部分岗位的要求
后端开发知识框架
1、必备技术素养
- 关注后端技术。各大厂后端技术分享、公众号、GitHub、沙龙
- 培养自学能力。掌握学习一门新技术的方法(书中学、高人聊、事上练)
- 提高团队协作能力。多参与学校活动,在活动中摸索锻炼团队分工与协作、以及与人沟通的能力技巧
- 建立工程化思维。熟悉从开发、测试到构建、部署、运维的全链路软件开发流程
- 锻炼结构化思维。锻炼从上至下、从外到里、从概括到精细的思维方式,提升目标解构和问题分析能力
- 养成良好的提问习惯。阅读《提问的艺术》,掌握如何更好的提出问题以便更快更好的获得解答
2、基础技术能力
- 数据结构与算法
- 面向对象程序设计
- 计算机网络
- 数据库原理
- 英文文档读写能力
3、专业技能能力
- 工具使用。IntelliJ IDEA、PostMan、Fiddler、Git、GitHub 等
- 后端基础知识。 Java(熟练掌握 Java 语法,了解 JVM 的基本运行机制)、Maven(了解依赖管理、构建流程的配置和运行机制)、Shell(了解常用的命令)、VI(熟悉基本的文本编辑操作)
- 后端应用框架。Spring、Spring Boot、Apache Dubbo、Alibaba Nacos、Apache RocketMQ、MyBatis、Guava
- 数据存储系统。MySQL、Redis、MongoDB、ElasticSearch 等
- 云原生技术。Docker、K8s、Service Mesh
- 应用流量管理。Nginx(了解如何通过反向代理为应用集群分配流量)
- 解决问题的渠道。Google、StackOverflow 等
前端开发知识框架
1、必备技术素养
- 关注前端技术。各大厂前端技术分享、公众号、GitHub、沙龙
- 培养自学能力。掌握一门学习新技术的方法,书中学、高人聊、事上练
- 工程化思维。开发、测试、构建、部署、运维等
- 提高团队协作能力。多参与学校活动、主动组织和发起一些活动、掌握沟通的技巧
- 追求极客精神
2、基础技术技能
- 数据结构与算法
- 面向对象程序设计
- 计算机网络
- 数据库原理
- 英文文档阅读能力
3、专业技术技能
- 工具使用。VScode、云服务、Postman、Git、Github、Fiddler
- 前端基础知识。前端三件套:HTML5、CSS3、JS/TS
- 前端应用框架。React/Vue、Antd/Element UI、Ajax/Fetch/Axios
- 后端技术。Nodejs、Express
- 运行环境。Chrome调试、Nodejs调试
- 工程化。Webpack、Babel、Vite
- 解决问题渠道。Google、Stack overflow、MDN、juejin、知乎、CSDN、medium
- 实践项目和实习机会。深入了解1、2个项目
AI算法知识框架
1、必备技术素养
- 阅读学术论文。定期浏览AI领域的研究论文,如阅读arXiv、Paper With Code等平台上发布的论文来了解最新感兴趣主题的研究进展
- 关注Github、公众号。如机器之心、新智元、githubDaily等公众号来知悉最新技术研究进展
- 关注业界动态和技术博客。关注AI领域的业界动态,订阅技术博客和新闻源,例如OpenAI、Microsoft、Meta AI、Google AI Blog、 Towards Data Science等,以获取最新的技术趋势和应用案例
- 参加线上线下学术会议和研讨会。积极参与国际、国内的线上线下学术会议和研讨会如AAAI、ACM等
- 养成制定学习计划的习惯。设定明确的学习目标和时间表,根据自己的兴趣和需求选择学习资源和教程。
- 在线资源和课程。利用在线教育平台(如Coursera、edX)和开放资源(如MIT OpenCourseWare、DeepMind's YouTube频道、B站)学 习。
- 参与开源项目。积极参与AI的开源项目,例如贡献代码、提交修复bug和参与讨论,通过与其他开发者合作学习和分享经验。
- 数学基础。熟悉线性代数、概率论和统计学等数学概念,这些是构建和理解AI算法的基础
- 编程能力。具备良好的编程技能,特别是掌握Python等常用的AI编程语言,并了解数据结构和算法的基本原理
- 数据处理和分析。数据是AI的基础,AI模型的好坏,数据的比重占80%,能够有效地处理和分析数据,包括数据清洗、特征提取和数据可视化等技术。
- 模型能力分析。AI的核心是模型,了解模型的用途和使用方法以及优劣,决定着AI在业务场景下的效果
- 模型优化分析。构建起AI模型后,在线上运行需要不断进行观察和优化,需要掌握AI的优化(如何解决badcase)能力。
- 图像/视频方向。AI的发展起源来源于图像的深入研究,ImageNet塑造了深度学习的可行性,图像/视频有众多任务如分类、切割、目标检测、人脸、相似度、视频追踪、图像/视频生成等。
- 文本方向。最近文本方向开始了大模型,chatgpt的出现让大模型有了理解的能力,该方向的众多任务可以被一个模型解决如分类、意图理解、实体识别、实体连接、分词、文本生成、翻译等
