求职学习day7

今天回顾:

广东省税务局事业编考:

睡的比较靠窗,早上6点就醒了。七点多感觉醒的差不多就玩了一下手机,将近八点感觉饿了就去吃早餐准备去华南理工考场。数推,图推,计算题,综合分析有三十几题根本没时间看和判断。

其实也不太在意分数,竞争太激烈了。

下午去时尚天河、天河城逛了逛。

这两天太奔波了不是很想回家乡。我的设想是工作日方便问党务问题和档案问题,还有工作基本可以确定offer的情况下可以回去。

充值了面试鸭,需要补充面试问题经验。

晚上9:44先整理商城项目的代码流程梳理,然后整理redis问题,并做一道中等题。如果下星期手撕的话可能要推迟,完全没准备好。现在面的两个面试已经有互相促进的味道了,继续加油。

补充昨天面试问题:

hr面:

  1. 自我介绍(下次补充面试的岗位)(项目注重回顾 Java 相关的问题)
  2. 描述 Java 项目上的一个问题的解决、技术的解决(答的不好,因为没有背八股和没整理完项目)
  3. 近况、求职情况
  4. 了解爱好
  5. 反问

塔斯克综合面:

  1. 自我介绍(参考早上的框架,背景、技术、项目、团队沟通、生活,收尾)
  2. 项目拷打,介绍毕设创新点工作体现在哪里。(回答有待改进,重点不够突出,一开始想铺垫扯的有点远)
  3. 拷打小车循迹的技术细节(考前没回顾技术文档。二值化及其自适应阈值算法的变体,虽然没看还好二值化原理答上来了。)

关于自适应算法:

  1. 多阈值分割

    • 将图像分割成多个区域,每个区域使用不同的阈值进行二值化。
    • 可以更好地处理复杂背景和多目标的图像。
  2. 局部自适应阈值

    • 在图像的每个小区域(如窗口)内计算阈值,通常使用窗口内的平均值或中值。
    • 适用于局部亮度变化较大的图像。
  3. 基于边缘的自适应阈值

    • 利用图像的边缘信息来确定阈值,通常结合边缘检测算法。
    • 可以提高图像边缘的清晰度和对比度。
  4. 基于纹理的自适应阈值

    • 考虑图像的纹理特征来调整阈值,通常结合纹理分析算法。
    • 适用于纹理丰富的图像。
  5. 基于机器学习的自适应阈值

    • 使用机器学习模型(如神经网络)来预测最优阈值。
    • 需要大量的训练数据,但可以处理非常复杂的图像。
  1. 对岗位和行业情况不够了解
  2. 反问:简历内容也比较充分,相对而言岗位面试不那么需要拷打技术,所以可能导致反问环节有比较多的安静对视时间hh(猜测)

总结假设环节:下周如果塔斯克能给 offer ,并且沟通的薪资 1w 左右,应该就签了(我猜测可能可以?不过我面试经验不太多,网上看有小于一年经验的也是 0.9 - 14k 不知道会给我什么定级,薪资构成多少是拿到手的还有员工福利怎么样,还有试用期薪资几折。)

QAQ 让 kimi 帮我整理了我的想法:

OD的Java后端开发岗位

优点:
  1. 技术跳槽便利:如果我未来想要跳槽,拥有Java后端开发的经验可能会让我在相应的Java岗位上更容易找到工作机会。

  2. 薪资吸引力:OD提供的13K月薪对我来说是一个不小的吸引力。

缺点:
  1. 工作压力:我听说OD的工作节奏相当紧张,可能会面临较大的工作压力。

  2. 技术热情:尽管Java岗位需求大,但我对Java开发并没有太大的热情。我更倾向于使用像Python这样更简洁的语言。

塔斯克的总部售前售后技术支持岗位

优点:
  1. 工作压力较小:与OD相比,塔斯克的技术支持岗位可能会有更轻松的工作环境。

  2. 转岗机会:如果我加入塔斯克,我还有机会考虑转到其他部门,这为我提供了更多的职业发展可能性。

  3. 技术偏好:我更喜欢Python这种简便的语言,如果塔斯克的工作中能够使用到Python,那将更符合我的技术偏好。

缺点:
  1. 跳槽难度:与Java后端开发相比,技术支持岗位在跳槽时可能面临更多的挑战。

  2. 薪资情况不明:目前我还不清楚塔斯克的具体薪资待遇。

总结:

