七月找工作经历(十一)--M离职

本文讲述了作者在HSBC的工作经历及最终的离职过程。从入职初期的适应到与领导沟通离职,再到快速完成离职手续,整个过程充满了感慨。文章还提到了帮助过作者的同事,并以积极的态度面对未来。

要问HSBC面试情况如何,奉不可告。M离职了。进来的时候起,我就慢慢开始适就了这里的环境。沉默期都过了,开始每天中午吃饭,可以约到不少的人。刚上班的时候,坐车需要90分钟,摸了几天后,上班缩减为45分钟左右。但是要离开的时候,必须得果断。

我先约的老大在会议室,说点事。寒暄了半天,老大说:你有什么事,直接讲嘛。我说:我要离职了。我回忆:老大瘦瘦的,作为新人,每天开会的时候,他都会关照到我。但是让我震惊的是,他告诉我,M公司每个月66块的公积金,对员工来说是好事。因为公司交得少,你也交得少呀。

公司就像公交车,我公交卡没钱了,就刷了一块钱,很快就要下车了。匆匆忙忙。只是助理要忙了。这位漂亮的老乡,帮我不少忙。最后,辞职从提出到离职成功,只花了三个小时。

手续也忒多了。我和助理开玩笑:早知道手续这么多,我就不离职了.

 

到此为此。找工作序列,完毕。美好的结局。好运送给大家。

 

朋友现在住我这,找工作暂住。除了让他多尝试,不要灰心之外,其他的建议全是无用的。

 

犹记大学那段蛋疼的日子里,好悲观。朋友送了一句话:不要这样,年轻人,路长着。。。

 

好走好走。。。

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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