当前位置: 首页 > news >正文

后端路线指导(4):后端春招秋招经验分享

后端春招&秋招经验分享

春招(暑期实习) /秋招是应届生非常重要的应聘时间,每一个想就业的同学一定要有所了解!

本篇内容,老白将与大家分享暑期实习和秋招如何应对招聘的个人经验,希望每个同学看完都能有所收获!

     首先说明一下老白对于面试核心竞争力的理解,老白认为核心竞争力包括了软实力和硬实力。

· 软实力很好理解,就是候选人的沟通能力和逻辑思维水平等等;

· 硬实力也就是所谓的技术水平,则又包括了两方面: 算法能力和工程能力。

     很多同学可能会发现周围的算法竞赛大佬能够比较轻松地进入大厂,于是误以为公司面试就是考察数据结构和算法题,以为只要会做算法题就能进大厂,因此埋头苦干,立志要刷题XX道,事实真是如此吗?

      只有算法能力很强才能进大厂吗? 

当然不是!

·  不可否认算法能力在应聘过程中非常重要,比如笔试筛人面试手撕算法筛人,但也一定不能忽略做项目的工程能力和计算机基础,比如网络、OS、数据库等等!算法能力很强的同学往往是会花费更多时间去背八股、做项目,高水平的算法能力和工程能力才是他们进入大厂的秘密!

·  但是大部分同学都会说:我没有打过算法竞赛,我的算法能力要做到怎样的程度呢?我还没做过项目,我的工程能力又要达到怎样的水平呢? 下面老白集合自己的暑期实习/秋招的完整心路历程并给出一些个人建议。    

·  具体会包括招聘的重要时间节点以及每个时间节点对应的准备程度,以及想要进入大厂应该准备到怎样的程度:

图片

·  刚开始自学的时候,老白只有c++语法基础,学校也有教学数据库、计算机网络、操作系统,但是教的程度懂得都懂,后续的数据库、计算机网络、操作系统的学习老白几乎都是从头再来,因此第一阶段就只有C++语法是扎实的,因此在暑假的8月份,老白着重在学习Java语法的基础

·  接着就是系统性的学习,包括数据库、Redis、JVM、项目,前后花了约两个半月的时间去看网课熟悉理论、看面试题,工程能力的提升主要完整地做了个入门的项目和一个完成了一半的难度高一些的项目,共计1.5个项目;算法能力的提升则主要集中在刷“力扣”的hot100、剑指offer,老白先花费了10天,每天刷题大概5-7道左右,然后就没有集中性刷过题。后续就是每天坚持写2道,坚持了2个多月,可以说刷熟练了这一百多题,应对暑期实习大部分的面试手撕环节还是能通过的。

·  其次就是系统性的把数据结构的链表、树、堆、栈、队列进行了学习,而以往学校教过的图的部分则直接跳过了(时间原因,抓主要的、高频的刷题); 最后在投递找暑期实习的前一个月、专门复盘学习的内容、做笔记的同时顺便理解并记忆八股,同时大量查看前辈的面经,可以用“牛客”app查面经。

·  最后成功靠着不错的工程能力和一般的算法能力收获了2家-大-厂-暑期实习的offer和3家-中-小-厂的offer。

·  接着就是靠大厂实习积累经验了,对于老白来说,技术栈的学习深度远远不够,实习期间除了积累业务经验的同时,也在积极地利用空闲时间学习公司的技术框架,看源码等等。

·  同时为了准备秋招,还需要每天下班后坚持刷新题。这个阶段可以说是比前两个阶段加起来还要忙!  工程能力的提升则主要来自实习做的模块任务,当然,实习生做的量其实不大,因此要学会看同事前辈们的需求和代码,看懂了就在简历中写是自己写的,只要面试时能表达清晰就行。同时仍然需要不断复习巩固八股,印象最深刻的就是背的八股文在实习时写部分需求的过程应用的非常好。

因此八股真的不仅仅是死记硬背

也非常需要理解!

