top of page

Search Results

「」に対する検索結果が9件見つかりました

  • 人材を探す | Hocitgroup Recruit

    人材を探す 顶尖AI能力,助力人力资本领域智能化升级 NLP能力 音视频能力 应用能力 人力资源知识图谱 简历解析 BEI访谈 画像推理 正規雇用・人材派遣を含む企業用情報はこちら あなたが必要とする人材を、 必要なときに提供します。 AI求人 AI面试 AI Resume AI筛选 r 公司提供良好的培训,待遇从优,社保齐全。有意者请来面试(可提供工作签证,目前无一名员工被拒签)周休2天 ,交通费全额报销 HOC Intelligent Technology Group and Microsoft, Microsoft Cambridge Research Institute, Google, Amazon, Alibaba, Hang Seng Electronics, Yahoo, Tencent, Huawei, Facebook Paris Research, SAP, orcale, salesforce, etc., the British Liverpool team and Li Ning Sports, Ali Sports, NVIDIA, NTT, NTTDATA, Softbank, Samsung and other famous companies have contracts. R & D Center Nanjing Headquarters, Hangzhou Headquarters, Shanghai Headquarters, Taizhou Branch, Li Department, Suzhou Branch, etc. Global Japan, United Kingdom, United States, South Korea. . 通过AI 算法给求职者提供更可靠的推荐、协助 HR 更高效地写职位描述(Job Discreption)。其中的好处是,AI算法可以让雇主观察到,职位描述中一点小小的改动就可以得到完全不同的结果,这些算法在得到雇主的反馈后还可以通过调整优化对新候选者的筛选。 那么,AI是否会像改变其他领域一样,改变人们雇佣和寻找工作的方式?在最好的情况下,它能够为当今人们在职业生活中所面临的问题提供新可能。 或许在不久以后,它甚至会影响希望在这一轮“金三银四”招聘季中寻找机会的你。 从筛选简历到陪你聊天 AI要下手的,首先就是简历。 现在,微软已经把一个AI“简历助手”(Resume Assistant)加到了Office中。其AI项目可以发挥作用的地方在于:除了推荐工作,它的简历助理将通过查看相似职位者的领英简历,并检查他们如何描述自己,用机器学习算法改善你的简历。 如果你足够自信,对这样的AI 辅助简历并没有什么高的期待,那么AI 在匹配简历和职位上的表现说不定能让你大吃一惊。 每一年,北美著名猎头公司SourceCon都会举办一场行业竞赛。在2017年的比赛中,我们看到了AI 的身影:竞赛需要从5500份真实简历中筛选出匹配产品经理、系统管理员、地勤人员这三种完全不同岗位需求的人才,当然,人类HR获得了比赛的第一名,花了 25 个小时,AI的准确度排到了第三,只花了3.2秒。 显然,AI对于需要处理成千上万简历的HR来说具有巨大的诱惑力。其中非常重要的一个技术就是自然语言处理。借助自然语言处理技术,AI可以梳理那些文本繁重和非结构化的简历,提取出关键信息,实现搜索过程的智能化。像 HiringSolved、Entelo 和 Textio这样的公司已经开始提供这样的 AI 算法,以加速这一步骤。 “金三银四”来临,AI 触角已深入人才招聘领域,它将如何影响你? DeepTech科技 ​ 已认证的官方帐号 ​关注他 12 人赞同了该文章 和2017年相比,最近来自人工智能领域的新闻似乎已经很少能引爆人们的神经。或许不少人也对这样的新闻习以为常:AI理所当然会用到这些地方。 例如,根据近期的报道,Facebook正在利用AI识别和清除恐怖分子的内容,甚至防止自杀。谷歌的AI 正在识别眼疾,中国科学家研究的AI系统可以识别癌症,并登上了Cell…… 不过这些大大小小的成果是否会真正开花结果,还有待观察。但不可否认的是,人工智能已经离开科幻层面,变成现实生活中活生生的事实。这一点在招聘上同样如此。 现在,AI已经潜入人才招聘领域:在国外,快消品巨头联合利华也已经开始在北美地区试行利用 AI 招聘初级员工。在他们的招聘过程中,先由算法筛选简历、进行初试,大概要过了三轮应聘者才开始与真人有联系。到目前为止,联合利华已经使用 15 种语言为超过 25 万名候选人进行了面试。 在国内,一些互联网招聘平台同样在进行新的尝试。DT君了解到,拉勾已经在尝试通过AI 算法给求职者提供更可靠的推荐、协助 HR 更高效地写职位描述(Job Discreption)。其中的好处是,AI算法可以让雇主观察到,职位描述中一点小小的改动就可以得到完全不同的结果,这些算法在得到雇主的反馈后还可以通过调整优化对新候选者的筛选。 那么,AI是否会像改变其他领域一样,改变人们雇佣和寻找工作的方式?在最好的情况下,它能够为当今人们在职业生活中所面临的问题提供新可能。 或许在不久以后,它甚至会影响希望在这一轮“金三银四”招聘季中寻找机会的你。 从筛选简历到陪你聊天 AI要下手的,首先就是简历。 现在,微软已经把一个AI“简历助手”(Resume Assistant)加到了Office中。其AI项目可以发挥作用的地方在于:除了推荐工作,它的简历助理将通过查看相似职位者的领英简历,并检查他们如何描述自己,用机器学习算法改善你的简历。 如果你足够自信,对这样的AI 辅助简历并没有什么高的期待,那么AI 在匹配简历和职位上的表现说不定能让你大吃一惊。 每一年,北美著名猎头公司SourceCon都会举办一场行业竞赛。在2017年的比赛中,我们看到了AI 的身影:竞赛需要从5500份真实简历中筛选出匹配产品经理、系统管理员、地勤人员这三种完全不同岗位需求的人才,当然,人类HR获得了比赛的第一名,花了 25 个小时,AI的准确度排到了第三,只花了3.2秒。 显然,AI对于需要处理成千上万简历的HR来说具有巨大的诱惑力。其中非常重要的一个技术就是自然语言处理。借助自然语言处理技术,AI可以梳理那些文本繁重和非结构化的简历,提取出关键信息,实现搜索过程的智能化。像 HiringSolved、Entelo 和 Textio这样的公司已经开始提供这样的 AI 算法,以加速这一步骤。 一家名为 Harver 公司则是将人才简历整合到公司现有的人力资源流程和系统中,为招募流程提供预测性分析。其工作流程包括候选人通过流程模块来申请工作,回答一些关键问题,参加个性测试、智力测试、语言测试等,还有通过游戏来评估技能的环节。在整个流程中,Harver的算法会搜集相关数据,并预测候选人能成功胜任工作的可能性。 公司的首席执政官兼创始人Barend Raaff说:“人工筛选简历正在慢慢地被淘汰,因为它无法预测一位候选人在如今大多数工作中的潜在价值。而Harver基于大数据,为公司们提供了一种全自动化的招聘解决方案。” 在国内,各大招聘平台也已经蠢蠢欲动。这些平台目前都已经积累了大量数据,这些数据将有助于提升AI筛选简历的效果,DT 君了解到,猎聘网就在研发筛选简历的AI算法,而且取得了一定的进展。 而拉勾的相关技术负责人则透露,AI筛选简历的从原理上来讲并不复杂,即通过大量的数据去发现HR的偏好、求职者的能力,最终进行建模和匹配。拉勾也认为,将AI 技术用于筛选简历是可操作的,“对于专注于互联网招聘的拉勾而言,互联网技术、产品、市场、运营、设计等相关人才更容易开展,其他的比如司机、教师,则相对难一些。其次,标准化程度更高的岗位更容易引入AI技术,因为这些岗位的招聘规则相对而言较为明确,比如技术类相关岗位”。 “AI能够一定程度上去做这个事情的。拉勾不会替HR去做决策,同样条件的职位和简历,不同的HR很可能会给出不同的筛选结果,因为影响录取结果的因素非常多,而有一些因素很可能是AI观察不到的”,拉勾负责人称。 尽管用AI筛选简历在技术上已经不具备特别大的难点,也有业内从业人员并不看好用AI筛选简历的做法。一则是考虑简历造假的现象仍然普遍存在,不说造假,也有夸大其词的成分在。二则是考虑简历所携带的信息相对来说比较匮乏,无法很好的构建一个人的人生经历,许多企业是否能相信简历最终筛选的结果也存疑。 现阶段,AI 的定位仍是人类HR的辅助,最先代替的将是HR工作中最被嫌弃的苦差事——那些高频率低效率的重复性工作,正是机器所擅长的领域。 对于HR们来说,招聘这件事从来就不缺重复性的事务。尤其是在移动互联网普及之后,仅仅是线上与求职者之间千篇一律的对话可能都会占据其大部分精力。 为什么不试着把这个活交给聊天机器人?在AI聊天机器人到处跑的今天,它也应该“让自己变得更有用一点了吧”。和普罗大众进行前言不搭后语的所谓的“聊天”,垂直场景下的AI聊天机器人其实能够实现更多的短期价值。 图丨Esther Crawford 开发的简历聊天机器人 一个非常有意思的案例是,2016年,一位名为 Esther Crawford 失业的妹子厌倦了向HR们反复回答同样的问题,根据自己的简历做了一款聊天机器人。这个机器人能够像 Siri或者小冰一样,向 HR 们介绍自己并回答HR的问题,这个机器人当时可谓出尽风头。尽管它并不能理解完整的话,而只是对关键词语作出反应,给出预先设定的回答,但是这个产品给人们提出了有趣的问题:AI 聊天机器人可以什么在未来的招聘中发挥什么作用。 假如它能被集成到 LinkedIn 这样的网站里,不久大大提高了简历的效率了吗? 国内已经有初创企业在打造专用于职场招聘的聊天机器人。DT君了解到,一家名为“墨子”的公司就打造了这样一款聊天机器人。除了用来回答求职者的常见问题外,它也会考求职者,甚至提出一些非常开放的问题。 “比如说我们现在到一个公司去招聘风控这样的职位,我们机器人会问他对未来三年风控市场有什么样的看法,对风控职位是否有自己比较独到的见解”,“墨子”联合创始人刘峻波说。 这个聊天机器人并不会对你的答案进行打分,但你也不要掉以轻心。因为你的答案会被提取出来为HR提供一定维度的参考。刘峻波表示,他们并不主张这个时段用机器人去做判断,而是更多的希望基于对话提供更新的、或者说被HR忽略掉的一些参考信息。2018年的招聘季,这个聊天机器人将和一些互联网招聘平台以及公司合作,辅助大量企业的校园招聘。 需要记住的是,尽管和通用场景的聊天机器人相比,用于人才招聘这样的垂直领域的聊天机器人,其识别率会有所提升,它仍然不是最完美的,这也和自然语言处理目前所面临的困境息息相关。但其中的突破同样值得期待,微软亚洲研究院院长周明就曾对DT君表示,对创业公司来说,NLP未来在应用方面出现的较大进展,就包括开发垂直行业的自然语言处理技术。 算法预测行为才是核心 在和人力招聘者聊天的过程中,他们口中反复提到的一大痛点是:如何提高企业和人才的匹配率。 每个HR都希望在人才和空缺的职位之间创造出最佳的匹配,而这样的匹配问题,其实在某种程度上是一个大数据问题。 与以往相比,HR们现在拥有的人才数据不仅更多,而且接触到数据的途径也越来越丰富,理论上来说,HR 比以往任何时候都更能实现这一目标。问题是,大多数数据是人类无法消化的,我们并不总是能正确地处理它,比如说社交数据。 但AI算法就可以实现自动抓取网页来分析数以千计的网站,其中就包括各种个人的网站、社交网站、科技论坛等。 算法不仅能够得到从简历中抽取结构化的信息,同时还能够分析出一个人是否存在求职意图,这样一来就可以将候选者和岗位进行匹配,并且预测出他们是否愿意来到这个岗位,这将是进行成功招聘的最佳办法之一。国外的一些新型招聘平台已经开始推出了类似的功能。 而且,求职意图的分析对于大多数公司的人才招聘来说将愈发重要。人才招聘行业的现状是,许多公司都在徒劳的地方找寻找错误的人。 最近瀚纳仕猎头公司的一份调查报告称,在一些增长最快的行业,企业在2018年一开始都有很好的招聘期待,但总会因一些技术上的问题阻碍计划。同时将近92%的雇主称,现在招聘上的短缺已经阻碍了他们的生产力、雇员满意度和营业额。 