求职刷题神器

funit.cn

  • 一面(40min):1.自我介绍。2.为什么工作之后回来读研?是怎么考虑的?3.对工作有哪些期望?(回答第2个问题时我提到之前的工作中个人成长并没有达到个人期望)4.介绍之前的一段产品工作所负责的项目。5.详细介绍一下产品的维修流程。(回答第4个问题的时候我反复提到维修流程,等着面试官问)6.PRD包含哪些内容?7.ER图会包含在PRD里面吗?说说对ER图的了解。(当时脑子短路,不确定脑中的ER是不是正确ER图,然后就说之前画的少,但是之前做开发,会做一些数据库设计工作,ER是基本功)8.你用什么画原型?(Axure)用Axure如何设计弹窗?有哪几种方法?(我只说了一种。4轮面试我感觉第二难的题)9.你通过哪些途径/方式学习产品知识?10.面试官说明这批实习生入职之后需要实地走访供应链商家,做调研,需要在市内出差,先提前说明。(非常好的沟通)11.有什么要问的吗?(问:能否大概介绍一下供应链?然后面试官笑了,说这个问题问的很大,但是还是很耐心地讲了7分钟。如果不是对面试特别有把握,建议不要问这么宏观的问题)夸一下面试官,上来并没有直接让我进行自我介绍,而是介绍了自己和SHEIN的基本信息,所以让我也不会太紧张,面试全程放松,跟一场交流会差不多,也非常耐心地说明实习内容和分享供应链知识。两天之后HR通知等二面。
    1 0 33
  • 经历了3个多月,前前后后面了很多小公司和大厂,终于拿到了迪卡侬的offer。迪卡侬的现场面试(技术面试+经理面试),整个面试大概2个多小时,详细的过程在下面。一面(电话面试)这一部分有点久远,大概自我介绍项目经历,兴趣爱好,做一些基础了解。二面(电话面试)你的项目里如何进行多环境配置的?说了下我构建的里面是如何实现的。setTimeout倒计时为什么会出现误差?这个主要考察的eventLoop。你有什么想了解的?我一般会问下前端团队人数,主要技术栈,接下来的一个面试流程等。整个过程更像是交流学习,不像是面试官提问,感觉非常好。这次沟通时间很短,问题也不多,为了后面的现场面试做个铺垫,当天就通过微信约了现场面试的时间。三面(现场面试):partone技术面试自我介绍v-model的原理?你读过vue源码吗?vue的优点有哪些?vue的缺点有哪些?vue的特点?你用过element-ui吗?组件多层嵌套是如何触方法的?组件是如何传值的?虚拟DOM为什么速度快?varconstlet的区别?vuex设计原理?如何实现一个事件注册?parttwo项目经理面试两位面试官自我介绍自我介绍你平时用到哪些运动软件,能针对该软件提出几条意见吗?你为什么从上一家离职?你为什么喜欢骑车?针对我提到自己去日本骑行之旅,问了下详细的过程,两个人是如何分工的?如何在工作中跟同事沟通的?
    1 0 36
  • 技术二面1.如果同时定义了两个函数,一个带const,一个不带,会有问题吗?2.请你来说一说隐式类型转换3.说说你了解的类型转换4.请你来说一说C++函数栈空间的最大值5.请你来说一说extern“C”6.请你回答一下new/delete与malloc/free的区别是什么7.请你说说你了解的RTTI8.请你讲讲STL有什么基本组成9.请你说说STL中map与unordered_map10.请你说一说vector和list的区别,应用,越详细越好11.请你来说一下STL中迭代器的作用,有指针为何还要迭代器12.请你说一说C++的内存管理是怎样的?13.请你来说一下C++/C的内存分配14.请你回答一下如何判断内存泄漏?
    3 0 41
  • 技术面主要问题1.什么是perplexity?它在NLP中的地位是什么?2.ReLu的问题是什么?3.使用SVD学习潜在特征和使用深度网络获取嵌入向量有什么区别?4.LSTM的hidden和cell存储的信息是什么?5.带bias的LSTM模型的参数个数6.LSTM的复杂度7.transfomer的时间复杂度8.为什么self-attention怎么牛逼?9.Adamoptimiser的局限性是什么?10.AdamW和Adam有什么不同?11.使用大的batchsize可以训练模型更快吗?12.你喜欢特征提取还是微调?你怎么决定?你会使用BERT作为特征提取器还是对它进行微调?13.举一个学习率调度策略的例子?14.我们应该在深度学习中进行交叉验证吗?15.在多任务学习中,软、硬参数共享的区别是什么?16.注意力机制有哪些不同类型?
