微软招人要"三好" 员工可以装蚊帐

本文介绍了微软研究院沈向洋博士的经历,以及研究院的招人情况。微软招“三好”生,即数学好、编程好、态度好,会尽力帮助态度不好但有能力的学生。招聘流程包括笔试、电话面试、现场面试,一两周内给答复。虽招博士生和硕士生多,但厉害的本科生也会招,还提到IQ测试题和面试技巧书的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

[作者简介]

沈向洋,39岁,上海浦东人,13岁进入南京工学院(现东南大学),之后去香港大学获得硕士学位,娶了一位香港太太;后来又在美国卡内基梅隆大学获得了机器人专业的博士学位。

沈博士是计算机视觉和图形学研究的世界级专家,加盟微软研究院之前,曾在DEC公司剑桥实验室及苹果公司交互媒体实验室工作。

我们招新式“三好”生

有什么理由说动别人加入微软研究院?

沈向洋(以下简称“沈”):人以群分吧。我当年毕业后加入微软美国研究院,不是为了挣钱,只有一个原因———那里牛人太多了。我自己做图形学,得国际最高奖的四五个人都在微软,去了之后自然要跟他们交交手。他们有一种偶像的作用。在你年轻时,如果能进入一个能向别人学很多东西的新环境,为什么不呢?

你们招收什么样的人?

沈:收“三好”生,但我要歪解“三好”:第一数学好,第二编程好,第三态度好。说说“态度好”。今天的科学研究,很“不幸”的一点就是靠一支笔、一张纸立马成名的机会越来越少。各种软件不见得是一个人写出来的,而是一个团队讨论出来的。所以,你愿意和别人合作,觉得可以从别人身上学到东西的“态度”就很重要。

我碰到过一个清华硕士生,他做学问非常厉害,和他讨论问题,常常有被他逼到墙角的感觉。他的态度更好,边上同学有问题,他愿意花自己的时间跟人家讨论,和人家一起提高。我看后很感动,回家跟太太讲:上帝太不公平了,怎么可能有人IQ超过180,EQ又这么高!后来我给他写推荐信去麻省理工学院,基本上就一个意思:This guy is a genius.

如果一个学生数学编程都很好,但态度不好怎么办?

沈:我们这里有些黑屋子嘛!(笑)其实,来这里实习或工作都是一种机会,我们会尽力帮助他。但待在这里也许只是他人生中很短的一部分。他自己要意识到:走上社会态度不好,对他一生的职业会有很多负面影响。

反过来,如果有些学生数学、编程好到一定程度后,IQ提高不上去了,但态度很好,也是可以培养的。每个学生都是好的,关键是老师能不能创造一个好的氛围培养他。

只要牛,本科生也招

微软招人的流程是怎么样的?

沈:今年会招100名应届毕业生,相当一部分会进入新成立的互联网搜索技术中心。笔试筛选后,我们会对外地应聘者做电话面试,如果觉得不错,会邀请你飞来北京面试。面试时间比较长,通常要花上一整天,从早上到下午,从一个房间到另一个房间,综合考察各种技能,包括编程、基础知识、创新精神等。然后在一两周内你就能得到明确答复,我们不希望拖太久。

是不是很少招收本科生?

沈:是少一点,通常博士生占60%,硕士生占35%多。但有聪明的人,随时都可以招,只要你厉害,甚至高中生也可以。

4年前我们招过一个北方工业大学的学生。他来实习时,有人跟我说他很厉害,写程序和打游戏一样快!我一看果然不错,问他几年级?他说大四。我说你别在大学里“浪费”时间了,赶快到微软来工作吧。他一毕业,我们破例收他做助理研究员,现在已经是副研究员。

他曾经做过水波的模拟仿真程序,盖茨在每年一次的全公司大会上会选3个程序做演示,2年前就选过他这个。他现在也就25岁吧。

微软有很多著名IQ测试题,比如窨井盖为什么是圆的之类,你怎么看?

沈:我曾经说,考这种IQ题很“危险”。如果一个很优秀的学生没做出来,恼羞成怒,说沈老师我考考你怎么样?那就非常“危险”了!(笑)

不过大规模招人时,会有点用,可以判断一个人思路清不清楚,先淘汰一批非常差的。研究院最初招人时,考过很简单的数学和统计,比如生男孩生女孩的机率,有些人概念不清的,第一轮就被刷掉了。但到了一定程度后,这些就不代表什么了。

市面上有很多教授面试技巧的书,你觉得要看吗?

沈:要看的。技巧也很重要,不应该小看技巧。中国人过去讲“是金子都会发光”,但在现代社会里,学习一些技巧也很重要。

希望培养5000名实习生

如果学生想来实习呢?

沈:我们有“明日之星”实习生计划。研究院有12个研究组,全年不断招学生,通常以硕士生、博士生居多。他们得到学校导师同意后,在我们这里实习3个月或更长时间。学生申请后,我们会看他的成绩,也会做电话面试。还有一点,我们很看重老师和同学的推荐信,如果推荐信都很中肯,说他好,会很有帮助。

但这次接受了一个本科班来实习?

沈:上海交大ACM试点班来研究院实习,是我们的一次大胆尝试。我们以前对本科生的科研培养,胆子还是小了一点。其实可以做一下“实验”,来一两个月,如果不成功也没关系,忘掉这个经历好了。事实上,这个班的本科生进入项目的速度很快,“实验”很成功。

培养实习生对你们来说为什么那么重要?

沈:6年多下来,有2000多个学生在我们这里实习。如果我能再当七八年院长,15年下来大约能有5000个学生来实习。如果有十分之一的人,也就是500人能成为科学家,500人里再有十分之一成为一流科学家……我们研究院如果能培养出50个这样的一流人才,比什么都重要。如果里面有5个人还记得我的名字,我会非常欣慰。

做软件可以做到50岁!

