小米集团24届补录返场，欢迎各位24届小米人进行同窗推荐【面向对象——24届毕业生（非小米同学）】中国内地：毕业时间2024.01-2024.12 中国港澳台及海外：毕业时间2023.07-2024.12 【岗位类别】 外语外派类、软件研发类、产品类、运营类、市场类、职能类、销售类、管理类、商务类 【工作地点】 北京、上海、武汉、南京、深圳等【更多机会】24届补录不受三方签约及过往社保缴纳影响，只要是24届毕业的同学都有机会近期热招岗位：软件开发工程师-java方向、...

【小米秋招内推】加入科技巨头，开启你的未来之旅！📝 投递方式：内推码：SQQ1HC5小米内推投递链接：https://xiaomi.jobs.f.mioffice.cn/referral/campus/m/position?token=MzsxNzI2MTU0NDM0MjAxOzczNzg1MzkwNTkyNTUzOTQ0MTI7MA📍投递之后私聊我，回复"投递岗位+名字"，全程跟进，已经内推多人！🌟 小米科技，全球领先的智能生活引领者，现正火热招募2025届秋季校招计划成员！ 🌟🚀 为什么选择小米？全球视野：加入小米，你将与全球顶尖的科技人才一起工作，共同推动智...

🌟 背景介绍- 学历背景：24应届生，双非本科，数据科学专业- 实习经历：有三段实习，第一段是小厂数分，第二段是头部快消数分，第三段是字节策略运营(商业化)- 拿到的offer：平安银行产运、顺丰数运、小迈科技数分（被毁oc）、小米数分、三七互娱数分、4399数分等几个小厂...- 求职意向：从大三下学期边准备考研边找实习（当时比较迷茫，不确定会不会有企业要我）- 写作目的：想记录一下自己秋招和春招的求职历程，并总结复盘📍把手里的牌打好比回忆遗憾的过去更好🚀秋招经历- 秋招经历：  1. 秋招期间投递应该超过一百家企业，但是拿到的oc只有平安银行的产运和一家中小电商厂数分，大概是国庆回来之后10月初的时候签了后者。当时是在一家外企做数分实习，学不到什么东西，当时在做一个偏技术的项目，想着做完再走。  2. 秋招投的大厂基本上都没有面试机会，只有一些中厂有面试的机会：去哪儿、唯品会、货拉拉一面挂（货拉拉有二面的机会，但是当时入职了第三段实习要去上海出差就没去二面了，当时特别后悔）。  3. 秋招结束，当时的想法是想再找一些对口，有含金量的实习经历，增加手里的牌，为春招做好充足的准备。于是12月初就开始了第三段字节的实习，做的方向是商业化方向。🏷️秋招阶段性复盘：  1. 简历：大厂校招会卡92学历，我的背景是双非这点短时间内没办法改变，只能想办法增加一些对口的有含金量的项目经历和实习经历。同时也将过往的一些实习项目经历进行了梳理，根据STAR法则进行结构化梳理，同时完善 项目背景→项目目标→我的职责→项目成果→项目难点→项目复盘 这几个关键节点。  2. 笔试：进面率低的另一个原因，可能是我的基本功笔试技巧还不够扎实，秋招8月-11月陆续收到一些笔试，高频的一些SQL题目如：直播间最大同时在线人数、连续签到、n日留存问题等SQL题型还并没有完全准备好，经常出现笔试时间不够的情况。因此在准备春招期间2月份到3月份期间将牛客上面的进阶挑战、大厂真题刷了个遍，确保了能够短时间内准确做完笔试。2-3月份牛客的成就值快速上涨（图片见下）  3. 面试：面试过程中最重要的我觉得是确保对面试官的问题能够倾听并很好的理解，理解之后将答案用结构化有逻辑的进行回答。尽可能多的展示你的知识储备  4. 复盘：我觉得面试复盘非常重要，每一次面试我都会进行录音、录屏，将整个过程给记录下来，面试之后会进行复盘，将回答不太好的问题进行思考作答，争取下次面试遇到类似的问题能够答出来。🚀春招经历春招我是从3月14日-6月6日期间陆续都有面试，春招的持续时间比较长。整个过程就是 投递简历→测评/笔试→ 面试 → 复盘 → 投递简历 → 面试...  当时从3.14当天面了两个企业一个是微博一个是顺网科技，以为后面的机会会很多，结果差不多一个月的时间都没有面试机会，这期间我甚至以为春招结束了已经。终于到4.9到4月中旬陆续有了沐瞳、拼多多等一些中小厂的面试机会。明显感觉4月中旬之后很多岗位都陆续有了流转，但是这个时候还是没有拿到offer，最远的是pdd的数据运营二面。4月中旬陆续开始有了比较多的面试，即使展示没有合适的offer，但还是保持着一个比较积极的心态。面试机会在五月中下旬来到了一个峰值（一周10面），在五月下旬拿到了三个口头offer，最终在顺丰数据运营和小迈科技数分中选中了小迈科技数分（当时的情况是顺丰和小迈都需要在第二天给出答复），本以为春招终于落地了，但在5.25周六小迈hr打电话说现阶段内部项目系统有调整，这个hc没了。被毁oc后收拾好心情后，周一5.29又开始继续投递简历，考虑到当时的一个时间节点压力还是有的，但我觉得这个时候我的一个简历投递的响应率、面试率还是挺大的，因此还是保持着一个比较积极的心态。5.27-5.28投了一轮简历后，很快又出现了新的机会，最终在三七和小米之间选中了小米，6月中旬就提前去北京报道了。春招整个过程还是比较长的，我觉得是会比较消耗人的，特别是没收到offer甚至是被毁oc的时候，但还是要保持积极的心态，投递、面试、复盘、持续成长，然后相信美好的事情即将发生。如果有同学想加入小米的， 我可以帮忙内推投递，全程跟进，推动流程。📝 投递方式：内推码：SQQ1HC5小米内推投递链接：https://xiaomi.jobs.f.mioffice.cn/referral/campus/m/position?token=MzsxNzI2MTU0NDM0MjAxOzczNzg1MzkwNTkyNTUzOTQ0MTI7MA📍投递之后私聊我，回复"投递岗位+名字"，全程跟进，已经内推多人！

