年薪156万！华科女博士毕业入职华为！网友：实力演绎美貌与智慧并存，女神，我不想努力了！...

于 2020-08-12 10:24:00 发布
阅读量459 收藏
点赞数
文章标签： payment gdal mooc 网页游戏 qml
原文链接：https://j.youzan.com/-2-ESY
版权

Python实战社群

Java实战社群

长按识别下方二维码，按需求添加

扫码关注添加客服

进Python社群▲

扫码关注添加客服

进Java社群▲

综合自澎湃新闻记者 周玲、“潇湘晨报”微信公号、网友评论等）

昨天

入选华为最高档“天才少年”的张霁

一毕业就拿年薪201万

太牛了！华中科技大学学霸，201万顶薪签约华为，成今年顶薪加入第一人! 网友：我酸了，一辈子的都到达不了

而另一位入选华为“天才少年”的姚婷

更是用实力演绎了

什么是“美貌与智慧并存”！

华为“天才少年”姚婷

华中科技大学女博士入职华为

姚婷就读于华中科技大学武汉光电国家研究中心计算系统结构专业，直博五年级。她的研究方向为新型存储介质（NVM，SMR），数据库和键值存储系统。入选华为“天才少年”后，年薪高达156万。

部分经历

↓↓↓

在CCF A类会议FAST、ATC，CCF B类会议IPDPS、MSST，CCF A期刊TPDS、TOS等以第一作者发表多篇科研成果。2017-2018年在美国天普大学访学。2019年10月-2020年1月在西部数据日本研究院实习，任高级研究员。2018年、2019年获得国家奖学金。2019年9月参加NCIS 2019优秀博士生论坛，2019年9月获CCF存储专委会卓越论文奖。

姚婷称，有一天突然收到了华为HR的电话介绍部门情况并邀请投递简历。自己觉得研究方向合适就提交了简历，随后开始几轮技术面、部长面试、总裁面等等，最终被华为录取。


姚婷在华为的研究方向还是延续博士期间的研究工作，在华为云平台上优化键值存储系统的存取效率和存储器件的使用。

天才少女用实力打破偏见

“天才少年”也可以是“天才少女”，姚婷作为集智慧与美丽于一身的少女，用自己出色的实力证明了这一点。“外界普遍误解女博士年纪大、严肃无趣、难以接近，其实我们不要太年轻，不要太有活力。”姚婷说。

在接受媒体采访时，姚婷也听闻过某个互联网公司不招女博士。面对这种职场上的性别歧视，她选择做出出色的工作，通过自身能力说服周边的人，慢慢打破这种偏见。


对于现在年轻人抱怨的996，她认为“其实我本身并不排斥压力和竞争，我妈妈也常说我是需要压力才能更快进步的人，但我内心里是希望这一代的年轻人能活得更松快些。”

网友评论

↓↓↓

有道者得，无心者通：越优秀越努力，越努力越优秀，比你优秀的人比你更努力。

小李不玩飞刀：这才是真正的演绎了什么是，美貌与智慧并存。

如是我闻：这太幸福了。还这么漂亮

皓敕：栋梁之材！理应重用！

jdyangcong：真的是美貌与智慧并存，难得难得

疯狂的π少年：漂亮且努力

我是虫虫：女神抱抱我，我不想努力了

今年以来，华为至少已经招募了四位“天才少年”，分别是来自华中科技大学武汉光电国家研究中心两位博士生张霁和姚婷，以及来自西安交通大学钱学森学院的两名本科生。

其中，张霁拿到的是华为“天才少年”最高一档薪资（182万-201万元人民币/年），西安交大两名本科毕业生对应的年薪应该属于“天才少年”计划中89.6万-100.8万元人民币/年档。

华为方面未对上述消息置评，亦未披露今年招募了多少位“天才少年”。

华为“天才少年”计划正式对外公布是在2019年。华为创始人、CEO任正非在华为公司EMT（经营管理团队）内部的讲话提到，“今年（2019年）将从全世界招进20-30名“天才少年”，明年我们还想从世界范围招进 200-300 名。这些天才少年就像’泥鳅’一样，钻活我们的组织，激活我们的队伍。”

程序员专栏 扫码关注填加客服 长按识别下方二维码进群

近期精彩内容推荐：   你的代码将永久封存于北极地底1000年！ 中国程序员VS美国程序员，太形象了... 30个极简Python代码，拿走即用 同事问我MySQL怎么递归查询，我懵逼了...

