• 记一次郁闷的面试经历 at 2020年03月05日

    正经的离职原因只有两种,其他的建议就不要说了:
    1、发展和公司、平台的匹配度不对了,也就是传说中寻求更好的机遇;
    2、家庭,比如定居了、子女读书了,等等等等,凸显稳定性加固的理由。

  • 记一次郁闷的面试经历 at 2020年03月05日

    老实人,也可以说是傻,哈哈😂

  • 记一次郁闷的面试经历 at 2020年03月05日

    离职原因都敢实话实说,你是心真大呀

  • 记一次郁闷的面试经历 at 2020年03月05日

    嗯,这次打击后暂时想着今年一边等待机会,一边把数据结构和算法、设计模式、pytest 源码看懂了,然后再去面试一次这家公司。下次有可能再提离职理由,就是有更好的发展机会了。

  • 记一次郁闷的面试经历 at 2020年03月05日

    小公司希望员工有个性,大公司希望员工螺丝钉。

  • 记一次郁闷的面试经历 at 2020年03月05日

    有时候觉得,渐渐被磨平了棱角,圆滑了起来。大公司难道都不希望员工有个性吗

  • 记一次郁闷的面试经历 at 2020年03月05日

    有些东西自己心里知道就可以了,没必要讲出来,你这个败在面试技巧不是败在技术上。

  • 记一次郁闷的面试经历 at 2020年03月05日

    当时没想那么多,想着实话实说,的确就是那样,而且公司里很多人都这么想的,所以整个开发和测试都比较散。主要是外行领导内行,而且做销售的来当项目经理。

  • 记一次郁闷的面试经历 at 2020年03月05日

    "离职原因主要是答得跟领导做事、做人理念不一致",你也太实在了

  • 记一次郁闷的面试经历 at 2020年03月05日

    可能介意的是你的离职原因,拒绝理由只是随便说说。

  • 记一次郁闷的面试经历 at 2020年03月05日
    僅樓主可見
  • 吐槽下我那神奇的上司 at 2020年03月02日

    匿名还确实联系不方便。加个 QQ?

  • 吐槽下我那神奇的上司 at 2020年02月29日

    造数据这个,做了一次后其他就还好了。测试可能比较少接触模板吧,可以多了解下开发技能。

  • 吐槽下我那神奇的上司 at 2020年02月28日

    怎么联系啊 我在南京

  • 吐槽下我那神奇的上司 at 2020年02月28日

    好好搞啊 说不定你就是下一个研发老大

  • 吐槽下我那神奇的上司 at 2020年02月27日

    因为我写好后还没发出去,,还躺在草稿箱里。本来想开个帖子的,但是觉得好像也没太大事情。职场上不是说自己一腔热血就能有同样的对待的。

  • 吐槽下我那神奇的上司 at 2020年02月27日

    先按照你的理解弄呗 先弄出个 123 再说

  • 吐槽下我那神奇的上司 at 2020年02月27日

    这种领导需要学习下管理 也可能是情商不够高

  • 吐槽下我那神奇的上司 at 2020年02月27日

    你这个文章,怎么搜索不到呀?小板凳都搬来坐等了。不是所有 leader 都能处事不惊,许多 leader 和 goverment 公务员似的,遇到下面的问题不敢往上报,遇到其他部门的反馈,当做打压下属的板子。搞得所有人都带上面具。真正好的领导,是能消除部门墙,勇于直面问题,躬身入局的。来南京吧。我们公司领导都不错

  • 吐槽下我那神奇的上司 at 2020年02月27日

    我是楼主,6 楼的机器学习的很多帖子我都看了,我还关注了你的。围观下大佬 😄

  • 吐槽下我那神奇的上司 at 2020年02月27日

    我是楼主,谢谢大家的关怀。再补充下,要求造的数据的千万行的银行数据,好用来训练,要用类似银行的字段造,不能用 sklearn 的 api 造那种全是数值型的数据,老板说这样太不正规了。楼主撸代码水平渣渣,实在是臣妾做不到。

  • 吐槽下我那神奇的上司 at 2020年02月27日

    可以跟帖表达一下玻璃心么😬

  • 吐槽下我那神奇的上司 at 2020年02月27日

    建议多了解下需求,我也碰到过这样的问题。下放任务的时候需求描述不清晰,导致员工一脸为难的看着我,也说过:这个很简单,你想的太复杂了。手把手带他做了开头之后,后面工作开展就没问题了。

  • 吐槽下我那神奇的上司 at 2020年02月27日

    这种事情应该要跟你们的开发人员多沟通啊~

  • 吐槽下我那神奇的上司 at 2020年02月27日

    额, 需求和我们这里如此相近。 我也是在人工智能公司。 讲道理做机器学习相关的测试人员, 造数是绕不过去的。 而且一造可能就是很大的数据, 数以百 G 甚至数 T 的那么造。 为此我还专门写过造数工具, 利用 spark 把任务提交到 hadoop 上去用分布式技术来加速造数任务。 我曾经写 spark 的系列帖子的时候写过怎么造数的,楼主可以去翻一翻。

    不过同样讲道理, 对于没接触过大数据生态的 QA 来说, 这个任务确实偏难。 你们领导应该让懂这方面的人来做。 否则自己学习踩坑真的需要花很长时间的。