面试记

Ubuntu 22.04 安装 IsaacLab 2.1.0 本文介绍了IsaacLab的完整安装流程:1)创建Python3.10虚拟环境;2)安装PyTorch2.5.1(CUDA11.8);3)升级pip并安装IsaacSim4.5.0;4)克隆IsaacLab仓库;5)运行安装脚本(需接受EULA)。若遇cmake缺失错误,需执行sudo apt安装。安装完成后可通过Ant-v0训练任务验证,成功运行后将显示IsaacSim窗口和训练完成提示。注意:IsaacSim不同版本可共存于不同环境。 阅读详情

打高中起,每次坐在考场上,都无比欣慰的感叹:“嗯,考试,是一个很好的学习的机会。”

坐在考场上,抓耳挠腮的时候,才会抓紧时间去弄懂那些公式,那些原理,才会去思考那些问题,才会去书写那些文字。

到今天,已经面试了三家公司,都没面上,一起的女同学,陆续都有面上的,直接就职了。


第一场,“第一场嘛,刚开始嘛”抱着走过场儿的态度。我的面试题只有一页,快结束了才发现还有第二页,又要了,到交的时候根本没做完。

当然,你没有态度,别指望别人对你有态度。然后的人事不面试,之前一点都没有准备,自我介绍就了几句不着边儿的话。。。第一场面试就这样没有了下文。过几天才知道,同去的有一个被通知参加复试了。


第二场,首先是项目经理很随意的面试,偌大的办公室,找了个空地儿,他站着靠在办公桌上就开始了,第一个问题是hashmap里的key值可以重复不?我脱口而出可以,然后他又问,如果插入(A,B)再插入(A,C),通过A去value值,你取到的是什么?我又脱口而出,C。矛盾了。。。这个问题很失败,key是不可以重复的,重复的插入会被覆盖。

用jdk本身的map是实现不了这种情况: 有重复key 但是不需要新的映射值value覆盖先前的value。

public interface Map<K,V>将键映射到值的对象。一个映射不能包含重复的键;每个键最多只能映射一个值。

自然继承一下HashMap,改写它的一个方法就ok了

Java代码

 

import java.util.*;   
 
class MyHashMap extends HashMap   
{   
    @Override  
    public Object put(Object key, Object value)   
    {   
        //如果已经存在key,不覆盖原有key对应的value ,仍然显示先前key对应的value
        if(!this.containsKey(key))   
            return super.put(key, value);   
 
        return null;   
    }   
}   
 
public class TestOne   
{   
 
    public void printMap()   
    {   
 
        Map map = new MyHashMap();   
 
        map.put("1", "1");   
 
        map.put("2", "2");   
 
        map.put("3", "3");   
 
        map.put("1", "4");   
 
        Iterator it = map.keySet().iterator();   
 
        while (it.hasNext())   
        {   
 
            Object key = it.next();   
 
            System.out.println("key = " + key + "  ;   value = " + map.get(key));   
        }   
 
    }   
 
    public static void main(String[] args)   
  {   
        new TestOne().printMap();   
    }   
} 


第二个问题,是考察,sql语句中的group by,having,order by,他说,他只是考察我知道用这些不,,,二我支支吾吾又是没有答上来。平时做项目,用的是得心应手,被问到了,倒是答不出来了。然后是总经理的面试,首先两三分钟自我介绍,我嘟嘟的说了一堆,有点紧张,后来想想,hr能听得到头绪么。。。。。

第二次失败了。


第三场,技术官对着我的简历挨个问的,首先问的是servlet的流程,我错答成了servlet的生命周期。

    通过HttpServlet去开发servlet,需要重写doGet、doPost方法。这是目前用的最多的一种方法。

        写一个java类继承HttpServlet类,重写dopost和doget方法,在web.xml中注册这个servlet,和添加映射。     

       

 

Servlet处理的流程

1、客户端使用浏览器提交对Servlet的调用的Get或者Post请求
   从浏览器端输入地址就为Get请求
   通过一个链接的请求(表单)就是一个Post请求
2、服务器接到请求后,如果该Servlet是第一次被调用,实例化这个Servlet
3、服务器调用该Servlet对象的service()方法
4、Servlet产生动态回复内容
5、服务器发送回复内容给客户端得浏览器

  Servlet的生命周期分为四个阶段
1,创建Servlet对象,通过服务器反射机制创建Servlet对象,第一次请求时才会创建。(默认)
2,调用Servlet对象的init()方法,初始化Servlet的信息,init()方法只会在创建后被调用一次
3,响应请求,调用service()或者是doGet(),doPost()方法来处理请求,这些方法是运行的在多线程状态下的。
4,在长时间没有被调用或者是服务器关闭时,会调用destroy()方法来销毁Servlet对象。

