SunQH Blog

努力做一个更优秀的人

【置顶】求职准备建议 资源推荐篇

“求职准备建议-资源推荐篇"

资源推荐 在准备的过程中,经常需要搜集岗位相关的信息和知识点以进行准备,信息获取方式可以通过牛客、知乎、博客等各个平台上相同岗位的面试经验和总结。最后再对一些认为比较好的资源进行简单推荐,以便大家参考,后面有时间会再进行补充。(公众号无法插入外链,有需要的可以点击阅读原文,通过外链访问会更方便) 推荐的书籍、比赛、平台等 这是一份关于推荐的一些书籍和比赛平台等学习资源的共享文档,可供参...

【置顶】求职准备建议 秋招进行篇

“求职准备建议-秋招进行篇"

秋招进行篇 面试类型和考察内容 首先介绍一下面试类型和考察内容,类型主要包括3种: 技术面(1~3轮) 对计算机基础知识、算法基础、代码题进行考察 围绕简历中的项目考察 关注技术的契合度和个人能力 主管面(1~2轮) 一般是未来的业务主管或者更高层的leader 面试重点不只限于技...

【置顶】求职准备建议 求职准备篇

“求职准备建议-求职准备篇"

求职准备篇 准备什么 要知道在求职前需要从哪着手进行准备,首先要考虑面试官在面试的过程中主要看重我们的什么方面。我认为主要就是两个方面,一是面试者的履历,二是面试者的是能力。 因为很难在半小时左右就非常准确的考察出面试者的水平,所以之前有哪些经历就会显得比较重要,我们的履历主要包括: 科研经历 实习经历 项目经历 比赛经历 另外面试官在面试过程中会综合考察你的能...

【置顶】求职准备建议 目标确立篇

“求职准备建议-目标确立篇"

目标确立篇 要对求职进行准备,首先需要找准自己的定位,确立自己的方向和目标。 求职时间线(IT行业) 首先先给大家简单介绍一下互联网和IT相关行业的求职时间线,大部分同学主要是需要关注一下几个时间点即可: 我们主要有3个拿offer的途径,分别是: 秋招提前批 实习转正(针对有实习的同学) 秋招正式批 投递方式上,尽量先通过内推投递,部分公司(比如阿里的实习面...

【置顶】求职准备建议-简历制作篇

求职准备建议-简历制作篇

简历准备篇 具体内容 个人基本信息: 必写: 姓名、联系电话、邮箱 选写: 意向岗位、个人主页、博客、家乡、政治面貌、出生年月等 如果有博客或个人网站且认为内容尚可,则可以将链接写上 教育经历: 必写: 学校、学院、学历、专业 选写: 绩点、成绩排名、...

理论知识 深度学习理论 V1

“对部分深度学习相关理论进行整理"

深度学习理论 常问问题 Gap层的原理 全局平均池化,是替代FC的一种方式,可以将每个二维的特征通道变成一个实数,该实数某种程度上具有该特征通道的全局信息。最开始主要是从模型压缩的应用中得到的灵感。 使用原因: FC层的权值参数最多,现在的趋势是尽量避免全连接,近期的大部分论文多用全局平均池化层代替。 ...

编程能力 算法框架python版 V1

算法通用模板整理

算法模板总结 二分查找 二分查找框架 基本原理:根据目标值所处的位置共分为三种查找情况,分别是:找任意位置、找左边界和找右边界。 出题形式: 有序数组、$log(n)$复杂度。 基本步骤: 定义左右指针为数组两端。 当左指针小于右指针时,遍历: 中间指针为(l+r)//2。 如果中...

理论知识 机器学习理论 V1

“对部分机器学习相关理论进行整理"

机器学习理论 常问问题 线性回归 原理 给定n维特征的样本$x$,线性模型的形式为:$f(x)=wx+b$ 其中w为每个特征对应的权重生成的权重向量。 线性模型的优点是: 模型简单 ...

理论知识 搜索、nlp理论 V1

算法通用模板整理

搜索、NLP理论 ✅介绍下TF-IDF TF-IDF(term frequency–inverse document frequency)是一种用于信息检索与数据挖掘的常用加权技术,是基于统计特征的关键词提取算法,包含词频TF和逆文本频率指数IDF两部分,字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。 就是说,如果某个词或短语在一篇文章中...

理论知识 搜索推荐理论 V1

“对部分机器学习相关理论进行整理"

推荐系统理论 🚩GBDT+LR https://zhuanlan.zhihu.com/p/37522339 使用GBDT的好处:利用GBDT可以自动进行特征筛选和特征组合,进而生成新的离散特征向量。因为回归树中每个节点的分裂是一个自然的特征选择的过程,而多层节点的结构则对特征进行了有效地自动组合。所以可以非常高效地解决棘手的特征选择和特征组合的问题。 实验中设置30棵树,深度为8。每...