# 二刷： # tb1 : 连接完表 、 构造连续编号 with tb1 as( select distinct author_id,author_level,answer_date , ## 按照登录进行排序 dense_rank()over(partition by author_id,author_level order by answer_date asc) as rk, ## 构造日期answer_date和编号rk的差值 date_sub(answer_date,interval dense_rank()over(partition by...

# 二刷：通用方法 22:25 ~ 22:48 23min with tb0 as ( select distinct uid,date(in_time) as in_date from tb_user_log union select distinct uid,date(out_time) as in_date from tb_user_log ), # 1.自连接 tb1 as( select a.uid,a.in_date as time1,b.in_date as time2, # 标记新用户 if(min(a.in_date)o...

# 作答时间：20240417 14:52 ~ # 字段： course_id、course_name、max_num # 问题类型：最大在线人数 # 方法：①union all in_time和out_time;②sum(label)over()按照课程分组、time(升)和label(降)排序;③max筛选最大在线人数 # tb1：union all with tb1 as ( select user_id,course_id,course_name,in_datetime as inout_time,1 as label from attend_tb left joi...

# 4/17 10:43 ~ # 字段：course_id、course_name、attend_rate(%) # 出勤率 = 出勤人数(在线时长10分钟以上) / 报名人数 # tb1：出勤人数, 按照user_id、course_id分组，统计出勤时间 with tb1 as ( select user_id,course_id,course_name,sum(timestampdiff(second,in_datetime,out_datetime)) as on_time,if_sign from attend_tb left join course_tb usi...

# 字段：course_name、avg_Len # tb1：计算时间差 select course_name, round(avg(timestampdiff(second,in_datetime,out_datetime)/60),2) as avg_Len from attend_tb left join course_tb using(course_id) group by course_name order by round(avg(timestampdiff(second,in_datetime,out_datetime)/60),2) desc

# 时间：4/16 11:00 ~ # 明确问题：统计的是19:00 时刻的在线人数！ # 方法：maybe sum()over()进行累计统计 (no) 只需要筛选保留符合条件时间段的数据 # 不涉及 # 字段：course_id、course_name、online_num # tb1：筛选时间段包含了19:00的数据\ with tb1 as( select distinct user_id , course_id ,course_name,course_datetime from attend_tb left join course_tb using(cour...

# 时间：4/16 11:00 ~ # 明确问题：统计的是19:00 时刻的在线人数！ # 方法：maybe sum()over()进行累计统计 (no) 只需要筛选保留符合条件时间段的数据 # 字段：course_id、course_name、online_num # tb1：筛选时间段包含了19:00的数据\ with tb1 as( select distinct user_id , course_id ,course_name,course_datetime from attend_tb left join course_tb using(course_id)...

# 第二次练习 4/3 9：47~ # 字段：dt 、 uv_left_rate # 统计每天新用户的次日留存率 # 注意：跨天的也算为活跃，代表out_time也作为活跃记录日 # tb0：将in_time 和 out_time 组合 with tb0 as ( select distinct uid,date(in_time) as in_time from tb_user_log union select distinct uid,date(out_time) as in_time from tb_user_log ), # 注意2：合并i...

# 3.22 9:28~ 9:44 16min # 字段：author_id，author_level，days_cnt # 核心：连续问题的核心是 排序编号 和 日期 之差为定值则实为连续状态 # tb1：标记连续编号 with tb1 as( select answer_date,author_id,author_level, dense_rank()over(partition by author_id order by answer_date) as rk from answer_tb left join author_tb using(author_i...

# 3.22 9:28~ 9:44 16min # 字段：author_id，author_level，days_cnt # 核心：连续问题的核心是 排序编号 和 日期 之差为定值则实为连续状态 # tb1：标记连续编号 with tb1 as( select answer_date,author_id,author_level, dense_rank()over(partition by author_id order by answer_date) as rk from answer_tb left join author_tb using(author_i...

# 3.22 9:17 ~ 25 8min # 字段：num # tb1：回答过教育类 且 回答过职场类 的用户数量 with tb1 as ( select distinct author_id,issue_type from answer_tb left join issue_tb using(issue_id) where issue_type = 'Education' or issue_type = 'Career' order by author_id ), # 结果查询 tb2 as( select author_id,coun...