百度实习生前端面试面经

谈一谈面试前端实习生的感受 谈一谈面试前端实习生的感受 文章目录前言一、第一场面试1.职位地点2.面试内容二、第二场面试1.职位地点2.面试内容总结 前言 今天接受了2个面试,都是线上面试。第一个还好,第二个把我问懵逼了。咋就分别谈谈面了什么内容吧。 一、第一场面试 1.职位地点 公司是北京的公司, 在上海工作 2.面试内容 面试类型: 线上远程 自我介绍: 自我介绍这块不用详细说明,说明姓名,学校,地点,会什么技术,做了什么项目就行 面试问题(挑选有价值有难度的举例): 问:常用的设计... 阅读详情

百度实习生前端面试

这次面试的是ACG百度智能云事业群产业创新业务部的前端实习岗位,当时主要是浩泽老哥在群里招呼人了,我就投了个简历,看看寒假可以去实习。

一面

一面是在2020.11.10 15:00,面试小姐姐很漂亮哈哈,不过还是很紧张,毕竟这么久没有和面试官对线了。面试大概是50多分钟,面试小姐姐的电脑没电了,最后一个柯里化的编程题我写了之后发给小姐姐的,好家伙老紧张了,按键盘都按不明白了。不过我觉得我答的还行,除了有些紧张导致吞吞吐吐大部分都算是答出来了,一面完成了浩泽老哥就跟我说过一段时间就要二面了。这些面试题是回忆的,可能还有一些面试题我记不住了,这些问题基本上在我的博客都有,只不过都是以分析的形式给出的,所以篇幅比较长,可以试着看看,另外一定要常看博客,我就是之前写的东西还都给忘了。

  • 实现一个三列布局,使用flex、position、float实现,屏幕共享手写代码。
  • position中fixed和absolute的区别。
  • JavaScript基本数据类型。
  • JavaScript中Symbol数据类型的作用。
  • ES6的let、const与var的区别。
  • Promise对象以及async与await的作用。
  • ES5与ES6实现继承的方式,手写代码。
  • JavaScript的作用域、原型链以及闭包。
  • JavaScript中判断数据类型的方法以及分别有什么区别。
  • HTTP2.0协议的特点。
  • HTTP请求中options的用途,简单请求与复杂请求,跨域问题。
  • 浏览器的缓存机制,分别用什么请求头控制,Cache-Control属性的值,强缓存与协商缓存。
  • XSS与CSRF攻击的原理以及避免。
  • 对于MVVM模式的理解。
  • Vue的生命周期,分别在何时触发。
  • Vue中循环的key的作用,我就不该提到diff,没仔细看diff算法,然后给我自己挖了个坑。
  • Vue的diff算法,层次遍历还是深度遍历。
  • Vue中父子组件传值通信的办法。
  • Vue如何实现的数据双向绑定,在2.0与3.0有什么区别。
  • Vue-Router如何实现的路由,Hash模式和History模式的区别。
  • 编程,编写程序将数组扁平化并去除其中重复部分数据,最终得到一个升序且不重复的数组。
  • 编程,实现plus(1)(2)(3)(4)等于8。
// 编写程序将数组扁平化并去除其中重复部分数据,最终得到一个升序且不重复的数组。
var arr = [[1,2,2], [3,4,5,5], [3, 4, 5, [6, 7]]];

function flat(arr){
    let tmp = [];
    arr.forEach(v => {
        if(v instanceof Array)  tmp.push(...flat(v));
        else tmp.push(v);
    })
    return tmp;
}

var arr = [...new Set(flat(arr))]; // HashTable更好

arr.sort((a, b) => a-b);

console.log(arr)

// 实现 plus(1)(2)(3)(4) 等于 8。
function add(a, b, c, d){
    return a+b+c+d;
}

function convert(funct, ...args){
    let argsLength = funct.length;
    return (..._args) => {
        _args.push(...args);
        if(_args.length >= argsLength) return funct(..._args);
        else return convert(funct, ..._args);
    }
}

const plus = convert(add);
console.log(plus(1)(2)(3)(4));

