你工作过他们一般会对你工作时的实际的项目感兴趣

2023-05-16

你工作过他们一般会对你工作时的实际的项目感兴趣,实际投入运营的项目感兴趣,学校里的小打小闹的那种课本上的项目可能就没多少兴趣,所以你工作时的项目务必要重视起来,好好准备。

 

面试国科大时他们就直接问你工作时的项目,什么无人机什么的都没问

北信科也问过你工作时干了什么。

 

 

包括我看招聘信息,有的嵌入式岗位要求你真正参与过量产的产品的开发,而不是学校里的智能车。

 

 

可以看出他们更看重真正做过实际产品,能做实际产品,能做成实际产品的能力,而不是纸上谈兵。你做的无人机也好,达不到市场上商业级别的无人机的标准。人家毕竟是要做商业化的产品,要卖出去的。你学校里做的那些小Model是还不够的,那种自己玩玩就行,你拿出去卖就不行了。

就像正点原子的飞控和pixhawk的飞控

平衡车也是的嘛,你学校做的平衡车和市面上的载人平衡车,那差得远了,别人需要的是你有后者的能力。所以啊我觉得你还是有必要去分析一些企业级项目的源码,人家企业再怎么也得用个精美的外壳包装一下,绝对不是你那么乱走线,实现功能就行。

人家重视实习的道理也在这里面。你能接触到实际的企业级项目。

 

像OZO和别人学校自己做的全景相机那肯定也不是一个档次啊,是不是。

 

包括陈导搭建的那个异常检测平台框架,确实我感觉很棒,那才是真正企业级的落地项目,绝对不是自己单单的做个东西玩玩这种。

找找有没有什么方法能够接触到企业级项目的。真正量产的项目。这个很重要。你也需要以这个标准来要求自己,以量产的商业级的产品的标准要求自己,而不是单纯做出一个平衡车,一个无人机就很满足了,实现功能就很满足了。

真正实际的商业化产品的标准自然要高很多。

 

 

就好像高校老师喜欢招发过论文的。

 

毕竟是商业化的公司,你最好真正做成过商业化的产品。

 

 

包括当初校招在华农,一个HR是问我那个  光庭实习的那个项目我说做了光庭的官网,她问我是真正的公司的官网么(大体是这个意思),我说不是,就大概是说是自己做的项目,不是真正的企业使用的网站。说明人家还是对那种真正干过实际的投入使用的量产的项目经验感兴趣,人家也是需要这方面的能力。

 

 

 

 

 

 

 

 

 

 

 

 

 

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

你工作过他们一般会对你工作时的实际的项目感兴趣 的相关文章

  • 关于球上自平衡机器人

    其实弄清了无人机的控制系统之后 xff0c 再看球上自平衡的控制系统 xff0c 你就自己立马能写出来了 xff0c 无非是先位置控制再姿态控制 xff0c 输入的话无人机是输入位置和偏航角 xff0c 球上自平衡偏航角都不需要输入 xff
  • 思考一下如何让平衡车上面站人

    思考一下如何让平衡车上面站人依旧保持平衡 xff0c 这也是华诺当初面试问到的 不对 xff0c 其实平衡车载人还好 xff0c 之前B站上也看到别人就做的小的平衡车上面放什么一瓶水啥的都没问题 xff0c 只不过重心高了之后它会调整得更加
  • 天池大赛通用目标检测的对抗攻击方法一览

    PaperWeekly 原创 作者 xff5c 文永亮 学校 xff5c 哈尔滨工业大学 xff08 深圳 xff09 研究方向 xff5c 时空序列预测 xff0c 目标检测 赛题 xff1a 1000张图 xff0c 在图上贴补丁 xf
  • 我现在发现平衡小车之家里的平衡车,角度环和速度环直接相加,在数学表达式上是和串级PID一样的!

    我现在发现平衡小车之家里的平衡车 xff0c 角度环和速度环直接相加 xff0c 在数学表达式上是和串级PID一样的 xff01 xff01 xff01 xff01 xff01 xff01 xff01 xff01 xff01 这也是为什么它
  • *目前看到的平衡车代码都是角度环速度环转向环三环相加!

    之前总结过无人机的控制有通用的模式就是水平位置采用四环串级控制 xff0c 竖直采用三环串级控制 平衡车我看了这么些书和代码之后也有一个通用的模式 xff0c 就是角度环 43 速度环 43 转向环三环相加 xff0c 不是串起来的 xff
  • PID控制系统理论分析

    下面的一些分析是错误的 xff0c 看了全驱动和欠驱动就明白 xff0c 比如无人机是六个自由度 xff0c 输入量只有四个是欠驱动 xff0c 不是我下面分析的四个就够了 xff0c 无人机是六个自由度的 具体可以看我这篇博文 https
  • 《智能车制作》这本书已经把平衡车的控制原理讲得很清楚了!附上其他书讲平衡车的部分。

