双非材料本、985集成电路硕，导师让做AI加速材料计算，但组里没底蕴，想转数字IC验证或直接转码，想问问各位大佬该怎么选？我现在导师的课题组方向非常杂，模拟、数字、算法、器件都有人做，导师本人对学术细节基本不管。给我安排的方向是“利用神经网络应用在材料计算的加速上”，平时主要在弄Python、VASP和神经网络。虽然听起来是AI for Science的前沿方向，但我感觉组里完全没有这个底蕴，导师也给不出实质性指导，感觉找不到对口的工业界岗位。我目前掌握Matlab、Python和基本的C语言，有一些编程基础。现在的纠结在于：是趁着研一刚开始，赶紧自学SystemVerilog和UVM往数字I...

看着像是已经挂了，但是又给我发笔试链接了（上周我自己申请的），还有必要做吗，刚好和b站的笔试冲突了

投的大厂几乎全都是简历挂，我不太明白，我问了很多人他们都说简历没什么问题。可是快手挂我两遍美团、阿里大部分、拼多多、字节剪映、懂车帝、爱奇艺、百度、oppo、小米、美的、哔哩哔哩基本上都是简历挂。我想不通了，一整个三月只有腾讯和钉钉给面了。结果腾讯的两道题我没a出来，钉钉遇到kpi面，面完出来看官网果然是秒挂，我已经觉得绝望了。难道真是简历问题？

30min，无算法，无八股，全程问项目......项目来源、部署方式，以及你做了哪些优化？如何思考这些优化？ 为什么引入 SPI？解决了什么问题？适用于什么场景？ 秒杀整体方案是怎样的？（同步 vs 异步） Redis + Lua 在秒杀中的作用？如何保证原子性、防超卖、一人一单？ 为什么要引入 MQ？在系统中起什么作用？ MQ 消费失败会带来什么问题？如何解决？ 如何保证 MQ 的可靠性？ 如何监控 MQ？出现问题如何快速定位？ 如果 MQ 出问题，系统如何降级？ 如何设计高可用方案（如 Consumer、集群、容灾）？ 秒杀系统中哪些需要强一致性？哪些只需要最终一致性？ AI 项目整体架构...