首页 / 面试时最害怕被问到的问题
#

面试时最害怕被问到的问题

#
219729次浏览 3635人互动
面试过程中,你最怕遇到什么样的问题? 希望真的不要再问这样的问题了😭😭
此刻你想和大家分享什么
热门 最新
03-21 18:28
已编辑
Momenta_前端开发(实习员工)
现在大厂的面试让我越来越摸不着头脑了
不想背八股捏:说实话我更喜欢考底层这种,讨厌背八股
查看11道真题和解析
点赞 评论 收藏
分享
【26届三段大厂】聊聊大一大二速成秒杀大厂
对27,28届想入门或者刚入门迷茫的同学,这是一部分学习路线分享✨✨✨。【在校阶段-优先基础-构建知识体系】计算机科班:1.(C语言、数据结构、算法)系统入门基础知识,面试必考算法🤛2.(机组、数电、模电、操作系统、计算机网络)传统认识计算机,在部门大厂面试里涉及,计网更是大厂面试必问选项🤟3.(实训:算法,数据库,数据结构)实践能力(复杂课设) 🎁【题外话】:虽然学校课程和部分实训的水分不明,但是把自己在准备实习学的技术与方案融合到日常课设实训,加深了技术理解+老师留下好印象,以后实习被逮捕的可能性降低🎁非科班三大建议:1. 本专业前途渺茫,想换行搞钱2. 公司招聘的技术要求是什么,你就要学些什么。面试必问的计算机专业知识,找面经系统刷过去。(比如小林计网等)🎉3. 面试问你为什么“换行学计算机”,问答要依靠✨本专业学习中有涉及计算机部分,感兴趣检查自学,未来可期更有自驱力✨,虽然你懂我懂他也懂这是什么p话,但是面子上过得去就行。总不能说“我就是来搞钱,就是来卷你的”【一定基础-如何突破-提升实力】1.实践: 特色项目、丰富实习经验、有idea立刻动手2.工程: 参加青训营等进行,团队协作、Coding 能力。锻炼团队开发,git能力,代码规范3.刷题: ************,动态规划,回溯,贪心,树4.额外: 独立搜索,遇到问题自己解决,熟练使用gpt,习惯看官方文档。杜绝学生思维💊💊💊 【实习生阶段】1.独立解决业务问题,遵守技术规范不要制造问题线上bug2.独立分析问题,边学边做3.GPT 编写基础代码,明白基础逻辑4.尝试发现组内业务问题,自驱使用技术解决问题💋💋💋,提升实力,给老大留下印象,算是0风险下独立发现解决需求🎁(详情看我的主页贴- “实习生爆卷产出”)🎁特色项目特点🍎🍎🍎:【字节跳动青训营项目】:关于文档协同编辑。传统的文档编辑方式存在版本管理困难、实时协作受限等问题。提升团队协作效率,支持多人实时协同编辑的在线文档平台。1. 文档管理模块:支持文件夹创建、删除、重命名、嵌套,具备权限控制与共享设置;文档可新建、导入(如Word、PDF、Markdown等格式)、导出(多种格式),并进行分类管理、删除与恢复。2. 在线编辑器:- 基础编辑:实现文本、段落格式化,可插入图片、表格、链接等媒体元素,支持撤销/重做操作。- 协同编辑:具备实时同步编辑内容、光标位置同步展示功能,设有编辑冲突解决机制与用户在线状态显示。- 版本控制:自动保存,支持历史版本管理、比较回滚及编辑历史记录。3. 实时协作功能:- 文档共享:通过链接分享,设置查看、评论、编辑权限及访问有效期。- 实时通信:集成在线评论、即时消息交流、@提及功能及变更通知推送。- 协作管理:涵盖成员管理、权限分配、操作日志记录与协作统计分析。 二、技术栈 1. 前端技术栈:- 框架:React 结合 TypeScript 构建用户界面。- 状态管理:运用 Redux 搭配 Redux - Saga 管理应用状态。- UI 组件:选用 Ant Design 提供美观易用的组件。- 编辑器核心:采用 Slate.js/ProseMirror 实现编辑功能。- WebSocket:借助 Socket.IO client 实现实时通信。