面试腾讯实习

【实习面试】阿里&腾讯offer的点点滴滴(内附干货) 前言4月8号下午6点,突然接到腾讯hr的电话,本来已经不抱希望的我一脸懵逼,差点连自我介绍都不会说了。之所以不抱希望,是因为距离上次面试已经9天了,然而正式的实习生面试将近(4月10号),想着如果8号(周五)再无消息,也便不用再等了。于是那些天又把《剑指offer》和一些复习资料刷了一遍,然后就开始放弃复习了。前前后后,近1个月的面试战线,其实总共就面了阿里和腾讯两家。 (网易互联网笔试被拒。。。 阅读详情

       很纠结地在一面被刷了,实在是被打击了。过了一个星期的流浪生活,回来一直在调整心态,重新定位。

       计划是很简单的,去找参加笔试,有过就面试,没过就回来,腾讯实习生共有一轮笔试三轮面试,很是麻烦。

笔试:

       在4月6号下午收到笔试通知,意料之中哈。就很快地买了大巴票,晚上八点开始上车,经过一夜在第二天早上六点抵达广州(第一次坐卧票的车,挺舒服的,就是空调太吵,害我睡不着觉 = =)。来到广州,人生地不熟,四处问华南理工大学,发现车站旁边就是华南理工,进去逛了一个多小时才发现不是这个校区 = =。笔试地点是广州大学城的华南理工大学,又坐了一个多小时的公交车终于在笔试前赶到。

       笔试是所有开发方向的做同一份卷子,这让我有些意外,那么针对岗位的知识应该是在面试的时候问了。

       笔试签了保密协议,不能贴出题目了。笔试题的范围很广,以数据结构和算法题为主,还有不少关于编译及操作系统的题,有些题是挺偏的,平常很少注意到。最后有两个附加题,在排成绩时不算入总分,而用于面试时面试官参考。第一题数组处理题,有各种时间及运算限制,(这个题在考完后才想出解法= =。纠结),第二题是海量数据处理,没怎么看。笔试给我的感觉,它考查的主要不是专业知识,更多的是思维的灵活。

笔试后:

       笔试完了,按计划去深圳找实习中的学长寄宿。广州的地铁实在让我印像深刻,各种路线,各种出口,刚到广州实在是看得晕头转向,还好遇到了好心的华工的学妹帮我带路,真的非常感谢她^_^。

2020腾讯视频实习生面试 2020腾讯视频实习生面试 能获得腾讯视频技术部所给出的实习生面试机会,真的很感激我的一位素未谋面过的学姐。何德何能,能获得腾讯公司的面试资格。那我从获取面试机会到一面和二面开始说起。 腾讯暑期实习生开招,到官网上看了一下,填了技术方向的简历,前三步,都是基本信息,我很快填完,但是到了最后一步,一看我就有些发愁,需要填写学生干部任职情况,奖学金情况,参加比赛的经历以及证明。当时我就劝退了,无奈大学... 阅读详情

相关推荐

腾讯实习生面试经验

本文介绍了本人以及一个同学面试腾讯的过程和面试的一些题目,希望对有进入腾讯的实习生起到一定的帮助

u011365209的专栏 3570

腾讯的三轮面试(web前端)

笔试就不说了,说多了都是泪,选择题基本不会,幸好填空题和附加题都拿下了,貌似最后78分。   【一面】~=110分钟  2013/04/24 11:20  星期三 进门静坐30分钟做题。 填空题+大题+问答题 >>填空题何时接触电脑 何时接触前端运算符 字符串处理 延时 display position XMLHttpRequest 正则Jquery绑定事件 cooki...

weixin_34082789的博客 1718

腾讯面试——算法实习面试总结

介绍简历上的工作,详细讲了一作的论文,非一作的直接跳过介绍简历上的项目,说到CRF as RNN模型的时候,面试官问你们的训练数据量远少于语义分割,具体是如何训练以及对抗过拟合的,是否有用到pretrained model大部分做主流CV任务的网络参数量都太大了,不适合直接迁移将VGG换成了UNet => 追问,为什么换常规的数据增强 => 有哪几种Adversarial training => 追问了具体实现方法 => 参考了ICLR 2018 Sinha et al的工作。

