?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

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











自動運転では軌道予測が重要な役割を果たしており、自動運転軌道予測とは、車両の走行過程におけるさまざまなデータを分析し、将来の車両の走行軌跡を予測することを指します。自動運転のコアモジュールとして、軌道予測の品質は下流の計画制御にとって非常に重要です。軌道予測タスクには豊富な技術スタックがあり、自動運転の動的/静的知覚、高精度地図、車線境界線、ニューラル ネットワーク アーキテクチャ (CNN&GNN&Transformer) スキルなどに精通している必要があります。始めるのは非常に困難です。多くのファンは、できるだけ早く軌道予測を始めて、落とし穴を避けたいと考えています。今日は、軌道予測に関するよくある問題と入門的な学習方法を取り上げます。関連知識の紹介 1. プレビュー用紙は整っていますか? A: まずアンケートを見てください。

StableDiffusion3 の論文がついに登場しました!このモデルは2週間前にリリースされ、Soraと同じDiT(DiffusionTransformer)アーキテクチャを採用しており、リリースされると大きな話題を呼びました。前バージョンと比較して、StableDiffusion3で生成される画像の品質が大幅に向上し、マルチテーマプロンプトに対応したほか、テキスト書き込み効果も向上し、文字化けが発生しなくなりました。 StabilityAI は、StableDiffusion3 はパラメータ サイズが 800M から 8B までの一連のモデルであると指摘しました。このパラメーター範囲は、モデルを多くのポータブル デバイス上で直接実行できることを意味し、AI の使用を大幅に削減します。

この論文では、自動運転においてさまざまな視野角 (遠近法や鳥瞰図など) から物体を正確に検出するという問題、特に、特徴を遠近法 (PV) 空間から鳥瞰図 (BEV) 空間に効果的に変換する方法について検討します。 Visual Transformation (VT) モジュールを介して実装されます。既存の手法は、2D から 3D への変換と 3D から 2D への変換という 2 つの戦略に大別されます。 2D から 3D への手法は、深さの確率を予測することで高密度の 2D フィーチャを改善しますが、特に遠方の領域では、深さ予測に固有の不確実性により不正確さが生じる可能性があります。 3D から 2D への方法では通常、3D クエリを使用して 2D フィーチャをサンプリングし、Transformer を通じて 3D と 2D フィーチャ間の対応のアテンション ウェイトを学習します。これにより、計算時間と展開時間が増加します。

著者の個人的な考えの一部 自動運転の分野では、BEV ベースのサブタスク/エンドツーエンド ソリューションの開発に伴い、高品質のマルチビュー トレーニング データとそれに対応するシミュレーション シーンの構築がますます重要になってきています。現在のタスクの問題点に対応して、「高品質」は 3 つの側面に分離できます。 さまざまな次元のロングテール シナリオ: 障害物データ内の近距離車両、車両切断中の正確な進行角、車線などラインデータ 曲率の異なるカーブやランプ・合流・合流などの撮影が難しいシーン。これらは多くの場合、大量のデータ収集と複雑なデータ マイニング戦略に依存しており、コストがかかります。 3D 真の値 - 一貫性の高い画像: 現在の BEV データ取得は、センサーの設置/校正、高精度マップ、再構成アルゴリズム自体のエラーの影響を受けることがよくあります。これが私を導いた

19 年前の論文を突然発見 GSLAM: A General SLAM Framework and Benchmark オープンソース コード: https://github.com/zdzhaoyong/GSLAM 全文に直接アクセスして、この作品の品質を感じてください ~ 1 抽象的な SLAM テクノロジー近年多くの成功を収め、多くのハイテク企業の注目を集めています。ただし、既存または新たなアルゴリズムへのインターフェイスを使用して、速度、堅牢性、移植性に関するベンチマークを効果的に実行する方法は依然として問題です。この論文では、GSLAM と呼ばれる新しい SLAM プラットフォームを提案します。これは、評価機能を提供するだけでなく、研究者が独自の SLAM システムを迅速に開発するための有用な方法を提供します。

この四角い男性は、目の前にいる「招かれざる客」の正体について考えながら眉をひそめていることに注意してください。彼女が危険な状況にあることが判明し、これに気づくと、彼女は問題を解決するための戦略を見つけるためにすぐに頭の中で探索を始めました。最終的に、彼女は現場から逃走し、できるだけ早く助けを求め、直ちに行動を起こすことにしました。同時に、反対側の人も彼女と同じことを考えていた……『マインクラフト』では、登場人物全員が人工知能によって制御されている、そんなシーンがありました。それぞれに個性的な設定があり、例えば先ほどの女の子は17歳ながら賢くて勇敢な配達員です。彼らは記憶力と思考力を持ち、Minecraft の舞台となるこの小さな町で人間と同じように暮らしています。彼らを動かすのはまったく新しいものであり、

上記と著者の個人的な理解は、画像ベースの 3D 再構成は、一連の入力画像からオブジェクトまたはシーンの 3D 形状を推測することを含む困難なタスクであるということです。学習ベースの手法は、3D形状を直接推定できることから注目を集めています。このレビュー ペーパーは、これまでにない新しいビューの生成など、最先端の 3D 再構成技術に焦点を当てています。入力タイプ、モデル構造、出力表現、トレーニング戦略など、ガウス スプラッシュ メソッドの最近の開発の概要が提供されます。未解決の課題と今後の方向性についても議論します。この分野の急速な進歩と 3D 再構成手法を強化する数多くの機会を考慮すると、アルゴリズムを徹底的に調査することが重要であると思われます。したがって、この研究は、ガウス散乱の最近の進歩の包括的な概要を提供します。 (親指を上にスワイプしてください

9 月 23 日、論文「DeepModelFusion:ASurvey」が国立国防技術大学、JD.com、北京理工大学によって発表されました。ディープ モデルの融合/マージは、複数のディープ ラーニング モデルのパラメーターまたは予測を 1 つのモデルに結合する新しいテクノロジーです。さまざまなモデルの機能を組み合わせて、個々のモデルのバイアスとエラーを補償し、パフォーマンスを向上させます。大規模な深層学習モデル (LLM や基本モデルなど) での深層モデルの融合は、高い計算コスト、高次元のパラメーター空間、異なる異種モデル間の干渉など、いくつかの課題に直面しています。この記事では、既存のディープ モデル フュージョン手法を 4 つのカテゴリに分類します。 (1) 「パターン接続」。損失低減パスを介して重み空間内の解を接続し、より適切な初期モデル フュージョンを取得します。
