0offer 今晚崩溃大哭了

整个行业从业者资历呈现倒金字塔结构，30-40岁年龄段众多，应届生一个office 2-3个，我知道的几家原厂都出现年龄断层，还是因为缺芯几年生意好，开始招应届生，可想而知，对新人并不友好，优质客户基本被“占坑”，拓新并没有那么容易，所以初期分配的客户资源基本盘很重要 #恩智浦#  #华为海思工作体验# 第二，IC销售一旦入行难以跨行，好奇心重，喜欢跳槽，追风口的人不适合，这行知名公司对销售技术知识要求高，产品线众多也有较高的学习成本，但这些在其他行业复用性几乎为，比如卖IT服务器的去卖云服务大模型，但从看到的大几百份履历来看，IC非常少人能跨出去，从业3年再跨基本不可能，除非向下兼容，可能存在从卖被动件传感器跳到主动件的小跨，从代理商跳到原厂的情况。更多的是换公司，但一直在服务特定行业的客户，推特定的产品，比如你在北京ADI卖医疗模拟IC比较多，继续跳去TI卖模拟。半导体即使在同一个行业，细分领域众多，隔行如隔山，社招跳槽的可选择性进一步收窄。知名公司销售稳定性好，基本不会有HC。不过凡事都有好坏，这行职业寿命长，越老越吃香，今年有家汽车做的好的原厂裁员先裁应届生资历浅的，和赚短平快钱的互联网逻辑不一样。社招也是5-10年经验起步。当你在这个行业人才pool以后，跳槽和你竞争的也是这个pool，其他难以跨行进来。一般销售市场占公司总人数5%左右，越知名的公司越不需要销售，比例越低。估算一下，TI，NXP，Infineon，ST，Renseas，Microchip，MPS，Marvell全国销售各小一百人，稍小众些的AMD,Intel FPGA品牌，做消费类或者客户集中的Broadcom，Qorvo，Skyworks，Macom，Sitime，Credo，Astera labs，Maxlinear，Cirrus logic，Wolfspeed，Allergo 人更少 #销售#  #德州仪器#

#运营面经# 哎呀呀，我跟你们唠唠我去面试迪士尼运营经理的事儿哈。这面试可真不短，前后得有一个多小时，面试官那是一个接一个地发问：1. 你觉得迪士尼运营的关键点是啥？2. 讲一讲你过去运营管理的经验和成果呗。3. 要是遇到游客投诉，你会咋处理呀？4. 如何提升游客在园区内的体验和满意度？5. 对于园区的活动策划，你有啥想法？6. 怎样做好团队成员的管理和协调工作？7. 对迪士尼现有的运营模式，你有啥看法和建议？8. 假如给你一个新的项目，你会咋开展运营工作？面试完了，我琢磨了一下，感觉自己有些地方回答得还不够精彩呀。总结复盘就是，准备得还是不够充分，有些方面考虑得还不够细致。这次面试让我深知迪士尼运营经理不好当呀，但也让我更有动力去提升自己了！

时长：30mins面试时间：24.05.30投递渠道：B0SS（B0SS上标注薪资600-800/day！！）面试平台：网页自我介绍，实习经历，在规范化开发中的流程是怎样的，前端埋点系统的原理算法题手撕一道：将arr数组最多划分成几块，可以实现每一块非严格升序排序后，再按原顺序拼接起来，能实现整个数组的非严格升序排列例：input: [1,2,3,4,5] output:5 （划分为[1], [2], [3], [4], [5]）input: [5,4,3,2,1] output:1 （划分为[5,4,3,2,1]）input: [4,3,2,5,6] output:3 （划分为[4,3,2], [5], [6]）input: [4,4,4,4,4] output:5 （划分为[4], [4], [4], [4], [4]）反问：1.部门主要的业务是什么2.面试官您有没有在互联网大厂待过，您觉得量化行业从事开发比互联网的优势是什么3.部门的技术栈一面过，第二天约6.4二面，二面拒

这家公司是做AIGC的，主要是做Diffusion相关。在我看来还是非常高大上的，就是抱着试一试的心态去面，过的概率感觉不大。面试是两位面试官，上来先是我的自我介绍（奇怪，上午那个居然没让我自我介绍）。这次面试还是围绕着简历进行的提问。第一个项目：是RAG相关的，问了具体的项目经历，其中问了存储的数据形式，以及调用数据库的触发条件。今天的两个面试都问了数据检索能力，因为之前在开发的时候确实没有定量地测试过准确度，只是看使用者反馈过来的效果（因为认识不多，可能就两位数）。问了数据是否是QA的形式，答：直接把文档embedding后传上去的。此外，还问了一些关于Agent、Prompt相关问题。还问了个COT第二个项目：用到了CNN和Bert。问了Bert和GPT以及两者区别，我就答了个encoder only和decoder only，感觉没答到点上。后面查了一下，应该是回答Bert是双向编码模型，用了一个MLM，GPT是声称是模型，将后面的词Mask掉，他的注意力矩阵是一个三角阵。再贴一个应用场景：GPT：文本生成、对话系统、自动写作（我答的是对于生成任务来说比较好）；BERT：文本分类、命名实体识别、问答系统、句子对匹配（我答的是做下游的NLP应用比较好，实质上是做的针对于上下文进行一个embedding。这答得感觉寄了）他们公司是做Diffusion的，这一波下来感觉我的经历切合度不很低，应该寄了。#软件开发2024笔面经##面经#