回想起，去年六月时还在前端后端选择时。当时看着牛客上各种大佬oc，就开始了解就业信息。真是越来越焦虑，于是就开始猛学Java(学习Java准确来说应该是从去年六月前的寒假开始，当时入坑韩顺平的Java，不过因为没有了解到就业的压力，于是就随便学学，不了了之了) 正式学习Java，应该从六月开始一直学到九月份开学，期间猛学了spring三件套，mysql，redis，juc jvm。于是就开始尝试投小厂，但是发现小厂根本不回消息，于是尝试了一下小米，投了两个岗位，一志愿：后端开发，二志愿：测试开发。不用多想，一志愿没多久就流程中止了。然后就死心了，继续学习Java，后来一通从北京打来的电话惊醒了在自习室kuku学黑马的我，你好，您下午两点有空面试么？我很懵，不过还是接受了面试。后来才知道是被测开捞了，然后一二面速通，我就去北京实习了。感谢一面姐姐，还有二面哥哥(也就是后来我的mentor) 不杀之恩。后来不顾一切从学校跑去北京实习(当时真是刘姥姥进了大观园，特别激动)，但是很快熟悉了高级写字楼和食堂的饭菜之后，新鲜感也慢慢消失。接着而来的就是，开始思考这份实习内容是否是自己真正想干的呢？或者这份实习对自己有没有帮助。工作内容主要是写英语写用例，用英语开评审会。用英语我是真的不行啊。记得当时第一次用蹩脚英语开会，真是太搞了，好不容易开完会，感觉没人能听懂。第二次开会，mentor鼓励我把声音说大点，我就硬着头皮说，巴拉巴拉完了，mentor说这次比上次好了，但是我怀疑🤨印度那群哥们没人听的懂。真被打击了，后来再加上印度老哥英语我真听不懂。于是开始陷入自我怀疑之中，再加上是从学校偷跑的，后来学校也一堆事情(当时心理素质不行，怕学校)，每天压力真的爆大，组内同事都是很好，让我慢慢适应，说一开始都是这样的(组里加上我总六个人，三男三女)我三个男的，干饭三剑客，mentor还请我smoke，喝奶茶。现在想想mentor是真不错，典型的钻石王老五，脾气又好长的又白。不过后来我还是走了(当时我问我爸他也说让我坚持坚持，但是这和土木金句不是一样么？这点苦都吃不了，干别的肯定也不行。)我也不知道当时的决定对不对。后来回到学校，就开始思考，我到底要走那条路，后端的卷度见识到了，在加上好的测开岗位都是后端转的，后来我考虑还是all in前端吧。第二次踏上去北京的路上，就是去某公司的前端岗位。我也不知道前路是怎样的。但是我才20岁，站在人生的十字路口，我也不知道该怎么选。可能等到我三十岁再来看20岁的我写下的长篇大论，那时的我可能会忍不住的哈哈大笑，觉得当时的我太好笑了，太幼稚了。 记得高中看路遥的《人生》时，人生的道路虽然漫长，但紧要处常常只有几步，特别是当人年轻的时候。高加林也在选择，算了，实在不行，我也和他一样回农村了 。 后记：当时进组也让我选，让我从两组里选一个。  

真实体会：【内容】内容丰富、成长迅速 作为我们组唯二的实习生，感受到和其他厂的实习区别明显。很多厂把工作拆分很碎、很细给实习生；在联想主要是给组里帮忙，接触到的工作内容很丰富，也大致了解了每个人负责的方向。我们组的工作主要围绕着夺笋平台展开的，刚开始的时候对平台和具体工作都不太了解，哥哥姐姐们会带着做，给出的意见也很有建设性，整体工作量不大，也不是dirty work。当然，如果大家要咨询电脑相关的问题，欢迎来夺笋！ 【节奏】不卷，不是躺平 在老板微博看到很多人想进联想是因为不卷，我觉得接触下来联想的不卷不是躺平。在联想，眼保健操、看电影、健身操…工作的节奏很好，加班的情况也很少。但其实大家挺...

1、文本分类特征选择算法卡方检验（Chi-Square Test）：统计特征（词）与类别之间的独立性。卡方值越大，特征与类别的相关性越强。信息增益：衡量特征为分类系统带来多少信息量。信息增益值越大，特征越重要。互信息：衡量特征与类别之间的统计相关性。TF-IDF加权：通过词频（TF）和逆文档频率（IDF）筛选重要特征。高TF-IDF值的词通常为关键特征。2、ReLu替换Tanh的后果ReLu在负区间的梯度为0，可能导致神经元“死亡”​​（Dead ReLU）3、GPT的多种能力文本生成：生成符合语境和逻辑连贯的文本（学术、故事、文章）代码生成：生成可执行的代码片段（脚本、debug、功能实现）对话交互：模拟人类对话，提供个性化交互体验（客服、助手、陪伴）创意内容生成：艺术创作或设计（诗词、图案描述、营销文案）数据与知识生成：结构话信息提取或虚构数据生成（表格生成、虚构数据）多语言生成：跨语言内容生成和翻译（多语言写作）逻辑与推理生成：解决数学问题或逻辑推理任务（解题、策略）4、大模型训练和推理的参数量判断，需要多少显卡。（14B）训练：模型参数（14B）+优化器状态​（如Adam）：每个参数需要存储参数、梯度、动量、二阶动量（共4份 FP32 数据）+梯度：以 FP16 存储 14B + 激活值（Activations）​：与批次大小（Batch Size）、序列长度（Sequence Length）相关，通常占用 ​20%~50% 总显存。 约为14*2+14*4*4+14*2+50=330推理：参数 + KV缓存≈28GB+1GB=29GB（FP16）或14GB（INT8）5、文本、图片、视频的标注方式文本分类、命名实体识别、关系抽取、序列标注、问答标注目标检测、图像分割、关键点识别、图像分类、OCR标注动作识别、目标跟踪、时间序列标注、多模态标注6、常见的数据清洗方式删除缺失记录、填充缺失值、标记缺失值、删除重复行、合并冲突字段、检测异常值、数据格式标准化、标签一致、逻辑一致、文本去噪、平滑技术7、简述残差连接​残差连接（Residual Connection）​ 是一种通过跳跃连接（Shortcut Connection）将输入直接传递到网络深层的技术，从而缓解深层网络的训练难题（如梯度消失、模型退化）、​加速模型训练、增强模型表达能力8、大模型训练的全过程数据准备与预处理数据收集数据清洗分词，编码加载模型迭代训练#牛客AI配图神器#

1、自我介绍2、描述一下实习期间负责的业务，以及取得的效果、数据处理方式3、谈谈你参与的一个项目，整体流程是怎样的？涉及了哪些关键指标？最终达成了什么目标？4、对数据产品的理解5、数据产品经理的主要工作内容有6、对互联网数据的看法7、问了一个简单的SQL题目8、你在数据分析中使用过哪些工具9、反问环节