应届毕业生简历的常见问题

撰写有效IT简历

这两天收到很多同学的简历,发现很多同学的简历有很多问题,可能很多同学对简历怎么写也有很多疑问。我(@程显峰-Mars)这里写一点我自己作为雇佣方的一些感受,希望对同学们有所帮助。当然由于我工作的性质,可能主要针对的是IT类技术人员的,尤其是计算机科学专业的同学。

* “肯吃苦”没啥用

第一,我们雇用你不是让你来吃苦的。我们个希望雇佣一个快乐工作的人,他或她能做自己喜欢的事情并且能感受到工作所带来的快乐。

第二,“肯吃苦”只是一种形容,即便是真的,我们也很难证实,除非和你工作一段时间,所以你要找些更加容易证实的资料给我们,比如你“肯吃苦”后获得的某些成果。

第三,我本人不太在意自我描述性的话,多数情况下都忽略了这部分。要知道我一个小时要看200份左右的简历,我真的要忽略很多东西。

* 吹嘘自学能力

“自学能力强”绝对是简历里面的高频词,所以也就没什么值得高兴的了。你要知道,你写了,别人也写了。问题是你的自学能力体现在哪里呢?很多同学学的都是老师或者实验室安排好的任务,仅仅是自学了一点点知识,可是你要知道谁不是呢?空洞的陈述,缺少具体详实的示例,我怎么能相信你呢,或者说我该相信谁?自学能力首要体现在自发,不是自发的学习是一种特别低级的被动完成,我不喜欢和这样的人共事,所以当我看到你被迫自学成才时我就会躲得远远的。

* 拿“高科技”炫耀

很多同学觉得自己的某些项目搞得好高端,非常有技术含量,闪耀着诸如“航天”,或者“下一代通信系统”这样的词汇。其实你心里清楚,那些词汇和你真的没有半毛钱关系。我并不排除真的有极少的同学做了一点点真正相关的东西,但是这些同学用不着把简历投给我吧,早就有很好的出路了吧。一个非常不幸的事实就是看简历的这个家伙原来真的是学航天的,还真是不太好糊弄。所以你还是省省吧,写点儿特别接地气的东西。

* 不娱乐自己

我看的简历大部分有种非常浓重的哀怨笔法。你是在找工作,应该算是一个比较高兴的事儿吧,当然你可能真的非常不高兴,那你为什么要做自己不高兴的事儿呢?为什么还把这种不高兴的情绪带给读你简历的人呢?很多人罗列了好多东西,但是我看不出来他或她对自己这些东西哪怕一点点的喜欢之情。你不喜欢你自己做的东西,你叫我怎么喜欢你。你要招聘一个怨妇天天对着我哀婉叹息么。你学习的课程是别人安排的,你做的实验是别人指派的,你完成的论文是老师指定的,你干了什么事情是你想做的呢?你的简历看上去就是一个别人逼迫你做的事情列表。我看到是一个毫无灵魂的人。我希望你热爱编程,甚至有些痴狂,你应该充满好奇心,喜欢动手解决身边的问题。你看上去应该是一个对自己非常满意的人,有自己的想法期待与别人交流。你的简历应该让我感受到你快乐的气息,让我喜欢你,让我特别想找你聊一聊。永远记住打动不了自己的东西永远打动不了别人,简历也一样。

* 高学历怎么了

你以为高学历是优势么?我真的不这么认为。高学历能证明什么呢?证明你原来学得不好需要继续学习,证明你学得不够找不到工作,证明你心里不成熟害怕及早面对社会?不要天然地认为学历高就高人一等。你学历高,别人也不低,要是没有什么特别研究经历,不要过分强调自己多念了几年书。所有的招聘者都知道中国教育的现状,所以不必自作聪明加以粉饰了。你应该证明自己不是一个失败的产品,而不是强调你被加工了多久。

* 项目经验又如何

这些项目是你主动参加的么,这些项目有真正的用户在用么,你是用户么?都不是,那这个项目还有啥意义。千万别写你做过什么XXX管理系统,第一没啥技术含量,第二根本没人用你的狗屁系统,第三证明你不会别的东西。这就好比你在简历里写“你会吃饭”,我就会隐隐地读到“你只会吃饭”。所以你要小心啊,写的项目是为自己添光彩的,不是用来毁灭自己的。

* 自己不看的论文就算了

你写的论文你自己看么?不看?那就不要写了。为什么浪费时间呢?你的论文和你要找的工作有什么关联么?所以还是别浪费笔墨了,介绍一下那些你也感兴趣我也感兴趣的东西。

* Matlab/Lingo不算啥

其实大部分Matlab的水平太一般了,这么说吧,我上学的时候使用Matlab做过这些事情:实现了完整的一套有限元分析软件,基于遗传算法的飞机机翼截面优化,导弹的六自由度仿真。我不精通Matlab,有N多模块我都没用过,我相信大部分人也不精通,别说自己精通,说自己用Matlab做什么了就可以了。具体而明确说说自己的经历,再比如写“精通C++编程”就不好,“用C++写了个贪吃蛇”就好很多;“精通Linux编程”就不好,“会使用gdb,strace,valgrind等调试工具”就非常好。Lingo也就是个工具,不会的人不会觉得神奇,会的人更不会,Lingo手册的每一个字我都看过,“精通Lingo”的同学看过么?所以不要炫耀自己的技巧,没啥好值得骄傲的。

* 国家项目和你没关系

你在国家项目里学到什么了?没学到,那还是算了吧。你还想做国家项目么?想,那我们肯定不是你想来的地方。国家项目是你做的么?真的么?有用处么?你心里不清楚么?你想“骗了自己骗了我”,这不是搞笑么。重要的是你学到了什么,而不是你和国家项目的关系,你学到了就是你的,你和国家项目其实“没关系”。

* 你的靓照你自己留好

你的照片想说明什么呢?证明你是个人类,而非机器?我们因你的能力和才华而雇用你,而不是你的长相。换句话说,我们并没有相貌歧视,我们也希望你也没有这种歧视(可能我们有点丑,有点自卑,哈)。照片和你的才华是无关的,所以不需要出现在简历里。我们同样也没有性别、年龄、信仰方面的歧视,相反我们欢迎各种各样有才华认同我们价值的人,所以这些方面的介绍也是完全不必要的。

最后用一句话说明我对简历的理解:

You are what you have done.

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