可以通过web.xml文件可以配置Servlet对象的创建时间,
<load-on-startup>数字</load-on-startup>,表示服务器启动时创建,并依照数字大小按顺序创建,只用重要的Servlet才会是用这个设置。

可以通过<init-param>标签来配置初始化参数,可以用ServletConfig对象的
getInitParameter(String name)方法来得到参数。
 
<init-param>
<param-name>...</param-name>
<param-value>...</param-value>
</init-param>


   然后 问了:  表单提交数据get请求 和post请求的区别 

            1:从安全性看get<posst ,get提交的数据会在浏览器的地址栏显示

            2:从提交的内容大小看,get<post, get提交的数据不能大雨2K,而post提交的数据理论上不受限制,但是实际编程中简易不要大于64K 

            3:从请求相应速度看:get>post,get要求服务器立即处理请求,而post请求可能形成一个队列请求。


    然后又问了一些关于项目的问题,看见我的简历上写的有ajax技术,问我在项目中如何运用ajax技术,我简单的说了一下用的购物车的页面无刷新修改上。没有顺便讲一下ajax技术的原理。

           ajax是一种网页开发技术,是一种用于创建更好更快以及交互性更强的 Web 应用程序的技术。

  通过 AJAX,您的 JavaScript 可使用  JavaScript 的 XMLHttpRequest 对象来直接与服务器进行通信。通过这个对象,您的 JavaScript 可在不重载页面的情况与 Web 服务器交换数据。
  AJAX 在浏览器与 Web 服务器之间使用异步数据传输(HTTP 请求),这样就可使网页从服务器请求少量的信息,而不是整个页面。
  AJAX 可使因特网应用程序更小、更快,更友好。


 最失败的是,问我js,我居然说是前台技术,给避开了。回来一想,这个完全可以谈很多的。

        javascript是一种很灵活的脚本语言,是一种能让你的网页更加生动活泼的程式语言。

       它的内置对象:Number 、String、Date、Boolean。

       JavaScript 被用来改进设计、验证表单、检测浏览器、创建cookies,等等。


明天,第四场,加油。不一定能成功,但是我 会进步,理解的也越多。

三维重建(十三)——多视角重建 本文综述了多视角三维重建技术,涵盖静态和动态场景的重建方法。介绍了从图像获取到纹理映射的SFM流程,以及非刚性重建(NRSFM)的挑战和解决方案。重点探讨了基于可微渲染的重建方法,以及数据采集策略、相机标定和同步技术。文章还讨论了如何用单视角相机模拟多视角重建,总结了关键技术和未来研究方向。 阅读详情

相关推荐

EndNote20保姆级安装教程:从下载到汉化一步到位(附闪退解决方案)

本文提供EndNote20的详细安装与汉化教程,涵盖系统准备、分步安装、路径优化及闪退解决方案。针对科研人员的需求,特别优化了中文环境下的使用体验,确保文献管理工具的高效稳定运行。

weixin_30415113的博客 342

淘宝面试记

最过三个星期的面试,人生的第一次转折终于尘埃落定,虽然过程很平坦,但还是颇有感慨。 有喜就有悲,其中拒了四个公司的offer,其中有一家实在是不情愿,而且自己还有些失落,不过为了自己的目标,选择去杭州淘宝。人生就是这样,很多东西是缘分注定了的。 先说下我自己的情况,本人毕业三流二本大学,非计算机专业,因个人兴趣而走向java这条路,其中也经历过培训机构,但个人感觉培训机构教的太浅,而且更

dimly113的专栏 3万+

QMT量化交易实战:如何用通达信预警数据自动买卖股票(附完整Python代码)

本文详细介绍了如何利用QMT平台对接通达信预警数据,构建自动化股票交易系统。通过完整的Python代码示例,展示了从数据获取到订单执行的全流程,帮助投资者实现量化交易策略的自动化执行,提升交易效率。

weixin_29234423的博客 210

W面试记

目录前言1.穿着2.简历表3.自我介绍4.面试123567891011121314尾声 前言 前不久博主的一个朋友W去面试某家公司的实习生岗位,因为W是第一次面试,所以发挥的并不好。 今天W跟我分享了他的面试过程,为了在以后的面试中不踩坑,便有了此文。 因为时间有点久远,W的回忆出现了混乱,所以部分内容经过了我的艺术加工。 以下皆是W的叙述,为了生动形象,能更具体地体会W的心情,这里我用第一人称写 1.穿着 去面试的时候,我里面穿一件T恤,外面披一件外套,然后裤子就一条牛仔裤。看了其他和我一起去面试的人,大