    智能车制作 从元器件 xff0c 机电系统 xff0c 控制算法到完整的智能车设计 这本书里面已经把平衡车的控制原理讲得很清楚了 xff01 xff01 xff01 xff01 xff01 另外把 飞思卡尔杯智能车设计与实践 里面对平衡车的
  • 学长的四轴PID讲解

    https blog csdn net wkdwl article details 50460695 学长的一篇四轴PID讲解 xff0c 王龙博客里推荐的 https blog csdn net nemol1990 article det
  • 增量式PID和位置式PID在智能车领域内的最终效果是一样的

    似乎就是 增量式PID控制的增量 xff0c 位置式PID控制的位置 xff08 2021 3 2 xff09 截图自 智能车制作 从元器件 xff0c 机电系统 xff0c 控制算法 到完整的智能车设计 P231 我也感觉不管是循迹车还是
  • OpenMV巡线

    你向别人介绍openmv就说哦这是一个嵌入式的机器视觉模块 一个摄像头模块带有主控 xff0c 可以用Python编程 用openMV巡线 借助的是线性回归 xff0c 线性回归的意思就是找出一条直线嘛 xff0c 用最小二乘法 xff0c
  • PID很多是放在过程控制系统里面讲的,自动控制原理不讲

    自动控制原理讲的都是那种要建立系统方程进行分析的 包括串级PID也是过程控制系统里面讲的 你在TB搜PID出来的结果也是过程控制系统这类书 我看一本写智能车的书 十天学会智能车 后面参考的书目录就有两本过程控制系统 xff0c 说明我之前认
  • 异常检测检测之集成学习

    因为你会到最后发现每种方法有自己善于识别的异常也有不善于识别的一场 xff0c 单个算法没法尽善尽美 哪怕HTM也是如此 xff0c 而实际运维人员是用很苛刻的眼光来看待的 传统时间序列分析有他们的长处 xff0c 也有他们的短处 深度学习
  • 无论是无人机还是平衡车,姿态环的频率都是远高于外环的

    毕竟姿态环是前提中的前提 xff0c 调PID也是先调好姿态环再说 只要姿态环稳住 xff0c 其他都好说 多旋翼飞行器设计与控制 这里面说了内环的带宽比外环高4到10倍 还可以去看看之前说平衡车的角度环和速度环的这篇博文 https bl
  • 基于异质图神经网络的未知恶意程序检测

    PaperWeekly 原创 作者 xff5c 张安琪 学校 xff5c 东华大学硕士生 研究方向 xff5c 隐私保护 Security 论文标题 xff1a Heterogeneous Graph Matching Networks f
  • 无人机循迹的流程好好整理一下

    OpenMV给无人机发送的是什么信息 xff1f 无名这好像也是返回偏差和倾角 xff08 去看无名的飞控使用说明书 xff09 openmv巡线教程里也是返回偏差和倾角 xff0c 那么无人机巡线就是要对偏差和倾角进行控制了 xff0c
  • 特征提取和深度学习的KPI异常检测方法—组合模型(转载)

    摘自 xff1a https blog csdn net qq 34219959 article details 102859646 utm medium 61 distribute pc relevant t0 none task blo
  • 为什么从自动化运维到智能运维

    还有KPI量大 xff0c 异常种类复杂 xff0c 很难通过传统的基于规则的运维来弄 xff0c 很难通过有限的规则去描述了 xff0c 那就通过机器学习深度学习让它自动去发掘挖掘特征 达到百万KPI曲线一人挑的地步 所以为什么要从自动化
  • 三总线原则

    数据总线 xff0c 地址总线 xff0c 控制总线 xff0c 这是学单片机时讲的
  • 用C++写数据结构 STL!!!!!!

    我猜想一下 xff0c 用C 43 43 写数据结构 xff0c 那可能就是用面向对象的思想写了 xff0c 用类操作 还有不是任何一个数据结构都有逻辑结构 xff0c 存储结构 xff0c 操作么 xff0c 我感觉操作就对应着类里面的方

随机推荐

  • 我觉得你可以早点找工作面试,一方面可以倒逼自己学习,另一方面可以清楚别人考察的是什么。

    我觉得你可以早点找工作面试 xff0c 一方面可以倒逼自己学习 xff0c 另一方面可以清楚别人考察的是什么 就像复试面试 xff0c 你会发现你折腾了这么久的无人机 xff0c 花费了这么大精力的无人机 xff0c 居然根本一个问题都没有
  • 路由器开发

    路由器我看了下还是有几本专门的书讲了讲的 xff0c meybe可以像无人机一样弄透彻些 我记得华清的课里面也有谈到过路由器 xff0c 记不清好像是再驱动还是系统移植的课程里面 路由器openwrt我发现可以集成到无人机项目里面 可以看我
  • C 语言实现 FTP 服务器

    这个有专门的课程讲解我看到 xff0c 百度也能搜到不少相关的 我觉得你可以去把这个弄懂
  • 找找网络编程,多线程编程的面试题

    我看到嵌入式软件招聘里面不少要求网络编程 xff0c 多线程编程的 xff0c 我想去找找这方面的题库 xff0c 好更好地准备 这样好针对性地准备一下 xff0c 不然真的不太好准备 1
  • 关于推流软件

