简历&面试&择业篇-在面试的过程中你所需要注意的问题

接着上一篇文章继续,今天主要就在面试的过程中你所需要注意的问题进行分享,希望感兴趣的小伙伴可以坚持看下去同时欢迎提出宝贵的意见让我们一起进步!

11:面试自我介绍应该怎么介绍?

(1)首先自报家门介绍自己重要信息,可以说一下姓名、年龄、工作年限和学历(重点院校可以加名称)
(2)然后重点介绍自己主要从事什么相关(自动化、性能、接口等)工作,擅长的内容以及工作取得的成果。(重点介绍个人突出的技能)
(3)时间把握在1-3分钟简明扼要,切忌流水账介绍以及“背”自我介绍

12:自我介绍这块你犯过哪些错误?

根据自己情况改进。介绍的比较笼统,没有重点突出自己的优势,以及在工作成果这一块没有量化。

13:用一段话描述你现在做的项目以及负责的内容

(1)项目正常介绍即可,但切忌背项目。要自然的表达并描述
(2)负责的内容可以自身角色说起(从立项到上线),以及用数据说话,数据量化
(3)举例说明:最近半年,负责的项目是xxx平台,用户群体是xx,用户量100W左右,团队20人,16开发,4测试;主要工作是业务+接口,涉及工具xxx 等

14:面试过程遇到不会的问题,怎么处理/回答?

(1)如果问的这个问题完全属于自己知识/技术盲区,可以说不会。但切忌不要乱说一通,尤其是说的跟面试官问的没有关联
(2)如果问的这个问题知道一些,可以和面试官说没有实际应用过但是了解过相关技术;然后将自己的见解说一下
(3)如果问的这个问题中核心技术是你所熟悉的,可以和面试官说即使没有接触但是上手会很快
(4)也可以反问一下面试官对这个技术的看法
(5)我们不可能会所有的技术,但一定要体现出个人积极向上的状态和自我学习能力
(6)注意:针对每次不会的问题,面试结束后得恶补,说明这块知识点有欠缺

15:面试官问“说说你印象深刻的几个Bug?”

(1)印象深的BUG1

  • 所在环境:测试环境(后面经复现生产环境同样有问题)
  • 业务场景:分期保单在第一个月倒数第二天申请退保时,退保手续费计算不正确
  • 影响范围:导致业财数据对不上,需要开发手动修复数据(工作量较大)
  • 问题原因:开发尾差处理导致。即:保单退保费7分钱但实际有10个险别,分摊时前7个险别每个均摊负一分钱,后面3个没有均摊就变成正数了
  • 如何解决:将每次分摊的保费进行累计,如果分摊累计到退保费金额,其余则置为0

(2)印象深的BUG2

  • 所在环境:UAT环境
  • 业务场景:保单在当天最后五分钟请求时,批单生效日期默认返回是23:59:59,但落库变成了次日00:00:00
  • 影响范围:导致再次批改提示倒签无法进行批改,影响业务流程
  • 问题原因:后台时间返回的是YYYY-MM-DD 23:59:59.999这种格式,精确到当天的最后一个毫秒,如果数据库中存储该字段采用的是Date类型,日期会加1,时分秒会自动去掉
  • 如何解决:给最后一个毫秒级的时间强制赋值为0毫秒

16:应该从哪些角度回答印象深刻的几个Bug?

可以结合3W1H角度去回答

  • BUG所在的环境
  • BUG的严重程度以及影响范围
  • BUG是如何发现的,描述BUG的业务场景及现象
  • BUG产生的原因
  • BUG的解决方法
  • 总结和反思,以及得到的启示

17:面试官问“为什么离开上家公司?”

可以根据自身情况实际去回答,但切忌说上家公司/领导不好

  • 职业发展与预期有了偏颇,寻找更大的舞台(公司提供平台对自身技能发展有一定瓶颈;期望更好的提升保持竞争力)
  • 现在是外包不稳定,归属感不强
  • 公司搬家(换城市),短期内不想离开自己所在城市
  • 公司前景、项目解散、公司倒闭
  • 喜欢当前面试的公司,期待加入
  • 给人积极向上、稳定性强的感觉

18:面试官问“你期望的薪资?”

  • 可以直接说薪资;也可以说一个区间范围,(建议跨度别太大)。
  • 结合自身和该公司福利待遇以及面试情况等进行适当调整

19:面试官问“如果给你发Offer,你入职后会如何开展工作?”怎么回答?

以下是面试普通岗位所考虑的点:
(1)首先询问(上级或交接人)公司项目管理、需求管理、缺陷管理以及测试工具及技术分别使用的是什么,确保快速上手
(2) 接着询问(上级或交接人)团队情况,项目流程,自己参与哪个项目,负责哪个模块,以及目前项目所处的阶段(功能实现、产品优化)

  • 站在客户角度感受公司产品,确保快速了解产品的核心功能点
  • 了解公司产品的实际应用场景,产品面向的客户群体
  • 了解产品从需求立项到需求上线整体流程
  • 了解公司产品的业务流程
  • 了解公司产品的日活量月活量
  • 了解公司产品的迭代周期

(3)然后询问相关文档存放地址,及时查阅项目资料并更好的熟悉公司业务

  • 找一份全面的需求文档,接口文档、测试计划、测试用例,测试报告、bug库等书面文件,及时了解产品的历史版本,以及测试用例的编写情况
  • 了解数据库以及业务表结构

(4) 最后和同事打好关系,不懂及时询问并反馈

总结:
普通岗位:了解业务、熟悉业务、看文档、缺陷库等
管理岗位:去发现问题、沟通了解、分析总结、给出方案,解决TOP3问题(团队&业务)等

20:面试结束后面试官问“问你有啥想问的?” 你应该问些啥?

如果有幸入职贵公司有以下几点想问:
(1)关于这个岗位的一些具体要求以及主要负责的内容,比如公司主营业务、使用的工具和技术、自动化覆盖率(UI和接口)等(能够反映出你对这个岗位很感兴趣)
(2)公司和部门的组织架构是怎么安排的(测试团队人数、测试开发比例等)
(3)面试岗位2-3年的规划是什么样的(看自己职业规划是否与公司发展方向一致-双向选择
(4)公司是否会做一些技术培训或者是帮助员工提高技术的讲座
(5)企业文化、晋升机制
(6)询问面试官此次面试有哪些不足或者需要加强的地方

 

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。
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
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
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