造成这一结果的原因之一是,高达95%的雇主理想的关键岗位人才都是处于“被动”状态的人才——这些人才已经有了自己的工作,并且没有打算辞职,他们的简历甚至不会在网上出现。 精准预测这批人的求职倾向,将是招聘领域下一场变革的重心,也是AI 算法在人才招聘最大的用武之地。 当然,其中的难度可想而知,这会比让AI根据个人经历、项目经验、技能等去判断其胜任能力要难得多,非常好去精准判断的。大街网的CEO王秀娟就说过:“招聘最核心解决的不是精准问题,而是动态意愿、猜测的问题。” 根据她的说法,基于AI对人才的求职意向和倾向做出更好的判断,基于这个判断,招聘撮合的成功率会大幅提高,这方面的自学习和深度智能的算法不断校验模型,根据每个用户的模型不断做自演变,这个反而是招聘行业最难的问题。 当然,对于一些公司来说,他们有预测人才求职意向的需求,另一些公司其实就有必要预测人才离职意向。 如果我们单单聚焦在中国公司顶级AI人才流失的情况上,有一家公司值得一提,那就是百度。 (来源:脉脉数据研究院) 无论是曾经的百度首席科学家吴恩达、高级副总裁(原无人驾驶事业部总经理)王劲,还是更早之前的余凯、张潼等,这些大牛的相继离开,都让人们把目光集中在百度的AI人才流失问题上来。 在一次行业会议上,DT 君了解到,百度目前正在使用一套基于AI的人才管理系统。尽管该系统面向的是公司整体的人才战略,但是对于百度这种超大规模企业来说,该系统的最大价值可能在于对其核心团队的稳固。 除了具有常规的考核、选拔人才等功能以外,这套系统的一大亮点是其可用于离职预测的算法。团队相关人士透露,这个离职预测模型包含经济、职业发展和个人家庭原因等数百个动态特征,预测准确度在90%以上。 据介绍,这套系统可以非常准确地判断谁在未来几个月离职。之所以需要这样的预测,一方面是帮助企业发现哪些处于桥梁作用或者骨干作用的员工有离职意向,并针对这种情况作几手准备。像百度这样的大公司,十分有必要在灾难没有发生之前就做好准备。 这套系统将会在充分保护员工隐私的情况下尽可能多地收集材料,包括来自社交媒体和互联网的舆论信息和文本等。不过,至于这套系统目前具体预测或者曾经预测过百度哪些人才流失,我们尚不得知。 最难复制的能力 在AI技术之前,移动互联网的普及曾经让这个人力资源这一沉寂已久的行业进行了一番新陈代谢。而随着AI时代的到来,无论是创业公司还是传统的招聘服务商,他们都看到了新的可能,或许这个行业的新物种就会在他们之中诞生,就像当年LinkedIn 一样。 不过,即使AI技术继续取得重大进展,招聘平台和初创公司们也能将其应用得炉火纯青,AI也永远不会取代 HR 。 AI 可以说评价这个人很完美,因为他具备所有需要的品质,但最后的环节,必须由雇主们做出选择。毕竟,需要长期和这个人共事是雇主们——他们之间一定得有某种默契。 在人才和雇主与团队中HR三者互动的过程中,他们之间将能够建立信任、忠诚和团队合作意识,这些都是难以被机器复制。而AI的作用就是为招聘人员腾出更多的时间,让他们更专注于上述的互动过程色。 AI能在围棋游戏中击败我们,但在与人的互动交流中,目前看来,它击败人类的概率几乎为零。 人工智能招聘平台猎萝卜:算法工程师为什么这么火? 人工智能招聘平台猎萝卜:算法工程师为什么这么火? 如今,各行各业纷纷在人工智能掀起的技术浪潮中追波逐浪,有相当一部分人认为:“得AI者,得天下”。提到人工智能,就不得不提人工智能领域最炙手可热的算法工程师。来自人工智能招聘平台猎萝卜的分析,为什么算法工程师能“红透半边天”? 算法即一系列解决问题的清晰指令,算法工程师就是利用算法处理事物的人。算法工程师主要根据业务进行细分,常见的有广告算法工程师、推荐算法工程师、图像算法工程师等等。前段时间,人类首张黑洞照片引发强烈关注,该照片的幕后英雄就是一位29岁的女算法工程师。 那么谁才是算法里的香饽饽?其中图像语音、推荐搜索广告、自然语言、机器学习等岗位是目前市场上的热招岗位。从猎萝卜平台数据来看,2018年以上岗位占比分别达到20.1%,13.6%,11.9%和9%。 人工智能与各行各业的融合越来越紧密,人工智能的创新速度也让人惊叹。但AI作为新型产业,发展时间短,整个行业依旧面临着AI人才短缺、缺口巨大的现实。猎萝卜平台数据显示2018年算法岗位供需比为3.18:1,也就是1个算法人才至少有3家公司争抢。猎萝卜平台数据也显示2018年算法岗平均年薪达到了50.21万元,最高年薪高达375万元。乐观的情况是,有更多的求职者期望在人工智能领域发展,各高校在培养输送AI人才方面加大了力度,专注人工智能的机构也如同雨后春笋般兴起。 在这场AI大势中,人工智能招聘平台猎萝卜充分发挥了AI招聘的价值。为了帮助企业雇主快速找到专业又合适的人才,猎萝卜在充分了解雇主招聘需求的情况下,进一步熟悉雇主的内部招聘流程制度和组织架构,通过平台的简历自动解析技术和AI精准匹配技术,快速为企业推荐出优质合适的候选人,这其中不乏优秀的算法工程师。 自2017年7月成立至今,猎萝卜全平台已拥有中国6000家注册猎头企业以及超过15000家认证雇主企业,有效职位数超过200000个。猎萝卜一直用实际行动诠释着“智能·高效·省心”的AI招聘服务 作者:雨后彩虹ya 链接:https://xueqiu.com/8445103851/126694432 来源:雪球 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 AI大展身手的未来,企业招聘将何去何从? 根据预测,到2020年,全球企业将 在人工智能(AI)上投入470亿美元 ,似乎我们生活的方方面面 — 从购物、休闲到工作和个人理财,都将随着机器利用数据为我们大规模提供量身定制的个性化服务而经历变革。 根据预测,到2020年,全球企业将 在人工智能(AI)上投入470亿美元,似乎我们生活的方方面面 — 从购物、休闲到工作和个人理财,都将随着机器利用数据为我们大规模提供量身定制的个性化服务而经历变革。 鉴于其影响如此广泛,我们也能预计到AI也将彻底改变组织选贤举能的方式。自动化技术可分析众多组织的海量数据与宏观就业市场,将其转化为易于理解的格式,最终帮助人们做出更好的决策,而人们节省出来的时间就能花在更高价值,更高影响力的任务上。 那么,AI会对我们未来招聘人才的方式产生哪些影响?我能看到至少三个变革领域: AI将让应聘者筛选变得更高效、更公平 AI的主要益处之一,是让流程完成的速度与规模达到人类无法企及的水平。因此我认为,未来几年AI的两个分支将得到广泛应用。 1.自然语言处理(NLP)— 将文本转为结构化且易于理解的数据 — 有效实现计算机解读语言 2.自然语言生成(NLG)— 自然语言处理的反向过程,将结构化数据转为文本 — 实现计算机生成语言 NLP与NLG都在人才招聘领域中展示出巨大潜力。数字时代让我们的行业受益匪浅。但随之而来的是现今大部分仍需人工处理的海量数据。例如,一个普通的工作招聘广告可能会收到数以万计的回应,其中许多申请人可能完全不适合该职位,但为了找到出色人选,所有的申请都要挨个筛查。筛选简历、起草职位描述以及与候选人沟通这类简单却耗时的工作,利用AI技术只需几秒钟就能完成。这样一来,人力专家就能腾出更多时间与最优秀的候选人进行单独交流 — 这实际上让招聘变得更加人性化,而这正是成功所需的关键因素。 瀚纳仕(Hays)已开始委托业内第三方专家机构使用AI自然语言生成技术,协助我们的候选人筛选流程,前期成果证明此策略卓有成效。此平台无疑加快了我们的甄选过程,也使我们的招聘顾问能集中精力、评估AI技术筛选出跟某特定职位最匹配的候选人,而不是把精力倾注在成千上万匹配度不高的人选上。我们的招聘顾问就能把精力放在与客户及候选人建立紧密关系这方面,这一点则是AI绝对无法做到的。 当今时代,消除招聘过程中的偏见是大众十分注重的问题。我对此表示支持,但科学证明,即使人们力图消除明显形式的偏见,无意识偏见仍然存在。有趣的是,除提高效率之外,筛选阶段的部分自动化也可抑制招聘中的潜意识偏见。毕竟,若AI系统接受的指示是根据候选人与职位的匹配度数据来产生备选名单,那么系统就会自动忽略掉年龄、种族和性别等族群信息。不过我们还是要注意其中的陷阱,不能假设AI天生就更公平。机器学习功能同样可自动生成现有的偏见,许多AI技术的“黑匣子”性质可能意味着人类甚至对此毫无察觉。例如,如果用于训练AI筛选算法的历史数据已自带年龄偏见,从输入文件中移除年龄数据可能解决不了这个漏洞,因为历史上已有AI通过候选人名字与受欢迎度逐渐推断出年龄的先例。跟所有其他新技术一样,一旦我们开始利用开发AI,所涉及到的学问是无穷无尽的,因此要保持对意外后果的警惕。永远不要忘记,你输入的数据质量决定了AI的水平,为遴选出最理想的候选人,你需要给AI提供一套标准,让它了解你在学历资质、过往经验与具体技能方面的诉求。 AI将确保锁定匹配度更高的候选人 AI也可让企业能够比以往更关注候选人匹配度,最终带来更成功、更持久的聘用结果。毕竟众所周知,导致聘用不满意的头号原因是员工与组织之间缺乏文化上的匹配度。 招聘市场上使用AI计算匹配度已不是新鲜事 — 在线求职平台越来越多地使用算法来进行候选者群体与开放职位之间的匹配。比如,领英职位招聘会通过匹配候选人主页信息与职位描述信息的方式来给他们排序。然而,随着AI(以及企业收集的数据)愈加精益复杂,这些算法也将朝着更复杂的方向发展,算法会将招聘偏好与匹配度考虑在内,而不仅仅只看技术上的能力。 求职者对福利待遇、企业文化和薪酬偏好等方面的态度可以通过调查指标进行评估。机器可以通过算法来执行就业市场搜索和结果处理,以为企业提供与组织人格相匹配的候选人名单。候选人也能亲身感受到AI匹配度计算带来的效应,求职者可收到更准确的职位推荐,以及未来雇主更有针对性的联系,这些定制信息均更加符合个人偏好。 然而,人类仍然是不可或缺的因素,且重要性可能还甚于从前,因为任何机器都难以分析对现代企业至关重要的软技能。我至今还没发现可以像人们一样有效地理解幽默、气质或热情的算法。请切记,筛选标准最终仍需人类的监督 — 我绝不想要机器来决定我企业的人格,我也不认为现阶段机器在这方面做得足够好。 AI将保障未来人才管道 除了帮助现在的企业招聘合适候选人之外,我相信AI也会在组织留住和发展未来人才方面发挥重要作用。 我们已经看到, 零售行业正利用AI 创造更具个性化和互动性的购物体验,促使消费者购物。我预计未来几年,众多雇主也会追随其步伐,在更具体化、个人化的基础上保持员工的参与度。再次重申,AI在此领域的整体应用是为了补充、而不是替代人类的管理 — 自动化系统可能会促进经理与看重小型回顾会议的员工进行一对一交流,或提醒经理哪位员工尚未得到内部奖励项目。以上都是十分基础的用例。随着算法变得越来越复杂,机器可能会告诉雇主何时何处可能会出现人才流失等信息,以便人类在为时已晚之前进行干预。 一个激动人心的前景便是用AI补充人类的前瞻规划。组织的人才流动本质上是另一种数据传播,计算机可以对此执行分析,发现未来趋势,评估未来营收增长需要的额外员工,或分析历年模式,识别一年中最可能出现员工离职的时间段。我相信这将成为大型企业必不可少的策略,这些企业将与招聘经理和人才招募主管一起策划前瞻性的招聘计划,而不是浪费大量时间进行被动性的“救火”招聘。 随着AI在商业上获得日益广泛的认可,我预计人才招募领域也会很快开始适应这种趋势。这不仅会促进更加高效的招聘过程,还会让招聘经理有更多的时间专注于更具价值的任务,抓住更多利用人类细微特征的机会,这一点我相信AI不可能成功仿效。然而,未来会有大批新企业和新商业模式声称自己可以改变你的命运,因为每次一有新概念发力,这样的跟风场景通常都会出现。从沙子中淘出真金并不容易,招聘者很可能会因选择太多以及不确定的可靠性而感到困扰。在瀚纳什,我们投入大量时间寻找真正对客户与候选人有所帮助的想法,而这类想法只占到所有提案的10%。 但我也坚信,未来将继续在招聘和员工敬业度中发挥主导作用的是人类而不是机器。我们需要制定标准,我们需要将人类特有的细微差别应用到筛选和面试阶段,我们还需要建立个人对个人的关系,这是候选人落笔签合同时最重要的考量。当今时代,商业仍然是人与人之间的往来,这一点我希望永不改变。尽管AI的崛起让人们兴奋又恐惧,人才管理大部分仍是一种接触式活动,其中,基于数千个人类经验微小方面、从未被捕获为数据的直觉,与硬数据扮演同样强大的角色。 深度学习平台总体架构: ① Web管理层:面向用户,提供可视化操作界面,用户通过Web页面可以完成资源申请、任务管理、模型管理、日志查看、资源查看等操作。 ② 算法层:集成了深度学习的主流框架TensorFlow和PyTorch,同时还支持用户自定义的个性化模型需求。支持DNN、CNN、RNN等深度学习模型在CPU/GPU上的单机、分布式训练。 ③ 集群管理层:基于Kubernets、Docker、Nvidia-Docker等组件实现,负责模型训练、在线推理等任务POD的统一调度,实现了对CPU、GPU资源的统一管理。 ④ 硬件层:包括GPU、CPU、内存等资源,其中GPU包括K40、P40、T4、2080ti等不同型号,由Kubernetes统一管理,为模型训练和推理提供硬件支持。 ⑤ 镜像中心:平台镜像仓库,提供PyTorch、TensorFlow、TensorFlow-Serving等不同版本镜像。 ⑥ 日志中心:支持模型训练和推理日志的存储和读取。 ⑦ 监控中心:基于Prometheus、Grafana实现,提供POD、Container级别的监控数据。 ⑧ 在线推理服务:基于TensorFlow-Serving、gRPC和58自研的RPC框架SCF实现,向用户提供通用的模型推理接口调用。 集群资源管理 AI 算法的价值在于提效和赋能,通过技术提高效率,优化用户体验,提升企业和平台的价值,可以说AI正在驱动行业变革。58各业务部门也在加速落地AI应用,利用AI技术更好地服务和赋能C端用户和B端商家。 12月13~14日 ,由中国科学院软件研究所和中科软科技主办的以“聚焦技术实践洞见软件未来”为主题的中国软件技术大会在北京国家会议中心举行。58同城AI Lab架构师陈兴振受邀出席,并在AI与大数据前沿会场以《基于Kubernetes的58同城深度学习平台》为主题进行了分享。 以下是分享实录,希望对大家有所帮助。 背景 58同城是中国最大的生活信息服务平台,公司主营业务包括:招聘、房产、汽车、金融、本地服务、二手物品等。B端商家通过58同城发布服务,C端用户通过58同城寻找服务。AI正在驱动行业变革,58各业务部门也在加速落地AI应用,利用AI技术更好的服务C端用户和B端商家。AI算法开发流程通常包括特征工程、模型训练、在线推理三个步骤。 为了加速AI应用落地,提高算法研发效率,我们设计并实现了58人工智能平台(WPAI,Wuba Platform of AI),旨在为全集团各业务部门赋能AI算法研发能力。WPAI提供深度学习、传统机器学习、向量检索等功能,下面将详细讲述深度学习功能的具体实现。 总体架构 深度学习平台总体架构: ① Web管理层:面向用户,提供可视化操作界面,用户通过Web页面可以完成资源申请、任务管理、模型管理、日志查看、资源查看等操作。 ② 算法层:集成了深度学习的主流框架TensorFlow和PyTorch,同时还支持用户自定义的个性化模型需求。支持DNN、CNN、RNN等深度学习模型在CPU/GPU上的单机、分布式训练。 ③ 集群管理层:基于Kubernets、Docker、Nvidia-Docker等组件实现,负责模型训练、在线推理等任务POD的统一调度,实现了对CPU、GPU资源的统一管理。 ④ 硬件层:包括GPU、CPU、内存等资源,其中GPU包括K40、P40、T4、2080ti等不同型号,由Kubernetes统一管理,为模型训练和推理提供硬件支持。 ⑤ 镜像中心:平台镜像仓库,提供PyTorch、TensorFlow、TensorFlow-Serving等不同版本镜像。 ⑥ 日志中心:支持模型训练和推理日志的存储和读取。 ⑦ 监控中心:基于Prometheus、Grafana实现,提供POD、Container级别的监控数据。 ⑧ 在线推理服务:基于TensorFlow-Serving、gRPC和58自研的RPC框架SCF实现,向用户提供通用的模型推理接口调用。 集群资源管理 平台资源包括CPU、内存、GPU,而GPU又包括不同的型号如K40、P40、T4、2080ti,每种资源又区分离线和在线。整个资源通过Kubernetes进行统一管理,实现容器化调度。 集群离线训练资源包括两部分:平台初始资源和各个业务部门每季度采购资源。训练资源管理要实现两个目标:第一,资源能得到充分利用;第二,有采购资源的部门能优先进行模型训练。训练资源管理基于Kubernetes的ResourceQuota和PriorityClass实现,为每个部门创建私有资源池和共有资源池,私有资源池为部门采购的资源,共有资源池为部门申请能使用的资源上限,通过优先调度策略,保证部门能使用采购资源的同时资源能得到最大化利用。 在线推理资源以用户申请管理员审核的方式进行管理。用户先在TEST环境下部署测试实例,压测单个实例的QPS上限,并评估是否需要GPU,根据线上流量和压测QPS评估线上需要的资源,然后申请线上资源进行部署。线上节点部署基于Kubernetes的Deployment实现,支持亲和性调度。 离线训练 离线训练指通过深度学习框架对样本数据进行计算得到模型的过程,平台支持主流的TensorFlow和PyTorch框架,分为调试环境和训练环境。调试环境支持代码在线编辑、断点调试、代码保存及推送训练环境,减少用户修改代码重新训练模型的操作成本。训练环境提供TensorFlow、PyTorch单机和分布式训练支持及模型评测支持。训练样本数据通过58自研的网络文件系统WFS进行管理,模型文件存储在58自研的对象存储系统WOS上,训练过程中提供tensorboard可视化查看、日志查看、训练资源监控等功能。整个离线训练流程为:准备训练需要的样本数据和评测数据上传WFS -> 在调试环境使用少量样本调试模型训练代码 -> 创建训练任务申请训练资源 -> 执行训练,查看训练日志和tensorboard -> 训练结束得到模型文件和模型评测指标数据。 调试环境基于jupyter搭建了python代码在线调试功能,提供web操作界面,支持代码在线编辑、调试,支持GPU调试,模拟训练的GPU环境,与训练环境打通,调试好的代码直接推送训练环境执行训练。 调试环境按部门进行隔离,平台为每个部门分配网络文件系统目录,由业务部门自己进行维护。部门内的GPU调试容器调度在同一张GPU卡上,以节省GPU资源使用。 Tensorflow分布式训练各个节点均以容器方式运行在kubernetes集群中,任务运行时,平台对每个ps、worker节点生成RC控制器对象,同时为每个节点RC配置service,各个节点通过集群提供的Kube-DNS以service name来访问对应节点,集群在任务启动时把ps地址、worker地址、jobname、index四个分布式参数以环境变量方式写入容器中,用户通过读取环境变量配置分布式训练参数,WEB系统可查看任务运行状态,如任务运行日志、资源使用、tensorboard等。 PyTorch分布式训练整体架构和TensorFlow类似,用户通过Web系统进行资源、参数配置,平台通过Kubernetes进行训练worker节点调度。每个worker根据当前的rank值从数据集中获取对应分片的数据,训练过程中模型参数通过广播方式进行合并。训练结束后,容器内模型收集程序会将训练好的模型文件打包上传至指定位置统一管理,供用户下载分析或在线推理部署。 平台使用ImageNet ILSVRC2012数据集对resnet50模型进行了PyTorch分布式训练,4节点用时48小时,准确率达75.1%,8节点用时22.7小时,准确率达73.2%。 在线推理 在线推理实现将深度学习模型应用到生产环境,由于不同业务方模型种类和数据类型不同,所以需要一套通用的在线推理框架。平台在线推理框架包括SCF服务、推理实例、Kubernetes集群和Web管理系统。SCF服务提供通用的RPC服务调用,热加载用户上传的模型协议解析jar包提供统一的推理调用接口,将接收到的请求转发到后端推理实例上,实现负载均衡。推理实例通过Kubernetes部署,以容器化的方式提供远端服务调用,部署在CPU或GPU上,执行推理计算。用户通过Web管理系统完成协议解析Jar包上传、模型部署、节点的扩缩容等操作。 TensorFlow在线推理基于TensorFlow-Serving实现,Kubernetes通过Deployment提供模型部署和滚动更新操作。对外使用SCF服务作为服务接入层,SCF服务加载模型的协议解析jar包兼容不同模型的多种协议实体,提供统一的接口调用。同时SCF服务Watch Kubernetes集群同步POD IP变化,并维护不同任务对应的后端TensorFlow-Serving节点IP列表关系,使用加权轮询负载均衡算法将流量均匀转发到后端TensorFlow-Serving节点上。 PyTorch在线推理基于gRPC、Seldon实现,提供同步和异步调用接口, 用户在web上操作部署后,Kubernetes创建对应服务数量的PyTorch推理节点,容器将用户模型推理封装为gRPC服务对外发布。用户可以自行定义模型调用方式、模型推理前后预处理程序,方便用户进行模型接入,提高推理效率。 对于用户自定义的模型或应用,平台提供了自定义任务支持。用户提供自定义的模型或应用程序,选择基础镜像,对自定义应用进行封装,然后在平台进行部署上线即可调用SCF服务接口。 对于模型的在线推理平台进行了一系列优化措施。GPU上推理通过应用TensorRT加速组件和模型混合部署提升了GPU吞吐能力。GPU上的TensorRT组件应用可以参考文章《如何利用TensorRT加速GPU上深度学习模型推理》(详见阅读原文),GPU上模型混合部署通过Kubernetes将多个模型部署在一张GPU卡上。由于Kubernetes对GPU是按卡粒度来调度,单卡上多个模型混合部署对线上的小流量模型应用能有效节省GPU资源,提升GPU使用率。CPU上推理应用了Intel的MKL-DNN库,通过增加CPU资源的使用来提升模型的推理性能,降低服务耗时,应用在业务部门的OCR识别和低质文本识别模型上后,服务耗时降低50%。 总结 本文对58同城深度学习平台架构、集群资源管理、离线训练和在线推理进行了系统介绍。当前集团各业务部门对AI技术的投入正逐步提高,我们会持续对平台进行功能和性能的优化,秉承开放协作原则,与集团业务部门一起提升平台能力。 陈兴振 58同城 AI Lab架构师 主要负责AI算法平台及周围子系统的建设工作 有机社会 | AI&Society即是腾讯研究院推出的跨界讨论与行动平台。我们尝试通过【有机社会·Post】这一工具,梳理当下AI与社会的动向和议题,迎接思考者与关心者,为后续讨论与行动打下基础。【有机社会·Post】双周更新,常设以下三个栏目:特写、动态和精选。 特写 CLOSE-UP Topic:算法偏见:看不见的“裁决者” 我们生活在被AI算法包围的时代。技术的进步致使AI突破过去的使用边界,进入到更深层次的决策领域,并对我们的生活产生重要影响。AI成为了招聘面试官,成为了量刑助手,成为了裁决入学申请的老师……这项技术无疑为我们带来了便利。但同时,一个更加不容忽视的问题也浮出水面——算法偏见。 据BBC11月1日报道,苹果公司联合创始人斯蒂夫·沃兹尼亚克在社交媒体上发声称,苹果信用卡给他的信用额度是他夫人的10倍,尽管夫妻俩并没有个人单独的银行账户或任何个人资产。这不禁让人思考,苹果公司的信用额度算法是否存在性别歧视? 事实上,被歧视的不仅是女性,偏见蔓延的领域也远不止银行贷款额。本期特写,我们就从典型的算法偏见类型说起,细细追究,偏见到底是如何钻进机器大脑,而未来我们又将以何来对抗偏见? 算法偏见的典型类别 技术的包容性不足 加纳裔科学家Joy Buolamwini一次偶然发现,人脸识别软件竟无法识别她的存在,除非带上一张白色面具。有感于此,Joy发起了Gender Shades研究,发现IBM、微软和旷视Face++三家的人脸识别产品,均存在不同程度的女性和深色人种“歧视”(即女性和深色人种的识别正确率均显著低于男性和浅色人种),最大差距可达34.3%。 这个问题的本质,其实是人脸识别技术对不同群体的包容度不足。正如我们开发一款产品时,天然容易切合中青年人的使用习惯,而忽略其对老龄或儿童带来的使用后果,又或者将残障人士排除在使用者之外。 图源:算法正义联盟官网 预测、决策不公 如果包容性问题更多指向的是少数族裔或女性,那么预测和决策不公就更可能发生在任何人身上。比如,招聘偏见。