      算法能力的提升主要来自平时下班和周末的刷题,秋招的算法要求比实习要求高!老白认为应对秋招,力扣300+左右的题量是最稳健的!当然其中包括了hot100和剑指offer加起来的百多道题目,因此需要额外地新刷一百多道题目,可以针对自己薄弱的部分,比如老白针对动态规划部分就新刷了20+的题,当然还能刷一些企业历年真题。

小结

    总体上老白的就业经历分为了两个阶段:

· 第一个是找实习前的打基础阶段。

· 第二个是实习期间、秋招前的进一步加强技术深度阶段,每个阶段的要求相信大家也能从前面的内容有所了解。

    下面这张图是老白梳理的一个相对完整的个人面试核心竞争力脑图,希望可以给大家带来帮助!

图片

其他精品文章:

→六年级的弟弟问我怎么学后端

→后端基础版学习路线

→后端进阶版学习路线

关注公众号,接收后续的最新资料

相关文章:

后端路线指导(4):后端春招秋招经验分享

后端春招&秋招经验分享 春招(暑期实习) /秋招是应届生非常重要的应聘时间,每一个想就业的同学一定要有所了解! 本篇内容,老白将与大家分享暑期实习和秋招如何应对招聘的个人经验,希望每个同学看完都能有所收获! 首先说明一下老白对于面试核心竞争力的…...

面完小红书算法岗,心态崩了。。。

暑期实习基本结束了,校招即将开启。 不同以往的是,当前职场环境已不再是那个双向奔赴时代了。求职者在变多,HC 在变少,岗位要求还更高了。提前准备才是完全之策。 最近,我们又陆续整理了很多大厂的面试题&#xff0c…...

Android 断点续传进阶之多线程下载

今天继续下载的风骚走位内容—多线程多文件断点续传 Android 断点续传基础之单线程下载:http://blog.csdn.net/qq_27489007/article/details/53897653 效果图: 文件关系: 所需内容 多文件下载列表的显示 启动多个线程分段下载 使用通知栏…...

Python爬虫学习 | Scrapy框架详解

一.Scrapy框架简介 何为框架,就相当于一个封装了很多功能的结构体,它帮我们把主要的结构给搭建好了,我们只需往骨架里添加内容就行。scrapy框架是一个为了爬取网站数据,提取数据的框架,我们熟知爬虫总共有四大部分&am…...

用户态协议栈05—架构优化

优化部分 添加了in和out两个环形缓冲区&#xff0c;收到数据包后添加到in队列&#xff1b;经过消费者线程处理之后&#xff0c;将需要发送的数据包添加到out队列。添加数据包解析线程&#xff08;消费者线程&#xff09;&#xff0c;架构分层 #include <rte_eal.h> #inc…...

模拟退火算法

模拟退火算法&#xff08;Simulated Annealing, SA&#xff09;是一种用于全局优化问题的概率搜索算法&#xff0c;其灵感来自于金属退火过程。在金属退火中&#xff0c;材料被加热到高温&#xff0c;然后缓慢冷却&#xff0c;以减少其晶格中的缺陷并达到最小能量状态。模拟退火…...

Java匿名类

Java 匿名类是一种特殊的内部类&#xff0c;它没有名字&#xff0c;并且通常用来简化代码实现&#xff0c;尤其是在实现接口或者抽象类的实例时。匿名类可以在实例化时定义其行为&#xff0c;而不需要创建单独的类文件。 匿名类的特点 没有名字&#xff1a;匿名类是没有名字的…...

G7易流赋能化工物流,实现安全、环保与效率的共赢

近日&#xff0c;中国物流与采购联合会在古都西安举办了备受瞩目的第七届化工物流安全环保发展论坛。以"坚守安全底线&#xff0c;追求绿色发展&#xff0c;智能规划化工物流未来"为主题&#xff0c;该论坛吸引了众多政府部门、行业专家和企业代表的参与。G7易流作为…...

y=sin(2x)

函数 \( y \sin(2x) \) 是一个正弦函数&#xff0c;其中 \( x \) 是自变量&#xff0c;\( y \) 是因变量。这个函数描述了一个周期性波动的波形&#xff0c;其特点是&#xff1a; 1. **振幅**&#xff1a;正弦函数的振幅是 1&#xff0c;这意味着波形在 \( y \) 轴上的最大值…...

快捷方式(lnk)--加载HTA-CS上线

免责声明:本文仅做技术交流与学习... 目录 CS: HTA文档 文件托管 借助mshta.exe突破 本地生成lnk快捷方式: 非系统图标路径不同问题: 关于lnk的上线问题: CS: HTA文档 配置监听器 有效载荷---->HTA文档--->选择监听器--->选择powershell模式----> 默认生成一…...