    4 0 49
  • 一面:ReactNative盒模型TypeScript除js之外的面向对象语言继承因为是zoom视频面试,只记得这么多,只感觉考察的面很广,前端后端移动端都问了,某方面也有深度。面试官感觉30多岁,挺严肃的~~,面了30分钟就让我等几分钟,安排二面二面:reactdomredux/redux-saga其他状态管理?Mobx二面问的也挺深的,不过都是我有了解过的,不像一面那样广度搜索,可能是和一面面试官交流了吧二面面试官看起来20多岁,挺年轻的,没一面那么严肃,面了半个小时让我等等,他去找老大三面http(s)sslCA证书,验证?前端安全https缺点?如何防范?如何解决?前端性能优化前端学习路线聊人生,996.icu?面试官介绍自己公司,部门,小组,产品等等三面面试官应该是个leader,挺和蔼的,也很有礼貌,因为开会让我多等了会,在开头还和我道歉。三面问的基本都是网络相关,也有深度,也聊了一下学习路线,也大致介绍了一下他们公司和部门,结尾说会让hr尽快联系我四面问的都是hr常问的问题,10:50打过来的,聊了30分钟,给了口头offer。本来约了朋友11点吃饭,结果放了人家鸽子-.-感觉爱乐奇的面试效率很高,和头条很像,都是三面连着,一口气搞定,面试官和hr也很和蔼,很热情,面试体验很nice
    4 0 44
  • 面了2轮,第一轮技术面试,也是最主要的。技术牛人和团队经理先问了些数据库相关的备份恢复如何操作的;说下DG的原理,印象最深的故障处理过程,然后再从中挑几个细节问之后团队经理会和你沟通下往年做过的项目,扮演的角色,有什么感想(基本唠嗑型,比较轻松)。增量是怎么爬取的,怎么去确保不被反爬哪些网站用到了账号爬取,怎么实现有没有用过app抓包,抓包后怎么处理,api里面有一个签名证书,有没有了解过有没有做过项目的迭代,例如公司有100台服务器,后续更新到1000台,这个怎么做爬虫维护,有没有做过这种迭代?有做过部署吗?模拟登陆,如果通过分布式爬取是把ip地址随机分配给任意服务器,还是将账号和ip进行捆绑,固定一个ip一个账号该轮面试过了之后就是HR了,做了套性格测试题然后说了下公司的福利,政策等。电商的数据都是不定时改变的,例如淘宝搞活动或者店家搞活动,这个你怎么确保数据都是新的呢?
    1 0 39
  • 虎牙挂在三面。第一面是技术面,第二面像在聊天,聊聊自己和行业、前沿技术什么的第三名电话面,一直在问项目,没怎么准备,挂了。这里就讲一下第一面技术面的内容吧,其中有一些问题大概是因为我简历写了才问的。一面:1.数组和链表的区别、优点2.map是什么(好像是java的,然后我说我是用python的,不太会,他就没继续问了)3.怎么把一个文本文件变成可执行文件4.Linux怎么挂载硬盘,fstab有什么字段,含义怎么挂载一块其他系统的磁盘(大概好像是这样问的)5./proc目录是什么,有什么用6.TCP三次握手、四次挥手、拥塞控制TCP半开连接7.UDP和TCP的区别,各自用途8.使用UDP丢包怎么办9.ping用的什么协议10.nginx反向代理怎么写11.负载均衡四层和七层的区别、工具nginx怎么进行七层负载均衡(我说了http协议什么什么的)12.LVS怎么进行负载均衡13.MySQLmyisam的特点innodb的特点14.innodbMVCC和它的实现机制15.redis的数据类型有什么列表底层使用哪两种数据结构,什么时候用哪个16.redis的备份方式17.html的表格怎么写用过什么前端框架18.说说简历上面的项目项目难点是什么(我写的是一个网上商城的项目19.用python写过什么项目(我就说了nosql课设,用了mongodb和python的pymongo)</
    3 0 32
  • 秋招没准备好决定开始复盘笔试面试顺便攒人品补招春招冲冲冲希望和大家一起拿到喜欢的offer!这个岗位是我简历挂在猎聘上猎头小姐姐来联系我推的,我没有网申她那边内推安排我直接进行了电话面试面试公司:远景能源有限公司职位:产品经理一面(电面)1.自我介绍2.简述实习经历3.对数据产品经理的认识(主要就是说和产品经理的区别4.对数据中台的了解(因为实习内容也有关),为什么会需要数据中台5.问我之前平安实习了解不了解那边数据中台数据的架构(我就说了不了解当时主要就开了开需求会议之类的学习了一下我面试前查了一下JD给的还挺详细的就根据JD准备了一下电话面了快一个小时就是上面的问题再根据回答深挖我感觉回答的好像还可以
    3 0 23
  • 同步异步、爬虫方面的问题比较多,其他的也问了一下常规性问题,从一线待了几年,面试这些不在话下~,静等结果中1.线程的异步和同步2.网络请求的异步和同步3.python中的异步请求库4.python的协程?其他语言有没有协程5.redis和MongoDB、mysql(如有)怎样配合使用,哪里用到,为什么这样做?6.爬虫项目怎样部署?有没有用过其他的部署方式?7.有没有用过scrapy-splash?8.有没有了解消息队列?9.熟练的网络请求库10.有了解哪些解析库11.app爬虫有了解吗12.列表和元组的区别
    3 0 36
  • 三面面经汇总(凉经)1.介绍BatchNormalization的意义2.解释bias和Variance之间的权衡关系3.假如深度学习模型已经有了1000万个人脸向量,如何通过查询来找到新的人脸?4.对于分类问题,精度指标是否完全可靠?你通常使用哪些度量来评估你的模型?5.如何理解反向传播?解释其作用机制?6.激活函数是什么意思?激活函数的饱和区间是多少?7.模型的超参数是什么?它和参数有什么不同?8.当学习率太高或太低时会怎么样?9.当图像尺寸变为2倍,CNN的参数数量变为几倍?为什么?10.如何处理不平衡数据?11.当训练深度学习模型时,Epoch、Batch和Iteration概念是什么意思?12.数据生成器的概念是什么?我们什么时候需要使用它?
    3 0 35
热帖排行
热门话题
  1. 531人参与
  2. 243人参与
  3. 153人参与
  4. 98人参与
  5. 25人参与
  • 微信扫码加好友进群