  • 如果我重视薪资和跳槽的便利性,OD的Java后端开发岗位可能更适合我。

  • 如果我更看重工作与生活的平衡,以及能够在职业中使用我偏爱的技术,塔斯克的技术支持岗位可能更符合我的期望。

建议:

  • 个人兴趣与职业发展:我需要考虑长期职业规划,选择一个与我的个人兴趣和技术热情更匹配的职位。

  • 工作环境与压力:我需要评估自己对工作压力的承受能力,选择一个能够让我保持心理健康的工作环境。

  • 薪资与福利:我需要了解两个职位的具体薪资结构和福利待遇,以便在经济需求与职业发展之间做出权衡。

  • 面试准备:如果我决定申请OD的Java后端开发岗位,我需要准备技术面试题和编程测试,以提高获得offer的机会。

我希望尽快收到offer,脱离找工作的压力。无论选择哪个职位,我都期待能够找到一个既能发挥我的技术能力,又能让我感到满意和快乐的工作。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/48417.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

1.17、基于竞争层的竞争学习(matlab)

1、基于竞争层的竞争学习简介及原理 竞争学习是一种无监督学习方法,其中的竞争层神经元之间互相竞争以学习输入模式的表示。竞争学习的一个经典模型是竞争神经网络(Competitive Neural Network,简称CNN),其核心部分是…

android include 和 merge 区别

在 Android 开发中&#xff0c;<include> 和 <merge> 是用来复用布局的两个标签&#xff0c;但它们的用途和行为有所不同。以下是它们的区别以及 Kotlin 代码示例&#xff1a; <include> 标签 <include> 标签允许你在一个布局中嵌入另一个布局文件。…

Linux复习02

一、什么是操作系统 操作系统是一款做软硬件管理的软件&#xff01; 一个好的操作系统&#xff0c;衡量的指标是&#xff1a;稳定、快、安全 操作系统的核心工作&#xff1a; 通过对下管理好软硬件资源的手段&#xff0c;达到对上提供良好的&#xff08;稳定&#xff0c;快…

什么是单例模式,有哪些应用?

目录 一、定义 二、应用场景 三、6种实现方式 1、懒汉式&#xff0c;线程不安全。 2、懒汉式&#xff0c;线程安全 3、双检锁/双重校验锁&#xff08;DCL&#xff0c;即 double-checked locking&#xff09; 4、静态内部类方式-------只适用于静态域 5、饿汉式 6、枚举…

嵌入式C++、STM32、树莓派4B、OpenCV、TensorFlow/Keras深度学习:基于边缘计算的实时异常行为识别

1. 项目概述 随着物联网和人工智能技术的发展,智能家居安全系统越来越受到人们的关注。本项目旨在设计并实现一套基于边缘计算的智能家居安全系统,利用STM32微控制器和树莓派等边缘设备,实时分析摄像头数据,识别异常行为(如入侵、跌倒等),并及时发出警报,提高家庭安全性。 系…

英福康INFICON RGAs for the AMAT Endura 5500 课件PPT

英福康INFICON RGAs for the AMAT Endura 5500 课件PPT

uniapp+vue3实现音乐播放器,包含上一首、下一首、暂停、播放、下载音频、下载视频、进度条拖拽、歌词等

uni-app中实现音乐播放器 1、主要利用的是uni-app中提供的uni.createInnerAudioContext()来进行实现&#xff1b; 2、代码示例 &#xff08;1&#xff09;主页面代码展示 <template><view class"songDetailContainer"><view class"bg&quo…

记录uni-app横屏项目:自定义弹出框

目录 前言&#xff1a; 正文&#xff1a; 前言&#xff1a;横屏的尺寸问题 最近使用了uniapp写了一个横屏的微信小程序和H5的项目&#xff0c;也是本人首次写的横屏项目&#xff0c;多少是有点踩坑不太适应。。。 先说最让我一脸懵的点&#xff0c;尺寸大小&#xff0c;下面一…

vxe-弹窗初始化激活选中Vxe-Table表格中第一行input输入框

1.实现效果 2.Modal弹窗的渲染过程 一、Vue组件的生命周期 Vue组件从创建到销毁会经历一系列的生命周期钩子&#xff0c;这些钩子为开发者提供了在不同阶段插入自定义逻辑的机会。在Modal弹窗的上下文中&#xff0c;这些生命周期钩子同样适用。 beforeCreate&#xff1a;组件…

