刷题不在多

#程序员找工作至少要刷多少题?#
以数据开发为例,sql是重点,我做过三四十家大厂的笔试,十几家大厂的手撕,sql普遍都不会考的特别难,只要掌握基本的联表查询,日期函数,最难可能也就是连续登录了(这个得好好练)就足以应付大多数sql手撕和笔试了。牛客的大厂笔试sql题刷完即可,注意理解

除了sql之外,算法仅限于头部的几家大厂会考,大多数中小厂不会考算法手撕的,优先刷完*****一百中等和简单难度的题即可,当然有时间做完一百道更好啦。
对于算法,我反正刷一遍隔一段时间不刷我肯定就忘了,最重要的是温故而知新,每天早上拿出一到经典的题做一做,保持手感即可
全部评论

相关推荐

目前是郑州大学的研二,想要找大数据开发的工作,目前没有实习,现在已经学了ssg的离线数仓,能找到暑期实习吗?我是应该坚持找暑期实习还是再学一下实时数仓。
睡不着的二进制:熟悉八股,数仓架构,组建原理,手撕sql,准备的差不多百分之60道80就可以投递,前提简历准备好,边面试边准备边查漏补缺
点赞 评论 收藏
分享
头像
03-03 15:53
已编辑
黑龙江大学 Java
在当前开源项目极为丰富的背景下,付费资源并不一定意味着最前沿的技术优势,在具体执行层面展示出自己的独特价值,才是简历上最重要的加分项。1. WebMCP — 让网站主动告诉 AI 该怎么操作AI 操作浏览器的方案一直靠"猜"——截图识别、DOM 解析,错误率 15-30%。WebMCP 反过来,让网站自己声明能做什么,AI 直接调用结构化接口,准确率接近 100%。Chrome Canary 已实装。企业内部系统的 WebMCP 适配目前几乎没人做,是明确的蓝海。推荐理由:简历上写的不是"我会用某个框架",而是"我在标准刚发布时就做了企业适配&...
书海为家:#人脑vsAI# 尽管深度学习的最初灵感来源于人类的大脑,但二者的运作方式截然不同:深度学习所需要的数据量远比人脑所需要的多得多。可是一旦经过大数据训练,它在相同领域的表现将远远超过人类(尤其是在数字的量化学习,例如挑选某人最可能购买的产品,或从100万张脸中挑选最匹配的一张)——相对来说,人类在同一时间内只能把注意力放在少数几件事情上面,而深度学习算法却可以同时处理海量信息,并且发现在大量数据背后的模糊特征之间的关联,这些模糊特征不仅复杂而且微妙,人类往往无法理解,甚至可能不会注意到。 虽然深度学习拥有人类所缺乏的并行处理海量数据的“绝技”,但不具备人类在面对决策时独一无二的汲取过去的经验、使用抽象概念和常识的能力。 与人类相比,深度学习想要充分发挥作用,离不开海量的相关数据、单一领域的应用场景以及明确的目标函数,这三项缺一不可,如果缺少其中任何一项,深度学习将无用武之地。
AI求职实录
点赞 评论 收藏
分享
评论
2
2
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务