算法废物跳槽记

作者 | Icecreamwuming 来源 | 无名氏的胡言乱语

点击下方卡片,关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近30个方向学习路线

>>自动驾驶前沿信息获取自动驾驶之心知识星球

本文只做学术分享,如有侵权,联系删文

非干货篇:认知准备

跳槽决策原则

跳槽的首要目标是比现在的槽更好,好的评判标准既可以是涨薪幅度大,也可以是其他的诸如工作压力更小、发展前景更好。千万不要一冲动就跳槽,跳槽是有风险的,有可能你上家公司1095你还觉得累,下家直接007了,另外跳槽意味着新的环境、新的同事、新的leader,这都是你要付出的隐藏代价。如果这点想清楚了再往下看,否则建议直接滑走。

前期准备清单

  • 算法题库(150-200题):

    • 📚《无名氏:万字秋招算法岗深度学习八股文大全》,https://zhuanlan.zhihu.com/p/667048896

    • 📚《无名氏:秋招算法岗手撕代码题合集》,https://zhuanlan.zhihu.com/p/666849216

    • 必刷:hot100 + 高频题

    • 推荐资料:

  • 学术化简历

    • 撰写框架:项目背景→核心贡献→量化成果

    • 🎁 模板获取:WX公众号「无名氏的胡言乱语」回复"简历"

  • 话术演练

    • 跳槽动机应答公式 = "发展空间 + 技术匹配"

  • 求职渠道

    • 优先级:脉脉直聊HR > 官网投递 > 猎头

    • ⚠️ 猎头弊端:公司需要给猎头费,增加企业用人成本 → 降低录用概率;另外现在牛鬼蛇神都能当猎头。。。


干货篇:实战指南

薪酬体系解构

  1. 涨幅基准

  • 参考依据:银行流水 + 公积金比例(例:12%→7%需补偿)

  • 合理区间:常规20%+,司龄长涨幅更高

  • 🚫 禁忌:现司调薪未满6个月者难获认可涨幅

  • 谈薪策略

    • 非目标公司可作薪资谈判筹码

    • 协调目标公司最后发offer

    • 核心资本:多offer互搏

    • 战术要点:

  • offer避坑清单

    • 薪资结构:试用期时长/薪资折扣(如影石8折)

    • 福利细则:五险一金比例(有些公司会暗中少交)/年假/年终奖发放规则

    • 隐藏条款:竞业协议/年假折算/实际工作内容/作息(虽然但是还是实地考察或拖熟人问清楚更好)

    操作注意事项

    1. 社保续接:离职日建议选15-20号(确保当月缴纳)

    2. 竞业防御

    • 低调处理去向(尤其拼xixi等敏感企业)

    • 仅告知可信人员

  • 背调应对

    • 提前与直属领导达成离职共识

    • 预留2周交接期


    结语

    跳槽最大收益并非涨薪,而是职场议价权的觉醒
    ✅ 摆脱"必须工作满X年"的思维桎梏
    ✅ 建立"Not a big deal"的从容心态
    ✅ 不惯着公司,大不了就跳槽,掌握反制企业不合理行为的底气


    附录:手撕代码题精选

    1. k-means + 三数之和(蔚来感知算法岗)

    2. 带重复数字的二分查找(LeetCode 287,赢彻)

    • 问题:n+1数组找唯一重复数(1~n范围)

  • 一维数轴可达性(赢彻)

    • 规则:第k步可左/右走k步,求达坐标x的最少步数

  • 多起点多终点最短路径(微软)

    • 场景:n*n网格含障碍物,多起点→多终点,求每个起点到终点的最短距离。

  • 有效三角形计数(数组组合问题)

  • 2D IoU手撕(美团无人车)

    • 进阶:旋转IoU计算思路

  • 平行线覆盖判定(美团无人车)

    • 给定点集能否被两条平行线覆盖?

  • 手撕二维卷积(小马智行)

    • 这题一看就是小马智行才能出得出来的题,手撕代码合集里也有这道题。实际是个套壳版:给定n*n 的格子,某些格子中有炸弹,你可以在格子中行走,若距离d(整数)范围内有炸弹,则该格子不安全,求安全格子的数量。

  • 跳跃游戏(LeetCode 55,文远知行)

  • 自动驾驶之心

    论文辅导来啦

    自驾交流群来啦!

    自动驾驶之心创建了近百个技术交流群,涉及大模型、VLA、端到端、数据闭环、自动标注、BEV、Occupancy、多模态融合感知、传感器标定、3DGS、世界模型、在线地图、轨迹预测、规划控制等方向!欢迎添加小助理微信邀请进群。

    知识星球交流社区

    近4000人的交流社区,近300+自动驾驶公司与科研结构加入!涉及30+自动驾驶技术栈学习路线,从0到一带你入门自动驾驶感知(大模型、端到端自动驾驶、世界模型、仿真闭环、3D检测、车道线、BEV感知、Occupancy、多传感器融合、多传感器标定、目标跟踪)、自动驾驶定位建图(SLAM、高精地图、局部在线地图)、自动驾驶规划控制/轨迹预测等领域技术方案、大模型,更有行业动态和岗位发布!欢迎加入。

    独家专业课程


    端到端自动驾驶大模型、VLA、仿真测试、自动驾驶C++、BEV感知、BEV模型部署、BEV目标跟踪、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、车道线检测、轨迹预测、在线高精地图、世界模型、点云3D目标检测、目标跟踪、Occupancy、CUDA与TensorRT模型部署、大模型与自动驾驶、NeRF、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频

    学习官网:www.zdjszx.com

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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