今年11月被高盛、希尔顿、联合利华等名企采用的AI面试工具——HireVue,它的决策偏好让人匪夷所思:AI 分不清你皱眉是因为在思考问题,还是情绪不佳(暗示性格易怒);英国达勒姆警方使用了数年的犯罪预测系统,将黑人是罪犯的概率定为白人的两倍,还喜欢把白人定为低风险、单独犯案。(DeepTech深科技) 当下生活中,AI参与评估决策的领域远不止此。除了犯罪、就业,还包括金融、医疗等领域。AI决策依赖于对人类决策偏好和结果的学习,机器偏见实质上投射出了根植于社会传统的偏见。 偏见的展示 在搜索引擎输入“CEO”,会出现一连串男性白人面孔;有人将关键字换成“黑人女孩”,甚至出现过大量的色情内容。微软开发的机器人Tay,在twitter上线仅一天便被下架,原因是受到用户的影响,出现了种族歧视和偏激言论。(THU数据派)这种偏见,既来源于用户交互中的学习,又重新被AI产品赤裸呈递给更广大的受众,从而产生了连锁的偏见循环。 算法的偏见来自哪里? 算法并不会生而歧视,工程师也很少刻意将偏见教给算法。那偏见究竟从何而来?这个问题与人工智能背后的核心技术——机器学习休戚相关。 机器学习过程可化约为如下步骤,而为算法注入偏见的主要有三个环节——数据集构建、目标制定与特征选取(工程师)、数据标注(标注者)。 数据集:偏见的土壤 数据集是机器学习的基础,如果数据集本身缺乏代表性,就不能够客观地反映现实情况,算法决策就难免有失公允。 这一问题的常见表现为配比偏差,出于数据采集的便利性,数据集往往会倾向更“主流”、可获取的群体,从而在种族、性别层面分布不均。 Facebook曾宣布,经世界上人脸识别最知名数据集之一的Labeled Faces in the Wild测试,其面部识别系统的准确率高达97%。但当研究人员查看这个所谓的黄金标准数据集时,却发现这个数据集中有近77%的男性,同时超过80%是白人。(全媒派)这就意味着,以此训练的算法在识别特定群体时可能会出问题,比如在Facebook的照片识别中,女性和黑人很可能无法被准确标记出来。 另一种情况是,现存的社会偏见被带入数据集。当原始数据本就是社会偏见作用的结果,算法也会习得其中的偏见关系。 亚马逊发现,其招聘系统存在偏差的原因在于,该算法所使用的原始数据是公司的过往员工数据——过去,亚马逊聘用的男性偏多。算法学习到了数据集所表现的这一特征,因此在决策中更容易忽略女性求职者。(麻省理工科技评论) 事实上,几乎每一个机器学习算法背后的数据库都是含有偏见的。 工程师:规则制定者 算法工程师从头到尾参与了整个系统,包括:机器学习的目标设定、采用哪种模型、选取什么特征(数据标签)、数据的预处理等。 不恰当的目标设定,可能从一开始就引入了偏见,比如意图通过面相来识别罪犯;不过,更典型的个人偏见代入,出现在数据特征的选取环节。 数据标签就是一堆帮助算法达成目标的判定因素。算法就好像一只嗅探犬,当工程师向它展示特定东西的气味后,它才能够更加精准地找到目标。因此工程师会在数据集中设置标签,来决定算法要学习该数据集内部的哪些内容、生成怎样的模型。 亚马逊的招聘系统中,工程师可能为算法设置了“年龄”、“性别”、“教育水平”等标签。因而在学习过往聘用决策时,算法就会识别其中的这一部分特定属性,并以此为核心构建模型。当工程师认为“性别”是一个重要的考量标准时,无疑就会影响到算法对数据的反应。 打标者:无意的裁决 对于一些非结构化的数据集(如大量描述性文字、图片、视频等),算法无法对其进行直接分析。这时就需要人工为数据进行标注,提炼出结构化的维度,用于训练算法。举一个很简单的例子,有时Google Photos会请你帮助判断一张图片是否是猫,这时你就参与了这张图片的打标环节。 当打标者面对的是“猫或狗”的提问时,最坏结果不过是答错;但如果面对的是“美或丑”的拷问,偏见就产生了。作为数据的加工人员,打标者时常会被要求做一些主观价值判断,这又成为偏见的一大来源。 ImageNet就是一个典型的案例:作为世界上图像识别最大的数据库,网站上的许多图片均被手动注释,打上各种各样的细分标签。“尽管我们不可能知道这些贴标签的人本身是否带有这样的偏见。但他们定义了“失败者”、“荡妇”和“罪犯”应该长什么样……同样的问题也可能发生在看似‘无害’的标签上。毕竟,即使是‘男人’和‘女人’的定义,也有待商榷。”(全媒派) Trevor Paglen是ImageNet Roulette项目的发起人之一,这一项目致力于展示观点、偏见甚至冒犯性的看法是如何影响人工智能的。他认为:“我们对图像的贴标签方式是我们世界观的产物,任何一种分类系统都会反映出分类者的价值观。”不同的文化背景下,人们存在着对于不同文化、种族的偏见。 打标过程正是将个人偏见转移到数据中,被算法吸纳,从而生成了带有偏见的模型。现如今,人工打标服务已成为一种典型商业模式,许多科技公司都将其海量的数据外包进行打标。这意味着,算法偏见正通过一种“隐形化”、“合法化”的过程,被流传和放大。 编者小结 由于AI技术的大量应用和黑箱原理,算法偏见早已成为一个隐匿但作用广泛的社会隐患。它会在决策中带入不公,让人脸识别技术只惠及一部分人,在搜索结果中大张旗鼓地展示偏见观点...... 但是机器从未独立创造偏见,偏见习得于机器学习中的几个重要环节:从数据集的不均衡,到特征选取的偏颇,再到人工打标带入的主观性。在从人到机的迁移中,偏见习得了某种“隐匿性”与“合法性”,并被不断实践和放大。 但回过头来,技术不过是社会与人心的一面镜子。某种程度上,算法偏见就像在这个我们认为进步、美好的当下,重新呈递灰暗角落的真相并敲响警钟。因此,当谈及算法偏见的应对时,一部分努力便是要回归于人。可幸的是,即便是技术层面的自律与治理尝试,也能极大地降低偏见程度、避免偏见大幅扩张。这些方法是什么?请期待下一期有机社会·post,我们将为您呈现:算法偏见下篇。 动态 MUST READ 斯坦福发布《2019年全球AI指数报告》,研究、投资、人才仍呈上升势头 斯坦福 HAI(Human-centered Artificial Intelligence)发布《2019年全球AI指数报告》,该报告旨在通过大量收集与AI相关的数据,为政策制定者、研究者、媒体人提供相对客观的AI领域决策参考。该报告从研究、会议、教育、技术表现、经济发展、国家战略等多个纬度展现AI发展现状。 ——来源:Stanford University Human-Centered Artifical Intelligence 文本生成器GPT-2终于开源,假新闻会更加泛滥吗? 11月,人工智能实验室OpenAI发布了人工智能文本生成语言模型GPT-2的最终版本,包含全部的1.5亿个参数。此次发布完整版本,是因为OpenAI认为自二月发布第一版后“没有看到该模型被误用的证据”,但同时他们承认GPT-2依旧可能带来一系列问题:生成虚假文本、传播假新闻和垃圾邮件、在网上冒充他人、自动为社交媒体生成滥用或虚假的内容等。 ——来源:The Verge 《OpenAI has published the text-generating AI it said was too dangerous to share》 AI分析微博评论,成功开展700多次自杀营救 在微博上,“树洞”代指博友们集中发表心声和秘密的账号或评论区。树洞救援团创立于2018年7月,通过AI技术筛选“树洞”中的评论内容,对含有自杀倾向的信息进行风险判断,并将自杀风险在6级以上的信息发送给志愿者,由志愿者成立救援小组,进行自杀干预,帮助挽回轻生者的生命。一年多的时间里,树洞救援团共挽回了700多条生命。 波士顿动力机器狗参与两次警方执法 11月,美国非盈利机构 ACLU(American Civil Liberties Union)的马萨诸塞州分部公开的一套文件显示,麻州的州警已经租借并启用了波士顿动力的机器狗Spot进行执法,主要用于涉及犯罪嫌疑人或爆炸物环境下的遥控巡查。虽然租约中注明机器人不得伤害他人,ACLU仍然对于快速发展的技术被用于执法充满担忧,认为执法机构需要更多对公众披露相关细节。 ——来源:Futurism《It’s Official: Police Are Testing Out Boston Dynamics’ Robot Dog》 工智能也有歧视?亚马逊关闭AI招聘 2018-11-13 17:19 【手机中国新闻】亚马逊在发现实验性的人工智能招聘工具歧视女性之后,决定关闭该工具。这款工具可以搜索网络发现潜在的候选人,并用1到5颗星对其进行评定。但该算法学会了针对技术职位--例如软件开发职位--系统地降低女性简历评分。 虽然亚马逊处于人工智能技术的最前沿,但该公司也无法找到一种方法使其算法保持性别中立。该公司的失败提醒我们,人工智能会从各种来源中产生偏见。人类会受到各种偏见的左右,而人们普遍认为算法不会这样,它们应该客观公正,毫无偏见。然而事实上,算法可能会无意间从各种不同的来源学习到偏见。从训练它的数据到训练算法的人,一些甚至是看起来无关的因素也会导致人工智能偏见。 人工智能歧视 人工智能算法经过训练,观察大数据集中的模式以帮助预测结果。在亚马逊的这个案例中,算法使用了十年间提交给该公司的所有的简历,以了解如何找到最佳候选人。 鉴于该公司的女性员工比例很低--就像大多数科技公司一样--该算法很快就发现了男性的统治地位,并认为这是成功的一个因素。因为该算法使用其自身预测的结果来提高其准确性,所以它陷入了对女性候选人的性别歧视模式。 而且由于用于训练它的数据是由人类创造,这意味着该算法还继承了不良的人类特征,如偏见和歧视,这也是招聘领域多年存在的问题。 赢家机器人——全国首家聚合型AI智能机器人营销平台,为客户提供包括电话销售、电话客服、网络销售、客户资源搜集等多方位营销推广服务,全面提升企业销售业绩,帮助企业节省电销、客服、网络营销、资源搜集等岗位的人力成本70%,提升企业利润300%! 赢家机器人拥有四大功能板块:依托阿里云、科大讯飞智能语音识别技术,研发出AI智能语音机器人;深度优化人工转接功能等功能,研发出AI智能客服机器人;直接对接腾讯、百度等互联网集团公司的大数据中心,研发出AI智能资源机器人;深度结合网销岗位特点与完美模拟手机运营环境,研发出AI智能网销机器人。 作为全国首家聚合型AI智能机器人营销平台,赢家机器人凭借科大讯飞、阿里云、腾讯AI大数据中心等多方营销优势,为传统企业提供最优化的AI智能升级方案。全面提升企业利润,极力缩减企业人力成本! 智汇营销,畅联未来。赢家机器人聚合电话机器人、客服机器人、资源机器人、网销机器人等多重营销模式,帮助传统企业降低AI智能营销难度,深度切合各行业营销特点,帮助传统企业实现AI智能营销方向的营销升级! 2017年,国务院接连颁布多条关于AI智能的行业规划细则,表明了在全球范围内抢占AI人工智能科技制高点的决心。国内多个行业巨头公司(阿里、通讯、百度等)都在不遗余力的发展人工智能。 可以预见的是,在未来,我们的生活将和AI人工智能产生密不可分的联系。谁能抢占行业先机,谁就能够抢占新一轮的科技红利! 精华 问答 行情 交易  下载App 登录/注册 AI前线 来自雪球发布于02-07 13:43 关注 这次不抢工作!AI介入招聘:消除性别、年龄等歧视 作者 | 钰莹 AI 技术不仅可以用于面试,还可以将招聘广告推荐给可能的候选人,并预测意向人是否会从原公司离职。 复工在即,免不了有些程序员希望寻找新的工作机会。然而,在招聘中,性别、年龄、学历甚至地域都可能成为被歧视的因素。于是,国外一群研究学者开始研究如何通过人工智能技术来替求职者自动匹配最佳岗位,以淡化人在这个过程中起到的作用。 AI“面试”求职者 根据领英的调查数据显示,过去一年已经有 67% 的招聘人员通过使用人工智能技术节省了大量时间,但也有批评者认为,这样的系统会带来偏差,缺乏问责制和透明度,并且不能保证其准确性。以国外一家名为 HireVue 的公司为例,该公司对外出售求职面试视频平台,该平台可以使用人工智能系统来评估候选人,并且声称可以预测求职者获得某职位的可能性。该公司表示,它会聘用心理学家以及专业人士来帮助开发定制评估算法,以反映雇主希望雇用的某类角色(例如销售代表或计算机工程师)的理想特征。 然后,该算法将分析候选人在视频采访中对问题的回答,对他们的言语反应以及某些情况下的面部动作进行评分。HireVue 声称该工具已经被希尔顿、联合利华在内的大约 100 家公司使用了,比进行相同面试的招聘经理更能准确预测工作绩效。 