24届java实习求职经历总结帖

个人基本信息:本科普通一本,工作后回来考研,现在是师范类211在读研究生,24年毕业;4月初才开始找公司投简历还早java开发实习岗,手忙脚乱,前期因为准备不够充分,错过了好几个大厂,不过最终也算有一个好的结果!

目前所投递的所有企业汇总到下面了:

简历挂:网易、SHEIN、亚信、联想、中兴、星环、用友、爱的番茄、招联金融、旷视科技、东方财富、字节跳动、百度、顺丰、快手、bilibili、友达光电、搜狐、七牛云、知乎、虎牙、腾讯云智、小米;

笔试挂:小红书(当时没咋准备)、恒生电子(感觉写的还行、但是G了)、奇安信(同样感觉写的还行...)、360(头的算法岗、进度有点奇怪,一开始显示过了,后面又G了,估计是先笔试后看简历吧)、腾讯音乐(跟小红书一样准备不充分,怪自己)、拼多多、小天才、海康威视(同样感觉写的还行但G了)、米哈游(忘记写了尴尬);

面试挂:

1. 菜鸟:流程有点奇怪,先打电话了解情况,过了一两周又打电话说进行笔试,又过了一周打电话说面试,然后电话打完就G了,不过G的正常,个人准备的太晚了,写在简历上的东西没答上来;

2. 万得:整个实习求职经历印象最深刻的一次面试,也是体验最差的一次吧,在boss上投递的,印象最深刻的就是反问环节,我说感觉自己答得不是特别好,有点紧张,对方直接就来一句嗯,那就这样。我当时人都傻了,其实我觉得问的我都答上来了,不说答得挺好吧,我觉得不至于答得很差,就很离谱(后面个人也是实习给boss联系我的hr“客观”说了自己的面试感受);

3. 优诺:今年第一场面试,不过是测开,hr主动联系的我,面试完以后聊的还挺好的,说过几天会给回复,下一周我主动询问联系我的hr结果,对方已读不回,心塞;

已OC:

1. 美团:基础平台研发部 - 系统开发,总共流程:笔试(五道编程题) 一周后 一面(八股文+算法)一周后 二面(项目+个人的一些应变能力)第三天 直接发offer;流程还是挺快的;

2. 万物心选:总共流程:三轮技术面 + 一轮hr面,不过面的是php岗位,boss上hr找的我,整体面试感受其实很舒服,一直到第三轮面试面试官都挺和气的,三轮面试技术上问的都是一些基础内容 + 项目,如果你们做PHP的话可以考虑一下这家公司,我觉得氛围还是挺不错的;(不过我是做java的);

3. 熙诚紫光:总共流程:两轮技术面 + 一轮hr面,第一轮技术面还有点压力,因为基本上在问Spring的原理和自己看过的源码加上jdk的一些源码和项目,也让写了个算法题目,二面直接问的项目和一些场景题,hr面直接谈薪资和到岗时间确认,整体流程很快,体验也挺不错的,面试官人也挺好,不过在武汉这边是个研发中心,只有10个人左右好像;

4. 合力亿捷:总共流程:两轮技术面 + 一轮hr面,也是八股文 + 项目,还问了点在读研期间学习的算法方面的内容,整体感觉也挺不错的,如果当时没有大厂offer我可能会选择这家了;

5. 天融信:总共流程:一轮笔试 + 两轮技术面 + 一轮hr面,流程也挺快的,给我从北京分配到了我目前所在地,挺感动的,个人还是拒了,还是想再冲冲互联网大厂;

流程中:

1. 微众:流程有点离谱,笔试到一面隔了一周能理解,一面到二面隔了一周能理解,二面到hr面隔了三周能理解(个锤子);上个月底hr面完,压力面试,第一次遇到这种面试,后面得好好补补这方面的不足;目前还在流程中(太慢了...);

2. 小米:刚说简历挂,这几天给我发面试邀请了,还是挺惊喜的,前天刚一面完,昨天给我发二面通知了,在下周一,希望能够尽快走完流程,不管过没过;不过当时一面听面试官的意思好像小米在这个月底结束所有实习招聘;

3.cvte: 流程也太慢了,线下技术面完一周多官网更新技术面通过等待综合面,现在还无法选择时间,无所谓了:

总结:java的行情确实越来越差了,但是其实还是有很多机会的,这次找实习给我的想法就是,机会总是留给有准备的人的,如果你看到你身边的人拿了大厂offer,在肯定他的运气的同时,也要肯定他的能力,承认他的优秀;别误会哈,我不是在炫耀我自己,只是当时看到了身边有人拿了offer我个人的一个想法,现在只是纠正一下自己的想法;只有自己经历过了,才能知道其中的艰辛!(不过我也得肯定自己今年的运气还是不错的哈)最后也祝各位都能找到一个好的实习,找到一个好的工作,前程似锦!

