你想活出怎样的人生?
hi~好久不见,距离上次发文隔了有段时间了,这段时间,我是裸辞去感受了一下前端市场的水深火热,那么这次咱们不聊技术,就说一说最近这段时间的经历和一些感触吧。
先说一下自己的个人情况,目前做前端四年,双非本,非科班,技术栈Vue和小程序,读过源码,刷过算法,写过开源,工作地点在武汉。
我是在三月初裸辞向公司提的离职,并在四月初离开。在做出裸辞这个决定之前,其实也是犹豫了好久,因为在上家公司做开发还是很愉快的,同时看网上大家对于如今的市场行情评价都是寒气逼人,所以对于这次的裸辞我思考了有半年之久。
我的想法有几个点:
- 上家公司整体规模偏小,而且项目的复杂度并不太高,技术上的成长主要靠个人,所以如果在这里继续做下去,技术,眼界,薪资可能都会比较受限,越往后越会出现技术不匹配年限的问题。如果公司一旦出现了点什么问题,那么个人在市面上可选择的岗位就会十分受限。
- 互联网下行的情况在前两年就已经出现了,然而每年又都会有一大批新的大学生加入到这个行业,那么可能真的今年就是往后十年中最好的一年了,之后一定是会越来越卷的。
- 对自己的技术还算是有些信心,觉得不至于会找不到合适的工作。
综合考虑了以上几点,决定就勇敢一次,迈出这一步,不论后面的结果如何都是自己的选择。
面试
然后,就聊一聊最近这段时间面试的感触吧。先说结论,别的城市倒不清楚,就只说武汉,行情的确是有些差的,主要体现在小公司开不起价,大点公司(武汉其实也没什么大公司)又很难过简历筛,再加之岗位有限,所以整体的感受就是水深火热。
从三月中下旬开始投递简历,一直到五月底决定去向,这期间在招聘软件上打了上百次招呼,拿到十二个面试机会,通过的有七家,最终选择了离家还算比较近,工作流程以及规模还不错的一家公司入了职。
这段时间可以说是要比平时上班还要累的,工作日每天起来就会去刷一刷招聘软件,去看看有没有新出的职位可以聊一下的,但渐渐的就会发现,招聘软件翻来覆去就那么几家公司,还都是常年招聘的,新出的机会可能要好久才会遇到一次。
能约到面试的几天心态还会好一些,可一旦连续几天没有约到面试,投递简历都石沉大海,那个时候内心就会开始有些焦虑,很容易会想要不要随便找一家将就下得了,但好在每次有这种想法的时候,都会有新的面试邀约出现,也算是挺幸运的了。而且根据每次面试的过程来看,目前我点的技能点是完全够用了的,甚至面一些小公司的时候,有时能清晰的感受到在吊打面试官,这也算是无形中增加了我的信心吧,能够让我继续战斗下去~ 而且也非常感谢在找工作时给我鼓励的掘友,当时面了一家公司,而面试官是一位掘友的朋友,可能下去后面试官和掘友提起了我的面试,晚上在掘金收到了掘友的私信,说我的技术一定没问题的,而且算法可以,一定要去投一投大公司~ 当天收到私信时,可以说真的是热泪盈眶,感受到了寒冬中的小小温暖,真的非常感谢~
然后说一下面试体验吧,面试体验真的和公司规模成正比的。
窒息的面试体验
我面的这几家,有一些小公司的面试官或者hr真的各种作妖:
- 有的时候吊打了面试官,然后hr来谈薪想压价,拿什么压我都能理解,毕竟公司给到hr的预算可能有限,但是拿技术来压,真就不理解,面试官都没说什么,甚至当场说技术确实很不错,然后一个hr来尝试根据之前做的项目找漏洞去聊技术,聊复杂度去压价,真的是让人难以理解。
- 有的公司则是非常的小,然后面试官应该就是公司领导吧,给了一份笔试题,做完后去面试,笔试当时做了15分钟,面试只12分钟,而面试的时候在刚进行2分钟我就已经想结束面试直接走人了,面试官就是对着他出的一份稀烂的笔试题一个个问,我也一个个给他答,每答一个他都先把你的答案给否定,然后尝试从回答中找漏洞,没有找到那就再问一个他自己现编的很奇怪的问题,真就离谱,也真是我素质还算好,没有当场去怼他,当时面的12分钟真的是折磨。
- 再不然有些面试官,就是简历也不细看,就会去问一些冷门API的用法,这一家当时我已经面到后期了,见了形形色色的面试官,所以也不惯着,直接就问他,你问这个有什么用呢?你是想招干活的人,还是想招可培养的人?那你面试问一个API能问出来什么呢?
愉快的面试体验
说完了小公司的体验,再说一些体验还不错的面试吧,一个体验比较好的面试给人的感觉就是,对方是能把我掌握的技术深度和广度都给探到,并且双方面试过程更像是探讨的过程。
- 有的面试官会在听你介绍项目难点以及解决方案的时候,逐步的引导你去思考出更优的解决方案。
- 有的面试官则会给你一种感觉就是,这个面试官真的很大佬,比如我遇到的一个面试官精通源码,虽然我也看过并且写过源码文章,但在很多细节的地方还是会有所遗忘,在面试的过程中,有的地方思路乱了,面试官则会在我把我知道的都讲完之后,去完整的给梳理一次思路,并说明整个的运行流程。
这两种面试官其实都有一个共同的点,就是他是在找你技术的深度和解决问题的能力,让你尽可能的展示自己,而不是对着一份面试题或者就是想刁难你找优越感。
最后的选择
最终,选择的这家,其实薪资上的涨幅很小,但工作强度会比上一家大上不少。面了2个月,这个过程很累,我也没有太多的能量去接着去面试了,而这家公司整体面试体验给我的感觉还可以,就先入职看看喽~
然后,关于自己的职业发展,目前其实是有些迷茫的,刚入行前端的时候,感觉当时的机会还是很多的,能看到很多大厂的招聘要求以及结合一些在网上看到的一些大佬的经历,然后我就做出了规划:去研究源码和算法,参与一些开源,当工作经验够3年之后,去尝试投递一下大厂,看一看新的机会。可是现在,当经验,技能可以达到要求之后,市场却凉下来了,不是92的学历或者大厂的履历,连简历筛都很难过的去,小一点的公司也想用较低的工资去招一个经验丰富的人,然后面试就还会问对加班的看法,甚至有的还会问无效加班接不接受,感觉整个市场都是一个让人无法理解的样子。
最后
如何学习AI大模型?
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
相关文章:

