浅谈一下，个人理解跑路互联网几大岗位学习路径🎇非技术岗产品+运营：业务八股，主要是实习，办公软件使用，软实力更多一点，学历和实习其中产品需要：prd，原型图，sql入门就行，主要是查询语句，几个小时的速成即可，excel的vlookup等，从0-1入门产品经理的网课，运营需要：主要还是偏软实力的运营相关课程数分：sql（黑马，python，bi画图工具+业务八股，ab实验之类的，也是主要是实习，学历和实习 40hAi产品：python，pytorch，机器学习，深度学习理论与实战，大模型相关基础知识，transform架构和知识，业务知识 学历和实习 60h风控策略：s数分的技能点还要对应的信贷的业务知识背景 学历和实习🔧技术岗：学习门槛比较少的搜广推，python，pytorch，spark，机器学习+深度学习，小土堆，李沐，吴恩达，李宏毅，王树森推荐系统，kaggle项目， 学历和实习 80h风控算法，python，机器学习和深度学习，相关业务知识和项目 80h数开数仓：java，python，linux，sql，这些是基础的，进阶的：hadoop，hive，spark，kafka，flink，zookeep，数仓建模理论，阿里大数据，bi，tb可视化，几个项目，尚硅谷或者黑马，可选的：redis，hbase，monggodb 200h大模型应用开发：python，java，机器学习深度学习，rag，mcp，agent，langchain，langgraph，大模型微调 150h大模型算法：学历实习论文，python，机器学习和深度学习，nlp，损失函数、数据处理，预训练，大模型结果评估，监督微调sft，人类偏好对齐rlhf，高效微调lora等，强化学习，经典的大模型架构，例如gpt，qwen，创新的架构，框架应用，性能优化deepseed，模型量化，检索增强rag，agent，其他：模型压缩，技术报告 300h （校招故事会）核心精简版：python，机器学习和深度学习，llm的前置知识和理论，transformer，预训练的知识，tokenization，rope，归一化，flashattention，后训练，sft，lora微调，rlhf，rag，agent数据科学数据挖掘：低配版算法，sql，python，机器学习和深度学习，业务知识开发大类（含前后端测试）：暂未整理全部都是：一两个项目，学历，专业尽量对口，跨专业也可以，主要看实习，大模型这一块还看论文，八股，有代码的还要准备手搓代码，力扣hot100，然后刷实习

1. epoll 两种触发方式：LT 和 ETLT只要 fd 上还有可读/可写事件，epoll_wait 每次都会返回该事件。 优点是简单，不容易漏事件；缺点是通知可能更频繁。ET只有状态“发生变化”时才通知一次（例如从不可读变成可读）。 如果这次没把数据处理完，后续可能收不到提醒，容易“饿死”连接。 优点是高性能，减少重复通知；缺点是编程复杂、容易出错。2. ET 模式注意点 使用要点：fd 必须设为非阻塞（O_NONBLOCK） 可读事件到来后要循环读，直到返回 EAGAIN/EWOULDBLOCK 可写事件同理，循环写到 EAGAIN 或发送完 一般配合 EPOLLONESHOT 防止并...

考研失利春招怎么补录啊  投简历很少有回的  各位这个简历还需要优化嘛   测试

一、前言 本文适用对象为非科班同学，科班大佬理解想必比我深刻，欢迎各位大佬指正！ 在今年秋招的过程中，经常逛牛客，刷各位大佬的面经，得到了不小的帮助，因此也想写一些东西回馈一下社区。刚好目前各平台对于非科班转游戏客户端的经验贴也较少，因此写下自己转游戏客户端的一些经历和经验，希望能够给到一些类似背景的同学一点参考。 首先介绍一下本人背景，2本9硕，非科班通信工程专业，技术栈是cpp+UE，简历上一个TPS游戏项目+一段游戏客户端实习，秋招两个offer，一个大厂一个小厂。研二开学前的时候开始转码，确定往游戏方向发展，刚开始学习的时候相比科班基本可以说是啥也不会，CPP只是了解过基础语法的程度，...