    他们好像就叫OBS xff0c 是开源的 xff0c 可以自己改 https www cnblogs com csuftzzk p OBS Plugins Development html linux上推流似乎是可以用ffmpeg http
  • 复旦大学邱锡鹏教授团队:Transformer最新综述

    PaperWeekly 原创 作者 王馨月 学校 四川大学本科生 研究方向 自然语言处理 Transformer 在自然语言处理 计算机视觉 音频处理等许多人工智能领域都取得了巨大的成功 xff0c 也吸引了学术界和行业研究人员的大量兴趣
  • 通过子网掩码判断两个IP地址是否在同一子网中

    IP地址分为两部分 xff0c 网络部分和主机部分 xff0c 子网掩码就是用来给你指明哪些是网络部分 xff0c 哪些是主机部分 xff0c 如果网络部分相同 xff0c 那主机就在同一网络里 一个IPv4地址 xff0c 由32位二进制
  • 拉流软件

    当初OZO电脑端用的VLC 手机端用的insta360player 媒体播放器三大底层架构 MPC MPLAYER VLC 下面截图自 FFmpeg从入门到精通 播放VR视频当时好像用的暴风影音 1
  • 当自己选导师,当自己招聘,能感受到很多东西。

    当自己选导师的时候很多东西就能体会到了 xff0c 这跟面试一样 xff0c 你从面试官的角度 xff0c 很多就合情合理了 老师选学生肯定也是愿意选做过自己领域相关项目的学生嘛 xff0c 你千万不要这么想 xff0c 就是一味表现自己很
  • 直立车模控制中三种滤波算法简单分析

    摘自 xff1a https mp weixin qq com s WbCh0NFAnsf9y2blQenf7g 让我想起余义的一篇文章也是说到平衡车有三种滤波 xff0c 我想和卓晴说的是一样的吧 直立车模控制中三种滤波算法简单分析 原创
  • 直立车模控制中三种滤波算法简单分析(清华卓晴)

    摘自 xff1a https mp weixin qq com s WbCh0NFAnsf9y2blQenf7g 让我想起余义的一篇文章也是说到平衡车有三种滤波 xff0c 我想和卓晴说的是一样的吧 https blog csdn net
  • 就去工作,然后报个培训班学,这样感觉其实挺好的

    我感觉啊 xff0c 就去工作 xff0c 然后报个培训班学 xff0c 这样感觉其实挺好的 xff0c 再弄个非全的硕士学位 也可以达到你想要的算法层面 他们去北邮的不很多也是自学 反正到哪里都是自学 xff0c 去软微也是自学 xff0
  • SIFT(单目3D重建和全景视频拼接都用到了!)

    我发现无论是单目SLAM里面 xff0c 还是全景视频拼接里面 xff0c 都用到了SIFT xff01 xff01 xff01 xff01 xff01 xff01 这是我今晚发现的 xff01 xff01 xff01 xff01 xff0
  • 集成学习

    中科院人工智能学院面试的时候有问到 xff0c 集成学习有哪些方法 xff0c 各自的优缺点 是因为我在简历上写了KPI异常检测最后需要通过无监督学习或者集成学习来解决 说实话我对集成学习的概念没那么清晰了 xff0c 我只记得裴丹用的随机
  • float a=1.0f 这里的1.0f中的 f 代表什么?有什么意思?

    最近看正点原子飞控源码会发现 xff0c 经常出现这种0 f xff0c 我以前玩单片机似乎没碰到过
  • 基于机器学习的KPI自动化异常检测(裴丹)

    可以看到确实就是用的随机森林
  • 原来全景拼接用的关键点检测,这样很多就说得通了

    原来全景拼接用的关键点检测 xff0c 这样很多就说得通了 xff0c 特别是手机自动多张合成一张全景照片时 xff0c 有的效果真的是不错的 xff0c 是的 xff0c 真的拼接得不错 xff0c 应该不是一个死的模板死套死拼的 xff
  • 从Bayesian Deep Learning到Adversarial Robustness新范式

    作者 王灏 毛成志 单位 Rutgers University Columbia University 研究方向 贝叶斯深度学习 对抗鲁棒性 拖延症赶在 2021 结束前来介绍一下我们 ICCV 2021 上基于 Bayesian Deep
  • 随机森林

    现在看我当时中科院人工智能学院面试时随机森林大部分说错了 我现在可以大体说出随机森林怎么弄的了 xff0c 当然前提要理解决策树 xff0c 建议去看周志华西瓜书里写的 xff0c 非常详细 xff0c 很不错 想想为什么要用随机森林 xf
  • 你工作过他们一般会对你工作时的实际的项目感兴趣

    你工作过他们一般会对你工作时的实际的项目感兴趣 xff0c 实际投入运营的项目感兴趣 xff0c 学校里的小打小闹的那种课本上的项目可能就没多少兴趣 xff0c 所以你工作时的项目务必要重视起来 xff0c 好好准备 面试国科大时他们就直接