m0_68101999的博客

我在这篇文章里总结了NLP能力考察的两个主要维度：基础能力和工程能力。基础能力包括理论基础和编码能力两方面，这个部分面试官注重从回答中考察面试者的知识广度和某维能力深度；接下来我重点针对工程能力，结合具体面试问题，展开说明了在五个阶段：需求阶段，数据阶段，开发阶段，部署阶段和上线阶段中面试官可能的考察方向。以上就是这节课的全部内容，希望能给你带来一些参考价值，也预祝你在NLP岗位的面试过程中游刃有余。文章来源：极客时间《大厂面试 NLP 工程师，会考察你哪些方面的能力？

好了，今天的分享就结束了，最后我来给你总结一下。在一场面试中，当你有机会向面试官提问时，我的建议是一定要问，因为这是一次难得的加分机会，但不要问薪酬福利和大而空的问题，这样不但不能加分，可能还会减分，正确的做法是根据面试官身份的不同，有针对性地问不同问题，核心是。

好了，今天的分享就结束了，最后我来给你总结一下。现在不管是前端还是后端，技术栈都有很多而且也在不断地分化，岗位的针对性越来越强，对技术人才的要求也越来越强调深度了。所以我们在找工作的时候需要通过简历去展示自己符合要求的点，并且还要突出自己的技术特点和深度。除此之外，个人在公司拿到的奖励千万别觉得没必要就不写了，这可是大大的加分项哦！实在没有奖励的话，可以把自己的博客和参加过的开源项目写进去，让面试官觉得你值得！

你好，我是舒超。我职业生涯过去十年的上半段在腾讯负责微博微群、消息流广告、视频评论等社交型的业务系统，下半段在美团基础架构负责云原生基础设施的演进工作，现在星汉未来担任CTO，负责公司产研推进工作。加入星汉未来的时间点很好记，是2021年12月31日。可以说这个时间是我从大厂到创业公司的一个交界点，在真正接手星汉未来的工作之后，我发现大厂与创业公司在技术管理方面的差异很大。所以今天我就来分享一下。

你好，我是何辉。今天我们来聊一聊Dubbo的大厂高频面试题。大厂面试，一般重点考察对技术理解的深度，和中小厂的区别在于，不仅要你精于实战，还要你深懂原理，勤于思考并针对功能进行合理的设计。网上一直流传着“面试造火箭，工作拧螺丝”的大厂面试要求，其实原因也很简单，一来面试竞争者多，需要设置门槛，二来是期望尽可能挑选出综合素质能力出众的面试者，在对应岗位上能把事情做精做细，更加智能简单，最好每一次的功能迭代都是一次性的、稳定的、高效的、靠谱的，没有反反复复的 BUG 修改。

这节课我们学习了加密失败的另一种安全风险形式——弱编码。事实上关于编码的安全问题很多，主要是由于对编码和加密的算法理解有误所致，弱编码仅仅是一个浅层问题的缩影。通过了解编码的本质——信息格式的转换，就可以区分开编码与加密，进而就可以选择合适的使用场景。从弱编码这一浅层安全问题入手，这节课我们进一步解读了一些主流的编码标准，让我们可以快速识别数据所属的编码类别：像ASCII占位1个字节，共8bit，能够描述128个字符，适用于英文场景；

你好，我是苏杰。今天让我们一起聊聊组织效率的话题。团队大了，也能够自我造血以后，如何可持续发展就会成为我们关注的焦点。产品会衰退、行业有生命周期，但人的成长，以及人构成的组织，可以帮我们不断成功。所以，组织效率是每一个想做事的人，不管是老板还是员工，都很关心的事情。如果组织效率不高，那难免会要去肥增瘦，做减法，到了需要砍业务、人员优化的地步，那就不好了。特别是最近两年，疫情、经济环节、国际关系的各种变数，我想每个人都不希望走到那一步。

在这一讲中，我们可以说是从整体逻辑上理清了买房的决策链条。下面，我用程序流程图的形式，梳理了这一讲我们讲到的买房逻辑，供你参考。听完这一讲，细心的同学可能会问：为什么我们不讲讲购房时应该注意的事项，比如户型、地段、面积、学区？主要原因有两个：一是我认为跟今天讲的决策过程来说，这些问题属于次要问题，我们应该在进行重大决策后，再考虑这些细节操作问题。二是因为这些细节问题比较偏个性化，没有一个非常标准的答案。相关的经验性知识在网上也很容易查到，我们在这里就不再深入下去了。

你好，我是辰洋，《郭东白的架构课》的项目负责人。上节课东白老师与华良老师就职业规划、职业选择模型等问题，互相交流了看法与意见。那么我们这节课继续，看他们还聊了些什么。主持人：郭东白 瓜子二手车集团CTO嘉 宾：陈华良 每日优鲜技术VP，前美团算法委员会主席完整的对话视频如下：!video[此外，我还根据视频整理了一版文字精华稿，其中部分对话有删减。而对话是两位老师相互启发、思想碰撞的过程，文字很难呈现全貌。所以有学习条件的话，更推荐你去观看完整视频。