这是笔者初学时所做的笔记,有错误的地方太多了,有些结论也只是笔者的一家之言。请自行判断 6369

基于STM32设计的电能质量控制系统_353

本项目基于STM32F103RCT6微控制器设计了一套电能质量控制系统,实现了对火焰、烟雾、环境温湿度、电压、电流及功率等多项参数的实时监测与报警。系统通过MQ2烟雾传感器、火焰传感器、SHT30温湿度传感器及电力参数采集模块采集数据,采用高电平触发有源蜂鸣器进行异常报警。采集的数据通过ESP8266无线模块以AP+TCP模式上传至基于Qt开发的手机APP和电脑上位机,实现远程实时监控和历史数据管理。系统配备1.44寸LCD显示屏,实现本地数据显示。软件采用Keil5开发,采用寄存器编程方式,提高系统响应速

253

基于Lumerical的1550 nm InGaAs/InP与InGaAs/InAlAs APD设计与功率饱和度优化

摘要 本研究利用Ansys Lumerical软件对1550 nm激光雷达应用的InGaAs/InP和InGaAs/InAlAs雪崩光电二极管(APD)进行仿真设计与优化。通过FDTD光学仿真获取光吸收分布,结合CHARGE模块的电学仿真分析暗电流、光电流及雪崩增益特性。重点研究了两种材料体系的性能差异,并针对近距离强反射导致的功率饱和问题提出结构优化方案。仿真结果表明,InGaAs/InAlAs APD具有更优的过量噪声特性,而优化的电荷层设计可显著提升器件的功率饱和阈值。研究提供了完整的仿真流程与代码实

huanghm88的专栏 97

记一次面试

一面——技术初试 Springmvc执行流程 给定产品顺序,求所有出栈顺序(笔试的题,当时没做出来,拿出来问的) 输入字符串,判断数字、字母、空格、其他字符的个数(在线编程5分钟) 类加载机制 数据库锁有哪几种 synchronized放在哪几个地方,可以用来修饰什么 线程安全的集合说2个 并发:一个synchronized修饰的静态方法,一个synchronized修饰的普通方法,可以并发执行吗 io与nio区别 SpringBoot和SpringMVC 区别 TCP过程(三次握手、四次分手) TCP沾

root_zhb的博客 762

【纯实战】C#基于TCP/IP实现三菱PLC MC协议完整通信(含完整源码+通信原理+避坑指南)

MC协议是三菱电机为旗下MELSEC系列PLC量身定制的以太网专用通信协议,本质是一套基于TCP/IP的应用层协议规范,专门用于实现上位机(PC/工控机)与PLC之间的双向数据交互,支持对PLC的软元件(X/Y/M/D/W/T/C等)进行读、写、批量读写等核心操作,同时支持PLC状态查询、程序启停等控制指令。重要:三菱PLC的MC协议默认基于TCP 4999端口通信,部分新版本FX5U/Q系列也支持TCP 5000端口,核心通信逻辑一致。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 896

华为python面试_记华为面试

之前在华为官网上投递了华为的车联网岗位,不过华为没有理我。后来华为来同济开宣讲会,给了一个邮箱,顺手就又给车联网部门投递了一个邮件。然后上周一个电话过来叫我周六早上去他们上海的总部面试。华为还是很受高校学生欢迎的,当天去的时候发现来面试的依然还是全都是上交复旦同济的学生。不过华为的面试安排流程不是很好,效率很低,本来是10点面试。整个流程走完拖到了下午两点。原因是华为面试分为初面和终面,终面是部门...

weixin_39976413的博客 1014

QT自制TCP服务器

TCP服务器 网络调试助手

大脑曝光 3627

31.华为路由器:PPPOE配置模拟实验及NAT配置

实验环境 pppoe-client上面的接口信息 [AR1]dis ip interface brief *down: administratively down ^down: standby (l): loopback (s): spoofing The number of interface that is UP in Physical is 2 The number of interface that is DOWN in Physical is 1 The number of interface

迷逝 8117

记一次失败的面试记!

今天去一家公司面试了的,职位J2EE开发! 和面试官(GG)谈的真是失败! 下面是面试官的聊天记录! GG问:我有没有做过多线程? 我:摇头! GG问:有没有做过JAVA MAIL? 我:摇头! GG问:有没有做过SWING? 我:摇头! GG问:有没有做过Web Services? 我:摇头! GG:有没有用过Struts? 我:心...