挂面

2020-11-16是挂面,说是挂面,实际上是根本没有二面,还是称其为挂面vermicelli吧。
本来是要二面的,谁知道他们变卦了,然后浩泽老哥跟我说他们想招一个能发offer的,准确来说是准确说是明年毕业能发正式offer的,我这研一的直接就不符合要求啊。看起来准确来说是要秋招的,我这是去当实习他们不要,白瞎了我这自我感觉良好哈哈。
一面结束的时候就跟我说等着二面,这直接就变卦了,好家伙我TM直接好家伙。
再有我闲的没事询问了一下那边收到的前端简历比后端的多,并且浩泽老哥也说其实前端在之后的晋升方面可能不太有优势,不过我这学了这么长时间的前端也不合适去转后端,说不定最后我还就搞C++了呢。
想进大厂着实太难了,当年我投阿里实习简历都没给我过,现在百度实习又给我挂了,我太难了。

BLOG

https://blog.touchczy.top/
字节跳动前端开发实习生 三轮技术面面经 我投递的是头条的前端开发实习生,通过内推投了简历,差不多两天HR就打电话约面试了,整体来说字节的面试效率还是很高的,面试官人也都很好,在面试前我在leetcode刷了很多题,也看了很多其他人的面经,下面分享一下我的面试过程,下面我的回答不一定正确,仅供参考 一面(1h20m) 上来就是一道算法题 1、js数组的去重 我用了ES6中的Set,一行搞定 面试官:如果不支持ES6呢? 我:可以用循环 面试官:数组里面还可能有对象、数组、字符串呢,怎么去重 emmm后面一顿操作,在面试官的提示下还是没写出来,但是 阅读详情

相关推荐

fpga的希尔伯特变换实现

fpga的希尔伯特变换实现零.实现背景一.希尔伯特实现的基本原理2.实现1)matlab仿真1)fpga滤波器实现实现成本:fpga实现采用VIvado的FIR的IP核, 零.实现背景 因为今明工作项目需要使用到希尔伯特变换来处理问题,所以顺便就把设计流程和代码都整理下来,以便供他人使用。选用Xilinx的7系列板子,Vivado平台。 一.希尔伯特实现的基本原理 希尔伯特变换的物理意义十分简单:...

weixin_42219690的博客 1万+

百度前端4轮面试经历,期望薪资20+,涨幅double

敏捷开发:分很多方向,主要是平台方向,商品相关,pc、移动、小程序、B端商城后台,主页、列表页,详情页相关,我们这边也是有低代码平台的,我们有我们的建站平台,店铺的页面,商品详情页,这些都是可以配置开发的,也是有不同的主题。3、对于不同版本的组件,组件肯定有它内部维护的数据,例如一个图片,或者是一个表格之类的,会有一个url内容,那如果组件升级了,那组件里面的数据结构发生了改变,你们对数据合并这一块有什么处理吗?7、编辑态的时候,比如说左侧肯定会有一些组件,拖拽的时候会拖入到画布区,你们是怎么渲染出来的?

架构师干货 1744

手把手教你用Simulink搭建DSOGI-PLL模型(附完整代码下载)

本文详细介绍了在Simulink中搭建高鲁棒性DSOGI-PLL模型的完整工程实践指南。针对传统锁相环在非理想电网下的不足,文章深入剖析了双二阶广义积分器锁相环(DSOGI-PLL)的核心原理与优势,并提供了从模块构建、系统组装到参数整定与测试验证的全流程手把手教程,附有完整代码下载,助力工程师应对谐波、电压跌落等复杂电网工况。

weixin_29223603的博客 388

2024年前端最新腾讯、百度、小米、网易等前端实习面经(含面试题及解析),准备前端面试

四轮技术面+一轮hr面结束,学习到了不少,面试也是一个学习检测自己的过程,面试前大概复习了 一周的时间,把以前的代码看了一下,字节跳动比较注重算法,面试前刷了下leetcode和剑指offer, 也刷了些在牛客网上的面经。大概就说这些了,写代码去了~祝大家都能收获大厂offer~开源分享:【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】篇幅有限,仅展示部分内容7.补充下面代码() {// TODO 请实现对应代码逻辑,每调用一次返回值都会加1})();``// -> 1。

