?当对自己的技术足够自信的时候，拼的就是RP和面试技巧了（转）
前言 三月真是一个忙碌的季节，刚刚开学就需要准备各种面试和笔试(鄙视)。幸运的是，在长达一个月的面试内推季之后，终于同时拿到了阿里和腾讯的offer，还是挺开心的。突而想起久未更新的博客，就冒昧学一学各路大神，分享面试过程中的经验总结。总的来说，
前言
三月真是一个忙碌的季节，刚刚开学就需要准备各种面试和笔试(鄙视)。幸运的是，在长达一个月的面试内推季之后，终于同时拿到了阿里和腾讯的offer，还是挺开心的。突而想起久未更新的博客，就冒昧学一学各路大神，分享面试过程中的经验总结。总的来说，本人并不是什么超级大牛，文章更多的是经历叙述，大神可自行绕道。
经验很重要
简单乱入一下，本人主修软件工程专业，对Web有着浓厚兴趣，主攻Web前端。
就在三月份刚开始的时候，各种群里面就有师兄说，谁要内推，赶紧发邮件。好在牛人师兄多，一开始就投了天猫、淘宝。腾讯SNG和腾讯微信四份内推简历。
接到的第一个面试是天猫的，在完全没有准备的情况下，就开始了长达一个多小时的电话面试。第一次难免是紧张的，在面试的一个多小时里面，多次处于颤抖状态。这里所说的颤抖是真的，原因很简单，对于这一次面试没有任何准备，加上这个面试足够有分量。挂了电话的时候，第一反应就是不断回想刚刚面试的问题以及自己回答是否正确。于是就不断回想刚刚面试官说过的什么JavaScript事件委托、HTTP状态码、前端模块化怎么实现...
和预想中的一样，第一次面完之后，然后就没有然后了。然而还没来得及失落，以及做足后续准备，腾讯的SNG电话面试就来了，问的问题很少，让你介绍一下自己的项目，为了几个常规问题(文章末尾附上所有面试题目)，然后就让你开QQ，远程看你写代码..(从没想过QQ居然是面试工具)。不幸的是，写代码不给查资料，所以写的时候遇到一个闭包问题，卡了好长时间。这一次的面试长达一个半小时左右，然后就进入了漫长的等待。这一次情况不同的是，我有面试官的QQ啊！于是几天之后，我问面试官，为什么我被刷了？面试官给的理由是，你有前端模块化的思想，思路清晰，很不错，但是你写代码卡的时间比较长，必须有个刷人标准..
于是乎，在没有经验的情况下，前两轮面试就这样光荣挂彩了。
面试不是你问我答
在屡屡受挫之后，我开始反思面试的流程：自我介绍->项目经历-> 技术问题 -> 我有何问题。我发现在除了项目经历之后，其他环节都不是问题，毕竟我有着两年的积淀，基础还是很扎实的。
于是我去请教一些师兄，面试应该要注意什么。起初问了微信的两位大牛师兄，结果甚是惊讶。简单总结就是，在讲项目的时候，你需要展示你自己的亮点，可以说一些装逼的词，但装逼也是得有真材实料的。比如我在项目中使用了WebSocket，那么面试官很可能问你WebSocket是什么，底层原理你知道么？如果你当场傻掉，面试官就会觉得你只是会使用别人的东西，并不在意实现原理，终究是码农。那么事先你就应当去看看WebSocket协议的官方文档(纯英文，看得累死我了！)，这样面试官一问你，你能头头是道，会大大加分。再比如，你在项目中使用了模块化，那么你就一定要知道什么是模块化，而不是说你会用模块化工具。其实要求并不高，你只要能很好说清楚什么是AMD规范，什么是CommonJs规范，各自的优缺点是什么就很够了，起码之后每次面试官问我，我都是秒回的，面试官竟无言以对，也就是对我的认同。
最后一点，也就是最重要的一点是，一定要把面试官往你熟悉的领域引导，这真的很重要，因为如果你不引导，面试官不了解你的项目，看不到你的亮点，就只能一直问技术问题刁难你，人家在大公司待这么久了，还不是轻松碾压你。所以你在引导的同时，时不时提及一些事先准备好的关键词，技术官一问，你一回答，怎么都妥了~
理论实践
上述理论其实真的是很管用的，起码我现在觉得自己是半无解了，因为在那之后的淘宝和微信面试中都顺利通过了，也可以放弃29的腾讯线下笔试了(学渣真不会C++)，哈哈。
淘宝一轮的电话是一个慵懒的中午打来的，由于三点有课，两点的时候准备上去睡个午觉，还没躺下呢，就接到面试官的电话，我说我准备睡午觉，他说两点了还睡午觉...
