本人背景：人力方向，四段实习（三段甲方HR，一段运营）。3月初开始主攻大厂及垂直赛道独角兽，到5月底基本收官。总共投递50+，进入面试/评估环节20+。最终拿到一家招聘岗（游戏）、一家人力管培生和一家垂直赛道头部公司的HRBP以及一家新能源行业组织发展岗位​ 的offer，正在纠结。都说金三银四，但今年的HR赛道，卷得别有风味。以下是结合我个人经历的总结，希望能给同在人力赛道的友友一点参考。简历/评估挂这一关，挂得最多。人力岗位的简历筛选，匹配度和实习经历相关性权重极高。想走人力赛道的同学一定要实习！！！阿里（基本锁死内部转岗和继任）字节-多个HR岗（竞争白热化，之前面过，非常专业，对简历里的...

牛友们帮看看简历     

4月初开始投的，学的太杂了，啥都不精，虽然投的也不多，但是目前就三个笔试，其他的还在筛选中，0面。暑期实习到底在招什么人？

5.16 三面结束 我看粉丝投稿的4.21 一面的 二面过完5.11. 自我介绍2. 怎么理解深度学习损失函数中的最大似然估计 MLE？答案：最大似然估计的目标是找到一组模型参数，让观测到的数据在当前模型下出现的概率最大。深度学习里的分类任务通常把模型输出看成条件概率分布 p(y|x; θ)，训练时希望真实类别的概率越大越好。实际优化时通常不会直接最大化似然，而是最大化对数似然，或者等价地最小化负对数似然。交叉熵损失本质上就是负对数似然。比如多分类中，真实标签是第 y 类，模型对这一类预测概率是 p_y，loss 就是 -log(p_y)。预测越自信且正确，loss 越小；预测越错，loss ...