xcbyaya的博客 1251

如何制作poster以及下载poster模板

目录 前言 一、poster 二、制作软件 1.常用软件 2.专用工具 3.模板下载网址 总结 前言 随着会议的发展,参与国际会议成为研究工作展示的重要途径。poster逐步成为一个方面专家交流的重要工具。本文主要简单介绍一些poster的制作工具。 一、poster Paper, presentation, poster是deadline期间作者的三座大山。poster的内容较小,但内容都是论文中的干货。 二、制作软件 一般来说,制作poster使用PowerPoint.

yiyang14的博客 2万+

116、影像质量主观评价方法论:标准场景与专家判读

本文探讨了影像质量主观评价的方法论,强调标准场景构建和专家判读体系的重要性。作者基于15年行业经验指出,仅靠客观指标无法保证观感质量,提出四类标准场景(灰阶、肤色、纹理、动态)的构建原则和四种专家判读维度(通透性、干净度、自然感、流程化)。文章揭示了主观评价中的常见误区,包括光源单一性、个人判读偏差、显示设备影响等,并建议建立多专家交叉验证机制和主观评价数据库。最后强调主观评价是可标准化的专业技术,需要将人眼感知转化为可追溯的技术参数。

sundong_81的博客 39

2024年最全分享一位同学的阿里、百度前端面经(1),字节Web前端面试必问

秋招即将开始,校招的朋友普遍是缺少项目经历的,所以底层逻辑,基础知识要掌握好!而一般的社招,更是神仙打架。特别强调,项目经历不可忽视;几乎简历上提到的项目都会被刨根问底,所以项目应用的技术要熟练,底层原理必须清楚。这里给大家提供一份汇集各大厂面试高频核心考点前端学习资料。涵盖HTML,CSS,JavaScript,HTTP,TCP协议,浏览器,Vue框架,算法等高频考点238道(含答案)!开源分享:【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】高级前端工程师必备资料包。

2401_84619530的博客 688

面向 ABAP 开发者的 Joule 实战:把 AI 带进 Eclipse 的每一次敲键

本文介绍了SAP推出的ABAP开发AI工具套件Joule for developers,重点解析了其代码补全、自然语言对话、代码解释、测试生成等功能如何融入ABAP Cloud开发全流程。文章提供了具体的使用场景和操作示例,包括RAP应用开发中的建模辅助、代码理解、测试生成等环节,并分享了实用的提示词模板。同时强调了启用授权等实施细节,帮助开发者将AI能力转化为实际生产力而非演示效果。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 461

xml解析,2024年最新百度前端社招面经

面试前要精心做好准备,简历上写的知识点和原理都需要准备好,项目上多想想难点和亮点,这是面试时能和别人不一样的地方。还有就是表现出自己的谦虚好学,以及对于未来持续进阶的规划,企业招人更偏爱稳定的人。万事开头难,但是程序员这一条路坚持几年后发展空间还是非常大的,一切重在坚持。为了帮助大家更好更高效的准备面试,特别整理了《前端工程师面试手册》电子稿文件。前端面试题汇总网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

2201_75604341的博客 1072

web渗透--9--识别web应用框架

1、概述 Web框架指纹识别是信息收集过程中的一个重要任务。获悉目标框架的类型必然为测试人员带来极大的优势,如果该框架在之前就被测试过。测试人员不仅可以获得未修补版本中存在的漏洞,还可以了解此框架中特有的错误配置以及已知的文件结构。从而使指纹识别过程显得格外重要。

武天旭的博客 5101

全网唯一OpenCyphal/UAVCAN教程(8)libcanard介绍

当Cyphal里,这个结构体代表一条完整的Cyphal消息,之后我们会根据metadata里提供的元信息,其实就是消息ID,调用对应的反序列化函数,将payload还原成具体的Cyphal消息。用于构造一个新的发送队列,原则上一个can物理接口需要分配一个发送队列,如果它们的MTU大小一致,是可以共用一条的。这个库不包含IO层,是平台无关的,意义是没有实现具体的数据收发,仅提供将发送出去的Cyphal消息转成can帧,以及将收到的can帧转成Cyphal消息。返回值是这条消息拆解成的can帧的数目。....