不得不说，阿里的面试还是非常专业的，一轮的时候，花了半个小时实践我上面说的理论，然后就狂问十几个技术细节问题！没有一定的技术基础真的招架不住。面完之后个人感觉还不错，口干舌燥上课去了。后来发现阿里的面试状态是在他的招聘网上实时更新的(这一点阿里做的最好)。由于心里有底，看到通过淘宝一面并不是很惊讶，只能说要是这样都不过我就认了！最难的是二面，估计是技术总监什么的，除了常规面试流程之外会一直刁难你，这个时候需要有格外良好的心里素质。像阿里巴巴这种大公司，技术牛是没话可说的，但是我们只是一个大学生，没有做过并发量达到他们零头的应用，所以这一关考验的是思考问题的能力。有些问题是你可能是真的不会的，但是也不要出现好像是、可能是、我猜之类的词眼(我之前就是这样跪掉的)，而是说按照我的理解、给过一点思考时间、我不太懂这个问题需要我从哪个角度解析、我以前遇到类似的问题是怎样这个问题应该也是这样...这样给面试官的印象是，即便你不懂，但是你在全力思考，而且这样会给自己争取很多时间。
微信的面试就不多说了，只能说腾讯的广州研发中心真的很漂亮，一看就是工作的好地方！里面的设备啥的也是好的没话说！但是还是忍不住吐槽一下，腾讯的面试做的不够好，去到二话不说给你六道算法题，时间一个小时，然后又狂问你一个小时，一口水都没的喝！！好在痛过了，不再赘述。
总结
- 机会总是留给有准备的人，每一次都要好好对待
- 当对自己的技术足够自信的时候，拼的就是RP和面试技巧了
- 面试之前，去找找那些大牛们，他们比你都有经验
- 平常心对待，只不过是一份工作
资源共享
个人觉得每一次面试都是一次修炼，所以每一次都需要好好总结。这一点我还是做的不错的，我把大部分面试都记录了下来，然后仔细分析研究，避免不会犯二次错误。这里附上一些面试题目记。然后推荐同样面试前端的同学好好看看《JavaScript高级程序设计》和《HTTP权威指南》，管用。
最后，如果有需要的同学，可以参考参考我的简历，起码简历没有被刷过，只是别打骚扰电话就行了，哈哈。https://github.com/yuanzm/resume 
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Sujets chauds
Cet article vous suffit pour en savoir plus sur la conduite autonome et la prédiction de trajectoire !
Feb 28, 2024 pm 07:20 PM
La prédiction de trajectoire joue un rôle important dans la conduite autonome. La prédiction de trajectoire de conduite autonome fait référence à la prédiction de la trajectoire de conduite future du véhicule en analysant diverses données pendant le processus de conduite du véhicule. En tant que module central de la conduite autonome, la qualité de la prédiction de trajectoire est cruciale pour le contrôle de la planification en aval. La tâche de prédiction de trajectoire dispose d'une riche pile technologique et nécessite une connaissance de la perception dynamique/statique de la conduite autonome, des cartes de haute précision, des lignes de voie, des compétences en architecture de réseau neuronal (CNN&GNN&Transformer), etc. Il est très difficile de démarrer ! De nombreux fans espèrent se lancer dans la prédiction de trajectoire le plus tôt possible et éviter les pièges. Aujourd'hui, je vais faire le point sur quelques problèmes courants et des méthodes d'apprentissage introductives pour la prédiction de trajectoire ! Connaissances introductives 1. Existe-t-il un ordre d'entrée pour les épreuves de prévisualisation ? R : Regardez d’abord l’enquête, p
Le papier Stable Diffusion 3 est enfin publié, et les détails architecturaux sont révélés. Cela aidera-t-il à reproduire Sora ?
