希望可以顺利过一辩

27届计科211，明年要毕业了，不知道怎么办。目前想要走c/c++，linux学了些基础的，qt，多线程多进程，网络通信，ipc都学了些基础，项目只有个智慧停车系统（CS系统）涉及知识点多一些，上述的都有，我当时和同学一起我主要是客户端，服务器后来我自己搭建了，还有点小bug，后来就搁置了，要完善也问题不大。我看招的c的实习生都是些中大厂，他们的要求都很模糊看起来很简单的样子，但是怕自己进去不了，我还需要学什么吗，八股需要背些什么呀还有需要对ai有很深的理解吗，我感觉c 的招聘基本不提及ai，这部分会提问吗

1. 自我介绍2. 项目都是自己写的吗？3. 我看你用 koa2 写后端，为什么选择它，能讲讲吗？4. 那你提到 koa2 它是不提供中间件的，你是怎么解决的？5. 中间件的原理是什么？（洋葱模型）6. 你刚刚说碰到 next() 就进入下一个中间件，那 next 只能执行同步，如果是异步的话，你是怎么处理的？（async/await，但是我发现，有的中间件需要在异步中间件之前执行，所以我用 try/catch 来处理异步中间件的异常）7. JS 异步发展史，以及它们的优缺点说一下 （回调函数--Promise--Generator--async/await）8. 你刚刚说 Promise 状态不能更改，那如果我要设计一个能修改 Promise 状态的函数，你会怎么设计？9. CSS 水平垂直居中的方法（flex、grid、绝对定位 + margin:auto、绝对定位 + 负 margin、绝对定位 + transform、table-cell）10. 你刚刚说到 flex 布局，那 flex：1 是什么意思？（flex: flex-grow  flex-shrink  flex-basis;等价 flex:1 1 0%表示元素可以均分剩余空间，可拉伸、可压缩，不依赖内容宽度，自动自适应填充布局。）11. 父容器宽是 500px，然后它左右各有两个子容器是 100px，如果设置 flex: 1，那它的宽度是多少？（500-100-100=300px）12. 说说你对浏览器缓存的理解（强缓存、协商缓存）13. 如果一个用户，他怎么去刷新都无法刷到最新版的代码，你能说下可能的原因吗？（版本号、hash等）还有吗？（我说我不知道了，面试官说还有 CDN 没有同步，我说企业才会这么干，自己写项目一般不会，我知道 cdn 是用来解决高并发的手段）14. React你熟吗？说下 React 函数组件和类组件的区别15. 怎么避免 Hooks 导致组件重新渲染？（使用 useCallback、useMemo、React.memo、useRef等等）16. 谈一下我对 React 的状态管理的理解（Redux、Mobx、Zustand，我说 Zustand 用的最多）17. React 常见的 hooks 有哪些？（useState、useEffect、useRef、useCallback、useMemo、useReducer、useContext、useImperativeHandle、useLayoutEffect、useDebugValue）18. TS 你熟吗？我们引进 TS 的目的是为什么？19. interface 和 type 的区别20. 说下 TS 里的泛型21. 我现在有十个字段，比如十个字段就要 A B C D E F G 这种。那我现在另有另外一个方法，这个方法接受的参数呢，必须是这个 interface A 里面的这个 K。就比如说你可以是 A B C 可以 A B C D 任何组合都可以，但是必须是这个 interface 里面的 A 里面的定义的。这个 K 这种类型的话是怎么去定义呢？（说实话我有点不太理解啥意思，反正我说了 keyof）``` TypeScriptinterface Obj {A: stringB: stringC: stringD: stringE: string// 其他字段...}```22. vite 用过吗？说说和 webpack 的区别。vite 的优缺点是什么23. 说说 Tree shaking（树摇） 和 Code Splitting （代码分割）的区别24. Git 你熟吗？说说 git merge 和 git rebase 的区别，什么时候用 git merge，什么时候用 git rebase？25. web3 你熟吗？（不太熟，听说过而已）26. 我看你自我介绍说了 AI，你是怎么用的？27. 除了提示词，还有什么能让 AI 更聪明？28. AI 的优缺点你说一下29. AI 发展这么快，你觉得我们以后会扮演什么角色？30. 反问基本都答上来了。面了我80分钟，我还以为稳过的

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 ...