最近招聘面试的一些感悟

本文分享了在面试Java开发者时发现的问题,强调了基础知识的重要性,并提出了对3年经验开发者的基本要求及期望。文章指出,许多开发者对基础知识如类加载、hashCode和equals方法等理解不足,同时对比了不同经验级别的开发者在面试表现上的差异,探讨了解决问题能力和知识储备对其职业发展的影响。
由于公司扩张,最近一直忙于公司招人,所以就来说一些自己的感悟吧。
首先说说我们招人的标准吧,重基础,次框架。我个人认为,一个基础好的好人,无论新上手何种框架都容易,而且对于一般的开发人员来说,框架会基本的使用就行了,也不需要他研究的有多深,比如说Spring,怎么配置bean,怎么注入Bean.即使一个不会Spring的人,你教一次,他也就会。而要深入,系统的去学习某框架,这需要由他自己平时去系统学习,碰到问题的时候深入源码去研究。

      一般我面试都会问面试者,最近2年技术方面看过那些书,而假如洽好自己又看过,就会对书中的一些观点,内容进行讨论。如果没有看过,也会问面试者从中掌握到了什么。关于这个问题,在上百的面试者中,有刚毕业的,有工作3,5年的,90%的人都说平时不看书,有9%的人都会说《JAVA编程思想》,而这9%的人,基本对书中的一些知识点答不上来(比如类初始化的顺序),只有1%的人,读过3本以上书。

    比如JAVA中的类加载的双亲委托(派)机制,在这些上百面试者之中,只有那微乎其微的人能讲的出来。更有甚者,工作3,5年经验的人,连这个概念听都没有听过,简直令人汗颜!
   再比如hashcode()和equals()方法的关系以及各自的作用,何时需要重写equals()方法,或者说为什么重写equals()方法,能说的很清楚的人也是微乎其微。
   再比如看简历上写有4,5年经验,做过项目设计,那好,我们来谈谈面向对象的理解吧,这个问题是个开放性的问题,每个人都有自己理解,但是大多数人对面向对象的一些概念理解,仍停留在刚毕业那会。 比如说:请你谈谈对聚合和继承的理解,很多人只能回答上一句:聚合优于继承。然后就没有下文了!刚毕业的孩子,稍微看一下面试题,都会这样说,可是为什么?没有其它理解了?

  当然,对于3年以下经验的面试者和3年以上经验的要求是有区别的,3年以下经验的定位主要是基本的开发工作,那么能把自己简历上写的项目讲清楚,基本的框架没有问题,就基本上没问题,然后就是根据工作经验,以及基础知识来定价而已。 但是3年以上工作经验的,往往在项目组要充当一些“老手”的角色,如果连这些基础的问题都搞不清,请问如何去指导,帮助基础开发人员?

  从面试者得出一个结论:很多人对待遇期望的是这样子的,我能做开发,而且我有3年,5年经验,你就应该给我10K+,15K+的待遇。请问你有没有清楚 自己跟1,2年经验开发人员的之间的区别?同能做开发,人家同样也能。你觉得你可以搭框架,人家也可以搭,在这个年代,在网上随便找篇博客,都可以把几个框架整合起来。  那请问,你凭什么要这个待遇,你做的事情,我招个1,2年开发经验的人就能做好,而且有些人做的会比你更好。或许你会说,我解决问题能力强,没错你说以往项目中碰到的问题,最后怎么解决的。
  
   首行,我怎么知道并不是其它人解决的,然后你说成你解决的列?而且解决问题能力是一个太好衡量的标准。
  其次,我觉得任何一个解决问题能力很强的人,必然都是有很充足的知识的储备,以及很多见识。这个知识储备,我觉得基础知识必不可少,如果一个人连Linux的基础命令都不会,他说他搞服务器的能力很强,你会信么?
   
   你不清楚聚合与继承的各自特性,给你一个场景,你能给出一个比较良好的设计?我持怀疑态度。当然,我相信做出功能,肯定没有问题,条条大路通罗马嘛。但是扩展性好么?重用性好么?你考虑过这些问题吗?

   说说几个比较搞笑奇葩事:
      当时在优快云说了一个招人的事,然后有个优快云er给我发了简历,当时太忙也就没有细看简历(当然,这是我的问题),只是大约看了一下3年经验,就约过来面试了。后来看一下他的经验全是在socket,Mina通信这方面的,然后和这个朋友大概聊了一下(没有扯技术),说你的技术长处,在我们公司得不到发挥,对你个的发展并不是一个很好的选择,而且现在是招聘旺季,3年socket经验,再找个这方面工作挺容易的,然后劝他走了。在此希望这位朋友在通信行业或是页游行业有更好的发展。

     然后前天面了一个4年从北京来深圳发展的javaer,我看他简历上写得解析xml等字眼,就顺带问了一句:解析XML有那些方式,他回答了SAX,和DOM。我问他清楚这2者各自的优劣么?然后他说不上,完全没有概念。当然,文中前面提的那些问题也基本上没有答出来。然后这位朋友期望待遇12K+,我直接告诉他面试没过。然后,我就拿了SAX与DOM的各自的优势这个题来说说,分析给他听,结果说一半,这哥们,来了一句:你说完没有,我要走了。

    好吧,我觉得这哥们挺奇葩的,以前我们刚毕业的时候,面试答不上来的题都会问一下面试官,交流一下。然后回去自己再查一下,这样就算面试不过,也会有不同方面的积累和进步。 所以我面试的时候,根据简历随性问题的一些问题,如果面试者答不上来,或是说跟我理解有些出入,我就会说说我的理解,然后交流一下。当然,这哥们没准也觉得我挺奇葩的,没过就没过,还废话一大堆。

   我觉得一个3年的javaer应该至少看过如下书:
     1.1本JAVA基础,比如《JAVA核心技术》
     2.  重构,有良好的编码习惯。我觉得这是一个程序员应该有的自我修养。
     3.  对常用设计模式有一定了解,这样会让你在写代码时更加得心应手。
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
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