软件测试招聘面试小记

这篇博客记录了一次软件测试招聘过程中的点滴,包括面试者的不同情况和公司的需求。面试者中有经验丰富的测试经理,有期望转行的开发者,还有新手妈妈和寻找市场行情的应聘者。面试过程中,年龄、技能匹配度和沟通能力成为关键考量因素。

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

突然想把这几天面试的情况记下来,留爪

背景:公司有外派客户驻点开发的项目,同省异城,目前需求是短期出差,1~2周,但目测这只是理想情况,客户需求总是多变,极有可能发展为长期出差,而且省外也有订单已签,也极有可能需要人员,于是,招聘之旅正式启动

    总结招聘需求如下:web功能测试,能接受出差,有性能自动化能力当然更好

    由于众所周知的原因,本人偏好男生,奈何天不遂人愿,虽然督促人力找了几份男生简历,最终只有1人过来面试,女生倒是不少,而女生中愿意出差的寥寥无几~~泪奔

    A,在职,4年工作经验,能力不错,会一点点性能,现薪资6k,公司愿给7-7.5k,考虑中,估计还在骑驴找马中~~

    B,唯一的男生,10年工作经验,1年+测试管理,目测更偏好测试管理,奈何我们的需求是干实事的,而且他本身也没有web测试的经验,byebye~

    C,辞职生娃,现娃10个月+,还在哺乳期,别说长期出差,短期都不行

    D,也是辞职带娃,离开快2年了,娃1周+,能力满足需求,只能短期出差

    E,能力满足需求,有转需求开发的意向,现薪资自称1.1k,意向9k+,公司好像给8.5,考虑中(现单位是上海公司,打算在本地发展但目前没什么项目),好像二面没过

    F,让我想写这篇文章的最大动力,5年工作经验,居然如此之天真!本人不擅交谈,所以面试第一句话通常是请对方做下自我介绍,这姑娘没等我话音落地,就爽快地说不要这么正式吧,我们来聊一聊。我心想,什么情况,这是何方大能,这么快就要反客为主?!再聊下去,这姑娘说她去年就辞职了,回家考事业单位没考上……好吧,是个诚实的姑娘;再聊,5年的经验都是很简单的测试(她自己说的),“你知道的,在XX里面都是这样”(sorry,我不知道,我只知道你在XX的前同事我的现同事能力很不错,在XX里也不是只做简单的测试);然后,这姑娘语出惊人了,其实我也不是要应聘,主要是想聊聊,what?! OMG?!估计这姑娘也是知道自己的能力不足,想通过面试了解现在市场形势,可是,可以不要这么直白好么?你是5年工龄的人,不是刚毕业的好不好!谁闲着没事陪你聊啊。考虑到也是现同事的朋友,尴尬又不失礼貌地结束了这场儿戏闹剧,留下显示没被满足“聊天”欲望的错愕的她。出来跟人事小哥说聊不下去了,小哥也尴尬又不失礼貌地说,其实我刚刚跟她聊了几句,也觉得沟通不行

    R:其实是去年的面试者了,另一个岗位,偏向自动化和测试管理,也是我写本文的另一个大动力。此君72年出生,96年参加工作,在**地图做了8年测试经理,(传说**地图会淘汰年纪大的员工,被淘汰的不见得是能力差的,不知是真是假)。看到此份简历时,我赶紧让人力确认下他是否愿意做具体的测试工作。毕竟庙小容不下大神,姐姐也是要干活的,人力很快回复,愿意。好吧,那就试试吧,抱着膜拜的心情忐忑地开始了面试。此君举止温文尔雅,言行彬彬有礼,很有高管的派头(此处绝无贬义)。了解下来,此君离职过有短暂创业经历,结果明显是失败,之后求职,由于年龄原因处处碰壁,姿态放得很低,愿意接受任何工作需要的安排,给我的感觉也是很真诚。怀着复杂的心情安排了二面,果然领导一看简历就说这么大年纪了……最终结果也是失败,年龄是硬伤,另一个原因也是没有突出的技能

to be continued...

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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