FPGA/MATLAB学习教程/源码/项目合作开发 713

从事Android开发工作三年,跳槽腾讯,三面斩获Offer定级T2-1

前言 时间过得飞快,一代又一代就这么成长了起来,曾经的95后备受争议,如今的95后进入社会,扮演者各行角色,成为了行业顶梁柱,今天,要分享的是自己的成长经历。今年24岁,毕业之后进入一家小型的互联网公司工作,名字就不说了,算是熟知的,在这家公司呆了3年,直至今年才有了跳槽的想法。 每个人都拥有大厂梦,我也不例外,在小公司待久了,感觉人会荒废掉,太轻松,没有压迫感。在众多大厂中,最终选择了字节跳动。“年轻、活力、富有激情”是我听到得最多对它的形容词,所以毅然决然,希望自己能够在这个舞台上展示出自己。 ..

鸿蒙开发知识记录 1725

研究生课程笔记:软件包在流行病学中的应用(三)——STATA软件

关键词:STATA软件基本操作、STATA对于流行病学研究的实现、STATA对复杂抽样设计样本量计算的实现 一、STATA软件基本操作 这部分网上教程有很多,也可以直接根据stata自带的help功能进行自学,在此只记录课程中提及的功能项。 1. 变量编辑 1.1 赋值:label type(按精度区分) 1) 整型:int(32), short(16), long(32) 2) 实型:flo...

weixin_45463530的博客 2432

基于航天宏图PIE-SAR软件的高分三号(GF-3)SAR影像的预处理

软件官网 航天宏图—国内领先的卫星运营与应用服务提供商(官网) 一、数据导入 数据导入-GF-3-根据模式选择 参数文件导入解压后GF-3数据的XML文件 通道自动填充 设置输出目录 确定 等待,加载图像、自动构建金字塔 二、复数数据转换 强度/幅度特征是SAR影像最主要的特征之一,基于SAR强度/幅度影像可以提取地物目标信息,因此需要将SAR复数数据转换为SAR强度/幅度数据。导入输入影像,设置参数类型,输出目录、命名、类型; 漫长的等待 三、多视 为提...

weixin_52127098的博客 9004

字节腾讯三轮社招面经(附个人回答)

背景 本人2本毕业,目前工作四年,一直是Java。做的都是些二线公司,没做过一线。四年跳了三家公司。在家休息了几个月,五月中旬开始面试。 字节跳动 由于跳槽过多而且已经是淡季的原因。内推的我的字节哥们儿,推了不知道多少个部门,从字节海外电商推到教育线简历都由于频繁跳槽都挂了。最后才被广告营销捞了起来(而且居然是个Java部门)。这里还是奉劝大家跳槽不要像我这么频繁,唉。另外大厂,建议找人内推。这是我第一次面字节,也是今年第一场面试,各种意义都算是初体验了233。 字节跳动1面: 一面是

gu1857035894的博客 3517

用Python+LLM实现小说自动转剧本:从爬取到生成的完整实战指南(附GitHub源码)

本文提供了一份完整的实战指南,详细介绍了如何利用Python和大语言模型(LLM)构建一个自动化的小说转剧本工具。文章从网络爬虫获取文本开始,逐步讲解了使用LLM进行智能解析与结构化、集成专业模型进行情绪分析与动作生成,最终合成并输出格式规范的剧本文档。通过模块化架构设计和附带的GitHub源码,帮助开发者掌握从数据获取到内容生成的全流程,实现高效的小说剧本转换器。

xray4的博客 419

腾讯2017校招实习生面试总结 腾讯实习生面试经验 (已拿offer)

从三月份开始,就投入了紧张的校招实习生准备当中。因为自己深知这次机会的重要性以及必要性。一开始,只锁定了腾讯和阿里的内推。三月初,在支付宝师兄的帮助下,成功获得内推资格。师兄给了很多建议,支付宝可能更喜欢问架构、设计以及思考相关的问题。实际上,这样开放性的考纲更难去复习。因为自己本科一直使用Java开发,读研期间,在百度实习用的是PHP。所以,复习的时候基本是突击Java高阶与虚拟机相关的知识点。...

