第一次遇见TW——实习生面试

第一次遇见TW——实习生面试

想了很久才决定写这个博客,距离ThoughtWorks实习生面试已经过去了大半个月了,刚刚结束了TWI活动,想着这个公司是我期盼了很久的公司,应该写些什么东西记录下来。

博主是研二学生,一直都很想进TW,所以我在今年春招的时候就误入了这个公司,应该是由于我太向往这个公司,所以就误入了春招入口,不过还好,多了一次经验,做了一次TW的春招的作业题,和网上说的一样,三天的时间,注重的是你的整体思路,测试结构和代码的可重构性。我尽自己最大的努力写好了作业,幸运的是在一个星期左右我就收到了一个来自北京的电话通知我第二天可以去面试,哇,兴高采烈,激动万分,第二天一大早我就提着电脑来到了公司,结果闹了个大乌龙,发现自己走错场了,于是准备打道回府,但TW的hr小姐姐很好,还问我要不要在公司转一转,这就使我更加想要进入TW了!!!

回到学校,就听hr小姐姐的话,投了TW实习生入口的岗位,这次万幸没有投错,等了有半个月左右,先收到了北京打来的电话问周日周一哪一天有时间方便去公司进行面试,选了周一(这里有私心,周日是母亲节,所以才选择了周一的)。哇,又再一次兴高采烈,激动万分!周一早上八点就到了公司,准备开始面试。

TW今年对于实习生的面试分为了三轮,我不知道其他地方是不是也是这样的,第一轮是技术面,其实相当于一个考试,会发给你一份作业题,题目不难,但是读题和作答都需要蛮长的时间的,而且要求提出不止一种思路。会给大家两个小时的时间进行作答,作答完毕后去和技术人员进行一对一的交流。给我面试的技术小哥哥人很温柔,感觉和其他互联网公司真的不一样,体验感真的是完全的好。(PS:我早上六点多就吃了饭,十点多就开始饿了,可是那个时候我还没开始技术面,就一直眼巴巴的瞅着旁边放的饭,喝着我手里的矿泉水(╥╯^╰╥)就等我面完我们小组赶紧吃饭)。

中午吃过午饭,我们还休息了四十多分钟,进行的是第二轮群面,我之前特别纳闷,为什么互联网公司要进行群面,但是经过了前两天的TWI活动,了解了TW的价值观,才算知道了群面的价值。刚刚进入到群面的场地时,的确被吓了一跳(第一次参加群面),中间有两张拼起来的桌子(我们坐的地方),旁边都是人,都是人,是人,人…我们的群面就是在所有人的注视之下进行的,不过还好,虽然群面不可能没有遗憾,但是遗憾至少没有那么的多,也算是顺顺利利的完成了。

最后一面就是hr面了,听其他的小伙伴说,有的小伙伴在第二轮结束之后就结束了TW面试之旅。所幸,我坚持到了hr面,见到了超级超级温柔的小姐姐,小姐姐会很有引导性的去和你聊天,聊你再学校里的经历,聊你的项目,聊你的编程习惯等。对了,小姐姐还让用英语介绍一下我的项目,于是我又再一次懵逼了,不过还好对于之前做过的项目很了解,而且我们老师习惯性的使用英文去命名项目,所以结束了hr面,安安静静的回去等待结果了。

不得不说,虽然TW面试的时间晚,但是出结果的速度是真的快,隔天就打电话通知我说通过了实习生面试,可以选择时间来TW进行实习了。超级激动,现在虽然已经过去了大半个月了,但是我仍然能够记得当初接到电话的时候那种心跳的感觉。比一见钟情强烈几百万倍乁[ᓀ˵▾˵ᓂ]ㄏ!

我只希望过上很多年以后,我再看到这篇文章,还可以想起来我现在的坚持,不忘初心方得始终,感恩成长^_~

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
好的,我会为您介绍如何使用Matlab安装配置libsvm以及一个svm分类实例。 步骤1:下载libsvm 首先,您需要从libsvm官网下载所需的libsvm版本。下载链接为:https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 下载完成后,您需要解压缩文件。 步骤2:添加libsvm到Matlab路径 打开Matlab,选择"Set Path"选项,然后添加libsvm文件夹路径。这样libsvm的函数就可以被Matlab调用了。 步骤3:准备数据 为了演示如何使用libsvm分类器程序,我们需要准备一些数据。在这个例子中,我们将使用UCI的Iris数据集。您可以从以下链接下载数据集:https://archive.ics.uci.edu/ml/datasets/iris 步骤4:加载并处理数据 使用Matlab的load函数加载数据,然后将数据分为训练集和测试集。在这个例子中,我们将使用70%的数据作为训练集,30%的数据作为测试集。 ```matlab % Load iris dataset load iris.mat % Split data into training and testing sets (70/30 split) [trainIdx,testIdx] = dividerand(size(iris,1),0.7,0.3); trainData = iris(trainIdx,:); testData = iris(testIdx,:); ``` 步骤5:使用libsvm分类器 我们将使用libsvm中的svmtrain函数训练一个线性SVM模型,并使用svmpredict函数进行预测。以下是完整的Matlab代码: ```matlab % Load iris dataset load iris.mat % Split data into training and testing sets (70/30 split) [trainIdx,testIdx] = dividerand(size(iris,1),0.7,0.3); trainData = iris(trainIdx,:); testData = iris(testIdx,:); % Train a linear SVM model model = svmtrain(trainData(:,end),trainData(:,1:end-1),'-t 0'); % Make predictions on the testing set [predicted_label, accuracy, decision_values] = svmpredict(testData(:,end),testData(:,1:end-1),model); ``` 在上面的代码中,我们首先使用svmtrain函数训练一个线性SVM模型,然后使用svmpredict函数对测试集进行分类,并输出预测准确率和决策值。 希望这个简单的例子能帮助您了解如何使用libsvm进行分类。

“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 1
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