【第146期】回复网友@pcy:如何准备校招

本文分享了如何准备游戏策划的校园招聘,建议应届生不应过早限定意向岗位,而应注重全面发展。通过制作游戏Demo、提升游戏实现理解与玩家体验的关注,来展现个人优势。面试时,展示对游戏设计的独特见解和实际操作能力,能增加脱颖而出的机会。同时提醒求职者使用在线文档分享简历以保持清晰。
摘要由CSDN通过智能技术生成

我是酱油,这是第146期文章

后台收到网友@pcy留言
在这里插入图片描述

校招和社招不同,不仅门槛相对低一些,而且岗位也不会分得很细,比如细到“关卡策划”“战斗策划”,大多数都统称为“游戏策划”。

作为应届生,除非有突出的专长,比如之前的毛同学,在大学期间就展现了优秀的文案能力,那可以奔着文案策划去。其他的同学,都不建议把意向岗位给限制得太窄。

对于企业,校招的目的是寻找值得培养的苗子,但苗子自身要留意:什么是我想做的,什么是我有机会做的。

比如关卡策划/战斗策划,是我想做的,但万一对方公司没这岗位空缺,而当下我有争取数值策划的机会,那对方会不会因为我的意向,而拒绝了我?

有同学会有顾虑,我就想做战斗策划,万一做了其他策划,会不会偏离原定职业规划?

其实不会。现实的游戏公司,撇开那种大型游戏项目,大部分的策划团队分工都不会很细。除了数值由专人来统筹,其余都是相互穿插,比如文案策划去设计关卡,系统策划去设计战斗……只要个人积极勤快点,人际上没问题,策划组内的事情关起门来都好说。

@pcy同学平时有用unity制作一些demo,看游戏设计书籍,这个就挺好,就已经是在为求职做准备。

别小看demo,魔鬼藏

基于Python的PCY算法实现步骤如下: 1.首先,我们需要读取数据集并将其转换为事务列表。 2.接下来,我们需要计算每个项的支持度,并使用PCY算法计算每个项对的支持度。 3.然后,我们需要根据最小支持度阈值过滤掉不频繁的项对。 4.最后,我们需要使用频繁项对生成关联规则。 下面是一个简单的Python实现: ```python def load_dataset(): # 读取数据集并将其转换为事务列表 dataset = [['apple', 'banana', 'orange'], ['banana', 'orange', 'pear'], ['orange', 'pear', 'apple'], ['pear', 'apple', 'banana']] return dataset def create_candidates(dataset, k): # 生成候选项集 candidates = {} for transaction in dataset: for i in range(len(transaction)): for j in range(i+1, len(transaction)): itemset = frozenset([transaction[i], transaction[j]]) if itemset in candidates: candidates[itemset] += 1 else: candidates[itemset] = 1 return candidates def filter_candidates(candidates, min_support): # 根据最小支持度阈值过滤掉不频繁的项对 frequent_candidates = {} for itemset in candidates: if candidates[itemset] >= min_support: frequent_candidates[itemset] = candidates[itemset] return frequent_candidates def generate_rules(frequent_candidates, min_confidence): # 使用频繁项对生成关联规则 rules = [] for itemset in frequent_candidates: if len(itemset) > 1: for item in itemset: antecedent = frozenset([item]) consequent = itemset - antecedent if len(consequent) > 0: confidence = frequent_candidates[itemset] / frequent_candidates[antecedent] if confidence >= min_confidence: rules.append((antecedent, consequent, confidence)) return rules def pcy_algorithm(dataset, min_support, min_confidence): # PCY算法实现 candidates = create_candidates(dataset, 2) frequent_candidates = filter_candidates(candidates, min_support) rules = generate_rules(frequent_candidates, min_confidence) return rules # 测试 dataset = load_dataset() rules = pcy_algorithm(dataset, 2, 0.5) print(rules) ```
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