投递岗位:cmf设计岗,面试过程如下: 线下群面 1、两个面试官,面试者六个人一组,出一个题目想方案,有一个leader最终结构化汇报,没什么难度。 2、因为自己是设计岗其他五人都是各个专业的,还是挺愉悦的。 3、当天晚上就知道自己过了,然后做了个测评。 线上技术面 1、先打开自己的简历,面试官看了后直接叫我讲海信cmf设计项目,我打开作品集讲了一下。 2、问我对cmf设计的看法,还有什么实习学习
一面前期: 选面试的时间段,十个人一组无领导小组讨论。 研发岗的题目有“设计一款疫情下/适合8090后的家电”“给现有的家电增加一个新功能”“设计一款新的智能家居”我制造岗的就是方案题,就是说一个工厂因为什么原因出现了一个什么问题,然后你们要怎么去解决 一面当天流程: 到达后扫码签到后交两份纸质版简历➡️按照交简历时排的号候场排队➡️进去后按照顺序围坐在面试官面前,每个人面前有对应号➡️宣读面试流
在wsl(Windows linux子系统)中的conda虚拟环境中运行jupyter笔记本时,复制粘贴url将不起作用。它总是显示“响应时间太长”或“连接超时”。
我正在与Kafka和阿帕奇·Flink合作。我正在尝试使用apache Flink中的一个kafka主题中的记录(这些记录是avro格式的)。下面是我正在尝试的一段代码。 使用自定义反序列化器来反序列化主题中的avro记录。 我发送到主题“test-topic”的数据的Avro模式如下所示。 我正在使用的自定义反序列化器如下所示。 我的flink应用程序就是这样写的。 我得到的输出是{“name”
第一份面经,记得当时对面两个面试官,总的来说面试体验感很不错! 但最后由于学历被卡了,没关系没关系,继续面。 1、vue3和2的对比 2、常用的生命周期钩子 3、请求接口放在什么周期 4、组件间通信 5、用过vuex吗 6、如果在子组件里provide,在父组件注入能不能访问 7、emit原理 8、路由守卫 9、做一个不同权限 10、动态添加路由 11、mixin用过没 12、如果名字冲突了用哪个
自我介绍 怎么学习的前端 vue2和3区别 composition api好处 响应式原理 diff算法 怎样判断一个树是二叉树 web漏洞 xss csrf 反问 总共20分钟。 #前端##前端面试##面经##求职##春招#
更新--------------------------------------- 9.29 收到意向 9.30洽谈 10.1收到offer,需要两天之类给到回复 已拒 ---------------------------------------------------------------------------------------------- 真的没想到一面是群面,也是面试前一天同学
本人双非,工科渣硕,学的图像和信号处理,转的数分。 群面作为leader,顺利通过。 接到二面通知的时候就纳闷,我这数分简历投了一百多家,简历筛选从来没过过,怎么会被捞起来 一想,可能就是因为有一段数分的实习经历,做的是快消行业产品的数据分析,美的的这个数分也是数分相关的业务,这不就对上了吗? 然后我在面试前赶紧做了实习的汇报PPT,尽管时间仓促,但是好歹有个聊的。 面试官是一个好看的小姐姐,首先
双非仔第一次面试,感谢美的给的面试机会。面试官很和蔼,至少压力少了一下,就是面试问题对于i人来说太困难了,问题都是那么突然,好难组织语言。 主要问题: 1、研究生课题是啥,你做了什么改进。听我说我结合了其他领域的内容,就问我如何本地化 2、你在学习时遇到压力最大的时刻 3、之前比赛你是如何调节和其他队员之间的矛盾,意见产生分歧时怎么办 4、强调了一下不会问技术问题(面试官可能看出我十分panic)
一志愿投递的岗位虽然简历筛选过了,但是还没面试就给调剂二志愿面试啰 整个流程都很迅速,面试体验也挺好的,面试官很尊重人。一共两轮,时间在三十分钟左右。 下面写写问题,可能不全,因为我太健忘了 投递简历-通知简历筛选通过收到测评-电话邀约面试-一面hr面 分享一个实习经历中最有收获感的case 同学怎么评价你 为什么做运营?对职业发展规划如何? 你的爱好有什么? 你对美的的认识 2.21二面 你的简
8月28:一面 纯八股,一道sql题一道算法(easy)。 8月29:二面 和想象的不太一样,问了一些深入的东西,比如操作系统数据存储啥的,还有页面渲染相关(俺都不会,没学过),还考察了一些场景测试相关的问题以及未来规划、团队合作等乱七八糟的,比较想考察技术能力的广度以及深度和岗位匹配度吧。最后一道easy的算法。 二面完没几个小时进人才库了 #美团#
高效方便的机器学习库 官方文档:http://scikit-learn.org/stable/documentation.html Example:http://scikit-learn.org/stable/auto_examples/ 简述sklearn里我用过的一些类和函数
机器学习常常需要进行数据可视化,matplotlib是python可视化最著名的库。 matplotlib API文档 常用方法: pylot模块 hist:柱状图 plot show:开一个窗口展示图片 ion:画图不阻塞,恩,可以利用这个做动画
机器学习常常需要fake数据,或者进行数据预处理,numpy是python科学计算的一把利器。 numpy 官方手册,支持字母检索 常用方法: 生成数据: arange: 生成一定范围内的数据 ones_like:生成与参数维度相同的数据 random模块:随机相关 np.random.shuffle:给一个ndarray做洗牌 数学计算: exp:自然指数 sum:求和 numpy.linalg
brush 画笔