技术面试那些事儿

1. 为什么面试很重要?

柳传志大佬把管理的核心归纳为三个要素:“搭班子、定战略、带队伍”,可以看出,搭班子是核心的核心,可以毫不夸张的说,能否找到合适的人才,将决定一个企业/团队的成败。

“搭班子“的第一步就是招聘,一次失败的招聘,将给公司带来多大损失?

  • 破坏企业品牌形象

  • 错失优秀人才

  • 费用增加:错误选聘花费约是该职位年薪的40%-60%

  • 培养新人的成本&项目中断

  • 出现意外的岗位空缺,导致团队任务无法高效高质达成

  • 团队士气下降

2. 如何面试?

这些年面试的人数少说也有千人左右吧,面试也是要讲究一些方法论,数字化的,某一季度的数据如下:

也符合流量转化漏斗:

所以我们要用运营的思维方式来招聘,运用各种手段来拉新、留存,最终提升LTV。

面试前

  • 找简历

    通过各种渠道,我以前写过一篇管理七字诀里面有重点介绍

  • 读简历

    学历,工作经验,过往的业绩,跳槽频率

  • 面试计划

    准备相关面试问题,特别是专业知识、素质能力、求职动机,确定问题顺序

面试中

  • 面谈开场:开场致谢,自我介绍

  • 请候选人自我介绍

  • 详细提问关于专业知识、素质能力、求职动机

  • 结束面谈

    主动询问候选人有何疑问,介绍接下来的安排,再次感谢候选人,整个面试过程控制在30分钟左右

通常的面试都需要经过几轮,不同轮次的面试官的问的问题侧重点是不一样的,直接领导/同事面试时,主要关注候选人的专业技能,沟通能力。部门负责人面试时,主要关注候选人的发展潜力,软性素质,团队快速融入能力等。HR主要关注的是动机,性价比,文化适配以及其他一些软性素质。下面重点说一下面试过程中如何问问题。

问知识点

仔细思考岗位必须了解的知识和技能是什么?思考区分不同水平层次的标志?问问题,并追问细节。

Q1:请简单说一下jvm内存管理机制?

Q2:在哪个项目里用到了redis?当时为什么需要用?用了哪一种方法?

Q3:为什么选择这种方法?和其他方法的利弊是什么?分析过吗?

Q4:coding过程中是否遇到了问题?怎么解决的?

问工作习惯和方法

仔细思考你希望这个岗位人员用何种方式工作?问问题,并追问细节。

Q1:你接到一个新项目需求后你会怎么开展工作?请说说你的工作步骤?

Q2:你有什么比较好的工作方法可以和我分享吗?

Q3:你们团队测试的同事会给你怎样的反馈?你们团队是否有bug排名?你的名次?

Q4:你怎么管控你的代码质量呢?

Q5:你刚结束的那个项目中,还有什么方面是你觉得有遗憾没做好的吗?

问分析和解决问题的方法

思考你需要这个岗位解决哪些关键问题?看看他过往是怎么做的?问问题,并追问细节。

Q1:你遇到过最严重的bug是什么?当时的情况是怎样的?

Q2:你如何分析的?后来采取了什么措施?为什么采取这种措施?

Q3:最后结果怎么样?

Q4:后来这样的bug还发生过吗?

Q5:如果你现在接到一个需求:需要根据用户所在地的不同推送不同的新品,你会怎么做?你的步骤是什么?

Q6:你还需要哪些信息可以向我询问。

判断他和我们工作状态是否匹配

思考你这个岗位常常发生的情况?如:加班/需求的反复,设计相应问题提问

Q1:你先后经历的这几个公司最享受在哪家公司的工作?为什么?

Q2:你之前什么时候工作压力和强度最大?当时是怎样的情况?

Q3:你最不喜欢工作中出现哪些情况?

Q4:你之前遇到过产品需求反复变化的情况吗?你怎么看?