但是,目前该系统被一家非营利性组织投诉,声称其存在欺骗性交易行为,目前尚未给出决断。据彭博社报道,负责就业歧视的联邦机构平等机会就业委员会(EEOC)目前正在调查至少两个涉及算法决定工作的案件。 AI 在面试之外的应用 其实,这类技术不仅应用在面试一个环节,整个招聘过程都可以利用这项技术,从招聘广告投放、预测潜在候选人到与意向者联系,整个环节都可以通过技术进行把控。目前,已经有公司开始使用人工智能技术对候选人进行排名,这类工具非常流行。部分求职平台开始将职位和潜在人选之间的特征进行匹配,以帮助求职者寻找满意的工作。 此外,已有公司表示可以通过收集到的候选人数据、过往职位和从事行业来预测员工是否可能离开原来的工作岗位,从而接受新的职位。 此外,AI 可以快速筛选简历,谷歌对招聘人员与 Hire 的互动进行了研究,并注意到招聘人员使用“Ctrl+F”功能搜索某些技能。通过人工智能,Hire 可以独立扫描搜索字段或职位描述中的术语,并在简历上突出显示它们,以及同义词和缩略词,也有公司通过创建聊天机器人与求职者进行简单的对话沟通,从而消除招聘经理打电话的时间,或者通过出示简单的游戏判断求职者的性格。 AI 就足够公平吗? 支持者认为,人工智能系统速度更快,可以处理招聘人员无法快速计算的信息,这些工具可帮助人力资源部门在大量应聘者中更快地审核,并最终降低招聘成本。与过度劳累的招聘人员浏览数百份简历和求职信相比,系统可能更公平,更彻底。 此类工具可以自动识别以前成功录用的申请材料中的特征,并在新申请人提交的材料中寻找该特征的迹象,一些系统可以在每个应用程序中考虑 16 至 25 个因素,并可以计算出以“毫秒”为单位的通勤距离之类的东西。 这些系统的运作规模通常大于招募人员的规模。例如,HireVue 声称其视频平台中使用的人工智能评估了“ 成千上万的因素”。即使公司使用的相同的基于 AI 的招聘工具,他们也可能会使用针对自己招聘偏好进行优化过的系统。另外,如果不断对新数据进行训练,则算法可能会发生变化。 这些招聘工具的支持者还声称,人工智能可用于避免人为偏见,例如对某所大学毕业生的无意识偏爱,对妇女或少数民族的偏见。他们认为 AI 可以帮助剔除(或抽象化)与候选人身份有关的信息,例如其姓名、年龄、性别或学校,并更公平地考虑申请人。 关于 AI 可能压制(或至少比偏见的人类做得更好)的想法在今年早些时候启发了加利福尼亚州立法者,提出了一项法案,敦促政策制定者探索使用新技术,包括“人工智能和基于算法的技术”。“减少招聘中的偏见和歧视。” 谁来负责训练这些 AI 工具? 事实上,这些 AI 系统做出的判断是否公平与其接受训练的数据息息相关,如果只是将公司内部过往雇用人员的简历拿来训练系统,那结果往往也继承了做出这些选择的招聘经理的有意识和无意识的偏好,这种方法可以帮助找到出色的候选人,但并不能表示公平。 此前,路透社就曾报道过亚马逊制定了一种招聘算法,在某些职位上无意偏向于男性申请人而不是女性,该系统接受了提交给该公司的十年简历数据的培训,而这些简历大多来自男性。随后,亚马逊的发言人表示,该系统从未使用过,被废弃的原因有很多,其中包括算法是原始的,并且这些模型随机返回了不合格的候选人。 反对者表示,没有定期、广泛的审核,就无法使用这些系统进行招聘。这是因为,即使明确指示机器学习工具不要歧视女性,它也可能也会无意间学会歧视其他指向性因素,比如从女子大学毕业。 而且,如果在 Facebook 之类的在线平台上发布广告,由于该平台算法产生的偏见,很多人甚至可能看不到任何职位。 批评家们对这些工具是否能如其所说表示怀疑,尤其是当他们对候选人的心理活动、情感和职位适合性提出广泛要求时。斯坦福大学组织行为学教授 Adina Sterling 指出,如果设计不周密,算法可能会将其偏好推向单一类型的候选人,这样的系统可能会错过非常规的申请者,比如一位演员未来有可能可以胜任销售岗位,并且非常出色。 算法有利于规模经济,但不利于细微差别。 谁来监管这些工具? 一位就业方向的律师 Mark Girouard 表示,人工智能和算法选择系统属于《雇员甄选程序统一准则》,该准则由联邦机构于 1978 年制定,旨在指导公司的甄选标准和雇佣评估。这些 AI 工具中有许多都说遵循五分之四的规则,但是专家指出,该规则只是一项测试,Rieke 强调通过测试并不意味着这些 AI 工具会按照要求行事,只要是随机选择候选人的系统几乎都可以通过测试。 在针对 HireVue 的案件中,EPIC 认为该公司未达到既定的 AI 透明性准则,HireVue 方面则表示,遵循统一准则和其他专业组织设定的准则。该公司还表示,其系统接受了多种数据集的培训,其工具已帮助其客户增加了员工的多样性。 招聘是一个非常社会化的过程,现在看来想要通过 AI 技术完全掌握还需要走很长一段路 被AI程序面试是一种怎样的体验? 引力空间站2019-01-28 19:491000 分享 有句话叫“伸手不打笑脸人”,现在AI招聘程序也认为很有道理。在面对AI“面试官”时一定记得全程保持微笑,从筛选结果来看,AI程序对微笑应聘者的评分显著高于板着脸的应聘者。想通过第一关见到真人面试官,先学会微笑就对了。 被AI程序面试是一种怎样的体验? 目前的AI面试辅助工具一般的应用场景基本是在首轮面试的筛选上,面试者在进入真人面试之前,先要通过计算机系统的问答测试。 要想见到真人面试官,先过AI关 首先,会有一套申请人跟踪监控系统,对应聘者的简历进行搜索和关键字匹配,看看是否符合职位描述中的需求。然后,聊天机器人对应聘者提出一系列问题。 这些问题都可以用是/否来回答,比如,你家里有网可以在家办公吗?回答“是”的应聘者可以得到进一步面试机会。但接下来的面试者仍然不是真人,而是一款预测性的AI应用程序,名为HireVue。 “这实际上属于一种单向面试,面试者会被问到5-7个问题,从面试者给出的答案来判断TA是否友善,是否充满活力等。面试者需要在HireVue的视频平台上输入答案。 接下来就是算法的事情了。算法会分析面试者使用了多少代词,是不是保持微笑,使用什么风格的语言等等。 该系统的客户之一,希尔顿集团的CTO Loren Larsen表示,这个工具可以检测视频中多达25000个数据点,分析面试者的用词、语音、面部表情等。 Larsen对每个候选人的分析结果与其个人工作能力的关联做出了分析。“应聘人需要具备哪些能力、技能或特质?在确定了这些之后,接下来可能就是将友善度也作为一种特质。“当人们对他人或环境表现出友好时,他们会微笑,所以我们的系统将这一点也加入了考察范围。 但是,是不是面带微笑,这一点成了应聘者能不能获得这份工作的决定性因素了吗? AI招聘攻略:保持微笑很重要,但也不会因为皱个眉就被刷 从某种程度上说,确实是这样的。这就是Yes/No的事情。自2014年以来,希尔顿集团一直在使用这款AI招聘工具,利用其算法面试了43000多个职位。其中有大约2/3的候选人没有见到一个真人就被筛掉了,也就是答错了就拜拜的节奏。 不过,其实这个技术并不会真的给出类似Yes/No的答案,而是会返回一个分数,和SAT考试分数差不多,是一个百分比排名,反映的是你在同时参加面试的候选人中的相对位置。 在综合分析大量数据时,不会因为你的一个微笑或一皱眉就丢了工作之类,而是只会让你的分数稍微上下波动一下。只有10%-30%的分数权重是由面部表情决定的,剩下的大部分取决于面试者使用的语言。 Larsen认为,人类招聘人员不会考虑的事情,其实AI面试程序也不会考虑。实际上,这些分析过程“比真人面试时所获得的那种天生的直觉”要更加复杂。 “其实如果是换了真人来面试职位,”Larson说,“也会注意到同样的事情,”比如,这个人友善吗?能够很好地代表我们的品牌吗?“至少,让算法来做这件事,招聘人员可以利用更大规模的数据集。” 在HireVue考察的25000个数据点中,大多数雇主都不会对这些数据点进行全面分析。“最终结果中包含哪些数据点,取决于我们的实验证明哪些特质与特定职位获得的成功相关。”她说,这个过程中有五位来自产业界组织(IO)心理学家监督。 目前,对候选人的评估结果不对本人公布,Larson希望在未来几个月内添加这个功能。 “AI面试官”:数据集更大,偏见更少 对于没见到真人面试官一面就被刷掉的28000多名职位申请者而言,这些报告结果可能会对他们有所帮助,尤其是那些具有不同文化背景的员工。 比如,亚洲移民常用的面部表情可能就与美国白人不同,这可能会影响系统的评估结果。此外,HireVue的语言分析一开始就是语音-文本的转换,有时可能会对来自美国南部的人的口音产生偏见。 Larsen表示,这款工具的主要目标之一就是在招聘时消除这类偏见:一个重要的方法就是大幅扩大行为数据集的规模,将个人偏见尽量排除在外。正是出于这种考虑,HireVue建议其他客户不要将考察点的范围进行大幅度缩减。 “我们对这种偏见和潜在有害影响必须非常非常小心。”他指出,如果最终客户在这道环节把得分90%以下的求职者都筛掉了。那可能是“没有设立足够数量的考察点。“ 对于通过AI系统筛选的43000多人来说,一个积极的作用是他们都发现了自己是否能更快地完成工作。从商业角度来看,也能让用户大大减少填补空缺职位所需的时间。这是一个巨大的商机,而且其影响范围不仅仅限于那些在面试中被AI程序刷掉的人。 原文链接:https://mp.weixin.qq.com/s/wnYvYqvspzrCW7NaRzg-Rg 猎聘发布AI智能识别面试系统“魔镜” 2019-06-14 09:41 DoNews6月14日消息 (记者 费倩文)6月13日,职业发展平台猎聘在2020校园推介会上对外发布其AI智能识别面试系统“魔镜”,并发布《2020校园招聘趋势洞察报告》,帮助即将进入职场的高校毕业生对自我和职业发展进行定位和规划。 据猎聘才测总经理兼人才战略专家肖婷介绍,猎聘此次发布的AI智能识别面试系统““魔镜”能够最大程度地模拟真实面试场景,计算机通过机器学习对候选人进行360°全视角分析,预测算法会对语言指标及非语言指标分别进行收集与分析,最终得出候选人的胜任力报告。 肖婷指出,“魔镜”产品可以实现任何时间、任何地点、自动化面试/评价候选人。同时通过“魔镜”,企业的招聘成本将降低70%;招聘时间将减少80%;招聘的准确度将提升30%。 据悉,“魔镜”致力于解决传统招聘流程长、成本高、面试受主观因素影响大等痛点,帮助企业提升招聘效率。为此,“魔镜”历时5年进行理论调研及先进技术实施,为人才选拔创造了革命性的人才预测分析系统,其评分系统聚焦职业胜任力、性格洞察、认知水平和语言能力四大维度,可以为HR提供更客观完善的候选人分析评价结果。 猎聘品牌营销中心总经理兼猎新传媒CEO把冉在《猎聘2020校园招聘趋势洞察报告》的演讲中,基于猎聘平台大数据和调研数据,将Z世代的关键词定义为:多元、淡定、直接、现实、积极、爱家。 把冉表示,即将进入职场的Z世代获取信息的渠道多元化,娱乐生活多元化,且在对待就业的态度上,也表现出明显的两极分化。在在校大学生选择第一份工作的态度上,46.35%的受访者选择了“先就业后择业”,而30.48%的人群表示“不将就,找到满意的为止”。除此之外,13.33%的人群选择毕业后先旅游再就业。 此外,Z世代也是现实的一代,他们从不羞于谈钱,在被问及“选择第一份工作,哪个因素对你最重要”时,收入成为占比最高的选项,为25.4%。对于第一份工作月薪,37.46%的985、211大学生期望最低月薪在3000—5000元。 猎聘校园负责人、原凯普斯创始人温志远表示,在校招过程中往往会面临招聘质量低、拒OFFER率高、简历数量少、执行没保障四大核心痛点。针对上述四大痛点,猎聘校园招聘的解决方案是:一、梳理核心人才需求、精准锁定目标学生、精准渠道触达,设计合理有效的活动保证招聘质量;二、通过每年更新的校园学生数据库及精准宣传和校园老师等的支持保障简历数量;三、通过前期的数据分析定制方案,校招前品牌活动和人才抢夺活动,统一执行标准及面试结束至签约期间保温维系OFFER PARTY等一系列流程,提高签约率;四、通过项目经理全程负责制、场地预定和完备的执行SOP保障执行细节。 温志远称,与其他校园招聘服务提供商相比,猎聘校园的差异化服务主要体现在其是做数据咨询的定制化服务,其次精准宣传和定向邀约,且有大量的高校关系。 目前猎聘校园可提供校园雇主品牌推广、校企关系建设、校园精准宣传、重点学生猎头访寻、校园大赛、人才测评、在线技术笔试、在线智能识别远程面试等国内和海外校园招聘服务 お問い合わせ