#晒一晒我的offer#
全部评论
update:昨天下午收到微众的offer啦 base武汉 综合未来考虑以后还是准备在武汉这边发展 还是决定去微众了 对不起团团 它给的实在太多了😂
2 回复 分享
发布于 2023-06-10 18:09 湖北
能介绍下简历经验么
点赞 回复 分享
发布于 2023-06-11 22:59 重庆

相关推荐

狠狠拷打,燃尽了(哭)Q:介绍 Kafka 概念,如主题(Topic)、分区(Partition)和副本(Replica)Q:分区和副本在 Kafka 中有什么区别Q:副本同步过程中是否会出现同步过多或同步过少的情况?副本同步具体有哪几种方式?Q:如果一个 Topic 下有两个分区(如分区一和分区二),怎么确保消息一直只发送到指定的某个分区(例如分区一)Q:Kafka 中有一个相对复杂的 ACK 确认机制,详细说下Q:使用 Redis 进行去重请问具体使用的是哪种数据结构Q:关于滑动窗口算法:如果要用 Redis 实现,可以使用哪些数据结构?具体有哪几种实现方式?Q:项目中使用的 Redis 版本是 6.5 还是 7.0Q:Redis 持久化机制Q:介绍 Java 不同版本中的锁机制,包括偏向锁、轻量级锁、重量级锁以及无锁状态Q:介绍 AQSQ:简述 Semaphore和 CountDownLatch 的作用Q:HashMap 和 Hashtable 有什么区别?在初始化容量大小和阈值上是否有差异Q:Hashtable 的扩容机制Q:HashMap 如何解决哈希冲突问题Q:具体说一下在项目中如何使用 MCPQ:使用的模型是直接调用的现成模型,还是经过微调后的模型Q:该模型是离线部署版还是在线调用版?如果是在线调用,是通过购买 API Token 的方式吗?Q:是否了解现在比较热门的 Skill 的调用方式Q:场景题:要对接医院场景,利用 AI 辅助药师开药,主要检测孕妇或儿童用药禁忌。药师开药时,系统需通过 AI 给出建议,并生成表格或单据提前告知医院药物配伍不合理。如何结合 RAG、本地私有化大模型数据库以及 Skills 实现这一方案Q:在上述场景的知识库选型中,您会选择向量数据库、传统的键值对数据库,还是结构化数据库?Q:假设目前没有现成的药品禁忌信息,只有大量的文献数据。鉴于你对大数据和数据清洗的了解,请问如何从这些文献中获取并提取出我们需要的关键信息Q:基于上下文的展示部分,前端界面是你们自己开发的,还是使用现成的工具直接展示的Q:使用任何主流 AI 模型(如通义千问、字节豆包等)生成的基于前端文档的输出,通常是什么文件类型Q:叙述一下你的系统如何实现多场景对话、自动答疑、操作指引以及场景切换功能Q:大模型默认是没有上下文记忆的,你的系统中上下文功能如何实现Q:在记录了历史对话后,系统如何基于上文的上下文信息来生成新的答复Q:一般情况下,如果一个对话框内的历史记录超过上千条,响应速度是否会变得特别慢?如何优化Q:如果现在让你去研究并落地刚才提到的“合理用药”方向,预估自己需要花费多长时间Q:如何理解可维护性、可扩展性和可观测性?在你的项目中如何具体实现这三点Q:在大数据方面,是否部署或使用过 Flink 或其他相关组件Q:docker logs 命令是做什么的?docker cp 命令是做什么的?Q:docker cp 是否支持双向拷贝?即能否将宿主机的配置文件拷贝到容器中,或者将容器中的文件拷贝到宿主机?Q:介绍 docker build 和 Dockerfile 文件Q:之前 Java 实习过程中用过哪些设计模式Q:具体说明模板方法模式的作用Q:简述建造者模式
点赞 评论 收藏
分享
评论
7
15
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