ThomasYang 348

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

记Thoughtworks一次糟糕的面试

Boss直聘上投了TW,三月某个周二的下午,TW电话过来。问一下离职原因,我说目前业务方向不对。HR介绍了一个TW,问从哪些途径了解TW等。谈到TW的分享文化,我表示我在团队里面也经常分享。这样,你情我愿,上车了。HR说给我发一个Homework,让我三天内完成。 我回来查看一下邮箱,初步评估了下,Homework嘛,应该不是什么大项目,4小时内可以完成吧,就答应了周五晚...

weixin_34358092的博客 2811

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

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")

记一次前端面试

1.前言 被别人面试了这么久,这一回,我终于有机会能面试别人啦!首先声明来面试的是一个大四的女生,HR和我说笔试成绩还可以,叫我过去面试看看是否真的有实力。 2.从面试看怎么准备 拿着电脑赶忙过去会议...

setsunadoudou的博客 117

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

记华为面试

点击上方“逆锋起笔”,选择“星标”我们一起「在看」作者:BBBBBigOrange来源:简书整理:君未读作者:BBBBBigOrange链接:https://www.ji...

code小生 3889

无领导小组讨论面试真题解析(七)—— 荒岛逃生记

经典题目及参考答案(三) 荒岛逃生记 题目背景:       私人飞机坠落在荒岛上,只有6人存活。这时逃生工具只有一个只能容纳一人的橡皮气球吊篮,没有水和食物。   角色分配: 1、 孕妇:怀胎八月 2、 发明家:正在研究新能源(可再生、无污染)汽车 3、 医学家:经年研究爱滋病的治疗方案,已取得突破性进展 4、 宇航员:即将远征火星,寻找适合人类居住的新星球 5、

生命不息,奋斗不止,女神经程序员进阶ing 6万+

记一次面试腾讯的奇葩经历

阅读本文大概需要 2.8 分钟。作者【黄小斜】文章来源:【程序员江湖】上回说到,我腾讯面试出师不利,简历随即进入备胎池,不过没过多久,转机还是来了。大概是一周之后,我的电话响起,号码来自腾讯,于是我接起电话,电话那头果然是另一个部门的面试官,这个部门是负责做腾讯游戏的一些数据仓库的,也就是我比较感兴趣的数据部门。面试官大概介绍了一下部门情况,又和我约了面试时间,于是乎我又重新...

weixin_33805557的博客 153

记一次失败的面试

干开发六年了,说长不长说短不短,开发人员可能不是在焦虑中就是在走向焦虑的途中吧.前些日子更新了一下简历(并未投递),隔天收到一公司面试邀请,想了想,去呗,看看外面什么情况. 面试官人不错,可以说是面试官里的段子手.进来就问我对公司什么想法--外面只坐着两位老兄.呵呵. 稍作介绍不表. 问,有没有参与从0开始的项目? --有,不过不多 问,有没有参与技术选型? ...

weixin_30751947的博客 252

记应届生华为远程视频面试经历

今天是华为的远程视频面试(技术面),因为我是考完研投递的简历,所以在第一次面试这一块,确实没准备好,应该是给挂掉了,下面我分享一下流程与经验。 首先,我以为是会让我自我介绍,然而却没有,面试官直接看我的简历,问了我哪些专业课,都是干什么的,因为我是通信工程专业的,然后我就真的很天真的说了自己的专业课有些啥,然后问我哪些是和计算机相关的。这时候我就明白我错辽,因为我面试的云计算工程师,而我自顾自的...

冬泳乖鸽的博客 8073

记一次Java面试1

记一次Java面试经历(大概的问题)自我介绍是面试的第一步Java基础是必须面的数据库是要考的框架不是会用就可以的算法多多少少要意思意思 自我介绍是面试的第一步 因为目前还没有毕业,也没有实习经历,所以简单的介绍了大学的课程,专业,在学校做的一些小东西,然后还有说了一下毕设。 Java基础是必须面的 封装继承多态等(多态当时没说好记混了) Java线程方面的 集合里面list,set,map区别 hashmap底层原理(数组加链表,红黑树) Java虚拟机内存模型优化啊什么的。可以和线程一起讲。 这部分可以

qq_42985657的博客 161

记关于今天的面试

今天是大连松下面试......虽然是面试,但是好像大概也许,不像其他面试那么让人紧张吧。 因为四个面试官以前在松下班都见过面了,而且康姐也在场,所以,不怎么紧张。 面试前几天,康姐就告诉我们要准备好多好多东西.......包括正装、日文简历、日文自我介绍还有什么乱七八糟的....... 对于正装这个东西......我是真心不喜欢,而且我妈也不喜欢,所以她没给我买,我也没买,所以我也没穿...

第七殿堂 760
上一篇: 改变下拉列表的值 追加显示到文本框中
weixiao21
博客等级 码龄16年 16粉丝 10原创
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
 
 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