  • 仕事を探す | Hocitgroup Recruit

    仕事を探す 新卒・中途採用の求人情報はこちら 出入境审查流程 入境流程 出境流程 居住地的申报手续 中长期居留者 特别永住者 ★遠方からの応募も支援 ★WEB面接OK ★引っ越し費用補助あり 公司提供良好的培训,待遇从优,社保齐全。有意者请来面试(可提供工作签证,目前无一名员工被拒签)周休2天 ,交通费全额报销 参考资料:https://careers.google.com 更多AI面试题汇总:https://www.tinymind.cn/collections/6 IT案件交流 案件:只能转职,不能协力 ■案件名: 自動車会社向け PowerCenterサーバー バージョンアップ ■長期のお仕事です ■担当作業: 〇案件概要 Infomatica PowerCenterサーバーの老朽化に伴うバージョンアップ案件となります。 〇スキル ・Linux構築・運用経験 ・ミドルウェア構築・運用経験 ・計画立案、課題管理、顧客折衝など小規模プロジェクトの推進経験 ・Infomatica PowerCenterの製品知識をお持ちだと尚可 〇作業場所 埼玉県和光市(池袋から15分) 〇作業期間 2020/03/02~2021/03/31 スキル : (必須) ・Java経験(基本設計以降) ・Javascriptでの開発経験 ・・長期で参画できる方 ・能動的に動くことができる方 ・自ら考え自発的に発言をし、業務に取り組める方 (尚可) ・リーダー経験もしくは教育経験 ・設計書を一から作成した経験 --------------- 期 間 : 即日~長期 場 所 : 天王洲アイル 人 数 : 2 --------------- 精 算 : 140-200(固定)※平均稼働時間140h-160h 面 談 : 1回(上位同席) 備 考 : 開発手法は、アジャイル開発となります。 上流工程の経験をしたい方、やる気ある方大歓迎です!l もちろん経験者も◎人物重視。積極性重視します! ※外国籍のご提案の際は、在日年数をご教授頂けますと幸いです。 昨天发的unity案件,现场大琦,今晚6点半面试,还有人吗?需要unity经验多的,现场是设计,开发,同席一回决,有人请提案 昨天发的田町要多人的Android,IOS案件,定在下周二晚上6点面试,已经提案的客户正在确认简历,安排面试的我们公司担当会一一通知,同席一回面试,有日语好的请提案 java基本设计的人有吗?今晚面试,一回决,有人请提案 21日(金)18:10面談設定済です。 現場は勝どきですが、面談場所は田町になります。 〇外国籍エンジニアの場合、必ず下記のご確認をお願い致します。 ・開発経験5年以上(主にJava) ・日本語流暢(重要) ・JSでの画面開発得意なら尚可 案件名:キャリア様向けの基地局関連基幹システム開発 担当工程:基本設計~テスト(スキルにより詳細~) スキル:Java、Spring、JavaScript 【尚可】Vue.js 期間:3月~or4月~ 作業場所:勝どき 募集人数:3月~2名 4月~2~5名 予算:70万 時間幅:140-190 サイト:60日 面談回数:1回(上位同席) 備考:日本語流暢且つQAがしっかりできる外国籍で あれば提案可能。日本語と会話力は厳しく見られます。 外国籍の場合、オススメの方のみご提案をお願い致します。 求:3月のみのJAVA案件。日本語堪能SE/PG。よろしくお願い致します 4月sf案件 大量招人 弊社10人枠決定!! 同席,一回决! 日语一定要好 leader要2名 如果有leader提案可以set自社的PG,预计下周内面试 生命保険会社向けWebシステム開発 (Salesforce+Java) ・某生命保険会社から代理店へ提供している各種システムをオンプレからSFDC上へ移管(LWC/Apex) ・移管の際に、業務ロジックの一部 Web API化を実施 (Javaで作成し、SFDCから呼び出し) スキル : (必須) (基本的にチームとして以下スキルがカバーされていること) ・画面定義書・インターフェース定義書の作成経験 ・単体、結合テストケース作成経験 ・gitでの開発経験 ・GitHubでのチーム開発経験 ・Webシステム開発 ・HTML5 / CSSの基礎知識 ・JavaScript (TypeScript)の基礎知識 ・Ajax/SPAの基礎知識 ・Scss/Pugの基礎知識 ・Salesforceプラットフォーム開発 ・Apex/SOQLの開発経験 ・Salesforce Lightning(aura Framework)を使った画面の開発経験 期間:4月~長期 場所:虎ノ門 第一开发: python またphp要員募集 弊社直お客様、弊社同席 info@firstdevelop.com 面接設定済み:2020/02/21 17:45 新宿駅南口 ・期間:2020/2~ ・募集人数:1 4月からプラス1名以上の増員予定あり。 ・テクニカル:VMWare,RHEL7,Ansible,PHP,pythonなど 自動化環境の経験や、DB設計/構築の経験があると今度の設計メニュー化など新規開拓にも活かせます。 ・作業場所 :赤坂見附 紧急求人 今晚19点面试已定,一回即决 3月开始现场,地点赤坂見附 求JAVA的SE或者intra mart经验者 有相关经验的话,日语可以弱一些。 ①3月~5.5年java上流选手 ②即日~8年SE(java.vba.rpa) ③即日~3年高级PG(SE经验有) ④3月~日语超流畅1.5年PG 有合适案件挺介绍,谢谢谢谢 ①Java案件 即日或3月 3年以上経験 日本語要求 即戦力を希望 1-2人 三鷹 ②3月Java案件 基本設計から担当できる者1名 九段下 入社優先 ③HTML CSSフロント側技術者1名 日本語要求 3月 ① 随時設定 ②2/21 15-17時設定 今天下午17:30大森面谈。sfdc经验者。半年以上开发经验。自社案件,一次速决。 🟡日语流畅 Java3~5年经验 大大大大~大欢迎提案 急募!!! 本日面談設定済み 17:40 新宿南口待ち合わせ python、php開発案件 弊社社員 3月中旬 OR 4月稼働〜 PMO 経験者 ・データ抽出 ・運用マニュアル管理及び改修 ・進捗管理、進捗管理集計表作成など 日本語:流暢 英語:流暢 🟡日语流畅 Java3~5年经验 大大大大~大欢迎提案 面试⇨品川 18:55 @W.S 適任者はいますが、3月のみは難しいでしょうか? 面談設定済み、同席1回 -------------- 火曜日(18:30)水天宮前、地銀システム、Java 上流PGかSEを4名枠。 日本語要求 W.S: すみません。難しいです。 都内、3月or4月~ 有CCNA 或者在日网络相关工作经验、日语2级以上、2/25火17:30面談設定済 第一开发: ※テスト、改修、実装等技術者様のレイヤでご相談可能 【案件9】 :金融システムの保守開発 【作業場所】 :JR品川駅徒歩10分 【作業期間】 :2020年4月~保守の為長期でお願いしたいです。 【作業時間】 :9時30分~17時30分 【作業内容】 :主に既存機能に対するバグ・仕様変更の調査・改修の対応等を実施して頂きます 【作業工程】 :バグ・仕様変更案件の影響調査、 開発(設計、実装・UT、IT設計・実施、リリースノート作成等) ※作業工程はスキルに合わせて担当して頂きます 【開発環境】 :GitHub, Eclipse, VSCode, CircleCI, Jenkins 【開発言語】 :Java8, JavaEE7, Apache Flex4, PL/SQL, Shell等 【テスト環境】:AWS, RedHat7, AIX, WAS9, Oracle19c 【要望スキル】:UT、ITの経験、もしくは開発業務経験 Java実装経験(任意ですが参画後は出来るようになってもらいます) SQL実装経験(任意ですが参画後は出来るようになってもらいます) Linux/Unixの基本的なコマンド操作(任意ですが参画後は出来るようになってもらいます) UT/ITの設計 (任意ですが参画後は出来るようになってもらいます) ApacheFlex実装経験(任意) CircleCIやJenkins等のCI/CD構築経験(任意) 日銀ネット決済に関する業務知識(任意) ※優先度が高いスキル順に掲載 【募集人数】 :1名(弊社7名参画中、1名が同現場他案件に移る為の交代要員の募集) 【面談回数】 :1回(弊社リーダのみ、御社同席可能) 【その他】 :時間精算無し(固定でお願いします) 保守案件ですので稼働は非常に安定しています。 弊社残業実績平均10H前後 独占案件,随时面试,java詳細以降〜 ■案件:証券向けPKGのカスタマイズおよび周辺機能追加開発 ■案件概要 ポータルサイト構築におけるアプリケーション開発 (詳細設計以降) ①Web ②バックエンドとの接続 ■募集要項 ①②いずれかの対応で開発&運用保守を行う。 言語および環境 言語:Java、、javaScript、C++ FW:Terasoluna5 OS:RHEL7 DB:Postgres Job:JP1 ■勤務地 木場 ■時期 2020年3月~ ■面談 2回 -- 【【高確率】 ━━━━━━━━━━━━━ 高津、JAVA、BSE、4月~ ■基本設計経験あり ■オフショア経験あり ■日本語流暢 ■長期参画可能な人材 ━━━━━━━━━━━━━ ★倉庫管理システム上流設計経験者募集★ 【案件】製造業向けWMS(倉庫管理システム) 【場所】都内 【環境】AWS、Linux、PostgreSQL 【開発言語】Java(Spring)、PL/SQL、Asteria、HaiSurf 【顔合わせ】1-2回 【日本語】流暢のかた。 【案件①】2020年3月・4月~ 海外倉庫展開基本設計~ SE1~2名 必須:入出庫or在庫知見。基本設計経験 出来れば:物流領域、倉庫管理領域知見 【案件②】2020年3・4月~ 国内倉庫展開要件定義~ SE1~2名 必須:リーダー業務、要件定義経験 出来れば:物流領域、倉庫管理領域知見 水天宫 java se要多枚 最快今晚可排面试! 独占案件,随时面试,java詳細以降〜 ■案件:証券向けPKGのカスタマイズおよび周辺機能追加開発 ■案件概要 ポータルサイト構築におけるアプリケーション開発 (詳細設計以降) ①Web ②バックエンドとの接続 ■募集要項 ①②いずれかの対応で開発&運用保守を行う。 言語および環境 言語:Java、、javaScript、C++ FW:Terasoluna5 OS:RHEL7 DB:Postgres Job:JP1 ■勤務地 木場 ■時期 2020年3月~ ■面談 2回 -- 1) python php経験者 日本語必要 面接設定済み: 今日17:45 新宿駅南口。直接客户一面就定、有人的话联系我 【YFCエンド直案件】 IOS SE代替要員募集_3月_東京_高単金可 ・日本語流暢が必須 ・一人前で調査、設計、開発、テスト担当可能 ・面談随時設定 ・協力社員も提案可能だが、入社大歓迎 ・長期安定対応必要 >Salesforce 招4名技术者 @池袋 銀行保守案件 3/1 開始 SE募集 使用技術 AWS JAVA Oracle Linux Shell 場所:溜池 募集:1名 急募!一回即決 案件概要:車載アプリの一部機能開発 作業期間 :3月~短期 作業場所:新横浜 開発言語:C OS:Linux 担当工程:詳細設計~結合試験 募集人数:五名 欢迎SE➕pg set eigyo@rgsis.com intra-mart案件 時期:3月~長期 対象システム:小規模システム複数 フェーズ:維持開発(主に改修。基本設計~結合テスト) 技術:intra-mart開発(IM-Forma、IM-BIS、IM-LogicDesinger) 最寄駅:赤坂見附 面談設定済 1/26 (水) 13:30~ 東京駅 医療系パッケージ営業サポート 日本語流暢必要、技術いらない。 