你想活出怎样的人生?
hi~好久不见,距离上次发文隔了有段时间了,这段时间,我是裸辞去感受了一下前端市场的水深火热,那么这次咱们不聊技术,就说一说最近这段时间的经历和一些感触吧。 先说一下自己的个人情况,目前做前端四年&am…...

py黑帽子学习笔记_burp
配置burp kali虚机默认装好了社区版burp和java,其他os需要手动装 burp是用java,还得下载一个jython包,供burp用 配apt国内源,然后apt install jython --download-only,会只下载包而不安装,下载的目录搜一…...

selenium,在元素块下查找条件元素
def get_norms_ele_text(self):elementsself.get_norms_elements()locBy.CSS_SELECTOR,"div.sku-select-row-label"by loc[0] # 获取By类型,例如By.CSS_SELECTORvalue loc[1] # 获取具体的CSS选择器字符串,例如"div.sku-select-row-l…...

认识String类
文章目录 String类字符串的遍历字符串的比较字符串的替换字符串的转换字符串的切割字符串的切片字符串的查找 总结 String类 在C语言中已经涉及到字符串了,但是在C语言中要表示字符串只能使用字符数组或者字符指针,可以使用标准库提 供的字符串系列函数完…...

计算机图形学入门23:蒙特卡洛路径追踪
1.前言 前面几篇文章介绍了Whitted-style光线追踪,还介绍了基于物理渲染的基础知识,包括辐射度量学、BRDF以及渲染方程,但并没有给出解渲染方程的方法,或者说如何通过该渲染方程计算出屏幕上每一个坐标的像素值。 Whitted-style光…...