Mar 06, 2024 pm 05:34 PM
L'article de StableDiffusion3 est enfin là ! Ce modèle est sorti il y a deux semaines et utilise la même architecture DiT (DiffusionTransformer) que Sora. Il a fait beaucoup de bruit dès sa sortie. Par rapport à la version précédente, la qualité des images générées par StableDiffusion3 a été considérablement améliorée. Il prend désormais en charge les invites multithèmes, et l'effet d'écriture de texte a également été amélioré et les caractères tronqués n'apparaissent plus. StabilityAI a souligné que StableDiffusion3 est une série de modèles avec des tailles de paramètres allant de 800M à 8B. Cette plage de paramètres signifie que le modèle peut être exécuté directement sur de nombreux appareils portables, réduisant ainsi considérablement l'utilisation de l'IA.
DualBEV : dépassant largement BEVFormer et BEVDet4D, ouvrez le livre !
Mar 21, 2024 pm 05:21 PM
Cet article explore le problème de la détection précise d'objets sous différents angles de vue (tels que la perspective et la vue à vol d'oiseau) dans la conduite autonome, en particulier comment transformer efficacement les caractéristiques de l'espace en perspective (PV) en vue à vol d'oiseau (BEV). implémenté via le module Visual Transformation (VT). Les méthodes existantes sont globalement divisées en deux stratégies : la conversion 2D en 3D et la conversion 3D en 2D. Les méthodes 2D vers 3D améliorent les caractéristiques 2D denses en prédisant les probabilités de profondeur, mais l'incertitude inhérente aux prévisions de profondeur, en particulier dans les régions éloignées, peut introduire des inexactitudes. Alors que les méthodes 3D vers 2D utilisent généralement des requêtes 3D pour échantillonner des fonctionnalités 2D et apprendre les poids d'attention de la correspondance entre les fonctionnalités 3D et 2D via un transformateur, ce qui augmente le temps de calcul et de déploiement.
Le premier modèle mondial de génération de vidéos de scènes de conduite autonomes multi-vues DrivingDiffusion : nouvelles idées pour les données et la simulation BEV
Oct 23, 2023 am 11:13 AM
Quelques réflexions personnelles de l'auteur Dans le domaine de la conduite autonome, avec le développement de sous-tâches/solutions de bout en bout basées sur BEV, les données d'entraînement multi-vues de haute qualité et la construction de scènes de simulation correspondantes sont devenues de plus en plus importantes. En réponse aux problèmes des tâches actuelles, la « haute qualité » peut être divisée en trois aspects : des scénarios à longue traîne dans différentes dimensions : comme les véhicules à courte portée dans les données sur les obstacles et les angles de cap précis lors du découpage des voitures, et les données sur les lignes de voie. . Scènes telles que des courbes avec des courbures différentes ou des rampes/fusions/fusions difficiles à capturer. Celles-ci reposent souvent sur de grandes quantités de données collectées et sur des stratégies complexes d’exploration de données, qui sont coûteuses. Valeur réelle 3D - image hautement cohérente : l'acquisition actuelle des données BEV est souvent affectée par des erreurs d'installation/calibrage du capteur, des cartes de haute précision et l'algorithme de reconstruction lui-même. cela m'a amené à
GSLAM | Une architecture générale et un benchmark
Oct 20, 2023 am 11:37 AM
J'ai soudainement découvert un article vieux de 19 ans GSLAM : A General SLAM Framework and Benchmark open source code : https://github.com/zdzhaoyong/GSLAM Accédez directement au texte intégral et ressentez la qualité de ce travail ~ 1 Technologie SLAM abstraite a remporté de nombreux succès récemment et a attiré de nombreuses entreprises de haute technologie. Cependant, la question de savoir comment s'interfacer avec les algorithmes existants ou émergents pour effectuer efficacement des analyses comparatives en termes de vitesse, de robustesse et de portabilité reste une question. Dans cet article, une nouvelle plateforme SLAM appelée GSLAM est proposée, qui fournit non seulement des capacités d'évaluation, mais fournit également aux chercheurs un moyen utile de développer rapidement leurs propres systèmes SLAM.
