字节跳动Android一面凉凉,竟以为一面是HR面---

本文介绍了互联网大厂技术面试的四个阶段,包括技术面的个人介绍、项目经历评估、编程技术和逻辑题目,以及主管面试对软素质的考查。强调了项目中的技术能力、逻辑思维和沟通能力的重要性,同时也提供了系统学习资源和面试辅导的建议。
摘要由CSDN通过智能技术生成
  • 3、Activity标签可以配置什么

  • 4、IntentFilter里面的标签可以干嘛

  • 5、Service怎么启动

了解IntentService吗?

  • 6、几大控件有

  • 7、存储数据的方式有

  • 8、Intent可以干嘛

  • 9、Sharedpreference里面的apply和commit有什么区别

  • 10、ContentProvider用过吗?为什么要用这个

  • 11、ASyncTask用过吗?知道是怎么实现的吗?

  • 12、线程池知道吗?怎么创建?底层怎么实现?

  • 13、Set、List、Map区别,Map底层怎么实现的

  • 14、重写View怎么重写?

  • 15、快排实现

  • 16、实现两个链表表示的整数相加(空间复杂度要求很低)

看到还有很多程序员连面试流程都没有彻底弄清楚,今天,我们以阿里为例,来聊聊互联网大厂的面试流程和过程!

本篇主要还是聊聊社招的面试过程!阿里以及其他的互联网大厂的技术类社招面试,通常情况是 4 个轮次。第一、第二面是技术面,第三面是主管面试,第四面是 HR 面试。对于目标级别在 P6+ 的候选人,我们会增加至少一轮的跨团队 Review 面试,因为涉及招聘委员会(Hire Committee)的定级流程,所以要复杂一些。接下来的内容,主要针对通常情况下 P5~P6 的面试来介绍,大神请直接忽略。

01 技术面

1. 个人介绍和基础知识考查

这部分算是必备技能。我个人倒是倾向于弱化基础知识的考查,毕竟每个候选人的背景不同,应该更看重聪明程度、学习能力、沟通理解力等,基础知识只能证明他不是一个优秀的工程师,却无法证明他是一个优秀的工程师。
2. 项目经历考查

从这个阶段开始就格外重要了,因为面试官之前并不一定完整浏览候选人的简历,所以聆听候选人对项目的介绍是了解候选人的最主要途径。在这个过程中,面试官试图刨根问底,这跟各公司内部的技术评审很相似。几个关键点,希望你格外注意:

  1. 对项目背景的了解程度,讲不清楚需求从哪里来是非常可怕的,这说明你更多只是一个执行者,不是负责人,且缺少对于项目整体的思考。
  2. 对需求的合理性进行分析,一味听从 PM,不能把控需求的研发是很可怕的。
  3. 对技术方案设计的调研和选型,我们更希望看到你的方案是经过充分思考、调研、对比、论证的,通过这个过程,可以看到候选人的系统设计功底,是否对业界技术有足够了解,对开源技术的掌握情况,是否愿意应用开源技术。哪怕你的项目只是一个简单的业务系统,那么仍然应该有很多亮点可寻,否则这段项目经历可能会减分。
  4. 取得的成效。很多工程师只看重过程,不看重结果,这是不可取的。

3. 编程技术考查
在我的团队中,我要求每一轮技术面,都至少要有 1 道编程题目。一方面,我们非常看重侯选人的代码风格、优雅程度,还有对边界条件的考虑,这些都是好的程序员必须具备的素质。对于代码混乱、边界考虑不清的人,我们会认为他没有足够的编程素养和追求,在逻辑思维层面,也有所欠缺。**这样的候选人进入团队,短期可能造成 Bug 多、项目质量差等影响,长远来看,不利于合作开发、项目传承等。**另一方面,**我们非常看重数据结构、算法等的高效实现。能够快速设计出高效的程序,这体现了候选人日常的深厚积累,还有对编程的极致追求。**前不久就有一个典型案例,我们的运维同学发现一个后端模块上线后处理性能只有几十 QPS,很不理解为什么性能这么差。直到我们重新 review 代码后,才发现是个“经典”问题,即 for 循环里调用 sort(虽然是隔了几次函数调用),简单优化后,性能就可以提升 1~2 个数量级。优秀的工程师,一定会尽可能规避这类问题,几行代码的优化,就能提升用户体验、降低服务器成本、方便代码维护、减少兄弟们的工作量。
4. 逻辑题目或数学题目