探索 TensorFlow 模型的秘密:TensorBoard 详解与实战
简介 TensorBoard 是 TensorFlow 提供的可视化工具,帮助开发者监控和调试机器学习模型。它提供了多种功能,包括查看损失和精度曲线、可视化计算图、检查数据分布等。下面将介绍如何使用 TensorBoard。 1. 安装 TensorBoard 如果尚未安装 TensorBoard&…...

yolov8obb角度预测原理解析
预测头 ultralytics/nn/modules/head.py class OBB(Detect):"""YOLOv8 OBB detection head for detection with rotation models."""def __init__(self, nc80, ne1, ch()):"""Initialize OBB with number of classes nc and la…...

CICD之Git版本管理及基本应用
CICD:持续集成,持续交付--让对应的资料,对应的项目流程更加规范--提高效率 CICD 有很多的工具 GIT就是其中之一 1.版本控制概念与环境搭建 GIT的概念: Git是一款分布式源代码管理工具(版本控制工具) ,一个协同的工具。 Git得其数据更像是一系列微型文件系统的快照。使用Git&am…...

Python作用域及其应用
Python的作用域规则决定了变量在代码中的可见性和访问性。全局作用域中定义的变量可以在整个程序中访问,而局部作用域中定义的变量则只能在其被创建的函数或代码块中访问。 全局作用域与局部作用域 全局作用域中的变量通常在程序的顶层定义,可以被整个…...

谷歌上架,应用被Google play下架之后,活跃用户会暴跌?这是为什么?
在Google play上架应用,开发者们最不想到看到就是应用被下架了。这意味着所有的努力都将付诸东流,因为有的应用一但被下架,活跃用户也随之嗖嗖地往下掉,这事儿可真不是闹着玩的,严重影响了收益! 为什么你的…...

web安全渗透测试十大常规项(一):web渗透测试之Fastjson反序列化
渗透测试之Java反序列化 1. Fastjson反序列化1.1 FastJson反序列化链知识点1.2 FastJson反序列化链分析1.3.1 FastJson 1.2.24 利用链分析1.3.2 FastJson 1.2.25-1.2.47 CC链分析1.3.2.1、开启autoTypeSupport:1.2.25-1.2.411.3.2.2 fastjson-1.2.42 版本绕过1.3.2.3 fastjson…...

Unity 3D软件下载安装;Unity 3D游戏制作软件资源包获取!
Unity3D,它凭借强大的功能和灵活的特性,在游戏开发和互动内容创作领域发挥着举足轻重的作用。 作为一款顶尖的游戏引擎,Unity3D内置了先进的物理引擎——PhysX。这一物理引擎堪称业界翘楚,能够为开发者提供全方位、高精度的物理模…...

PyTorch之nn.Module与nn.functional用法区别
文章目录 1. nn.Module2. nn.functional2.1 基本用法2.2 常用函数 3. nn.Module 与 nn.functional3.1 主要区别3.2 具体样例:nn.ReLU() 与 F.relu() 参考资料 1. nn.Module 在PyTorch中,nn.Module 类扮演着核心角色,它是构建任何自定义神经网…...

2024.06.24 校招 实习 内推 面经
绿*泡*泡VX: neituijunsir 交流*裙 ,内推/实习/校招汇总表格 1、校招 | 昂瑞微2025届校园招聘正式启动 校招 | 昂瑞微2025届校园招聘正式启动 2、实习 | 东风公司研发总院暑期实习生火爆招募中 实习 | 东风公司研发总院暑期实习生火爆招募中 3、实习…...

【C++】using namespace std 到底什么意思
📢博客主页:https://blog.csdn.net/2301_779549673 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正! 📢本文作为 JohnKi 的学习笔记,引用了部分大佬的案例 📢未来很长&a…...

基于ESP32 IDF的WebServer实现以及OTA固件升级实现记录(三)
经过前面两篇的前序铺垫,对webserver以及restful api架构有了大体了解后本篇描述下最终的ota实现的代码以及调试中遇到的诡异bug。 eps32的实际ota实现过程其实esp32官方都已经基本实现好了,我们要做到无非就是把要升级的固件搬运到对应ota flash分区里面…...

116-基于5VLX110T FPGA FMC接口功能验证6U CPCI平台
一、板卡概述 本板卡是Xilinx公司芯片V5系列芯片设计信号处理板卡。由一片Xilinx公司的XC5VLX110T-1FF1136 / XC5VSX95T-1FF1136 / XC5VFX70T-1FF1136芯片组成。FPGA接1片DDR2内存条 2GB,32MB Nor flash存储器,用于存储程序。外扩 SATA、PCI、PCI expres…...