国内和国外的学生有些什么区别?

沈:差距还是蛮大的。一是常说的创造力比较差———我们缺乏让学生做头脑风暴、做Presentation(演讲)的教育体制。第二,很多人说中国学生的数学、物理比美国人好,其实不是这样。我在麻省理工、斯坦福见到的美国优秀学生,一点不比中国学生差。所以我们在国内这样讲,是自己安慰自己。

头脑风暴有什么好方式?

沈:比如我们研究院,非常强调互相挑战,讨论问题时要“猛批”。不批,就看不出问题里的对与错。我们有“白板文化”,房间里到处有白板,大家任何时候都可以在上面写Idea。

但很多人觉得做研究太辛苦了。

沈:其实,不管做什么,都要Havefun,要Enjoy,科研只是人生的一小部分而已,如果你觉得科研很辛苦,根本不喜欢,完全没必要走这条路。如果你想清楚了,我们可以来讨论一下怎么做科研。

有人说软件人才吃的是青春饭,你怎么看?

沈:好像说我每天装得很青春一样!(笑)比尔·盖茨19岁下海开公司,做到今年50岁;微软也成立30周年了,仍然领先于整个行业。这样看来,做到50岁还可以继续,我自己离50岁还有很远距离,我对自己充满信心!研究院员工的平均年龄是29到30岁,编程不光是脑力活,也是体力活,很辛苦。所以微软吃饭免费,饮料也免费,希望大家在能量上得到补充。

 沈向洋的英文名字叫Harry,和“哈里·波特”同名。他领导的微软亚洲研究院,就像哈里·波特待过的霍格华兹学院一样,也是一座“魔法”学院。

微软亚洲研究院工作基本在“娱乐”

“研究院基本上没有在工作,而是在‘娱乐’。”11月1日,在研究院举办的“二十一世纪的计算”国际学术研讨会上,沈向洋半开玩笑。

微软亚洲研究院成立于1998年11月5日,使命是让未来的计算机能够看、听、学,用自然语言和人类交流。所以在这里工作你可以充分“想象”5到15年后的技术,而不用为急着开发市场新品苦恼。

研究院主要有5个研究方向:新一代多媒体,新一代用户界面,无线及网络技术,数字娱乐技术,互联网搜索与数据挖掘。看看这些研究项目是不是很好玩:智能数字墨水、机器辅助翻译、数字聚会和数字地铁、人脸识别技术、虚拟舞蹈和虚拟乐队指挥、Lifestyle游戏……

研究院的办公氛围宽松。只要便于研究创新,员工可以自由布置隔间。瞧,装蚊帐、装帘子,这个布置够另类吧?

### 使用TensorFlow计算与三好学生评选或评价体系相关的权重值 对于涉及多因素综合评判的问题,如三好学生的评选,通常涉及到多个评估指标。这些指标可能包括学业成绩、社会活动参与度、品德表现等多个方面。为了利用TensorFlow来构建一个能够自动学习并调整各评估标准之间相对重要性的模型,可以采用一个多层感知机(MLP)架构来进行建模。 考虑到该问题是关于对学生进行全面素质评定的任务,这属于典型的监督学习范畴内的回归或多分类问题之一,具体取决于最终输出的形式——如果目标是预测具体的分数,则视为回归;若是划分成不同等级则为多类别分类[^1]。 #### 构建模型 首先定义输入特征向量`X`,它包含了所有用于衡量学生成绩的因素,比如考试成绩、课外活动评分等。接着设定标签`Y`表示期望的结果,即是否被评为三好学生或是其对应的具体得分。之后创建一个多层神经网络,在这里选用两层隐藏层作为例子: ```python import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Dropout model = Sequential([ Dense(64, activation='relu', input_shape=(input_dim,)), # 输入维度需根据实际数据集确定 Dropout(0.5), Dense(32, activation='relu'), Dropout(0.5), Dense(output_units, activation='softmax') # 输出单元数量依据任务性质决定 ]) ``` 此处假设最后一层采用了Softmax激活函数,适用于当输出为离散型变量的情况,例如将学生划分为几个不同的荣誉级别。如果是连续数值类型的输出,则应选择其他合适的激活方式,像线性激活函数。 #### 编译与训练模型 编译阶段指定了损失函数以及优化算法的选择,这对于指导模型参数更新至关重要。针对三好学生这样的分类问题,交叉熵常被用来测量预测分布和真实分布之间的差异程度。而对于回归类问题,则更倾向于均方误差(MSE)这类度量准则。 ```python model.compile(optimizer='adam', loss='categorical_crossentropy' if classification else 'mse', metrics=['accuracy'] if classification else ['mae']) history = model.fit(X_train, Y_train, epochs=epochs_num, batch_size=batch_sz, validation_split=val_ratio) ``` 通过上述过程中的反向传播机制,TensorFlow会自动调整每一层内部连接上的权值大小,从而使得整个系统的性能达到最优状态。在这个过程中形成的那些最终权重就反映了各个影响因子在整个决策流程里所占的重要性比例。 #### 提取权重 一旦完成了模型的训练,就可以访问每层内含有的可训练参数,进而获取到想要了解的重要系数。对于Dense层而言,可以通过`.get_weights()`方法获得当前层所有的权重矩阵W及其偏置项b。 ```python for layer in model.layers: weights, biases = layer.get_weights() print(f"Weights shape {weights.shape}, Bias shape {biases.shape}") ``` 以上就是基于TensorFlow框架下实现对类似于三好学生这样复杂对象进行量化评估的方法概述,并展示了怎样从中提取出具有解释意义的关键权重信息。
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