1.你现在是在国内还是国外？2.预期最早的入职时间是什么时候？3.打算实习多长时间，一周可以到岗几天？4.你研究生期间是学xxx的，为什么会想来做数据分析的工作呢？5.实习经历深挖6.毕业后主要想做什么相关的工作？7.SQL题目给了五张表结构，写出在2024年全年每个季度铂金会员用户购买金额最高的三件商品的商品信息，讲解思路

无语，放假也得拉数据，有点看不懂什么意思啊，四个表弄了两个多小时………

目前研一,双九控制。数开方面，刚刚学完hadoop,hive,spark,做了一个尚硅谷电商v6的项目，感觉有点无聊这东西，（不过组里不少人毕业做这个了）搜广推方面，我觉得可能比数开有意思些，看过机器学习西瓜书，李宏毅的ml2022,有一定的机器学习深度学习基础。比较犹豫将来到底做什么#

1、有场景、有动机（为什么做）2、有方法、有架构（怎么做）3、有数据、有优化（做出了什么效果）这三点构成了一个高质量 RAG 项目的核心逻辑。下面我用一个对比＋案例的形式讲给你听。一、项目背景：让人一眼看出你在解决一个具体问题✅一句话总结：好的项目描述一定要把动机讲清楚。工业级 RAG 项目几乎都有三种典型动机：1.业务痛点2.为什么 RAG 能解决3.大模型知识时效性差二、系统架构：写出系统性思维的人最稀缺🌟优秀写法（架构分层法）:系统分为两阶段（数据准备＋应用推理），三大模块（知识构建、检索召回、生成优化），并通过13项优化策略实现持续迭代。阶段一：数据准备1.数据清洗：多源异构文档（ PDF 、 OCR 图片、视频字幕）统一结构化，过滤噪声。2.文本切块策略：采用动态窗口＋语义聚类切分，保证上下文完整性，避免语义断裂。3.Embedding 向量化：使用中文优化模型 BGE - large ，构建 Milvus 向量索引（ HNSW 结构），支持百万级检索。阶段二：应用层1.多路召回机制：结合语义检索与倒排检索，通过 RRF 融合排序策略提升相关性；2. Prompt 工程优化：设计结构化 Prompt 模板，限制模型回答边界，缓解幻觉；3.缓存与响应优化：引入 Redis 缓存层与分层索引机制，将平均响应时间从1.2s降低至0.6s。三、个人贡献：写出你在推动系统演进这句话有三个关键点：1.主导:你是参与者还是决策者？2.改进方案:有没有提出优化3.结果数据:用量化指标说话。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。