shein职能岗还有hc

作为计算机专业，身边同学一半北漂去了中关村西二旗，一半沪漂去了张江漕河泾，自己也在两个城市都实习过，今天从程序员的视角，用6个最核心的维度，拆解北漂和沪漂到底哪个更苦，给正在选城市的牛友们一个最真实的参考。先给核心结论：基础生存层面，北漂更苦；精神生活与长期发展层面，沪漂更磨人。租房与通勤老破小溢价极高，通勤两极分化严重租房选择更多，通勤更平均北漂更苦气候与生活干燥、沙尘暴、冬天极寒，生活配套粗糙梅雨季、冬天湿冷，生活便利度拉满各有各的苦，北方人怕沪漂，南方人怕北漂职场与加班互联网卷度拉满，职场无边界感卷度不低，但职场边界感更强北漂更苦落户与长期发展户口门槛天花板级，几乎无落户可能应届生落户政...

大佬帮我看看吧：我大二下学期有一段暑假实习，中小厂应该算，但是也没有参与核心业务，但是在有人带的情况下，写了个小项目（未完善），打算把它作为实习项目，但是简历上实习这个不太会写……我也知道star法则，但是如何包装……现在我的简历像是罗列技术栈……然后我的项目经历也是很标准的黑马点评，我要不要再做一个新的项目加到这个项目经理里面？？还有什么可以优化的都可以指出，我虚心接受并整改，多谢大佬们了！

目标后端

1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...