两人,上来先自我介绍,hr姐姐问是否独生子女,家在哪,对工作地点要求,是否单身,成绩,模电数电成绩 技术经理?问项目,你觉得最重要的项目,然后挑一些细节问,用了多少外设,他挑一个外设配置问了一下,问写了多少行代码?(大一开始参加各种比赛,真算不来,一个项目多的几百上千?少的几十?真没注意过,再说如果想要代码量,写屎山不是随便堆么)有没有用过其他的芯片,回的stm32,又问具体型号回常用f103,忘
简历投递后很快会有面试(效率很高),一面hr+技术面主要 ①自我介绍 ②选一个自己的项目介绍,然后会询问项目具体的原理以及具体的设计 ③反问(1-2个) 面试时常约20分钟 比较简单没有挖的很深
没有录音很多问题忘记了 HTML 文件如何渲染到页面 语义化标签有哪些 语义化标签和 div 的区别 css 哪些属性会引发回流,哪些是重绘 有哪些方式改变 margin 而不引发回流 事件委托 如何实现点击给 ul 添加事件展示所点击的 li 上内容 vue 生命周期 vue3 如何使用变量 ref 和 reactive 区别 vue3 如何在模板中使用 ref 的变量 说实话当时一直不知道在问
一面群面 一共10个人,自我介绍,然后是一个简单的笔试。 内容就是电子基本知识:三项电火零之间多少度,电阻器,线性负载,UPS是哪里发热。总之就是10道选择题,很简单。还有两道简答题:1.向人推销自己的电子产品;2.对售前的理解。我是看了一本书《商战往事,解决方案与销售配合打单》,然后自己总结的。 最后是无领导小组讨论。这个讨论的重点我认为有两个,第一个时机是先发制人,给大家安排时间,显得自己很厉
公司:快手 岗位:数据科学家 形式:视频面试 视频面试平台:轻雀 时长:60分钟 流程: 0、面试官自我介绍及面试流程介绍。 1、自我介绍。 2、对于样本和总体这两个概念,它们之间的关系是什么?它们的差异和相似点分别是什么? 3、了解哪些抽样方法?不同抽样方法分别适用于什么场景? 4、写一下随机
单选题,60分,多是c语音,电力电子,模电知识。没有太难, 简答题,40分,第一个不会,是自控里面的,画一个方程的伯德图,自控没学好。 第二个手写代码测量50hz,220v交流电的有效值,有一个1ms的回调函数。这个感觉写的一般,采集用的adc,难点是算法,当时脑子瓦了,怎么算有效值忘完了,算法上我直接就是求平均值结果再除根号3,后来又忘了adc采集电压为负的信号结果是多少,只能把311扩展成62
面试岗位:数据库工程师 两个面试官,一个主要问知识点,另一个主要问实习、项目 介绍一下HDFS的写流程 Spark、Flink有哪些部署模式? Standlone和Yarn(Client、Cluster),会话模式、单作业模式、应用模式 有没有写过Flink平台的开发代码? Yarn由哪些角色组成?各自的任务是什么? Yarn的调度器有哪些? Hive和HBase的区别是什么? 项目中Kafka的
公司:腾讯 部门:腾讯广告 岗位:技术研究-数据科学方向 形式:视频面试 视频面试平台:腾讯会议 时长:14分钟 流程: 1、自我介绍。 2、你对于选择第一份工作的考虑有哪些? 3、腾讯对于你的吸引力是什么? 4、放到一年后你希望你在工作上获得什么样的成果? 5、过往经历中你遇到的最困
笔试:选择题+填空题+判断题+简答题 简答题 1、说说大数据技术的特点 2、说一下Spark任务执行的流程 3、1G的文件,每一行是一个词,词大小不超过16字节,内存1M,找出频数最高的100个词。 技术面 1、自我介绍 2、本专业主要学什么? 3、介绍一下实习的项目 4、小文件问题怎么处理?(SequenceFile、CombineInputFormat、JVM重用) 5、Hive支持哪些存储格
1介绍两个项目 2熟悉的两个比较熟悉的技术栈 3用过redis的哪些功能? 4:数据库中的数据和缓存中的数据不一致,怎么解决? 5 redis中的持久化有哪些 6 aof文件太大,会启动重写机制,了解重写做了什么吗? 7 redis中的过期键的删除策略 8:reids用过哨兵,集群吗? 9:用过redis的分布式锁吗? 10 redis中的goodsip协议? 11 redis6.0是什么线程的?
Java岗,面试官全程无摄像头 首先问意向地点,自我介绍,后面全程八股 内容有 计算机网络(很多) Java基础,集合 数据库索引 SpringMVC,Spring注解 Mybatis Redis 排序算法 从简单的开始问起,一直问到不会为止,回答没什么反馈,无反问环节 希望不是KPI #你的秋招进行到哪一步了#
数据科学最近成为计算机的热门领域。数据科学是利用计算机的运算能力对数据进行处理,从数据中提取信息,进而形成“知识”。它已经影响了计算机视觉、信号处理、自然语言识别等计算机分支。
数据科学最近成为计算机的热门领域。数据科学是利用计算机的运算能力对数据进行处理,从数据中提取信息,进而形成“知识”。它已经影响了计算机视觉、信号处理、自然语言识别等计算机分支。数据科学已经在IT、金融、医学、自动驾驶等领域得到广泛使用。(如果你熟知中情局的棱镜泄密事件,你会发现数据科学已经在情报领域广泛使用。) 在这系列文章中,我希望能完成从概率论,统计,到机器学习的整个数据分析的链条。传统意义上
不管怎样,简单记录一下吧! 面试时长25分,没有手撕算法 问题 自我介绍(共享简历) 介绍下SSM框架吧,SpringBoot与Spring的区别; 如何自定义一个SpringBoot Starter,简单介绍下SpringBoot应用启动流程; 你在实习中,主要负责了哪些工作 (针对实习经历提问); java异常处理机制; java垃圾回收过程; 熟悉哪些数据结构与算法,栈和队列的区别; 用过哪
字节跳动提前批:data-电商 数据科学 一面,部门成员:~50min 1. 自我介绍 2. 机器学习 a) XGBoost:损失函数推导、特征重要性的计算方法 b) 为什么用SHAP计算特征重要性,不用XGBoost自带的方法(实习项目) 3. AB test a) 对于不同类型的指标,分别要怎么做统计检验 b) 用非参数方法检验偏态分布的指标,统计功效较低,有什么其他方法