'Minecraft' se transforme en une ville IA et les habitants des PNJ jouent comme de vraies personnes
Jan 02, 2024 pm 06:25 PM
Veuillez noter que cet homme carré fronça les sourcils, pensant à l'identité des « invités non invités » devant lui. Il s’est avéré qu’elle se trouvait dans une situation dangereuse, et une fois qu’elle s’en est rendu compte, elle a rapidement commencé une recherche mentale pour trouver une stratégie pour résoudre le problème. Finalement, elle a décidé de fuir les lieux, de demander de l'aide le plus rapidement possible et d'agir immédiatement. En même temps, la personne de l'autre côté pensait la même chose qu'elle... Il y avait une telle scène dans "Minecraft" où tous les personnages étaient contrôlés par l'intelligence artificielle. Chacun d’eux a un cadre identitaire unique. Par exemple, la jeune fille mentionnée précédemment est une coursière de 17 ans mais intelligente et courageuse. Ils ont la capacité de se souvenir, de penser et de vivre comme des humains dans cette petite ville de Minecraft. Ce qui les anime est une toute nouvelle,
Plus qu'une simple gaussienne 3D ! Dernier aperçu des techniques de reconstruction 3D de pointe
Jun 02, 2024 pm 06:57 PM
Écrit ci-dessus & La compréhension personnelle de l'auteur est que la reconstruction 3D basée sur l'image est une tâche difficile qui implique de déduire la forme 3D d'un objet ou d'une scène à partir d'un ensemble d'images d'entrée. Les méthodes basées sur l’apprentissage ont attiré l’attention pour leur capacité à estimer directement des formes 3D. Cet article de synthèse se concentre sur les techniques de reconstruction 3D de pointe, notamment la génération de nouvelles vues inédites. Un aperçu des développements récents dans les méthodes d'éclaboussure gaussienne est fourni, y compris les types d'entrée, les structures de modèle, les représentations de sortie et les stratégies de formation. Les défis non résolus et les orientations futures sont également discutés. Compte tenu des progrès rapides dans ce domaine et des nombreuses opportunités d’améliorer les méthodes de reconstruction 3D, un examen approfondi de l’algorithme semble crucial. Par conséquent, cette étude fournit un aperçu complet des progrès récents en matière de diffusion gaussienne. (Faites glisser votre pouce vers le haut
Une analyse approfondie de la stratégie de changement de voie d'Apollo et de son application pratique
Nov 07, 2023 am 11:37 AM
1. Introduction 1.1.La fonction du changement de voie. En termes simples, la fonction du changement de voie est de sélectionner l'une des lignes de référence parmi les lignes de référence à sélectionner pour être utilisée par les modules de planification suivants. open source par Apollo Il a été fortement épuré, ne laissant qu'un cadre simple. De nombreuses fonctions, telles que le changement de voie actif, le changement de voie passif (en raison d'obstacles), la machine d'état relativement complète, la fenêtre de changement de voie et la sélection d'écart, etc., manquent. Cet article technique affiche uniquement le contenu du framework existant. Concernant le contenu des autres fonctions de changement de voie, veuillez attendre avec impatience l'article de suivi 1.2. Machine d'état de changement de voie La machine d'état de changement de voie actuelle d'Apollo est la suivante : Il y a quelques points à noter concernant la machine d'état : IN_CHANGE_LAN ici.
