阿里算法,浙大博士带你写项目经历!

简介: 阿里算法,浙大博士带你写项目经历!

迷川.jpg


简历模块


校招应届生的简历主要包括:基本信息、教育背景、工作/实习经历、科研/项目经历、荣誉/获奖称号,组织/社团经历以及其他个人评价等。其中前面四项是必选项,也是招聘者最关心的信息。荣誉/获奖称号和组织/社团经历可以作为应聘者综合能力的额外补充。个人评价等信息通常不会特别受关注,有利于应聘的信息可以放上去。


  • 基本信息:给出的联系方式要尽量确保可以即时联系,否则容易耽误重要信息。
  • 教育背景:如果在校期间的成绩比较不错或者研究生期间的导师或者实验室非常知名的话,也可以在简历里面体现出来。
  • 工作/实习经历:优秀的实习经历是非常加分的,可以详细地描述一下实习期间自己主要的工作内容和成果。
  • 科研/项目经历:随着大学科研实力的提升,校招生拥有科研或者项目经历变得越来越普遍。对于一些技术要求比较高的岗位(例如算法岗),项目研究经历也是非常重要的。论文专利或者实验室参与的横向项目都可以应聘者在某一个领域的专业程度,有相关经历可以详细描述一下。


1.jpg


项目经历


1. STAR法则


2.jpg


描述项目是一份简历里面最核心也是最头疼的地方。好的项目描述很清晰地就能让他人看到应聘者的贡献和能力,反之差的项目描述给人感觉就是他做了这件事情但好像又不知道做了什么事情。


而项目描述的核心目标就是回答清楚三个问题:

(1)为什么要做这件事?

(2)采取了什么行为来做这件事?

(3)最终取得了什么成果?


一个非常著名的法则就叫做STAR法则,STAR是Situation(情形),Task(目标), Action(行为),Result(结果)四个单词的首字母:


  • Situation: 项目发生的背景是什么?
  • Task: 项目的任务是什么,要达到什么样目标?
  • Action: 面对这个任务采取了什么的解决方案?
  • Result:(量化)描述最终取得了什么样的成果?


2. 具体案例


具体我们可以通过一个实际案例(已经获得作者的授权)来理解,作者参与了一个BERT预训练网络QAT量化研究的项目。


640 (1).png


  • Situation: 红色框说明了项目的背景,因为模型参数量很大所以难以部署。
  • Task: 蓝色框说明了项目目标,需要对模型进行量化来加速推理。
  • Action: 绿色框是具体采用了什么样的行为来达到目标,通常会以动词进行开头,这里体现一些的关键词会是面试过程中重点探讨的内容
  • Result: 深蓝色框是最终取得的结果,最终在精度无损的情况下加速了四倍,在描述取得的成果时,推荐尽量「量化」地去描述,客观的数据相比于主观的描述会更加具有说服力。


从这个案例我们可以看到,整个描述的字数用的并不多,但是没有一句话是多余。并且逻辑十分清晰,分成了三条来描述STAR的四点内容。与之相对应,反面例子就是花了一大段篇幅来描述一个项目,却表达不清楚自己做了什么。


3. 三个问题


在描述一个项目的时候我们可以对照一下STAR法则,看看这几个关键点是否都表达清楚了。之后我们可以在自问一下自己以下三个问


  • 是观点还是行为?
  • 是自己的行为还是别人的行为?
  • 是概括的总结还是具体的事件?


如果以上三个问题回答的都是红色的选项,就说明项目描述是合格的。


简历是一个人过往经历的呈现,平时付出了努力都会有回报,相信学弟学妹们都能在简历里面把自己100分的水平展现出来,都能在校招季取得理想的offer。


活动初衷


阿里巴巴倡导“人人公益3小时”,以此来激发大家内心的善念,并通过个人的专业度,来释放善能。我们组建了一个民间公益组织,叫做燃烧吧少年幸福团,就是希望找到更多有这份善心及善能的“学长学姐”,基于各自的行业积累,专业实践和生活阅历,为关注求职及个人成长的高校同学们及个人开发者,提供力所能及的信息和帮助。同时,我一直觉得,这样的分享、对话是平等互利的。我们能在繁碌之余,有机会和年轻的灵魂产生碰撞,看到更多优秀的人们在奋力前行,也是一种美好和幸福。

——王可心,阿里巴巴,活动志愿者




除了简历指导,还提供阿里内推机会(报名地址):

https://developer.aliyun.com/trainingcamp/6ab6d5ffa8964625ab41a941f97814fa?utm_content=g_1000328625


相关文章
|
3月前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
111 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
3月前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
142 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
3月前
|
算法 JavaScript 前端开发
第一个算法项目 | JS实现并查集迷宫算法Demo学习
本文是关于使用JavaScript实现并查集迷宫算法的中国象棋demo的学习记录,包括项目运行方法、知识点梳理、代码赏析以及相关CSS样式表文件的介绍。
第一个算法项目 | JS实现并查集迷宫算法Demo学习
|
2月前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
72 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
3月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
124 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
3月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
110 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
3月前
|
机器学习/深度学习 人工智能 算法
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台。果蔬识别系统,本系统使用Python作为主要开发语言,通过收集了12种常见的水果和蔬菜('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜'),然后基于TensorFlow库搭建CNN卷积神经网络算法模型,然后对数据集进行训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地文件方便后期调用。再使用Django框架搭建Web网页平台操作界面,实现用户上传一张果蔬图片识别其名称。
68 0
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
4月前
|
机器学习/深度学习 人工智能 资源调度
【博士每天一篇文献-算法】连续学习算法之HAT: Overcoming catastrophic forgetting with hard attention to the task
本文介绍了一种名为Hard Attention to the Task (HAT)的连续学习算法,通过学习几乎二值的注意力向量来克服灾难性遗忘问题,同时不影响当前任务的学习,并通过实验验证了其在减少遗忘方面的有效性。
87 12
|
4月前
|
机器学习/深度学习 算法 计算机视觉
【博士每天一篇文献-算法】持续学习经典算法之LwF: Learning without forgetting
LwF(Learning without Forgetting)是一种机器学习方法,通过知识蒸馏损失来在训练新任务时保留旧任务的知识,无需旧任务数据,有效解决了神经网络学习新任务时可能发生的灾难性遗忘问题。
280 9
|
4月前
|
机器学习/深度学习 人工智能 算法
【人工智能】传统语音识别算法概述,应用场景,项目实践及案例分析,附带代码示例
传统语音识别算法是将语音信号转化为文本形式的技术,它主要基于模式识别理论和数学统计学方法。以下是传统语音识别算法的基本概述
104 2
下一篇
DataWorks