这一点上。

另一种方法是先在FAANG的机器学习基础架构团队中担任软件工程师，然后转到应用机器学习的岗位上。

据说，应用机器学习团队更重视系统构建技能和机器学习基础架构经验，在这种情况下，你的经历应该会有所帮助。」

的确，名校最大的优势是环境和学术氛围。当你周围都是志趣相投、干劲十足的人的时候，往往会有更有活力的竞争、灵感和合作关系。

此外，一些常青藤盟校有非常高的“分数通胀”——哈佛大学的平均成绩是B到B+。

还有网友表示：

「如果你想去顶尖的科技公司，你的目标应该是获得一份实习机会，这样你就能得到回报。

ML的实习可能会很紧张(因为现在竞争非常激烈)，所以你也可以考虑定期去SWE或DS实习。即使他们不是ML，但这两者也有足够多的交叉，有一个实习总比没有好。

让自己在ML / AI中脱颖而出的最简单方法是发表文章，但你可能没有太多时间去做这件事，或者在硕士课程中不能确保能得到很好的指导。

那么你可以考虑增加你简历的其他部分，比如开源贡献。这可能会对ML有帮助，但对SWE肯定是有帮助的。」

又或许，把自己的眼光放长远一点，这样可能会更好：

「最初，由于地理位置的原因，您可能很难接到电话。如果你离公司太远，他们就得经常派飞机送你过去，所以，他们更喜欢附近的求职者。

不过，如果你毕业于好大学，并且你的简历非常符合工作要求，你还是有机会的。

面对第一份工作，你不要太紧张：大多数人都有这样的误解，认为刚毕业就需要进入梦寐以求的公司。

然而，这很难，也很少发生，人们通常会在一两年内跳槽——因为你的初始工资会很低，你并不知道如何恰当地谈判，而且你也不想冒失去唯一选择的风险。

所以，你可以考虑找一份能让你调动到多家公司的工作。

一旦你在公司里站稳了脚跟，你就会注意到，换工作或者接到面试的电话是多么容易：你几乎每天都会被电子邮件、工作邀请或面试淹没。

然后，如果你每天都做好准备，你就可以很容易地跳槽到你梦想中的公司。

这也是最好的方法。」

分阶段增加竞争力，「自我驱动力」才是关键

有的网友则对找工作的整个流程做出了比较全面的总结：

「你可以把找工作的问题分为两个步骤: 1、得到一个面试机会 2、通过这个面试

我认为麻省理工等学校学生的主要优势是，面试机会会主动来找你，特别是通过招聘会、校友网络、大咖来教学和/或来听课/演讲等机会。

我是一所第一梯队学校的博士生(第0梯队是麻省理工学院等)，但在我的国家，我的本科学校是第0梯队，所以我非常了解这些福利。

顶尖的公司会来到我们学校，在高级餐厅给我们提供美酒佳肴——所以这绝对是一个优势。

所以我建议你把重点放在得到面试机会上——人际关系网是关键。

别忘了，这世界上有“后门”。

而且工作机会总是比麻省理工等学校的毕业生多，所以不要失去希望。

然而，现在每个人都知道人脉是关键，所以他们会通过电子邮件或LinkedIn给FAANG公司的招聘人员“垃圾邮件”。

我从很多招聘人员的朋友那里听说，他们甚至都不回复这些邮件了，这让我很沮丧。

所以需要采取替代措施：

我认为，在网上找到关于如何面试通过的信息会更容易，不过这些信息也非常鱼龙混杂：接近操作Excel的职位给出的愚蠢的编码面试，有一堆错误问题的测试等等。

最终，作为一名机器学习工程师，在FAANG公司实习了7个月之后，我发现我真的更想在一个小点的公司去做点更有趣的事情。

不要误会我的意思，这7个月的经历很棒，上述只是个人偏好——我是一个通才，然而FAANG寻找的是专家。」

还有网友同时有「名校」和「非名校」的经历：

「我也有过类似的体验，我上过一所州立学校，参加过招聘会，但谷歌、亚马逊、facebook、苹果和netflix都没有参加。

之后，我去了一所常春藤大学读博士，招聘会上有FAANG和更多的公司出现。

然而，事实上，我就读的州立学校的工程学课程比我上的常青藤还要好。

所以，排名靠前的学校往往会提供更多的机会。

不过，不要太在意那些顶级公司——我申请了并获得了面试机会，甚至完美地进行了面试，但我没有被聘用。

现在，我在本校做数据科学家，赚的钱和大厂差不多，压力还更小，所以，人脉是非常重要的!」

还有的小哥根据自己的经验，给贴主加油鼓气：

「我去了美国一所免费的公立文理学院，得到了几乎所有FANNG的面试和offer。

我还获得了定量研究和其他非常好的工作的面试机会。

然而，我的大多数同学都找不到任何面试机会，他们简单地把原因归咎于学校不为人知。

事实上，我只是有很多个人项目经历和论文，而大多数学生只是去上课，而不做任何额外的事情。

我认为这就是关键——

如果你去任何一所顶尖大学，招聘人员就会知道你的确有自我驱动力。

如果你没有去这些名校，你需要用另一种方式表现出来。」

总的来说，名校的的确确给了你更好的进入门槛、更好的学术氛围以及更加激烈竞争环境，但是，如果有优秀的项目经历、实习和工作经历、高Star的Git个人网站或者相关论文傍身，在加上好的Networking能力，那么即使非名校出身，机会还是不少的。

即使真的刚开始没有进到自己理想的公司，也可以在努力工作，踏踏实实工作，站稳脚跟之后，进行跳槽，这个时候，你的天空就更广阔了。

参考链接：

https://www.reddit.com/r/MachineLearning/comments/lmmiet/d_how_much_does_college_reputation_influence/

重磅！DLer-计算机视觉交流3群已成立！

大家好，这是DLer-计算机视觉微信交流3群！欢迎各位Cver加入DLer-计算机视觉微信交流大家庭 。

本群旨在学习交流图像分类、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。希望能给大家提供一个更精准的研讨交流平台！！！

进群请备注：研究方向+学校/公司+昵称（如图像分类+上交+小明）

???? 长按识别添加，即可进群！