不吹不黑，就讲讲我自己看到的。2024届本科上岸，目前在上海张江某原厂写BSP，裸机/RTOS/Linux内核都碰，年包税前45w base。在这一行不算多猛，但摸爬滚打这一年多，多少有点东西可以聊。背景前情学校是某985的异地校区，大一大二参加过一些嵌入式比赛，成绩一般般，主要是给简历凑点东西。那段时间其实心思在C++上，琢磨着转互联网。大三才意识到该找实习了，套了个模板把简历填完，海投几天捞了几个offer，最后去了北京某RISC-V厂——虽然进去之后做的还是ARM SoC那套。本来想拿转正，但卡在本科学历上没成，刚好赶上九月，干脆回学校冲秋招。那时候手里已经有几个offer兜底了，心态没...

26届设计找不到工作啊  

要招就招，每次一脚踢开，挂完一两小时后 发面试邀请，我又乖乖接受 还有机会吗

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 ...