从同—视角理解扩散模型(Understanding Diffusion Models A Unified Perspective)

从同—视角理解扩散模型 Understanding Diffusion Models A Unified Perspective【全公式推导】【免费视频讲解】 B站视频讲解 视频的论文笔记 从同一视角理解扩散模型【视频讲解笔记】 配合视频讲解的同步笔记。 整个系列完整的论文笔记内容如下&#xff0c;仅为了不用—一回复…...

docker 基本用法及跨平台使用

一、Docker的优点 docker 主要解决的问题就是程序开发过程中编译和部署中遇到的环境配置的问题。 1.1 Docker与其他虚拟机层次结构的区别** 运行程序重点关注点在于环境。 VM虚拟机是基于Hypervisor虚拟化服务运行的。 Docker是基于内核的虚拟化技术实现的。 1.2 Docker的技…...

Vscode远程ubuntu

远程连接 到这里vscode远程到ubuntu和关闭远程连接&#xff0c;已完成 配置python环境 在远程目录下新建.vscode隐藏文件夹&#xff0c;文件夹里新建一个 settings.json 文件&#xff0c; 先远程服务器看下conda下的python虚拟环境位置 settings.json位置及内容如下 测试pyt…...

SHA256 安全散列算法加速器实验

1、SHA256 介绍 SHA256 加速器是用来计算 SHA-256 的计算单元&#xff0c; SHA256 是 SHA-2 下细分出的一种算法。 SHA-2 名称来自于安全散列算法 2 &#xff08;英语&#xff1a; Secure Hash Algorithm 2 &#xff09;的缩写&#xff0c;一种密码散列函 数算法标准…...

Elasticsearch-ES查询单字段去重

ES 语句 整体数据 GET wkl_test/_search {"query": {"match_all": {}} }结果&#xff1a; {"took" : 123,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0…...

【Apache Doris】周FAQ集锦:第 7 期

【Apache Doris】周FAQ集锦&#xff1a;第 7 期 SQL问题数据操作问题运维常见问题其它问题关于社区 欢迎查阅本周的 Apache Doris 社区 FAQ 栏目&#xff01; 在这个栏目中&#xff0c;每周将筛选社区反馈的热门问题和话题&#xff0c;重点回答并进行深入探讨。旨在为广大用户和…...

EE trade:炒伦敦金的注意事项及交易指南

在贵金属市场中&#xff0c;伦敦金因其高流动性和全球认可度&#xff0c;成为广大投资者的首选。然而&#xff0c;在炒伦敦金的过程中&#xff0c;投资者需要注意一些关键点。南华金业小编带您一起来看看。 国际黄金报价 一般国际黄金报价会提供三个价格&#xff1a; 买价(B…...

JAVA医院绩效考核系统源码 功能特点:大型医院绩效考核系统源码

JAVA医院绩效考核系统源码 功能特点&#xff1a;大型医院绩效考核系统源码 医院绩效管理系统主要用于对科室和岗位的工作量、工作质量、服务质量进行全面考核&#xff0c;并对科室绩效工资和岗位绩效工资进行核算的系统。医院绩效管理系统开发主要用到的管理工具有RBRVS、DRGS…...

Python神经影像数据的处理和分析库之nipy使用详解

概要 神经影像学(Neuroimaging)是神经科学中一个重要的分支,主要研究通过影像技术获取和分析大脑结构和功能的信息。nipy(Neuroimaging in Python)是一个强大的 Python 库,专门用于神经影像数据的处理和分析。nipy 提供了一系列工具和方法,帮助研究人员高效地处理神经影…...

非关系型数据库NoSQL数据层解决方案 之 Mongodb 简介 下载安装 springboot整合与读写操作

MongoDB 简介 MongoDB是一个开源的面向文档的NoSQL数据库&#xff0c;它采用了分布式文件存储的数据结构&#xff0c;是当前非常流行的数据库之一。 以下是MongoDB的主要特点和优势&#xff1a; 面向文档的存储&#xff1a; MongoDB是一个面向文档的数据库管理系统&#xff0…...