テスト経験/販売経験あればベスト 3月/4月~ 可能、年単位延長案件 横浜方面C#案件 案件:流通系 場所:天王町 スキル:C# 面談:一回 備考:日本語コミュニケーションを取れる方 >Salesforce 招4名技术者 @池袋 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋擅长Oracle会Marco的的技术者 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 工作地点:中央区内 证券系统周边的管理系统 要件定义开始 偏技术和管理的上流java SE 日语要求! 高单价可! 面试设定完了 周二随时! 案件名 :自動車の車載に搭載するbluetoothアプリの一部機能 作業工程:詳細設計~結合試験 スキル : c/c++ 作業期間:2020年3月~ 作業場所:新横浜駅近辺 确定2名 在追加4名 急急 ★サーバ構築及び検証環境構築経験者募集★ 件名:保守切れ(EOL)装置の更改作業支援 対象装置は、ロードバランサ、メールサーバ、認証サーバ、DNSサーバ、監視サーバ等 更改作業の方式検討、現状把握、設計、試験項目検討、自前保守手順検討、検証環境構築、 動作確認試験、工事手順書作成等 期間:2020/4/1~2021/3/31 人数:日本語流暢のかた1名 場所:都内 単金:MAX60万+精算 必須スキル: ・サーバ構築経験があり、RedHat6,7の経験があること。 ・一人で検証環境を構築でき、能動的に動いてくれる方。 推奨スキル: ・Ciscoスイッチ、VMware ESXi、DNS(BIND)、メール(postfix)など ・ロードバランサの構築経験、ストレージ関連 ※連絡:sj-zou@rontech.co.jp 有没有sharepoint的技术人才,日语必须,求提案 当方のプロジェクトにてご対応いただけないか 一度商談を実施させていただけませんでしょうか。 現在Office365の導入案件を実施しており、SharePointを利用する業務やOffice365のユーザーを管理する機能の作成などを実施しております。また、各種利用手順のとりまとめなどもございます。 作業場所は勝どきで、必要に応じ現場での対面打ち合わせも可能です。 ぜひご検討いただけますと幸いです。 intra-mart案件 時期:3月~長期 対象システム:小規模システム複数 フェーズ:維持開発(主に改修。基本設計~結合テスト) 技術:intra-mart開発(IM-Forma、IM-BIS、IM-LogicDesinger) 最寄駅:赤坂見附 面談設定済 1/26 (水) 13:30~ 東京駅 医療系パッケージ営業サポート 日本語流暢必要、技術いらない。 テスト経験/販売経験あればベスト 3月/4月~ 可能、年単位延長案件 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋擅长Oracle会Marco的的技术者 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 随时面试 案件名 :証券フロントミドルシステム開発 作業概要:証券フロントシステムのエンハンス開発プロジェクト(クライアント/サーバー方式) 作業範囲:スクラム開発でスプリント毎に各工程の中から組み合わせで実施(スクラム開発未経験可) 基本設計、開発(実装)、単体テスト、結合テスト、保守作業(問い合わせ調査など) 期間 :3月〜6月(継続可能性あり) 作業場所 :御成門 業務知識 :不問 募集人数 1名 開発言語 : Java、PostgreSQL(SQL)他 使用マシン: Windows、Linux 標準勤務時間: 9:00~18:00 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋擅长Oracle会Marco的的技术者 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 ①Java案件 即日或3月 3年以上経験 日本語要求 即戦力を希望 1-2人 三鷹 ②3月Java案件 基本設計から担当できる者1名 九段下 入社優先 ③HTML CSSフロント側技術者1名 日本語要求 3月 面談随時設定。(新宿) 金融系案件 3月~長期。 上流工程~ リリースまで。 上流工程経験者(必須) web 系開発経験者(必須) 一手资源 1.案件:物流系社内システム 要求整理要員 概要:様々な案件についてユーザとの要求整理を行う。 勤務地:豊洲 スキル:WEB系システムの要件定義経験が必須。 主な成果物である、システム化業務フロー、システム概要図の作成が行えること。 募集:3月or4月~SE 2名、4月~作業者 1名 2. 案件名 :自動車の車載に搭載するbluetoothアプリの一部機能 作業工程:詳細設計~結合試験 作業期間:2020年3月~5月(調整可能であれば、2月中の参画も是非) 作業場所:新横浜駅近辺 募集人数:7名(已通过2名) スキルセット:LinuxでのC/C++開発経験 3.日本語スキル、技術スキル共に必要 ·環境構築・結合テスト・システムテスト ・3月~:2名 ・できれば、改修対応含む ・C#, SQL, (TypeScript) 作業場所:御茶ノ水・恵比寿・舞浜 4. 案件名:IoTシステム開発 工程 :詳細設計~結合テスト 時期 :即日 or 3月~3か月以上 勤務地:大森駅 人数 :2名 スキル:Java、JavaScript 単価 :スキル見合い 稼働 :10時~19時 面談 :1回(弊社同席) 5.案件名:IoTシステム開発(組込み) 工程 :詳細設計~結合テスト 時期 :即日 or 3月~3か月以上 勤務地:大森駅 人数 :4名 スキル:Android、Java 単価 :スキル見合い 稼働 :10時~19時 面談 :1回(弊社同席) 6.案件名:製造業PLMシステム開発 工程 :詳細設計~結合テスト 時期 :即日 or 3月~6か月以上 勤務地:大森駅 人数 :3名 スキル:Java & C# 単価 :スキル見合い 稼働 :10時~19時 面談 :1回(弊社同席) 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋擅长Oracle会Marco的的技术者 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 小芯: ----- 3月infra求案件 No1. 【国籍】中国 【年齢】35、日本留学女性 【実務年数】5年(中国3年、日本2年) 【ス キ ル】インフラ構築(Cisco Network) 【稼働可能日】3〜 【最寄り駅】 竹ノ塚 【備考】日本語N1流暢 【単金】TBD 【その他】①CCNA(Cisco) ②Network L2/L3/技術知り ③プロトコール:TCP/IP, RIP, EIGRP, OSPFなど No2. 【名前】S-san 【国籍】中国 【年齢】45、日本九州大学 教員(博士) 【実務年数】17年(大学教授10年) 【ス キ ル】インフラ構築(Cisco Network、Sever) 【稼働可能日】3〜 【最寄り駅】 大宮 【備考】日本語N1非常に流暢 【単金】TBD 【その他】①2007年ー2008年 三菱重工研究員 ②2005-2010 九州大学博士後期取得 ③2010-2018 中国広州工業大学教授 ④2019- 九州大学研究員 【案件概要】 対象システム : 大阪取引所デリバティブ売買システム(次期:2021年10月稼働開始予定) 対象要員 : NW(以下機器を使用)の設定・テスト要員(全部でなくても結構です!) L2/L3-SW : Arista DCS-7150S系、DCS-7050TX系、DCS-7010T系 ルータ : Cisco 891FJ メディアコンバータ: Allied Telesis AT-MMC2000LX10/LC TAP : IXIA TPX-10-SR-50-50 ① 初心者に近いテスターを指導・実施内容チェックしながら自身でも設定・テストを遂行できる人=1~2名 ② 上記の手足となって設定・テスト実施できる人=1~2名 実施期間 : 最短では6月までですが、技術・コストパフォーマンス次第では延長可 ■面談回数:1回 ■場所:茅場町 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋擅长Oracle会Marco的的技术者 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 。 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋擅长Oracle会Marco的的技术者 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 【YFCエンド直案件】 IOS SE代替要員募集_3月_東京_高単金可 ・日本語流暢が必須 ・一人前で調査、設計、開発、テスト担当可能 ・面談随時設定 ・協力社員も提案可能だが、入社大歓迎 ・長期安定対応必要 旅行归来: <弊社注力案件情報> -------------------------------- 案件① ※BP可 件 名:Salesforce開発支援 工 程:基本設計~製造まで 場 所:池袋 期 間:2020年3月~ ※5月まで延長する可能性あり 人 数:3名 <条件> ・Salesforce、PL経験者 <尚可> ・Lightningコンポーネントのソースレビュー ・販売管理システムの会計連携機能開発、財務会計システム構築経験 単 価:スキル見合い(140h-200h上下割)。 面 談:1回、弊社同席 国籍:日本国籍のみ -------------------------------- 案件② ※BP可 ・クライアント:日系大手製造業 ・案件概要 導入済みSFDCの活用見直し 営業業務の効率化のために導入されたSFDCが現状あまり活用されていない状況であるため、 クライアントの業務(営業)オペレーションに沿ったかたちでSFDCの活用方法を見直し、業務の改善を図る。 (そのため、クライアントの営業オペレーションにおける業務分析、およびSFDCに対する知見が必要。) ・勤務地:品川 ・期間:‪2020/3/1~2020/06/20 ・稼働率:100% ・予算/ランク:〜110万/月額 ・人数:1名 ・求めるスキル BPRなど業務改善や業務分析経験があること SFDCに対する知見があること 製造業における経験(ただし、必須ではない) ・年齢:問わない <備考> ・シニアコンサルレベルを想定 ・状況により、静岡への出張あり。(頻度は少ない想定。) -------------------------------- 案件③ ※入社前提 件 名:Salesforce開発支援 工 程:基本設計~製造まで 場 所:新宿 期 間:2020年4月~ 人 数:リーダー、1名。メンバー、4名 <条件> ・SalesforceのSales cloud経験者 <尚可> ・Lightningコンポーネントの経験 単 価:スキル見合い(140h-200h上下割)。 面 談:1回、弊社同席 国籍:外国籍可 -------------------------------- その他 ■JavaScript 大崎 三名 ※入社前提 日本語 一級流暢 三月から ■c++ 池袋 5名 ※BP可、日本語 一級流暢 三月または四月から -------------------------------- 芈雪: 故人提案芝浦头,烟花三月下丰州。 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋擅长Oracle会Marco的的技术者 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋擅长Oracle会Marco的的技术者 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 芈雪: 月末欲提案满天,人手不足对愁眠。 