- 语音方向。随着OpenAI、Meta、Microsoft在语音上的投入,大模型在语音上也有了一定的能力,一个模型直接进行多任务的能力被大家所认可,如语音生成、语音识别、声纹识别、语音增强和降噪等。
- 领域知识。了解特定领域的知识和背景,例如医疗、金融、自然语言处理等。了解领域的问题和挑战,为AI技术提供合理的应用场景和解决方案。
- 实际应用开发。将AI技术应用到实际项目中,如开发图像分类应用、语音识别系统或推荐系统。从构建数据管道到部署模型,全面了解实际应用开发的过程。
- 性能优化和部署。优化AI模型的性能和效率,减小模型的体积和计算资源消耗。掌握模型的部署技术,如使用容器化技术将模型部署到生产环境中。
(1)关注AI前沿技术
(2)培养自学能力
(3)培养AI整体思维能力
(4)提高AI的发展方向跟踪能力
(5)培养AI的应用能力
2、基础技能能力
- Hive-SQL
- 英文文档阅读能力
- Pytorch
- DNN、CNN、RNN、Transformer原理
- 统计学习方法
- 图像、文本和语音数据处理
3、专业技术能力
- 自然语言处理。掌握自然语言处理的基本原理和常用的 NLP 算法,如分词、词性标注、命名实体识别、关键词提取、句法分析、机器翻译等。
- 计算机视觉。图像(视频)分类、目标检测、跟踪、识别、图像(视频)分割、图像 (视频)生成等。
- 算法设计和优化能力。熟练掌握机器学习和深度学习算法,能够设计和优化算法,提高算法的精度和效率
- 数学能力。线性代数、概率论、数理统计、微积分等数学基础知识
- 数据处理分析能力。sql、Hadoop、Spark、pandas、numpy等
- 模型部署和调优能力。flask、TensorRT、OpenVINO、TorchServe、TensorFlow Serving
- 编程能力。熟练掌握至少一门编程语言,如Python、Java、C++等,并且要熟悉机器学习和深度学习框架,如TensorFlow、PyTorch等
携程员工D的一些建议
在2024年初,通过微信采访了携程员工D。该员工本科是国内C9联盟学校,硕士是美国常青藤联盟学校,2020年加入携程,在上海总部工作,从事数据分析工作(当业务出现异常或波动,分析相关数据并找出原因)。
1、分应届本科生和应届硕士研究生。方便的话两种都提供,不方便的话就提供针对应届本科生。
[答复] 我觉得不是对应届本科生和研究生有分别的要求,只能说岗位的要求是一样的,有的岗位可能只招研究生(这种情况携程比较少)
2、基本能力有哪些?(即不满足这些基本能力,就不录用了)。招聘要求和实际要求可能不同。比如招聘要求“掌握C++/Java/Python”,实际要求C++或Java就可以了。所以想了解下相对真实的基本能力有哪些。如果实际要求和招聘要求相同,麻烦发个招聘链接,我自己查。
[答复]
- 基本能力可能是要通过一个什么代码的考试,然后面试的时候能讲清楚自己做的一个或者几个项目。
- 描述做过的项目,建议采用STAR法则。Situation(情境):描述事件发生的背景或情境。Task(任务):说明应聘者需要完成的任务或角色。Action(行动):详述应聘者为完成任务所采取的具体行动。Result(结果):描述任务完成后所取得的成果或影响。
- 还有就是能回答上一些专业知识。
3、最好有哪些能力?(即应届毕业生有这些能力了,被录用的概率会比较大)
[答复] 会做ppt会汇报自己干了什么,领导组织一群人干活的能力,理解能力(能一下理解别人说的话)
4、比较好的简历是什么样的
[答复] 好学校好成绩,写清了自己每种编程语言是什么能力,然后写清楚了自己过去做的项目或者是实习时候是什么角色,做什么任务,最终达到了什么效果,如果有吻合的要你的概率就会大,简历要写在一页里。反正说不出个因为所以然或者一被追问细节就说不上来的,感觉不会要。
携程HR员工W的一些建议
在2024年05月,当面采访了携程HR员工W,咨询携程关注应届毕业生哪些能力,面试不通过的主要原因,以及对同学的建议。得到信息如下:
1、比较关注的能力
- 沟通能力。你能说清楚自己的意思,也能听懂别人说的,然后就某些事情达成共识。
- 团队协作能力。和团队成员一起工作,通过共同努力完成某些事情。这是不大被重视的能力,大约有30%左右的应聘者由于团队协作能力不满足要求,而被刷掉。
- 语言。如果是英语,则要通过CET-6,能阅读英文文献,以及用英文口语流畅沟通。如果掌握小语种(携程业务和客户遍布全球),也是非常受欢迎的。
2、A轮面试不通过的主要原因
- 技术基础水平不合格,不满足要求。
- 项目说不出来123,尤其是项目成果。可能的原因:做项目时和成员沟通不多,没有深度参与项目,等。
- 和应聘者无法沟通。应聘者不能理解面试官的问题,面试官也不能听懂应聘者的回复。
3、B轮面试不通过的主要原因
- 技术方向不明。
- 随波逐流。大家都投算法岗,所以我也投算法岗。
4、对本科同学的建议
- 大学四年要好好学习,把基础打扎实。
- 把理论知识应用起来。多做项目,深度参与各种技术比赛。
- 提升语言表达能力。
- 提升逻辑思维能力。