- 其他:利用 Draft.js 处理富文本,通过 Operational Transformation 算法处理协同编辑,使用 IndexedDB 进行本地存储。2. 后端技术栈:- 核心框架:基于 Node.js 搭配 Express/Koa 搭建后端服务。- 数据库:MongoDB 存储文档数据,Redis 缓存实时协作数据。- 消息队列:采用 RabbitMQ 处理异步任务。- WebSocket:依靠 Socket.IO 实现实时通信。- 文件存储:选用阿里云 OSS/AWS S3 存储文件。- 搜索引擎:使用 Elasticsearch 实现文档搜索。 三、核心技术难点 1. 实时协同编辑:采用 Operational Transformation 算法保证一致性,实现冲突解决机制,确保多用户编辑数据一致。2. 性能优化:通过文档分片加载、增量更新机制、WebSocket 连接管理及缓存策略优化提升性能。3. 离线支持:借助 Service Worker 实现离线编辑,搭配本地存储与同步机制,并处理断线重连。 四、系统架构 1. 用户层:涵盖 Web 客户端、移动端及桌面客户端。2. 接入层:包含负载均衡、CDN 及 API 网关。3. 应用层:设有文档服务、协同服务、用户服务及消息服务。4. 数据层:涉及 MongoDB、Redis、Elasticsearch 及对象存储。 五、安全考虑 1. 数据传输:采用 HTTPS 加密传输。2. 文档存储:对文档加密存储。3. 权限控制:进行细粒度权限控制。4. 操作审计:记录操作审计日志。5. 安全防护:实施 XSS/CSRF 防护及敏感信息过滤。#牛客激励计划# #实习# #前端# #面试时最害怕被问到的问题# #非科班# #转码# #大厂# #技术岗# #26届实习# #牛客AI配图神器#
Testbupter:太牛了,我从去年大三开始才有意识找实习,不过好在也都熬过来,告一段落了
投递字节跳动等公司7个岗位
点赞 评论 收藏
分享
03-15 12:31
重庆大学 golang
字节一面-飞书后端开发实习
#后端实习面经##后端实习面经#1、做个自我介绍吧,简单介绍你的经历和做过的项目2、介绍你最熟悉的项目,解决了哪些问题,在项目中承担什么任务?3、项目中类似漂流瓶的任务怎么实现的?(给自己埋坑了,项目太久忘记了)4、印象最深刻的一些技术实现?5、后端一次返回多少条数据,会使前端加载数据性能损失6、设计一条话题,数据库的表是怎么建立的?7、话题点赞是怎么实现的,为什么要使用redis而不用数据库?8、如果不用redis,大量并发请求,数据库怎么应对的?9、数据库的锁是怎么实现的?10、介绍一下数组和切片的区别?11、切片的扩容机制11、切片会有并发安全问题吗?12、channal的数据结构是什么?13、观察者模式如何用channal实现?14、算法题:给两个字符串,判断str1是不是str2的子串(str1='abb',str2='bbac',返回true)15、反向提问总结:面试官人挺好,用飞书远程面试,线上有两个面试官,但负责提问的(也露脸)只有一个,主要是围绕着项目问,考察是否真的实战过,中间问我熟悉什么语言,我说golang,然后就顺理成章的面了比较简单的go的一些知识,关于数据库锁那里答得不是很好。经验就是下来一定要梳理项目的每一个技术点做到流利的答复,针对项目区延伸学习八股,另外多思考怎么引导面试官让我答复我熟悉的知识点。#字节面经##后端实习面经##面试时最害怕被问到的问题#
查看16道真题和解析
点赞 评论 收藏
分享
蜜雪冰城面经-人力资源管理(已OC)
