二本，两段大厂实习，除了非技术岗位的offer外我目前收到了两个数开相关的offer，全是乙方，一个卖数据中台，一个卖bi看板，还需要频繁去找客户，和客户沟通。乙方肯定是比甲方压力大的，但相对门槛不高，业务含金量一般都还可以，因为大数据的乙方面对的基本都是大体量客户，毕竟不是所有公司都能负担得起数据中台和数据湖这种昂贵的开发成本。但是在AI的冲击下，很多tob软件的日子越来越不好过，优秀乙方公司都在向ai靠拢，并且大环境不好，数据湖仓一体系统慢慢成为一种奢侈品。大数据的黄金时代终究是过去了。对于学历一般的同学，乙方做数据相关产品依旧是很不错的出路，未来无论是跳甲方/品牌方，还是转解决方案，都会是不错的选择，也可以积累一定的行业人脉#

#JAVA##JAVA面经##JAVA内推# 1. 详细说说父子进程，包括内存地址、共享页表、写时拷贝、子进程回收 思路   内存地址：父子进程虚拟地址独立，物理地址初始共享。 共享页表：fork后内核为子进程创建页表，初始与父进程指向同一物理页。 写时拷贝（COW）：仅当任一进程写数据时，内核才复制物理页，保证数据隔离。 子进程回收：父进程通过wait/waitpid回收，避免僵尸进程；父进程先退出则子进程归init进程托管。   回答示例  创建子进程后，父子进程拥有独立的虚拟地址空间，但初始页表指向相同的物理内存页，实现内存共享。写时拷贝机制下，只有当某一进程修改数据时，内核才会复制对应...

boss沟通350+，官网投递70+，只有1个面试，做了10+笔试，唯一的面试还挂了，要崩溃了

想从事AI开发，需要掌握的技术可以概括为几个核心方向。首先是编程基础，尤其是Python。它是当前AI领域最主流的语言，生态丰富，配合像 PyTorch 和 TensorFlow 这样的框架，可以高效实现各种模型。其次是数学基础，包括线性代数、概率统计和微积分。这些是理解机器学习和深度学习原理的关键，不只是“会用”，更要知道模型为什么这样工作。然后是机器学习和深度学习知识，例如常见算法、神经网络结构，以及模型训练与优化方法。此外，还需要了解数据处理，因为AI的本质是“数据驱动”。最后是工程能力，比如模型部署、性能优化，以及一定的软件开发经验，这能让AI真正落地应用。总的来说，AI开发不仅是学一...