doleria的专栏 3万+

3D视觉-激光三角测量法的概述和原理

激光三角法位移测量的原理是,用一束激光以某一角度聚焦在被测物体表面,然后从另一角度对物体表面上的激光光斑进行成像,物体表面激光照射点的位置高度不同,所接受散射或反射光线的角度也不同,用。激光三角测量法是一种通过图像采集系统采集被测物表面漫反射的激光轮廓,进而基于设备已知的相对位置通过算法处理,获得被测物表面的三维轮廓数据,进而还原目标物体三维空间信息的方法。采用激光三角原理和回波分析原理进行非接触位置、位移测量的精密传感器, 广泛应用于位置、位移 、厚度、半径、形状、振动、距离等几何量的工业测量。

qq_20660115的博客 3923

SCCM实战指南:从零搭建企业级Windows自动化部署平台

本文提供了一份详细的SCCM实战指南,手把手教你从零搭建企业级Windows自动化部署平台。内容涵盖环境规划、AD架构扩展、SQL Server配置、SCCM主站点安装,以及最终实现操作系统镜像的自动化部署,旨在帮助IT管理员彻底告别手动装机,实现高效、规范的Windows设备批量管理。

weixin_29251337的博客 638

腾讯实习的面试经历

<br />十九号和舍友来到西安,准备晚上七点参见腾讯公司在西安电子科技大学的宣讲会,来到西电新校区,在附近找了个休息地方,七点来到西电的图书馆发现没一点貌似要开宣讲会的场面,一问知道宣讲会是在西电老校区,汗….刚过去也来不急了,于是就联系了西安的几个同学玩了个通宵,呵呵...疯狂吧。第二天就来到了西交大,同样也是七点的宣讲会,听完宣讲会,一个感觉:西电、交大等名校的学生就是牛B,貌似自己没戏了,心情一个字:沉重。<br />         等了两天即四月二十三号,腾讯西安区的笔试时间到了,在网上查了一下

strivingboy专栏 1351

LSTM 双向 Bi-LSTM

LSTM 双向 Bi-LSTM

jacke121的专栏 1519

2015年腾讯暑期实习面试

大3下学期,是时候考虑暑期实习的问题了。对于IT男来说,进BAT实习是梦寐以求的。     我们学院的传统是能自己找到暑期实习,就能免去暑假在9#的10天强制性实习。     以前的学长学姐,有去百度,去哪网实习的。我也从3月份就开始,跟着实验室的一群哥们找实习,有内推的机会就好好准备面试。 正文从这里开始 !-)     4月份初,参加鹅厂的在线笔试,题目大多是设计网络、数据结构和系统等

whisper 2093

perl 安装DBI和DBD

还可以从cpan.perl.org站点下载tar压缩文件形式的源代码发行版本,解压缩后,切换到相应的文件目录 cd DBI-1.54 perl Makefile.PL make make test make install 安装DBD时候 需要export ORACLE_HOME 验证安装: perldoc DBD::Oracle perldoc DBI 在线文档; perldoc -m

zhaoyangjian724的专栏 1756

YOLOv9分割训练自己数据和推理训练好模型,并教你使用Labelme工具标注数据(附YOLOv9分割模型结构图),全网最详细教程

YOLOv9 通过研究数据传输时的信息丢失问题,提出了可编程梯度信息(PGI)和通用高效层聚合网络(GELAN)架构,提高了参数利用率和模型性能。与 SOTA 方法相比,GELAN 仅使用传统卷积算子即可实现更好的参数利用率。PGI 适用于从轻型到大型的各种模型,使从头开始训练的模型能够获得更好的结果。YOLOv9 被评价为新的 SOTA 实时目标检测器。接下来本文手把手教你训练自己分割数据集和推理训练好的分割模型。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 1495

腾讯实习生面试-笔试

腾讯实习生面试-笔试 之前投了腾讯的实习生,因为已经找到实习的原因,给拒绝了,不知道后来为啥又给我发了面试邮件我也想试试,结果就去了。 然后面试的话面试官问的问题很广知识很基础,还问到了web安全。。。。。我是真没想到啊全程蒙蔽… 面试完以后接着就让笔试,发了3道笔试题 如下: 看起来有点简单,但是对于我这个算法小白来说 第一题难度跟山一样,可能数据结构没学好吧, 哈哈哈。 后来答出来发给了面试官 还不错。 第一题(自己当时写的贼复杂,这是参考的别人的) const linkListReverse =

qq_41976264的博客 1056

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

腾讯前端实习生面试经历

有点沮丧,两面技术面都过了,在boss面非技术面试的时候莫名其妙地被刷了。下面详细说下这次经历,总之,收获颇多

子毅的前端卢浮宫 3957

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

2017腾讯暑期实习生从笔试到面试总结(附带华为、阿里面试经历)