昨天进行了蜜雪的线上终面,今天就已经OC啦,蜜雪的效率还是很高的。面试前,也搜索过蜜雪的资讯,但是不管在哪个网站,信息都很少。因此,今天这个帖子我会分享蜜雪冰城一面到终面的全流程,希望可以给大家提供一些参考。首先,我是在去年11、12月左右投的蜜雪秋招,之后就有HR加我微信,并且给我安排了初面。初面很简单,只是对你的简历做一些了解,并不会给到压力。初面后,大约一周内进行了复试,当时是一对二的形式,由一位HRBP对我和另一位同学进行深挖,主要考察方向在于对岗位的认知和个人职业路径的规划。和我一起面试的同学很厉害,相关的工作经验很多,我自己也没有发挥好,很遗憾这轮陪跑了。本以为我和蜜雪的缘分已经尽了,结果今年二月的时候HR突然给我发消息,问我有没有兴趣参加复试,我觉得应该是秋招没有招满人,所以安排了一个补录,因为秋招0offer,因此愉快的接受了复活赛的邀请。。复试的形式还是群面,只不过这次大概有6、7个人,我在听各位候选者自我介绍的时候,察觉到大家的bg主要分为国内背景和海外背景这两类,我当时就感觉会有两个晋级名额,最后果然不出我所料。这一轮复试,考察的内容其实和前面的比较相近,主要就是对HR这个岗位的理解和对蜜雪冰城的了解,并且根据海外和国内这两类背景的候选者进行了分类提问。复试进行完,大约3-5个工作日,HR就告诉我复试通过了,遂准备终面。因为这轮复试在二月份就开始了,当时蜜雪官方的春招池子都还没开,所以一直没有确定终面时间。等了大概半个月吧,终面时间定在了3.12号。终面是先在蜜雪总部进行线下面试,然后再开始线上面试。线上面试的时候,是由五位人力相关的管理层组成的面试团,参加面试的候选者也是五位。终面的氛围还是蛮轻松的,开放性问题比较多,更多的考察你看待问题的角度和思考,在不偏题的基础上自由发挥即可。蜜雪面试的全流程都没有无领导小组讨论这种形式,我觉得还是蛮友好的。接下来以下是我总结的秋招、春招求职过程中的高频考题,希望对大家有启发:1.自我介绍2.对人力资源的理解/人力资源在企业中是什么角色/你觉得人力的工作有哪些价值;这几个问题考察点都是相同的,只是问法不同,你需要让HR感觉到你对行业的认知。3.你有什么印象深刻的成功经历/说说你自己的三个缺点和优点/你有什么失败的经历,事后你是如何复盘总结的/你最有成就感的一件事是什么;这类问题考察点也是相同的,要围绕自我认知来回答,HR想看到的是你的成熟度。4.你的哪些特质和这个岗位很匹配;这个问题看似简单,其实暗藏玄机。主要考察的是你对岗位的了解,因此,认真读JD,照着JD回答准没错,细节决定成败。大家还有什么问题可以在评论区留言,看到会回,希望大家都能拿到梦中情offer~ #春招#  #蜜雪冰城#  #面试时最害怕被问到的问题#
查看4道真题和解析
点赞 评论 收藏
分享
02-23 17:57
已编辑
长安大学 产品经理
双非入职大厂的血泪经验:面试的8个救命技巧+5个必坑指南
大家好,我是去年秋招上岸大厂的学长,今天想用最接地气的方式,把我面过腾讯/字节/美团等12场面试的血泪教训,掰开了揉碎了喂给你们。当年我面试被怼到怀疑人生时,就发誓上岸后一定要写篇纯干货的文章,帮助大家成功上岸!🔥 先说保命三件套(面试官眼睛突然放光的秘密)1️⃣ 把"用户故事"当饭吃:当被问到"为什么想做产品经理",千万别背网上的模板!直接讲讲你最近深度使用的小众APP就好。比如,我最近每天花3小时研究Slow社交APP,发现他们用【心情色卡】替代文字状态的设计,解决了社恐人群不想打字的痛点。但私信功能的延迟问题,让我流失了3次潜在好友。这种真实的故事,比背模板强多了。2️⃣ 随身携带"问题解剖刀":面试官问你“如果让你设计校园外卖平台”,别急着画原型。先问几个关键问题:目标用户是懒癌晚期的宅男,还是想省时间的学霸?现有平台在配送费、取餐路线、保温措施哪个环节最让人头疼?学校政策是否允许外卖骑手入校?保卫处最近在严打吗?这些问题一问,面试官就知道你不是那种只会闷头做事的人。