网签后要求邮寄推荐表等材料，毁约有影响吗

设计专业想转ai产品经理，0实习，211本硕，这个时候还能找到实习吗？目光放在中小厂，求路过的大佬指导。

好焦虑，今天美团、快手、百度提前批都开了。去年也这么快吗没有想到提前批来的这么快，还没准备好，简历还没写上新的工作内容，力扣还没刷够，实验室还有一堆烂活。好快啊好快，现在坐在工位刷力扣手抖得厉害，不得不从今天开始减少工作投入度了。大概准备明天或者后天跟mentor沟通一下，确认一下这边转正的可能性和难度

bg双9，秋招主投国企，本科一段事业单位实习，研究生一段大厂实习，暑期入职了一家国企软件开发岗，寻思还没有国企实习弥补一下。遇到的领导很会pua，项目没有文档，让我读代码重新实现一遍部分业务逻辑，也没有开会跟我讲过任何业务，不懂的问正式员工也对我爱搭不理的，上周没人管我就刷了两天行测，后来问我进度我说不清楚需求，他就怒了，怪我混，不主动问，不看代码（石山代码没有文档谁看），周五说让我下周一在周会上讲看的代码😅还说了一堆难听的，真想跑路回学校准备秋招笔试了，但是已经入职两周了😣沉没成本有点大

1.ai不是结果，而是工具在实际操作过程中，应根据业务实际，选择合理的工具，并不一定要使用ai，如果业务逻辑足够简单，传统数字化手段也能解决，那就使用传统数字化工具。2.当前ai市场竞争格局上游：算力、数据、算法算力：底层是以英伟达为代表的gpu生产商，当前的代表性显卡：A100、H100、GB300，每每提到gpu就不得不感叹部分大学教授的眼光之毒辣，远在我本科的时候，当时和一个应用统计的教授做项目，当时他就有意让他的学生学习gpu编程，当时没当回事，现在回国头来看，也是感慨万千。除了gpu的生产商，还有国家、大厂简历的各类算力集群、智算中心，在这个时代，计算力又何尝不是一种武器呢。数据：主要就是提供各类数据存储的公司，其实按理说我觉得应该还有提供数据集的部分内容，今天刚听了白鲸实验室采访一个大模型方向的博士后的文章，他提到以后可能当前的数据，高质量数据已经不够大模型训练了，如果使用大模型自己生产的数据来训练，会出现模型坍缩（好像是这个名字）。也难怪当前对高质量标注也是比较火热，最近有关注到字节的Xpert计划，这似乎也能说明一些什么。算法：这方面对我来说一直都是浅尝辄止，也许因为本科的一些事情，对这方面的知识存在浅尝辄止，希望通过这次的学习能稍微了解一些。老师说了几个名字CNN、RNN、Transform、MOE、DIT。后续还讲了中游的内容，包括一些技术、平台，以及下游的一些应用，今天有些晚了，留着明天来写吧。