你好，我是辰洋，《郭东白的架构课》的项目负责人。我们正文的第二个模块已经更新过半。之前已经预告过，东白老师会时不时邀请一些不同行业的技术领导者来交流与对话，为你提供更多的视角、更宽阔的视野和更多元的思考维度。正值金三银四，也是一个职业复盘的好时节。基于此，东白老师邀请了每日优鲜的CTO陈华良老师，来聊聊职业选择等话题。华良老师的职业背景丰富，既沉淀有消费互联网的经验，也在产业互联网积累了不少思考。在加入每日优鲜之前，华良老师也有意识地选择了百度、美团、阿里等几家公司，为自己的职业目标做积累。

你好，我是李运华。最近科技圈大火的事件就是ChatGPT的全球火热流行。这款由OpenAI公司在2022年11月底推出的聊天机器人，创造了史上消费应用最快达成1亿用户的历史，在推出仅仅两个月后，月活跃用户估计已达1亿，成为历史上增长最快的消费应用。与之对比，TikTok达成1亿月活目标耗费了9个月，而Instagram则耗时两年半。

你好，我是东（在极客时间的 ID 是 Fredo）。大学的时候我读的是计算机专业，现在是一名工作了近3年的程序员，很高兴能和你分享我的学习体会。

不过啊，在真实的应用场景里，我们拿来进行文本聚类的数据，多半并没有什么分组信息。过去，我们要去给聚合出来的类取一个名字，往往只能选择看看各个类里面的文本是什么内容。靠我们的“人脑”给“电脑”做出的选择起一个我们觉得合适的名字。比如，对应到这里的20个分类的数据，往往我们只能每个挑上几篇内容，人工读一遍，再取一个名字。而如果你英文不太好，那可就太痛苦了。不过，既然有了OpenAI的Completion接口，我们完全可以让AI给我们聚合出来的类起一个名字。

原先AI生成的解析JSON的代码，使用的是正则表达式，而不是对JSON进行反序列化。而且给运营人员用，我们也不希望再重新拼接成JSON格式。所以，这个时候我们不妨问一问ChatGPT，怎么把JSON反序列化。[reference_begin]注：对应的整个对话参见链接ChatGPT给了我们示例，告诉我们可以在GitHub上找到对应的函数库。如果你按图索骥，就能在VBA-JSON和找到我们需要的库。并且按照文档的要求，在VBA编辑器里通过 “文件”=>“导入文件” 来导入函数库。

现代化的业务系统变得越来越复杂，传统的架构技术已经逐渐显现出瓶颈。这些瓶颈最直观的表现是：业务系统的发布效率变低、性能下降、停机时间增加以及反复出现生产故障。就拿上面这张图中第四层“成为优秀的架构师”来说吧。它要求我们具备负载均衡、服务发现、弹性伸缩、配置中心、监控、持续集成和持续部署等技能。如果在传统的学习路径下，你可能会被要求掌握：Nginx、HAProxy、Eureka、Zuul、Hystrix、Zabbix、Jenkins、弹性伸缩组、虚拟机镜像等。但在今天，

你好，我是徐文浩。上一讲里我们看到大模型的确有效。在进行情感分析的时候，我们通过OpenAI的API拿到的Embedding，比T5-base这样单机可以运行的小模型，效果还是好很多的。不过，我们之前选用的问题的确有点太简单了。我们把5个不同的分数分成了正面、负面和中性，还去掉了相对难以判断的“中性”评价，这样我们判断的准确率高的确是比较好实现的。但如果我们想要准确地预测出具体的分数呢？

今天我们一起学习了持续集成流水线的相关实践。持续流水线是一种软件开发的实践，目的是通过自动化为软件的发布创造一个稳定且可重复的过程。流水线带来的效果是显而易见的，从效率上帮助我们减少低价值的重复工作，例如本地编译打包，另外也能减少团队成员间不必要的沟通。从质量上看，统一了构建发布环境，整个环境会更可靠，减少了人工操作带来的意外风险。另外，结合流水线增加质量门禁，可以在版本发布前检查代码质量，避免不符合规范及要求的代码合入代码仓库中。

今天我给你分享了研发过程中关于代码、测试以及流水线相关的度量指标。通过度量可以帮助我们明确方向，及时反馈结果，推动持续改进。通常在项目中，我们都会搭建度量相关的看板来持续观察数据的变化，同时也会在团队定期的回顾会上，复盘这些数据制定改进目标。不过，我并不建议团队将度量指标纳入KPI中，这样非常容易导致走向另外一个极端，失去了度量关键的意义。下面我将这些度量指标的定义、目的、建议阈值及趋势等总结成表格，供你参考。我给出了一些通用的建议参考阈值，具体的产品不同，情况可能会有差异。

不过啊，在真实的应用场景里，我们拿来进行文本聚类的数据，多半并没有什么分组信息。过去，我们要去给聚合出来的类取一个名字，往往只能选择看看各个类里面的文本是什么内容。靠我们的“人脑”给“电脑”做出的选择起一个我们觉得合适的名字。比如，对应到这里的20个分类的数据，往往我们只能每个挑上几篇内容，人工读一遍，再取一个名字。而如果你英文不太好，那可就太痛苦了。不过，既然有了OpenAI的Completion接口，我们完全可以让AI给我们聚合出来的类起一个名字。

你好，我是王健伟。前面我们讲过了各种二叉树，这方面的知识已经够多的了，本节就来讲一讲更通用的概念：树、森林以及与二叉树之间的转换问题。