美团谈offer，自己仿佛在作死😂

无论是机器人还是自驾，头部都没能进入，即使有幸进入终面，最后也被无情横向挂掉（好气呀，就差最后一口气），机器人hc相对较多，自驾hc较少，但是得意于数据闭环和L4，以及自驾的普及化（低端车型自驾的市场）岗位还是有些许的！鼠鼠最终也是可能要去做数据生产的牛马了！如果大家受限于专业，实习条件，想要走传统方向，pnc需求目前略大于slam需求的（反正自驾还是机器人领域，我没见过不要pnc只要slam的，反过来倒是存在），不过slam还有额外小众就业方向——手持三维扫描（重建）仪器。感知这个东西确实现在抢占了slam绝大部分岗位！slam在自驾基本上边缘化了，成为数据的生产工，机器人倒还是主力技术。我真的想吐槽一下slam，本以为入门难就算了，其实入门理解相关概念还好，多学学，多推推，多看看就懂了，然后实操时候发现才是最大的恐惧，尤其实际场景中，不同场景下，slam算法表现差异好大，而且多传感器融合涉及的调参真的可怕，协方差矩阵初始化，各种各样的阈值，各种各样的内外点剔除，这些参数改变带来的影响真的会很大！合格的优秀的slam工程师确实需要3-5年的成长，不仅仅是理论的学习，更多的是多场景实战的磨炼，一个开源算法的学习，逻辑理论只是开始，对于不同场景的适配处理，调参操作才是真正体现高端玩家和入门玩家的区别所在！这也是为什么slam需求有，但是往往都集中在社招中的原因。时代已经变了，以前那个以复杂数学建模为强大护城河的时代理念也变了，AI出乎意料的强大，强如slam这么复杂的数学工程岗位也沦为给端到端，vla，世界模型这种打下手的角色了。如果大家想要走slam这条路，一定要勤于思考，勤于推导公式，勤于阅读源码，三者缺一不可，否则只会一知半解，只会跑跑现成的算法，核心问题无法解决，并且和AI方面三维重建做结合，成为一个优秀的数据生产工（背锅侠）。今年我看有些企业甚至都开始招聘端到端定位工程师了，鼠鼠真的裂开了，未来发展真的难以预期，不过可以确定的是数据是未来的刚需，有质量的数据目前还是依赖slam相关技术去生产。对了，机器人slam还是pnc仍然是主力技术，因为slam的低算力实时性、成本以及机器人场景并不过于复杂（泛化要求没有那么高）。但是未来谁又能知道会咋样发展，英伟达边缘化计算设备真的除了价格，硬件参数发展速度亮瞎狗眼，五万亿美元市值的英伟达（苹果在它面前都是弟弟了，当时大家把打游戏买显卡的钱拿去买英伟达股票少说也吃麻吃串吃炸了），时代造就英雄呀！！！AI时代，重塑了整个市场格局，我们恰逢AI变革的时代，有时间有精力去追赶潮流，但是35岁左右的我们又会遇到什么新的时代，被拥有什么样新技术能力的年轻人所替代呢！学无止境，尽所能去学，去做，无视年龄的枷锁，方才能立于不败吧！

60分钟。1.自我介绍实习2.问实习的业务逻辑3.数仓分层主题域4.怎么样提高明细层模型的复用性5.汇总层和应用层的区别6.汇总层是新建一张表还是复用已有的7.不同链路的数据怎么保障数据一致性八股8.sql的执行解析顺序9.Spark和MapReduce的区别10.Shuffle产生性能消耗的原因11.HDFS读写架构12.B树和B+树区别13.快速排序的时间复杂度和最坏情况14.CPU缓存的作用15.TCP三次握手和四次握手手撕16.判断树B是否为树A的子结构反问业务：抖音数据中台base：北京上海新加坡对校招生看重：八股，基础知识。

各位大佬们，字节data aml产品团队工作强度如何，校招生做ai搜索产品建议去吗？真诚求评论！求建议！求私信！非常感谢！

✅投递：内推链接一键投递，欢迎联系：https://careers.aliyun.com/campus/qrcode/home?code=zur3rFlvZDZFVvuDycNhQmsHcFMDrXzWfL2ja6ebV9Q%3D阿里云基础研发一面挂经上周面的，那边说经历很匹配光速约面（4号晚上投 约5号晚上面，等到9号给挂了）－项目实习项目，具体做了什么－八股详细介绍下，Linux下，进程根据相对文件路径如何找到文件，打开，硬盘寻址，加载到内存，存储到其他地方的过程（答的不好，凭自己不多的os知识胡诌了些）－手撕最长无重复子串，没啥好说的最近这几家都喜欢让人拿go写题，咱就是说go写力扣题是...