3️⃣ 准备三个"打脸故事":如果面试官质疑你“没有产品经验”,别慌,掏出手机展示你的“战绩”。比如,我在B站当野生课代表,自发整理了播放量破10万的Python教程目录树;在闲鱼倒卖演唱会票时,发现黄牛定价规律,还做了个Excel表;帮导师做报销系统时,被财务处打回5次的PRD修改记录。这些都是实实在在的经历,比说空话有用多了。💣 避坑指南(我拿offer换来的惨痛教训)🚫 致命错误1:把竞品分析当报菜名错误示范:“美团外卖有智能推荐,饿了么有准时宝,Kee有运动社区……”正确操作:“我测试发现,美团在阴雨天的推荐逻辑会优先推送30分钟以上的商家,这可能是因为他们考虑到配送时间会延长,所以提前让用户做好心理准备。”比如,我之前面试的时候,还发现美团在用户搜索“火锅”时,会优先推荐评分高、距离近的店铺,但如果是晚上9点后搜索,就会推荐还在营业的店铺。这种细节,才是竞品分析的重点。🚫 死亡回答2:"我觉得这个功能很好"面试官心里肯定在想:又来一个自嗨型选手。复活秘籍:“我通过爬取小红书的500条吐槽贴,发现18-22岁用户对【闺蜜拼单】功能的需求集中在价格优惠和分享便利上。”比如,有个面试官问我对“微信朋友圈三天可见”怎么看,我直接说:“这个功能很贴心,它满足了用户对隐私保护的需求。我观察到很多用户在设置三天可见后,发朋友圈的频率反而更高了,说明它让用户更愿意分享。”面试官听了之后,眼神都亮了。🚫 自杀行为3:在笔试环节炫技真实案例:我有个朋友用Axure做了个带动效的社区团购原型,结果因为没写清楚【团长分润规则】直接被挂了。记住,逻辑>美观,产品文档不是美术作业!比如,我之前写过一个校园二手交易平台的PRD,当时我重点写了用户发布商品的流程,从拍照、填写信息到审核上架,每一步都写得清清楚楚。面试官看完之后,直接夸我逻辑清晰。👉 需要我继续拆解腾讯/字节最新面经的扣1👉 想看我的作品集模板的扣2👉 今年被奇葩问题难住的,直接把题目甩评论区,24小时内必回! #牛客激励计划# #牛客创作赏金赛#  #非技术面试记录#  #产品每日一题#  #面试时最害怕被问到的问题#
点赞 评论 收藏
分享
面试官:大模型微调的目的和作用?
微调(Fine-tuning)是机器学习中一种迁移学习技术,指在预训练模型(如BERT、GPT、ResNet等)的基础上,通过少量特定领域或任务的数据进一步调整模型参数,使其适应新任务。其核心思想是利用预训练模型的通用知识(如语言理解或图像特征提取能力),通过针对性训练提升模型在特定任务上的性能。微调的核心作用1. 节省资源:无需从头训练,减少计算成本。2. 提升性能:预训练模型已学习通用特征,微调能快速适应新任务。3. 小数据友好:适合数据量有限的任务。微调的主要方式1. 全参数微调(Full Fine-tuning)- 方法:解冻预训练模型的所有参数,用新数据更新全部权重。- 适用场景:数据量充足,任务与预训练任务差异较大。- 缺点:计算成本高,可能过拟合小数据集。2. 部分参数微调(Partial Fine-tuning)- 方法:冻结部分层(如底层),仅更新顶层参数。- 冻结策略:预训练模型的底层通常学习通用特征(如语法、低级视觉特征),可冻结;顶层更接近任务,需调整。- 适用场景:数据量较少,任务与预训练任务相似。- 示例:冻结ResNet的前几层,仅微调最后几层用于医学图像分类。 #产品经理#  #牛客激励计划#  #数据人的面试交流地#  #聊聊我眼中的AI#  #面试时最害怕被问到的问题# #牛客AI配图神器#
点赞 评论 收藏
分享
01-22 12:43
已编辑
桂林电子科技大学 Java
深圳 其域创新公司Java后端 面经
查看13道真题和解析
点赞 评论 收藏
分享
玩命加载中
牛客网
牛客企业服务