这类题目的核心不在于它有多复杂,需要多少经验背景,而在于,只要逻辑清晰,认真思考,大多能得出结果,虽然不一定是最优解。我举几个例子:

  1. 一个六位数字,逆时针旋转 180 度后与之前完全相等的概率是多少?
  2. 边数是 3*4 的网格,从左下角的 A 点走到右上角的 B 点,一共有多少种不同的走法?

这类题目其实很简单,可以用编程的思路解决,比如递归(当然还有很多其他方式),也可以用概率论、组合数学的方式解决,甚至一个一个“数”也是能得到答案的。在思考问题的过程中,可以看出候选人的思维习惯,也可以看出候选人的逻辑能力。另外,这类题目其实有很多变化,如果候选人很轻松完成了回答,面试官就可以适当加大难度,比如 3*4 的网格有一个点不能经过,那么会是什么结果?这类题目看似简单,实则分辨率很高,可以充分挖掘候选人的潜力。除去上面的介绍外,候选人还应该对行业情况有所理解,包括竞品、开源项目等,这可以体现一个人的眼界和行业洞察能力,也可以看出一个人的学习态度,他是否在持续更新自己的知识储备。

02  主管面

相对于技术面而言,主管面试不会过多考查基础知识、数据结构及算法,但因为技术主管大多具备很强的技术背景,所以仍然会针对技术面过程中的一些遗漏点(可能是面试官没有考查到,也可能是候选人的回答不够完善),着重补充考查。除此之外,主管面的核心就是判断候选人除了技术能力外的其他维度,是否与团队相匹配。第一类维度,软素质能力。软素质的维度很丰富,每一次面试过程不会面面俱到地考查,但一些重要的维度一定会被照顾到。

1. 逻辑思维。
与技术面的逻辑题目类似,团队可以接受不足够聪明的人,但无法接受逻辑不清晰的人。在这个环节,可以提出一些进阶的题目,比如给候选人一个很复杂的问题,希望候选人可以尝试分析、分解,让看起来一团乱麻的问题变得清晰可实现。或者,让候选人阐述一个经历过最有挑战的问题,是如何定义问题并分析解决的。当然这类问题,一般初入职场的同学都很难回答完美;不过对于工作 2 年 + 的同学,我觉得问题的分析、分解、设定目标、规划、执行都是必备素质。这个能力很难在工作中迅速培养,它更多是通过候选人过去一二十年的学习和工作经历,一点一滴积累的,所以对于社招而言,希望候选人已经具备很好的逻辑思维能力。
2. 沟通能力。
不能有效且高效地沟通,对于团队项目是场灾难。在日常工作中,经常会看到几个同学针对一个问题争论得不可开胶,但其实他们往往没有理解对方所讲的主旨是什么,甚至对于一些名词和概念的理解都不一致,就更不要说同理心了,这种无效沟通是导致会议冗长的最主要因素。这类的面试考查,一般会依附于项目介绍或者设计题目等。

资源分享

  • 最新大厂面试专题

这个题库内容是比较多的,除了一些流行的热门技术面试题,如Kotlin,数据库,Java虚拟机面试题,数组,Framework ,混合跨平台开发,等

  • 对应导图的Android高级工程师进阶系统学习视频
    最近热门的,NDK,热修复,MVVM,源码等一系列系统学习视频都有!

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**

  • 19
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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