联洲成都

段段投简历之前也没想到啊，猎头推荐的职位，居然是专家岗，后来想想就当攒面经了，咱也见识见识专家岗面试到底咋样，由于最开始忘了录音的事，所以没录上，最开始就是问了一些基础的东西。 话说回来，给这么多money，我感觉这钱纯纯拿命换啊。 话不多说，上链接！啊不对，上面经。 从面试问题来看，这一轮非常侧重于后端基础开发（Go/MySQL/Redis）以及大模型项目（特别是 RAG 检索增强生成）的工程落地细节。（段段的Go都是在公司硬着头皮上，然后带着学的，面试突击了一下）一、 大模型工程化与 RAG 落地Q1：商机智能体项目的背景与你的核心职责是什么？ 回答： 介绍了项目目标是为了提升商家的客服效...

拼多多是卡学历吗，暑期实习连测评笔试都没发直接应聘终止了😅😅😅

28届985本，科班，一直走的是本科就业的路子，学习Go后端，曾经还因为周围人卷保研而自己早已踏上了“正确的道路”而沾沾自喜。现在大二下，工程和算法能力还可以，但保研基本无望，也不想考研。愈发觉得自己所谓“正确的道路”可能并不是多么明智，AI以惊人的速度进化，一年之后或者两年之后，后端还存在吗？大部分的工作是否都和AI算法之类的强相关呢，但这又是一个需要研究生以上学历、需要卷论文的方向，本科就业者基本碰不到。自己的本科学历会不会在后端工作一两年就被“降本增效”了，或者是到了大三大四根本找不到对口的工作了？抱歉，可能我有点想到哪说到哪了，我不知道自己是不是在杞人忧天，现在有点迷茫，希望各位已经进入业界的大佬能够给我指条明路，谢谢！

1. 机器学习中特征的理解特征（Feature）是样本可量化的属性，是模型输入。特征质量通常决定模型效果上限。常见有数值、类别、文本、时间、统计聚合、交叉特征等。2. 机器学习中有哪些特征工程方法？常见方法：缺失值处理、异常值处理、编码、标准化/归一化、特征构造、特征选择、降维。 from sklearn.preprocessing import StandardScaler, OneHotEncoder from sklearn.compose import ColumnTransformer from sklearn.pipeline import Pipeline from sklear...