Android - Json/Gson
Json数据解析 json对象:花括号开头和结尾,中间是键值对形式————”属性”:属性值”” json数组:中括号里放置 json 数组,里面是多个json对象或者数字等 JSONObject 利用 JSONObject 解析 1.创建 JSONObject 对象,传…...

盲信号处理的发展现状
盲源分离技术最早在上个世纪中期提出,在1991年Herault和Jutten提出基于反馈神经网络的盲源分离方法,但该方法缺乏理论基础,后来Tong和Liu分析了盲源分离问题的可辨识性和不确定性,Cardoso于1993年提出了基于高阶统计的联合对角化盲…...

二轴机器人装箱机:重塑物流效率,精准灵活,引领未来装箱新潮流
在现代化物流领域,高效、精准与灵活性无疑是各大企业追求的核心目标。而在这个日益追求自动化的时代,二轴机器人装箱机凭借其较佳的性能和出色的表现,正逐渐成为装箱作业的得力助手,引领着未来装箱新潮流。 一、高效:重…...

使用python做飞机大战
代码地址: 点击跳转...

Python面向对象编程:派生
本套课在线学习视频(网盘地址,保存到网盘即可免费观看): https://pan.quark.cn/s/69d1cc25d4ba 面向对象编程(OOP)是一种编程范式,它通过将数据和操作数据的方法封装在一起࿰…...

华为仓颉编程语言
目录 一、引言 二、仓颉编程语言概述 三、技术特征 四、应用场景 五、社区支持 六、结论与展望 一、引言 随着信息技术的快速发展,编程语言作为软件开发的核心工具,其重要性日益凸显。近年来,华为公司投入大量研发资源,成功…...

【微信小程序开发实战项目】——如何制作一个属于自己的花店微信小程序(2)
👨💻个人主页:开发者-曼亿点 👨💻 hallo 欢迎 点赞👍 收藏⭐ 留言📝 加关注✅! 👨💻 本文由 曼亿点 原创 👨💻 收录于专栏:…...

解锁数据资产的无限潜能:深入探索创新的数据分析技术,挖掘其在实际应用场景中的广阔价值,助力企业发掘数据背后的深层信息,实现业务的持续增长与创新
目录 一、引言 二、创新数据分析技术的发展 1、大数据分析技术 2、人工智能与机器学习 3、可视化分析技术 三、创新数据分析技术在实际应用场景中的价值 1、市场洞察与竞争分析 2、客户细分与个性化营销 3、业务流程优化与风险管理 4、产品创新与研发 四、案例分析 …...

Bridging nonnull in Objective-C to Swift: Is It Safe?
Bridging nonnull in Objective-C to Swift: Is It Safe? In the world of iOS development, bridging between Objective-C and Swift is a common practice, especially for legacy codebases (遗留代码库) or when integrating (集成) third-party libraries. One importa…...

算法训练 | 图论Part1 | 98.所有可达路径
目录 98.所有可达路径 深度搜索法 98.所有可达路径 题目链接:98. 所有可达路径 文章讲解:代码随想录 深度搜索法 代码一:邻接矩阵写法 #include <iostream> #include <vector> using namespace std; vector<vector<…...

【JVM基础篇】垃圾回收
文章目录 垃圾回收常见内存管理方式手动回收:C内存管理自动回收(GC):Java内存管理自动、手动回收优缺点 应用场景垃圾回收器需要对哪些部分内存进行回收?不需要垃圾回收器回收需要垃圾回收器回收 方法区的回收代码测试手动调用垃圾回收方法Sy…...

Spark join数据倾斜调优
Spark中常见的两种数据倾斜现象如下 stage部分task执行特别慢 一般情况下是某个task处理的数据量远大于其他task处理的数据量,当然也不排除是程序代码没有冗余,异常数据导致程序运行异常。 作业重试多次某几个task总会失败 常见的退出码143、53、137…...

YOLOv5初学者问题——用自己的模型预测图片不画框
如题,我在用自己的数据集训练权重模型的时候,在训练完成输出的yolov5-v5.0\runs\train\exp2目录下可以看到,在训练测试的时候是有输出描框的。 但是当我引用训练好的best.fangpt去进行预测的时候, 程序输出的图片并没有描框。根据…...