在看点这里好文分享给更多人↓↓
程序员大咖
关注
112家IT公司薪水一览表：华为第一-阿里第四.pdf
06-07
这份文档资料列举了2013年期间中国112家IT公司的薪资情况，主要针对应届毕业生的待遇。其中，华为被提及为薪资最高的公司之一，对于研发、服务、销售等多数岗位，本科毕业生的起薪在9k到12k之间，硕士生则在10k到13k...
华科女博士毕业入职华为！年薪156万！网友：才貌双全
weixin_49309615的博客
08-07 481
综合自澎湃新闻记者 周玲、“潇湘晨报”微信公号、网友评论等） 昨天 入选华为最高档“天才少年”的张霁 一毕业就拿年薪201万 太牛了！华中科技大学学霸，201万顶薪签约华为，成今年顶薪加入第一人! 网友：我酸了，一辈子的都到达不了 而另一位入选华为“天才少年”的姚婷 更是用实力演绎了 什么是“美貌与智慧并存”！ 华为“天才少年”姚婷 华中科技大学女博士入职华为 姚婷就读于华中科技大学武汉光电国家研究中心计算系统结构专业，直博五年级。她的研究方向为新型存储介质（NVM，SMR），数据库和键值存储系统。入选.
华为17级年薪是多少.docx
03-09
【华为职级体系与薪酬结构】 华为公司的职级体系是其内部管理的重要组成部分，它将员工按照能力、贡献和职位划分成多个等级。这个体系旨在为员工提供清晰的职业发展路径，同时也确保了薪酬与岗位责任的匹配。17级在...
华为17级年薪是多少.pdf
03-09
华为是中国知名的全球ICT解决方案和设备供应商，以其技术创新和市场竞争力闻名。华为的薪酬体系非常独特，尤其是对于高层管理人员，如17级高管。这个等级在华为的职级系统中代表着公司的核心领导层，通常包括高级副...
华为副总裁徐家骏离职：年薪千万工作感悟十二条
08-29
"华为副总裁徐家骏离职：年薪千万工作感悟十二条" 徐家骏，华为副总裁，年薪千万，十年从业经历和经验值得借鉴。从普通的公司职员到年薪千万的华为副总裁，再到离开华为转战百度，徐家骏的十年从业经历和经验可资...
华为：高薪是一种企业家精神.doc
10-01
- 华为对于本科毕业生的起薪标准高达10万元人民币，随着工作年限的增长，员工的年薪可轻松达到20万元以上。即使在内部股改后，新员工的薪资依然保持在相对较高的水平，确保员工的收入不低于15万元。 - 高薪策略...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip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，能够捕捉数据中的时间依赖性。 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，它们在神经网络中用于添加非线性，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。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
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，能够捕捉数据中的时间依赖性。 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，它们在神经网络中用于添加非线性，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。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
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，能够捕捉数据中的时间依赖性。 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，它们在神经网络中用于添加非线性，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。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
c#代码介绍23种设计模式-03工厂模式(附代码)
09-21
1. 工厂方法模式之所以可以解决简单工厂的模式： 是因为它的实现把具体产品的创建推迟到子类中，此时工厂类不再负责所有产品的创建，而只是给出具体工厂必须实现的接口， 这样工厂方法模式就可以允许系统不修改工厂类逻辑的情况下来添加新产品，这样也就克服了简单工厂模式中缺点 2. 使用工厂方法实现的系统，如果系统需要添加新产品时： 我们可以利用多态性来完成系统的扩展，对于抽象工厂类和具体工厂中的代码都不需要做任何改动。 例如，我们我们还想点一个“肉末茄子”，此时我们只需要定义一个肉末茄子具体工厂类和肉末茄子类就可以。而不用像简单工厂模式中那样去修改工厂类中的实现 3. 从UML图可以看出，在工厂方法模式中，工厂类与具体产品类具有平行的等级结构，它们之间是一一对应的。针对UML图的解释如下： Creator类：充当抽象工厂角色，任何具体工厂都必须继承该抽象类 TomatoScrambledEggsFactory和ShreddedPorkWithPotatoesFactory类：充当具体工厂角色，用来创建具体产品 Food类：充当抽象产品角色，具体产品的抽象类。任何具体产品都应该继承该类 Tom
基于深度学习对法国租界地黑白照片上色模型.zip
09-21
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，能够捕捉数据中的时间依赖性。 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，它们在神经网络中用于添加非线性，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。
集团公司战略管理制度.doc
09-21
集团公司战略管理制度.doc
华为机试经验分享：通往18W年薪的编程考验
"华为机试经验分享，包括机试的重要性、考试内容、试题结构和一个简单的及格线设定问题的代码解决" 华为公司的机试是其招聘流程中的一个重要环节，对于应聘者来说，通过机试不仅可以优先获得录取资格，还能在岗位...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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