二进制君 2407

百度前端社招面经一

最后,一面面试的都是些基础问题,比较简单,一部分八股,手写题也是常见的一些手写。看代码回答输出:事件冒泡和 宏任务 微任务 回答事件触发顺序。cookie localStoreage 浏览器存储?看代码回答输出:一个this指向问题。左右固定,中间自适应 ,怎么实现?了解过node的事件循环吗?felx:1 代表什么。

admin_zlj的博客 447

Deeplabv3+改进1:添加CBAM注意力机制|有效涨点

我们提出卷积块注意力模块(CBAM),这是一种简单而有效的前馈卷积神经网络注意力模块。给定一个中间特征图,我们的模块会依次沿两个独立维度(通道和空间)推断注意力图,然后将注意力图与输入特征图相乘,以实现自适应特征细化。由于 CBAM 是一个轻量级且通用的模块,它可以无缝集成到任何 CNN 架构中,几乎不会增加开销,并且可以与基础 CNN 一起端到端训练。我们通过在 ImageNet-1K、MS COCO 检测和 VOC 2007 检测数据集上进行的大量实验验证了 CBAM。

AIcurator的博客 1691

BAT 前端开发面经 —— 吐血总结 前端相关片段整理——持续更新 前端基础精简总结 Web Storage You don't know js...

BAT 前端开发面经 —— 吐血总结 目录 1. Tencent 2. 阿里 3. 百度 更好阅读,请移步这里 聊之前 最近暑期实习招聘已经开始,个人目前参加了阿里的内推及腾讯和百度的实习生招聘,在此总结一下一是备忘、总结提升,二是希望给大家一些参考其他面试及基础相关可以参考其他博文: Questions of FE Web ba...

281

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

24届现在不关注了吗?还没找到工作呢?真的要毕业即失业了

本人双非本末9硕,天坑专业,工科偏管理的那种,目前签了一个工作,总包大概23w,集成电路行业,工作地。毕业快两年了但实际工作经验也就一年,想去做一个没有做过的岗位,没有相关经验,可以投招聘App上的应届。点击就送的笔试:40选择,6简答。基本没有难题,都是计算机基础,测试题占比不多,都是计算机网络,数据。想问问大家,我美团二面后进人才库,但是流程上现实一面后就进人才库了,我看牛友的二面后人才库的都会显示。不要再看hc数量就说回暖了,技术人的天真就在于相信数据都是真实的,以至于忽略了数据背后的分布。

每天多一点干货 809

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

十几家大厂前端面试总结(已拿网易 offer) ​

作者: 凤鸣于岐链接: https://zhuanlan.zhihu.com/p/36466421备注: 左下角阅读原文。内容翔实,关于答案其中有很多链接引用,强烈建议左下角阅读原文4 ...

我本可以容忍阳光,如果我不曾见过太阳,然而阳光已使我荒凉,成为更新的荒凉。 1288

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

2019暑假找实习工作经历-我太难了

从七月份开始找工作到现在终于在一家公司安定下来,路程别提多坎坷了,记录一下这几个月的心酸 好长时间没登陆了,浏览量都十万了,好开心,最近也没什么技术博客可写的,不过有一份珍藏的百度面经,2019.7最惨的三次面试经历-----百度PHP实习生面经。 今年的我真的很倒霉,各种不顺,出来找工作之前,感觉自己学的方面挺广的,应该能找到一份不错的工作,所以七月份开始投简历,PHP实习岗,此时我就发现好...