三维任意形状随机骨料matlab生成:基于映射网格的属性赋予方法

三维任意形状随机骨料matlab生成&#xff0c;基于映射网格&#xff08;背景网格法&#xff09;进行骨料、砂浆、界面属性的赋予。在混凝土材料细观建模中&#xff0c;生成真实的三维骨料结构是个技术活。今天咱们就来聊聊如何用Matlab造出形状各异的随机骨料&#xff0c;再通过…...

Eino:Agent的LLM抽象

拨开迷雾看本质&#xff1a;从零推导 ChatModelAgent&#xff08;模型适配层与 Agent 运行时&#xff09; 在 react.md 里看到的是 “ReAct 作为范式” 的推导&#xff1b;而本篇把视角切到 chatmodel.go 作为工程实现&#xff1a;它不只是“为了 ReAct 画图”&#xff0c;更是…...

Flink学习笔记:窗口

简介 langchain中提供的chain链组件&#xff0c;能够帮助我门快速的实现各个组件的流水线式的调用&#xff0c;和模型的问答 Chain链的组成 根据查阅的资料&#xff0c;langchain的chain链结构如下&#xff1a; $$Input \rightarrow Prompt \rightarrow Model \rightarrow Outp…...

3.28 学习笔记

3.28 学习笔记web金融项目实战1.对于需求分析仔细研读需求规格说明书&#xff0c;以及相关文档&#xff0c;理解项目的目标和流程2.对于编写测试点&#xff08;1&#xff09;进行界面检查&#xff08;2&#xff09;从正确的业务流程编写&#xff0c;执行&#xff0c;查看对应功…...

Coze-Loop与Vue3前端性能优化:渲染速度提升方案

Coze-Loop与Vue3前端性能优化&#xff1a;渲染速度提升方案 1. 为什么Vue3项目需要Coze-Loop来诊断性能问题 在实际开发中&#xff0c;很多团队都遇到过这样的困惑&#xff1a;明明代码写得挺规范&#xff0c;但页面滚动卡顿、列表加载缓慢、交互响应迟滞。我们曾接手一个电商…...

3步轻松让老旧Mac电脑升级最新macOS焕发新生

3步轻松让老旧Mac电脑升级最新macOS焕发新生 【免费下载链接】OpenCore-Legacy-Patcher 体验与之前一样的macOS 项目地址: https://gitcode.com/GitHub_Trending/op/OpenCore-Legacy-Patcher 老旧Mac电脑升级最新macOS不再是难题&#xff01;OpenCore Legacy Patcher是一…...

C++ 模板类型推导的底层实现

C模板类型推导的底层实现 C的模板类型推导是现代C编程中不可或缺的核心机制&#xff0c;它使得泛型编程变得灵活而高效。从简单的函数模板到复杂的元编程&#xff0c;类型推导在编译期间自动推断模板参数&#xff0c;减少了冗余代码。其底层实现机制却鲜为人知。本文将揭开模板…...

零基础玩转像素幻梦:快速生成《光纹苔藓姑苏幻梦》同款像素画

零基础玩转像素幻梦&#xff1a;快速生成《光纹苔藓姑苏幻梦》同款像素画 1. 像素幻梦初体验 1.1 什么是像素幻梦创意工坊 像素幻梦创意工坊&#xff08;Pixel Dream Workshop&#xff09;是一款基于FLUX.1-dev扩散模型构建的AI像素艺术生成工具。它采用明亮的16-bit像素风格…...

AI净界-RMBG-1.4企业落地:制造业产品手册高清图自动透明化处理

AI净界-RMBG-1.4企业落地&#xff1a;制造业产品手册高清图自动透明化处理 1. 引言&#xff1a;从“手动抠图”到“一键透明”的制造业痛点 在制造业&#xff0c;产品手册、宣传图册、官网详情页是展示企业实力的重要窗口。一张清晰、专业、背景干净的产品图&#xff0c;往往…...

CLIP-GmP-ViT-L-14模型API接口详解:从调用到错误处理

CLIP-GmP-ViT-L-14模型API接口详解&#xff1a;从调用到错误处理 最近在折腾一些多模态AI应用&#xff0c;发现CLIP模型真是个好东西&#xff0c;能把图片和文字拉到同一个空间里比较。特别是这个CLIP-GmP-ViT-L-14&#xff0c;效果挺不错的。但部署好之后&#xff0c;怎么调用…...