技术面：公司规模和团队规模多大；该岗位对应的项目可以讲一下吗；项目使用的技术栈有什么；项目是单体还是微服务的；项目的难点在哪些方面；项目的数据量多大；进去会有人带吗；HR面：公司的规模和研发团队规模多大（看看和技术说的是否差不多）；咱们公司是否会提供培训或学习资源；岗位的晋升路线；研发团队氛围怎么样；能否使用几个关键词描述一下公司的企业文化；薪资结构，绩效占比（如果被问到薪资要求可以先问）；绩效审核标准；试用期多久、是否优秀可以提前转正；什么时候会给面试结果；HR面（面试通过）：薪资结构，绩效占比；上班时间，包括日常上班时间、中午休息、是否双休、节假日；试用期多久、试用期工资；薪资发放日期；年...

要进小厂吗，感觉中大厂不是很好投😥

8月份投递了好多 有一个中小厂面试 9月份实习太忙 就把大厂都投递了一下 笔试都做了 但是为啥面试几乎没有呢 简历没有那么差把.... 难道是笔试太烂了？

机器学习模型效果显著性验证的完整指南 实验设计基础 机器学习模型的性能评估需要严谨的实验设计。随机划分训练集和测试集是基础步骤，交叉验证方法如k折交叉验证能更稳定地估计模型性能。分层抽样确保数据分布一致性，尤其在类别不平衡场景中至关重要。 实验设计中控制变量是关键，确保比较的模型在相同的数据集、预处理流程和硬件环境下运行。记录随机种子保证实验结果可复现，多次实验取平均值减少随机性影响。 性能指标选择 分类任务常用准确率、精确率、召回率、F1分数和AUC-ROC。回归任务常用均方误差(MSE)、平均绝对误差(MAE)和R平方值。多分类问题需采用宏平均或微平均策略。 对于不平衡数据集，单一指标可能...