YICONGITSME的博客 2007

转载一篇百度面经

百度前端实习生面试经历2016年12月17日 11:15:36阅读数:4267说实话,这应该是自己第一次认真准备,又很在意的面试,非常感谢学长的内推。昨天从下午三点一直到晚上七点经历了三场面试,每场大约半小时左右,前两场技术面,最后一面是高级项目经理的“软实力”面试。因为我没做过服务器端,所以基本没有涉及服务器端的知识,面试完感觉面试官会根据你自己的情况出面试题,但是基本的知识点要知道,涉及的面挺...

Xieyp040的博客 302

[前端面试经]百度和好未来的面试官把我榨干了

百度和好未来的面试官把我榨干了 我,普通本科计算机专业,18年6月毕业,抛去实习,工作经验只有一年半,没想到自己临时的决定让我敲开了百度的大门,非常荣幸地成为百度的RD。 2019年最后一个月,由于当时的东家当时业务成绩不是很出色,涨薪变得困难,所以当时决定抽出时间学习然后出去探探风,遂整理简历并高效学习,同时在求职APP上有针对性的投递简历,没想到第一周就有面试电话打了过来,于是请了一周年假,准备开始面试。 一周时间一共面试了三家公司,没想到三家公司全都拿到了offer,除了一家上海的企业涨幅没

全栈道路 9090

2016届校招 百度WEB前端研发【实习生+提前批】面试经历

2016届校招,实习生面试,后转为提前批面试,拿到提前批offer

(ง •̀_•́)ง 4469

百度前端实习生面试(连跪之旅)

去百度面试基础架构部的前端开发实习生,感觉应该跪得很惨。百度上海研发中心挺偏的,离张江还挺远的,还要打车过去。到了百度那边门卫管的挺严的,还要面试官来接。后来,就一个程序员来接我,也就是我的面试官。后来就在他们三楼一个休息的地方开始面试。首先就是自我介绍了,然后就是blabla我一些经历项目而已了。他强调了了一下前端相关的项目经历,但是讲道理我是真心没有前端的项目经历,所以也说不上什么。唯一做的也就

neal1991的专栏 2744

2017年6月百度前端实习生面试问题

主题: 百度前端实习生面试面试时间: 2017年6月一面:问基础当时我正在与我的工作流技术(大三的一门很坑很坑的课)决一死战,结果突然就打电话过来面试,我当时整个人都蒙了~而且最坑的是~我的外卖刚跟我说到楼下了,然后就来面试了。。结果,我的外卖被偷了!!!!重点了一份。动画有哪些以及区别 实现一个loading动画 如果动画卡顿了怎么办(使用translate) 要放置一个200X200的图片,图片

github_39133192的博客 802

前端实习生笔试_2017年百度前端实习生面试笔试经历

前几天收到一封百度发来的邮件,大意是说招实习生。浏览了一下岗位,只有 FE(前端,Front End)比较熟,就拿了以前的一份简历改了改投过去了,结果第二天就通知面试(完全不给准备的时间啊)。面试的地点是百度奎科大厦,上地那边。下面具体讲讲面试的细节吧,想必也是大家比较关心的。笔试10 道 JS 题,10道 HTML/CSS题,可以选做,一个小时的时间。具体题目内容和网上流传的各种前端面试题都差不...

weixin_39989159的博客 382

腾讯2017校招实习生面试总结 腾讯实习生面试经验 (已拿offer)

从三月份开始,就投入了紧张的校招实习生准备当中。因为自己深知这次机会的重要性以及必要性。一开始,只锁定了腾讯和阿里的内推。三月初,在支付宝师兄的帮助下,成功获得内推资格。师兄给了很多建议,支付宝可能更喜欢问架构、设计以及思考相关的问题。实际上,这样开放性的考纲更难去复习。因为自己本科一直使用Java开发,读研期间,在百度实习用的是PHP。所以,复习的时候基本是突击Java高阶与虚拟机相关的知识点。...

doleria的专栏 3万+
上一篇: 根据身高重建队列
下一篇: ed命令
WindRunnerMax
博客等级 码龄9年 515粉丝 492原创
评论 6
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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