通过筛选的大厂简历长啥样？

希望大数据推给相关行业的前辈和同学们！先摆bg：题主两财一贸ds，保研边缘人，无论文无科研，一个国三（大数据应用，但是组内没干过啥，水水），一段四大数字化实习（基本上就是excel、sql和bi工具），项目经历基本就是课程结课时做的project（其实是和gpt、gemini做出来的[捂脸R]），包括不仅限于深度学习文本匹配rag、机器学习预测、数据库等。目前打算未来港三新二拿个硕士，然后从现在到研一的时间可以用来实习找方向，现阶段有雅不准备考g，泛商ds泛cs方向混申，想快速拿到一个硕士。目前比较迷茫的点在于：申请硕士提升学历只是一方面，更重要的是如何规划从现在到真正就业这段时间，找到适合自己的职业方向。目前主要考虑的方向有互联网产品/商分/数分/算法（感觉最终会分化为业务向的产品和技术向的算法，中间的商分和数分考虑相对较少）、金融量化。其他和专业领域结合的方向由于市场规模较小，暂未过多考虑。想问问大家有没有更好的方向推荐？还有同学打算创业做教培，但我感觉教培行业如果发展不好，后续转业会比较困难。如果现在准备实习，不知道需要准备哪些相关内容以及投递什么岗位。自身能力方面：自我感觉比较一般，专业课如c++、数据结构、python、机器学习、深度学习等掌握得不够扎实，属于期末学了就忘的状态，而且对码代码兴趣不大，实际产出几乎依赖大模型。另外，本科阶段没有学习太多商科课程，对业务和量化方面不太熟悉。各个岗位的分析：• 数据相关产品岗位：和专业有一定相关性，又不用专门做代码工作，还能接触实际业务，感觉比较实际。起薪虽然低于算法岗位，但高于运营等非技术岗。由于更接近业务，在晋升和成长性方面可能优于算法岗位。关于wlb，不清楚和算法岗位的工作负荷相比如何，猜测应该会轻松一些？不过这个岗位背负业务指标，工作压力可能也不小。进入门槛相对较低，补充一些业务知识后就可以尝试。• 算法岗位：存在几个问题，一是自己对代码兴趣不高；二是自身能力有所欠缺，如果要进入算法领域，在笔面试准备上需要花费较长时间，比如补充专业知识、刷力扣等，而且感觉发不出paper；三是对大模型的发展比较担忧，担心做技术会被大模型逐渐替代；四是互联网算法岗位整体工作负荷和时长较大。另外，也不清楚该选择哪方面的算法，以及各方面的门槛和技术要求。虽然算法岗位不直接对业务负责，晋升和绩效评估可能比较困难，但其薪水确实很诱人，如果能顺利工作到30多岁，再跳槽去外包、外企、国企或者考公，实现wlb半退休也不错。• 量化岗位：自身出身于两财一贸的工科专业，在复合背景上可能有一定优势。然而，近年来金融行业发展低迷，学校里转码的风气很浓。而且自己对量化的了解较少，听说hc非常少，进入需要很高的学历门槛。可能整体工作压力也较大。其他背景：家人在南方小城市，父母是小公务员，家里最多能支持我去港新读硕士（考虑到国内学硕/专硕需要付出考研和三年/两年的时间成本，专硕学费也不低，且如果保上研也是专硕，所以希望快速拿到港新一年制硕士学位），其他方面都要靠自己。未来打算在大湾区发展，短期内可以接受较大的工作负荷，但长期来看更偏向于转向管理岗位或者追求工作生活平衡，毕竟身体无法承受长期高强度的工作。希望大佬们能从能力、兴趣、薪资、成长性、wlb等各个因素综合考虑，给我一些相关建议，或者提供其他新的思路和建议，非常感谢！

在当前实习竞争愈发激烈的环境下，嵌入式方向的实习岗位成为不少工科学生关注的热门。相比后端、前端等方向，嵌入式岗位本身数量不多，对专业背景、项目经验、动手能力、理论基础的要求却更高，导致“僧多粥少”的局面更为明显。很多同学在投递过程中屡屡碰壁，往往不是因为不努力，而是卡在了一些看似不起眼却致命的细节上。一、专业不匹配：简历刚送出就被筛掉很多公司在招聘时直接设置了专业门槛，尤其是大型企业的校招系统，会对电子、通信、自动化、计算机等专业优先。如果你是机械、材料、生物电子等相关但非核心专业，简历可能在第一关就被拒。更重要的是，专业不匹配不仅影响简历通过率，也意味着你在课程背景、实验经验上与岗位要求存在...

计算机科学与技术专业的，学的有点杂，有什么建议吗？现在是一点都不懂关于嵌入式的，接触过一点点

C++从4月开始找实习到现在依旧是0offer，写了个muduo和rpc，自己又加了很多东西进去，然而连几十人的小公司都不要我，不明白了，到底要求有多高啊我只想找个实习啊