记录找工作的那些事情(毕业篇)

       写这篇文章的目的,只想把自己在找工作遇到的点点滴滴记录一下,一是对自己的经历有个回忆,二是希望也会帮助到他人。文笔不好,但写的很真诚!

       找工作这个事情每个人都很经历过,虽然略有不同,但是开始都是几乎一样。我的故事就从学生毕业开始讲起。

      

       2008年,读了N多年的书的我就要毕业了。看着周围的同学都在为找工作积极的做准备,而我还在实验室里面为老师的项目忙东忙西,认为找工作其实是小case。没有放在心上。

      那一年,第一个来我们学校招聘的是百度。百度招聘一直有内部推荐,其实就是在百度里面的师兄师姐给你推荐一下。不要小看这个内部推荐,其实这是一个很好的机会。为什么这么说。因为百度人会先到学校请这些内部推荐的人在酒店里吃个饭,其实吃饭是小事,主要是有个展示个人机会的舞台。如果你的善于言谈或许就会被记录下来,再后面的面试会有很多机会。而我虽然在内推,但是没有说一句话。O(∩_∩)O哈哈~。在笔试的时候,估计自己的实力也不行,连面试的机会都没有。o(╯□╰)o。

     

       第二个来学校的是腾讯。最开始是笔试,笔试题都那个样子。基础知识,数据结构,算法。很多人都可以通过。也就是说有很多人进行面试,同理淘汰率很高。面试我的是个很年轻的GG。写个字符串拷贝算法,strcpy。这个问题只要看看面试题都会写出来。还问了做过什么项目。还有那时的简历上写了会COM组件。其实自己没有用过,只是看过一本书。然后就被GG问倒了。因为没有做过只是看过理论,有些实际的东西还是不懂的。面试完毕之后就已经知道over了。从这个面试经历就知道简历上只能写你会的。不会的千万别乱写。这个会的,是指真真正正做过的。


      第三个来学习的是华为。好家伙这公司直接在最好的酒店里面试,搞得很牛逼。笔试,群面,单面,英语,HR。说有意思的事情,就是群面。发现这个群面真的有意思,就是分成2组,每组6个人。然后每组根据论题互相讨论。根据讨论的情况,给大家排名。其实这个群面是考察一个人的合作能力,不是考察谁能说的问题。无论你是队长还是记录什么的,只要你真诚与人合作就OK了。千万不要为了评价而互相抨击。我对面的哪一组就是,一个宿舍的很好的朋友,面试官让他俩互相评价,哪知变成了互相讥讽。结果可想而知,两个都被咔嚓掉。但是他们还会回到那份真诚的感情里面了吗。我是在被单面时被咔嚓掉的,原因就是一个。面试官问我有什么业余爱好,我说有篮球,音乐,唱歌。他就不屑的说到了华为可没有时间给你休闲。我想我over了。事实证明也是这样。从这份经历我发现,找工作还是得讲缘分的。适合你的才是最好的。即使在在以后的两次华为面试也重复体现了这一点。我与华为没有缘分。后面还会讲到这个问题。

      第四个面试的就是我选择进去的公司。这家公司也是很气派。尤其是笔试题,没见过考的这么全面的。C++,操作系统,计算机网络,数据结构,算法,汇编,是否跟计算机有关系的都考了。第一面的时候问一些设计模式,记得最清楚的问题就是如果对矿泉水进行设计。考的很牛逼。还有线程如何使用等等。最后一面就是问你一些其他问题。然后就是英语面试,这是最失败的地方。根本没有听懂。太囧了。然后签约的时候,我说就想去上海,但是人家直接给我踹到西安去了。我想想西安也行,压力小。就答应了。哪知这个地方没有待到1个月就离开了。这是后面的事情了。有机会再讲。

     毕业的找工作经历了一个月,之所以浪费的这么多好的机会,总结了一下。就是太自信自己的能力,没看过任何面试题。以为别人也没看过。哪知与同学聊天的时候才知道,人家看了80%的面试题。怎么能不会呢。还有一点就是自己一直在实验室做项目,没有任何在公司工作的经验,这也是问题之一。其实最重要的一点就是,自己没有任何目标。不知道去什么公司,要干什么。就是瞎蒙那种。所以就会这样。╮(╯▽╰)╭。

      先写到这里,后面还会写参加工作5年中所经历过的面试情况。

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值