背景说明 个人情况 本人是武汉大学计算机学院2014级的本科生一枚,在写这篇总结的时候我是大三。本来我们班是规定了有固定的实习的,但是自己闲着蛋疼,抱着试一试的想法参加了几个公司(腾讯、阿里、华为)的暑期实习生招聘。 本文目的 这里想记录一下几个公司的暑期实习生招聘的流程以及一些常问的问题,一来是自己总结一下经验,二来是想给以后的学弟学妹们一个参考,在准备面试的和笔试的时候

木子的博客 4万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

腾讯2020暑期实习后台开发面试经验及技术栈

前言 前一段时间参加了腾讯提前批的面试,也算是试了试水。遇到了一些问题,现在整理出来,也算是做个总结,以后不要再犯同样的错误。参加这次提前批面试,主要是通过电话和视频面试进行的。我将从岗位需求,简历书写及面试内容等方面先介绍。然后罗列出面试过程中遇到的问题,供大家参考。关于提前批的问题: 岗位需求 腾讯有很多不同的岗位,就软件开发而言,又会细分为后台开发、PC客户端开发、移动客户端...

Tyler_Zx的博客 7930

腾讯2018日常实习一面(电话面试)

以此文纪念笔者人生中的第一次面试,也就是腾讯日常实习的远程面试。说实话,是真的紧张,到现在都还有点懵。 回过神来,决定记录下这次面试的过程,以便日后的回顾。 首先,我是在腾讯招聘官网投递的简历。简历状态变更,到给我发消息约定面试时间这个过程大概过了五天左右。 面试时间是询问我后,约定在次日的晚上九点。由于在笔者的学校这里没有腾讯的面试点,所以是远程面试。而也如前辈们的经验一样...

dazhongshuo1167的博客 1229

腾讯技术运营(实习生)面试总结

刚刚面完腾讯的技术运营岗(实习生),十分钟结束,但收获颇多,下面说说面试过程 作为第一次参加面试的小白,尽管是远程面试,在HR爸爸的拷问下我还是慌了! 在腾讯会议上面试的,HR说提前开始,我问还开摄像头吗??? 刚开场思绪就不清晰了,来了这么一句,气氛有点小小的尴尬(手动捂脸) HR让我先做自我介绍: 我描述了一下自己来自哪个学校、哪个专业、现在是大三,自己在校外参加CCIE培训的经历还有学习过与...

heng139的博客 6709

(已拿offer)腾讯实习生笔试到面试总结(附带华为阿里面试经历)

导读:快到暑假了,有不少读者还是学生,想找一份实习,好的公司,只能说是好的起点,不能代表全部。公司强大,不代表个人一定强大,小公司同样也有大牛,不羡慕,不虚浮,脚踏实地,今天,分享一位拿到腾讯实习生offer的经历 个人情况 本人是武汉大学计算机学院2014级的本科生一枚,在写这篇总结的时候我是大三。本来我们班是规定了有固定的实习的,但是自己还是想向国内顶尖的互联网公司冲击一下,所以抱着试一试的想法参加了几个公司(腾讯、阿里、华为)的暑期实习生招聘。在腾讯应聘的职位是后台开发实习生,阿里和华为应聘的是J

GQH498的博客 1万+

腾讯2016实习生面试经验(已经拿到offer)

忐忑了好几天,今天终于收到深圳总部的电话,同意录用我为2016年实习生,感觉整个天空都放晴了。给大家说说我的面试经历吧,我投的是软件开发——应用开发方向。一、校招流程投递简历->在线笔试->一面技术面->二面总监面->HR面->offer   每个环节都有可能被刷,今年HR面也刷了很多人,如果你通过了HR面还是有很小的几率拿不到offer的,因为腾讯会根据面试情况给所有通过面试的人做一个综合排名

7万+
上一篇: 两个指针(位置)的妙用
下一篇: Ubuntu 搭建FTP服务器
AstrayLinux
博客等级 码龄15年 55粉丝 38原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值