简化Android数据管理:深入探索SQLite数据库

SQLite数据库在Android中的使用 SQLite是一种精巧的、轻量级的、无服务器的、零配置的、事务性SQL数据库引擎。相较于其他数据库系统&#xff0c;SQLite更适用于需要轻量级解决方案的移动应用场景。本文将详细介绍SQLite数据库在Android中的使用&#xff0c;包括数据库的创建、…

【大模型基础】4.1 数据挖掘(待)

一、什么是文本挖掘? 文本挖掘指的是从文本数据中获取有价值的信息和知识,它是数据挖掘中的一种方法。文本挖掘中最重要最基本的应用是实现文本的分类和聚类,前者是有监督的挖掘算法,后者是无监督的挖掘算法。 二、文本挖掘的作用是什么? 能够从文本数据中获取有价值的…

数据仓库中的数据治理

一、数据治理的定义&#xff1a; 数据治理是一套用于管理和保护数据资源的规范、流程和控制机制。在数据仓库中&#xff0c;数据治理涉及规划、定义、监控和维护数据的标准、策略和流程&#xff0c;以确保数据的质量、完整性和一致性。 二、数据治理的流程&#xff1a; 制定数…

设计模式实战:在线购物系统的设计与实现

简介 本篇文章将介绍如何设计一个在线购物系统&#xff0c;系统包括购物车、订单处理、支付等功能。我们将通过这一项目&#xff0c;应用组合模式、命令模式、策略模式和观察者模式来解决具体的设计问题。 问题描述 设计一个在线购物系统&#xff0c;用户可以浏览商品、将商…

Qt中的高分辨率及缩放处理

写在前面 使用Qt开发界面客户端&#xff0c;需要考虑不同分辨率及缩放对UI界面的影响&#xff0c;否则会影响整体的交互使用。 问题 高分辨率/缩放设备上图片/图标模糊 若不考虑高分辨及缩放处理&#xff0c;在高分辨率/缩放设备上&#xff0c;软件中的图片、图标可能会出现…

【数据治理】隐私计算:数据治理中的安全守护者

隐私计算&#xff1a;数据治理中的安全守护者 引言一、隐私计算概述二、隐私计算的关键技术及其核心与业务逻辑三、隐私计算在数据治理中的应用案例四、隐私计算面临的挑战与未来发展五、结论 引言 数据治理是现代企业运营的关键组成部分&#xff0c;特别是在数据安全和隐私保…

调试DM9000过程中出现的认知与逻辑问题

在单片机项目中&#xff0c;很多难解的、涉及到硬件的bug&#xff0c;往往会采用对比实验的方式&#xff0c;即正常板子和异常板子跑同一份代码来对比现象。 这里有一个很重要的认知前提&#xff0c;就是这份代码不一定没有问题&#xff0c;只能说这份代码放在正常的硬件上没有…

解决jupyter argparse报错

jupyter argparse报错 文章目录 一、jupyter argparse报错 一、jupyter argparse报错 args parser.parse_args()这行代码改为&#xff1a; args parser.parse_args(args[])完整的代码为&#xff1a; import argparseparser argparse.ArgumentParser() parser.add_argumen…

力扣题解(零钱兑换II)

518. 零钱兑换 II 给你一个整数数组 coins 表示不同面额的硬币&#xff0c;另给一个整数 amount 表示总金额。 请你计算并返回可以凑成总金额的硬币组合数。如果任何硬币组合都无法凑出总金额&#xff0c;返回 0 。 假设每一种面额的硬币有无限个。 题目数据保证结果符合 3…

sourcetree中常用功能使用方法及gitlab冲突解决

添加至缓存&#xff1a;等于git add 提交&#xff1a;等于git commit 拉取/获取&#xff1a;等于git pull ,在每次要新增代码或者提交代码前需要先拉取一遍服务器中最新的代码&#xff0c;防止服务器有其他人更新了代码&#xff0c;但我们自己本地的代码在我们更新前跟服务器不…

Java实战中如何使用多线程(线程池)及其为什么使用?

这个话题在入行之前就想过很多次&#xff0c;很多8古文或者你搜索的结果都是告诉你什么提高高并发或者是一些很高大上的话&#xff0c;既没有案例也没有什么公式去证明&#xff0c;但是面试中总是被问到&#xff0c;也没有实战经历&#xff0c;所以面试时一问到多线程的东西就无…