新闻详情

新闻详情

首页 / 资讯中心 / 详情

1. 研究生3年(2016-2019)

发布时间:2026/11/16 2:06:12来源:尧图网络
1. 研究生3年(2016-2019)
今年刚好本科毕业10周年本文算是对过去的一个总结吧。虽然名义上毕业10年但因为读了3年研究生实际工作只有7年。本文尽量客观不加修饰吹嘘。无感的同学可以退出来看看我别的文章。1. 研究生3年2016-2019考研的出发点其实很简单未来本科将遍地都是需要花一点时间去提升自己的学历为将来铺路。研究生期间倒是中规中矩学习、做实验、出差在院研究生会、在校研究生会都待过。唯一的遗憾是论文数量有点少。另外6000多买的托福课只学了一遍、考了一遍拿了60几分错过了三好学生标兵的答辩如果答辩大概率是能拿到的最终只拿了校级优秀毕业生至今仍挂在学校的官网上等我姑娘长大了读大学了我要给他看看哈哈哈。2. 天津前2年2019.07-2021.01毕业后来到天津工作作为一个程序员我连如何调试代码都不知道。同时进来的四个小伙伴里我表现最差。现在回想当时技术那么差的我能够进入到公司大概率是师兄内推外加学校里的成绩让公司认为我具备一定的塑造性吧。最开始什么都不会好多问题都是我师傅帮我解决难得有如此有耐心的师傅真的很难得当时的公司没有辞退我好像疫情前很少听到有人被裁员的消息也很难得。但是当时维护的老旧代码不仅没有新特性没有跨平台还用的是MFC而Qt当时已经大行其道了。如果持续在这家公司将来的路子会很窄很受限制。于是经历了接近半年每晚学到12点的日子C、Qt一点点地学从头开始补基础黑马程序员的C课程不知道刷了几遍。真的很感谢那段日子那个时候的学习效率是真高。也忘了当时是什么原因定下了30XX、35XX的目标。考虑到一直在天津很难实现便想着去北京闯一闯。3. 北京5年2021.02-2026.05这五年大概是221的节奏。做了2年的客户端界面其中接触到了部分音视频知识当时小组的定期分享真好我至今认为我的很多东西/思维是在那个时候养成的。做了2年的C主程聚焦于音频行业主要写各种库在这个过程我一年写了多篇分享C知识的文章几乎是三天1篇新特性、新方法、新的库都在接触。这里我成长应该是最快的(自我成长)。做了一年的视觉算法工程师主要是输出阶段同时磨练使用AI的技巧了。总体延迟1年实现了30XX的目标提前2年实现了35XX的目标。只是这些目标均是通过跳槽实现的所以成就感没有那么高。虽然中间曾获得过一次涨薪40%的机会但那是在提完离职之后所以也就没有留。当我进入到第四家公司时也就实现了我的目标也就是达成了前三次跳槽平均58%的涨幅年化在26%。虽一切都是事实没有杜撰但我本心确实不想用这样的标题因为它过于张扬不够内敛、低调。之所以今天说出来只是为了证明我是拿到了结果的人。当然由于起点比较低这个结果也没有多高没有达到年薪百万级别。由于薪资的保密性质具体数值不便明说只能说当时缴纳的公积金是北京市的满额。4. 回到天津2026.05至今新起点大城市虽好但心若浮萍无处安身同时孩子也要入学便再次回到了天津。再次重新归零开始在天津寻找新的工作机会。面试过程中并没有拘泥于天津权当刷副本、攒经验。从5月6号开始找工作到6月8号入职拿了6个offer北京3家、天津2家、西安1家可谓见过形形色色的面试官。5. 总结人生能有几个十年呢。尤其是已经临近35岁的职业门槛AI又在不断蚕食着程序员的工作机会。就如同愤怒一样忧虑并不能解决问题反而会让问题更加糟糕而唯有行动才能解决问题。请让我以我的常用语结束这篇文章如果我知道我将死在哪里那么我将永远不会去那里人生走一步再走一步姿态第一点再低一点You are the best you are the talent番外篇在过往的经历中我见过太多的面试官目前也在作为面试官帮助公司组建团队对于面试这件事情还是比较熟悉的所以我自己做了4款不同的产品如果你在找工作你想换工作可以找我聊聊。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