3. 总结

面试是平等、双向的选择,面试官尽量少说,让应聘者说70%,有针对性有逻辑性地提问,询问案例和具体细节,根据应聘者实际回答判断,客观介绍公司,适当吸引,面试后把信息传递给下一个面试官(优势、不足、疑惑)。

面试禁忌:与面试者吵起来,面试官说的多,想到哪儿问到哪儿,蜻蜓点水,流于表面,光环效应,以偏概全,先入为主,过度美化公司和工作情况,面试中直接表达强烈认可,不同面试官反复询问同样的问题。

希望以上对大家能有帮助,欢迎关注公众号:IT令狐冲。

推荐阅读:

管理七字诀

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据来源:中经数据库 主要指标110多个(全部都是纯粹的 市辖区 指标),大致是: GDP GDP增速 第一产业增加值占GDP比重 第二产业增加值占GDP比重 第三产业增加值占GDP比重 人均GDP 社会消费品零售总额 固定资产投资(不含农户) 新设外商投资企业数_外商直接投资 实际利用外资金额(美元) 一般公共预算收入 一般公共预算支出 一般公共预算支出_教育 一般公共预算支出_科学技术 金融机构人民币各项存款余额_个人储蓄存款 金融机构人民币各项存款余额 金融机构人民币各项贷款余额 规模以上工业企业单位数 规模以上工业企业单位数_内资企业 规模以上工业企业单位数_港澳台商投资企业 规模以上工业企业单位数_外商投资企业 规模以上工业总产值 规模以上工业总产值_内资企业 规模以上工业总产值_港澳台商投资企业 规模以上工业总产值_外商投资企业 规模以上工业企业流动资产合计 规模以上工业企业固定资产合计 规模以上工业企业利润总额 规模以上工业企业应交增值税 规模以上工业企业主营业务税金及附加 户籍人口数 年均户籍人口数 户籍人口自然增长率 第一产业就业人员占全部城镇单位就业人员比重 第二产业就业人员占全部城镇单位就业人员比重 第三产业就业人员占全部城镇单位就业人员比重 城镇非私营单位就业人员数 城镇非私营单位就业人员数_第一产业 城镇非私营单位就业人员数_第二产业 城镇非私营单位就业人员数_第三产业 城镇非私营单位就业人员数_农、林、牧、渔业 城镇非私营单位就业人员数_采矿业 城镇非私营单位就业人员数_制造业 城镇非私营单位就业人员数_电力、热力、燃气及水生产和供应业 城镇非私营单位就业人员数_建筑业 城镇非私营单位就业人员数_批发和零售业 城镇非私营单位就业人员数_交通运输、仓储和邮政业 城镇非私营单位就业人员数_住宿和餐饮业 城镇非私营单位就业人员数_信息传输、软件和信息技术服务业 城镇非私营单位就业人员数_金融业 城镇非私营单位就业人员数_房地产业 城镇非私营单位就业人员数_租赁和商务服务业 城镇非私营单位就业人员数_科学研究和技术服务业 城镇非私营单位就业人员数_水利、环境和公共设施管理业 城镇非私营单位就业人员数_居民服务、修理和其他服务业 城镇非私营单位就业人员数_教育 城镇非私营单位就业人员数_卫生和社会工作 城镇非私营单位就业人员数_文化、体育和娱乐业 城镇非私营单位就业人员数_公共管理、社会保障和社会组织 城镇非私营单位在岗职工平均人数 城镇就业人员数_私营企业和个体 城镇非私营单位在岗职工工资总额 城镇非私营单位在岗职工平均工资 城镇登记失业人员数 建成区面积 建设用地面积 建设用地面积_居住用地 液化石油气供气总量 液化石油气供气总量_居民家庭 人工煤气、天然气供气总量 人工煤气、天然气供气总量_居民家庭 液化石油气用气人口 人工煤气、天然气用气人口 城市公共汽电车运营车辆数 城市出租汽车运营车辆数 城市公共汽电车客运总量 道路面积 排水管道长度 建成区绿化覆盖面积 建成区绿化覆盖率 绿地面积 公园绿地面积 维护建设资金支出 土地面积 生活用水供水量 供水总量 全社会用电量 城乡居民生活用电量 工业生产用电量 房地产开发投资 房地产开发投资_住宅 限额以上批发和零售业法人单位数 限额以上批发和零售业商品销售总额 普通中学学校数 中等职业教育学校数 普通小学学校数 普通高等学校专任教师数 普通中学专任教师数 中等职业教育专任教师数 普通小学专任教师数 普通高等学校在校生数 普通中学在校生数 中等职业教育在校生数 普通小学在校生数 电视节目综合人口覆盖率 公共图书馆总藏量_图书 医疗卫生机构数_医院和卫生院 卫生人员数_执业(助理)医师 医疗卫生机构床位数_医院和卫生院 城镇职工基本养老保险参保人数 职工基本医疗保险参保人数 失业保险参保人数
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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