GlMe面试总结

seek上看到广告,基本每项要求都可以达到,包括bonus的要求。

有针对性的修改简历,apply的时候,广告已经登了10天,感觉有点晚,还是投了。

在线提交了cover letter 和 resume,三个小时收到了面试邮件。

提前去看了公司网站,了解了公司情况和网页上的问题。

准备了6页面试问题,包括对公司现有网站的建议,2个回问公司的问题,个人情况方面的问题,工作相关和行为方面的问题。后两项是重点。

周一11点面试,10点50进去等待,不久business manager 和 it manager开始面试。

寒暄:来ade多久,什么签证,是否允许工作,何时到期,未来有否旅行计划

进入正题:it manager 询问工作相关问题,来之前做什么,设计是否独自完成,我解释了工作流程(未准备),可否前端开发,可否写jq插件。最开始有点小问题,他提到不需要我做后端的工作,我听成问我后端工作怎样,有点尴尬。bm问我做了很多game有关的工作,是喜欢还是,我答是业务需要。为何我学的是economics做这份工,怎样的过程,我的工作经验技术哪里来的。im问一共做了多少项目,是否可以设计logo,然后bm简单介绍了公司和项目情况,主要三块,在线答疑,在线商店,在线保险。我表示项目很好,有兴趣。

参观:两人交流后带我去工作间,他的办公室,和机房看了一圈,期间聊了ade,北京,马尼拉天气,问我觉得ade怎样,在机房我和im核实了后台语言。

结束:bm取了张名片给我,本周末前给我消息,我表示了对工作的兴趣,谢谢,然后离开。晚上发了感谢邮件。

后续:第二天发来邮件,非正式offer,下周见面详谈,应该包括合同和项目详情。

总结:
准备了没问的问题包括 网站建议,问他们的问题,薪水,行为问题。感觉比较直接,确定签证没问题后,就只了解技术问题。原因可能公司规模小,投简历和面试的人少,没有hr参与,另外我的portfolio和简历他们基本满意。

没准备问了的问题包括,工作流程等,需要充分准备。工作能力和沟通技能有待展示和提高。
% 加载数据 data = readtable('wages.xls'); % 提取每个个体的 LWAGE 时间序列 [Sub, ~, idx] = unique(data.Sub); num_subs = length(Sub); T = 7; % 每个个体有7个时间点 % 构建时间序列矩阵 income_series = zeros(num_subs, T); for i = 1:num_subs income_series(i, :) = data.LWAGE(data.Sub == Sub(i))'; end % 标准化(Z-score) income_series_std = zscore(income_series); k = 5; [idx, ~] = kmeans(income_series_std, k, 'Distance', 'sqEuclidean', 'Replicates', 5); % 可视化聚类结果(使用 t-SNE 投影) Y = tsne(income_series_std); gscatter(Y(:,1), Y(:,2), idx); title('KMeans 聚类结果(t-SNE 投影)'); legend('Cluster 1', 'Cluster 2', 'Cluster 3', 'Cluster 4', 'Cluster 5'); % 添加 Cluster 标签到原始数据表 data.Cluster = repelem(idx, T); % 每个 Cluster 重复 T 次 data.Cluster = categorical(data.Cluster); % 添加滞后 Cluster data.LaggedCluster = data.Cluster; % 初始化为 categorical 类型 data.LaggedCluster(:) = <undefined>; % 全部设为 undefined for i = 1:num_subs id = Sub(i); idx_i = data.Sub == id; cluster_seq = data.Cluster(idx_i); % 将滞后值赋给当前个体,第一个时间点保持 undefined data.LaggedCluster(idx_i) = [ <undefined> ; cluster_seq(1:end-1) ]; end % 删除第一个时间点缺失数据 data = data(~isundefined(data.LaggedCluster), :); % 删除第一个时间点缺失数据 data = rmmissing(data); % 构建模型公式:当前 Cluster ~ 滞后 Cluster + 时间变量 + 个体固定效应 formula = 'Cluster ~ 1 + LaggedCluster + T + (1|Sub)'; % 使用广义线性混合效应模型(GLMM)进行建模 glme = fitglme(data, formula, 'Distribution', 'Multinomial', ... 'Link', 'logit', 'FitMethod', 'Laplace'); % 显示模型结果 disp('广义线性混合效应模型结果:'); disp(glme); figure; for c = 1:k subplot(k, 1, c); plot(0:T-1, mean(income_series(idx == c, :), 1), '-o'); title(['Cluster ', num2str(c), ' 代表性收入趋势']); xlabel('时间 T'); ylabel('平均 LWAGE'); end 这段代码运行不了,请优化
08-15
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