《广州银行》专题

::: hljs-center 红包广场活动配置说明文档 ::: 1、C端页面样式参考 2、功能说明： 可自行创建红包广场活动，放置在积分商城活动区、积分商城banner区、APP内、已认证的服务号内。（后三个位置可取活动链接，入口图片需由客户自行设计）； 注：建议放在APP及服务号内作长期拉新活动。 3、玩法介绍： A用户点击进入活动页面，如果为新用户则绑定邀请码并获得新人礼包，如果非新用户，可

1.code 硬币换零钱问题 秒了 2.项目 严格拷打最近一个实习的项目，面试官很厉害，一下子就指出了一些当时没有考虑过的东西 3.八股 无 4.反问 组里做什么，base在哪 流程半小时结束，面试官说因为人太多了，所以面试很短 vivo hr说暑期实习技术面就一面，希望好运，进hr面

（全程30分钟） 自我介绍 介绍之前实习经历 手写rpc的整体实现 zk和nacos注册方式的不同 多协议序列化的各个优势 -不会 你觉得rpc是想解决什么问题 -拿netty实现多人聊天作比较不同点 这些项目都是你个人开发的吗 数据库用过哪种，mysql你觉得它的优势在哪里 -拿mdb进行比较 一般你是怎么去设计数据库的 如果用户关注时，出bug了导致用户发送了两次关注请求，怎么办 -乐观锁防抖

1.相对定位，绝对定位，默认定位（相对定位和绝对定位不小心说反了） 2.块元素，行内元素，行内块元素 3.闭包 4.作用域和作用域链，作用域有哪几种，作用域链是什么样的数据结构 5.队列和栈的区别 6.Vue中的diff算法 7.Vue相比于原生的优点 8.用弹性布局实现垂直水平居中 9.虚拟dom 10.为什么vue中建议有key，比较起来更快，为什么建议不用索引当key 面试的很愉快，面试官会

广州线下面，大三fw的2024年第一面，双非鼠人生的第二面。 上来让你填个应聘表，然后再面试官拷打。一点算法都没问，全是项目和八股，本人比较菜，大概只有一半能说清楚，项目也有点说的不太清楚，看来还是得写一个比较有深度一点的项目才能给面试官拷打，八股文这块也说的不够透彻，只能说简历上尽量不要写自己不熟悉的东西。然后面完当场出结果不合适，我也料到了毕竟面的很差，只能说尽力找吧，真的不算特别想考研，考完

面试刚开始我就绷不住了hhh 首先是一个人进入了会议（一下简称面1），然后面1一开麦全是杂音，她说的什么也都听不清（为了留个好印象真的非常努力地去听了） 中途还各种被打断（我打个电话。等一下网不好。听不清你说的什么，再说一下） 然后等了好久终于环境稳定了，摄像头对面也多了一个中年男人（以下简称面2好像懂技术，技术问题都是他提出来的） 没有红温但是真的苦笑 1.面1：介绍一下你自己 2.面2：对Vu

努力打赢复活赛

面试官因为网不好迟到了2分钟 自我介绍 拷打实习，抠细节 拷打项目，拷打自动化框架，拷打接口测试，拷打性能测试 拷打技术栈，每一条都问一点 最后反问测试什么业务，以及多久出结果 （一周内） 得对自己简历非常熟悉才行，会挖细节挖得很深 广立微神仙公司让我过吧！！！接好运

1.让我介绍项目，介绍的过程中会挖一些东西问你如果出现这种情况会怎么办，然后问项目的特点之类的。 2.根据项目延伸着问了一些其他方面的知识，比如数据库查询语句这些。 3.一些逻辑判断，像是脑筋急转弯一样。1.如何用两个栈做一个队列。2.8个小球几次能找出最轻的，3.三个房间三个灯要怎么判断对应 4.最后才是一些基础的八股文。 没有让我手撕算法，只让我手写了一个数据库查询语句，总共面了一个小时，中途

时间：8月13日15:00 ～ 15:50 上来先自我介绍，介绍完之后简单问了两个实习的相关项目。 然后就开始拷打了 首先是根据项目的八股： 简单介绍一下DSSM PLE和MMOE的区别 然后就是纯基础的八股： 介绍一下正则化。 L1和L2的区别。 l1怎么构造稀疏矩阵，为什么构造稀疏矩阵能防止过拟合。 l2为什么参数变小能防止过拟合。 介绍一下dropout。 训练的时候使用dropout，那测

#钉钉##暑期实习##面经##推荐算法##推荐算法面经# -形式：电话面试 -时间：2024年4月9日 10：00，总计38分钟 - 题外话：是否放实习，实习时间、有无offer - 自我介绍 - 项目 - 论文 - 正负样本构建: 随机负采样、热度降采样、曝光未点击、点击上方 - UserCF和itemCF的区别和原理 - 多目标 - 召回和排序的指标，怎么度量性能 - 假如系统上线了，效果不好

只面了40多min，只有项目和code，这是kpi面吗 1. 先介绍部门业务 2. 自我介绍 3. 问项目，问了loss，unet跳跃链接，解码器怎么设计（20min） 4. code: ①最大连续子数组和 ②数组循环k次的最大连续子数组和

本文向大家介绍使用python进行广告点击率的预测的实现，包括了使用python进行广告点击率的预测的实现的使用技巧和注意事项，需要的朋友参考一下 当前在线广告服务中，广告的点击率（CTR）是评估广告效果的一个非常重要的指标。 因此，点击率预测系统是必不可少的，并广泛用于赞助搜索和实时出价。那么如何计算广告的点击率呢？ 广告的点击率 = 广告点击量/广告的展现量 如果一个广告被展现了100次，其中

让我把它放出来，我是一个非常初级的闪现和尝试抓住概念尽可能多。 比方说，我有一个flink集群，它有10个任务管理器。我对每一个都有一个闪现任务。作业也使用广播状态。这个广播状态是通过每10分钟读取5个S3文件，进行一些处理，并创建的映射来创建的。 问题：文件的读取是在哪里发生的，是在JobManager读取和处理文件并将处理的内容发送给任务管理器。 因此任务管理器读取广播流并将其广播给下游任务。