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋擅长Oracle会Marco的的技术者 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 最新案件 更新日案件タイトル案件内容報酬応募期限 今日 【YFC案件】国保システム案件Java要員_4月_永田町 法改正に伴う大規模開発 あと32日1 日前 3月JAVA要員募集_竹橋 画面開発 あと1日1 日前 3月JAVA要員募集_竹橋 システム開発 あと1日6 日前 【YFCエンド直案件】IOS SE代替要員募集_3月_東京_高単金可 作業内容:スマートデバイスIOSアプリ開発補助ツールの保守運用 あと21日6 日前 【YFCチーム案件】4月稼働Java SE 要員募集_川崎 (急募) 現行損保保険システムを廃棄し、損保パッケージで再構築 案件の代替要員 あと33日 どき、3月稼働長期 Java SE 3名程度(日本語必須) ※3、4月は結合テスト、5月から詳細設計 面談一回 2️⃣初台、4月稼働中長期、日本語必須 .net C# アーキテクト 1名 .net C# SE 2名 SRE 1名(AWSのシステム運用設計) 3️⃣ 西台、4月稼働、JAVA要員2名募集 Groovy、Spock(Groovyソースの試験ツール)の経験がなければ、 Java、JUnitの経験が必須 日本語必須、1人称で作業出来る方、 コミニュケーション能力必須 人気案件のカテゴリ WEB・オープン 25 その他 1 ERP・パッケージ導入0 ITコンサル0 PMO0 インフラ0 人気案件の業種 その他 22 生命保険 1 製造 1 販売 1 銀行 1 IT0 案件情報検索 案件検索 いっしょにお仕事しましょう 選択してください arrow&v 今すぐ応募する 送信ありがとうございました ----- 3月infra求案件 No1. 【名前】劉-san 【国籍】中国 【年齢】35、日本留学女性 【実務年数】5年(中国3年、日本2年) 【ス キ ル】インフラ構築(Cisco Network) 【稼働可能日】3〜 【最寄り駅】 竹ノ塚 【備考】日本語N1流暢 【単金】TBD 【その他】①CCNA(Cisco) ②Network L2/L3/技術知り ③プロトコール:TCP/IP, RIP, EIGRP, OSPFなど 小芯: No3. 【氏 名】:林san,女性、26才 【インフラ経験】:2年 【得意技術】:Routing, Switching, linuxなど 【資 格】:CCNA 【日本語能力】:N1 【希望単価】:TBD 【稼働可能】:4月~ 【営業状況】:並行あり 【その他】: 小芯: No4. 【名前】X-さん 【国籍】中国 【年齢】25、女性、来日6年 【実務年数】infra 2年 【ス キ ル】インフラ構築(cisco Network,Server (Linux ) 【稼働可能日】2020年3月~ 【最寄り駅】川口 【備考】日本語流暢 N1 【単金】TBD 【その他】①CCNA(Cisco)資格持ち 小芯: No2. 【名前】于-san 【国籍】中国 【年齢】26、女性 【実務年数】3年 【ス キ ル】インフラ構築(AWS, Cisco Network, Vmware) 【稼働可能日】4〜 【最寄り駅】 品川 【備考】日本語非常に流暢 【単金】tbd 【その他】①CCNA(Cisco)資格持ち, AWS準備中 ②Network L2/L3/L4/L7 技術知り ③AWS(EC2/ S3 / VPC / RDS / Route 53など) 第一开发: 1)3月から案件,品川python画面開発案件 日本語1級必要 面談設定済み:面談一回のみ、弊社同席 日程 3月 4日(水) 19:00~ 2)3月から案件,横浜桜木町,C++案件,面談一回のみ,日本語不要,(C++熟知する必要) 4)3月から案件,python aws構築案件,面談一回のみ,弊社同席,日本語1級以上必要 面談設定済み:新宿駅、面談一回のみ、弊社同席、‪3月 5日(水) 19:00~ ‪ 5)salesforce 多摩センター案件 随時面談設定可能、単価80以上可能 娴: ◆作業場所:秋葉原 ◆期間:3月~中長期 ◆作業:運用保守、PMO ◆必要スキル ・IT経験1年以上 ・勤怠良好 ・人物面重視 ◆備考:日本人限定、若手可 ◆2/28金夕方面談設定済 W.S: C言語急募(28日夜面談) 作業期間:3月〜長期 作業場所: 品川シーサイド 必須スキル: C++の開発経験(製造、テスト) 一年程度ok 日本語1級必須 募集人数:2名 面談回数:1回 ご提案願います 優秀なAI人材を多くの日本企業へ 完全成果報酬型、データサイエンティスト/AI人材紹介サービス 5年前,AIは身近な言葉ではありませんでした。 しかし,現在ではどうでしょうか。様々な情報媒体からAIというキーワードが発信され,耳にしない日はないでしょう。 5年後はどうなるでしょうか。 AIはより身近なものになるだけでなく、新しいマーケットを創造します。 既存のビジネスに入り込み、競争が激化する中で、勝ち抜く企業はAIという全く新しい武器を手にしているでしょう。 大手を筆頭にあらゆる企業が、AI人材が最大の武器となることを理解し、想像を超えるスピードで人材確保を進めています。 その一方で、世界的にAI人材は不足し、海外企業よるAI人材の青田刈りが行われています。また,国内ではAI人材の需要過多で優秀なAI人材を確保し難い状況となっています。 5年後、AIがビジネスにおいて必需品となり、競争力の低下を招く時代となったとき、AIを使いこなすことはできますか? AIを使いこなせる人材は社内にいますか? が、御社のビジネスを次の次元へと導きます。 AI人材専門のマッチングサービスです。 AIの導入を検討している企業様の場合、弊社がAIコンサル業務からAI分析の基盤構築支援を行います。もちろん、同時に当社が育成した優秀な人材もご紹介します。 すでにAIを導入されている企業様の場合、希望する人物像をお知らせいただければ、こちらで人材をご紹介します。 AI Bridgeは弊社で【研修・実務を行った優秀なAI人材】を紹介するため、【即戦力AI人材】を手に入れることができます。 日本からたくさんのイノベーションを起こしましょう。 優秀なAI人材を多くの日本の企業へ導く橋となります。 AI未導入企業様へ AIがこれから必須になってくると言われても、具体的に「AIが何ができるのかなどの、有用性・可用性」を把握することは非常に困難だと存じております。 そのため、弊社のAI受託を一度ご活用していただき、「AIの有用性・可用性」をご理解した上で、をご活用いただくことも可能です。 ぜひ一度、お問い合わせフォーム からご相談ください。 AI人材 なぜ今AI人材が必要か AIは生活に根付く存在 5年前,「AI」という言葉をどのように捉えていたでしょうか。 「機械が勝手に何かをやってくれる」「専門家がAIを作っている」など、到底身近なものになるとは思ってもいなかったでしょう。 しかし、現在AIは飛躍的に進歩し、誰もが持ち歩いているスマートフォンにおいても AIによって音声認識、画像認識が可能となりました。今後5年間で更にAIの技術は進み、自動運転や高度な音声対話などが可能となり、驚くほど速く、そして静かに、人々の生活に浸透していくのです。 このような状況を既に把握している企業は、水面下で医療や教育、製造業、小売業、農業などへのAI活用でさらなる競争力の強化とマーケットの拡大を目指しています。 今この瞬間にもAIに対するアクションを起こすことで、御社の今後のビジネスに大きなインパクトを与えることを可能にします。 AI人材は世界的に不足 AI人材の教育者も不足 現在、世界中の企業がAI人材を求めております。 「グローバルAI人材白書※」では、 世界の企業が100万人のAI人材を必要としていると記されています。 現在、AI研究や開発に携わることのできる能力をもった人材は世界中で30万人といわれています。 さらに、AI人材育成機関は世界に370しかなく、そこから輩出されるAI人材は年間2万人と予測されており、需要に対して供給が追い付いていないのが現実です。 AI人材が不足している原因は、AI人材を育成する「先生」が少ないということにあります。 先生がいないので【潜在能力の高いAI人材志望者】がいても、効率よくAIを学ぶことができません。同様に日本でも、年間約1.2万人のAI人材が不足し、供給される人材は年3000人と推定されています。 ※…出展 : Tencent Research Institute (2017), ‘Global AI Talent White Paper’ 優秀なAI人材の獲得 活用することで優秀な人材の獲得が可能 AI人材を確保できない、確保しても質が低いといった経験はないでしょうか? また、「AIの導入を検討したいが何から初めていいかわからない」 「 AIを導入すると具体的にどのようなことができるのかがわからない」といった問題をお持ちではないでしょうか? これらの問題が優秀なAI人材紹介とAIコンサルティングにより、解決いたします。 人材育成 優秀な人材を確保 即戦力AI人材のご紹介 弊社が求職者のレベルを把握するために、求職者がに登録する際には弊社主催のスキル測定会の受験を必須とさせて頂いております。 測定会の結果より、スキルが不足している求職者の方には弊社が主催しております【AI勉強会】への参加をして頂きスキルアップを行なって頂きます。その後、弊社データサイエンティストの元で実務経験を積むことにより、御社の即戦力となるよう、責任をもって教育をしております。 また、【AI勉強会・教育機関とのパイプ・企業とのコラボレーションイベント】より、意識の高い優秀なAI人材を随時確保しております。 ご希望の人材像をお伝えして頂ければ、条件に合った紹介させて頂きます。 AI勉強会・スキル測定会 AI分野の第一線で活躍しているデータサイエンティストによる実践型勉強会 勉強会の詳細はこちら さらに,登録者の正確なスキルレベルの把握を目的とした,スキル測定会も開催。 スキル測定会の詳細はこちら 雇用のメリット 費用の削減 自社でのAI人材雇用で、AI業務コストを削減可能 AI業務を外部のデータサイエンティストに委託する時の費用はご存知でしょうか? データサイエンティスト一人当たり140~300万円/月(レベルにより変動)が目安です。 受注費用の最低ラインである140万円/月で受注している企業は、 技術レベルで表すと年棒約600万円の人材に受託しているといえます。 一方で【AI Bridge】を利用し、【自社でデータサイエンティストを雇用した場合】、 年棒1000万円レベルの人材を雇用しても、長期的な目で見ると、約8ヶ月で雇用した方が委託の場合よりコストが下がることがわかります。 一方で、「8ヶ月未満で完了してしまう案件しかやらないから発注した方がいい」という企業様もいらっしゃると思います。 しかし今後、企業間のAI人材確保競争の激化により、優秀なAI人材の獲得が困難になっていくことが想定されています。 現在確保している人材においても、安心できません。 優秀な人材は現在より高額な報酬を提示されれば、簡単に他社へと移っていくでしょう。 ぜひ、今のうちに継続可能で優秀なデータサイエンティストを囲い込んでおきませんか? 採用支援 内定まで一貫して採用をサポート 以下の2パターンの人材紹介モデルをご用意 求人票を出し,あとは全てにお任せパターン Step.1 依頼 Step.2 人材選出 Step.3 書類選考 Step.4 面接 Step.5 内定 Step.6 入社 自身でのWEBサイトから登録人材を選定するパターン Step.1 WEBより 人材選定 Step.2 人材紹介 依頼 Step.3 面接 Step.4 内定 Step.5 入社 採用に掛る費用 明確な費用体系を設けております。 完全成果報酬型の費用体系を採用しておりますので、採用の決定に至るまで一切費用は発生しません。 通常、理論年収の40%を紹介手数料として頂いておりますが、現在はリリースキャンペーンとして理論年収の30%の紹介手数料で紹介させて頂きます。(※) また、被採用者が自己都合に入社6ヶ月未満で退職した場合、費用の一部を返金させて頂きますのでご安心してご利用頂けます。 ご質問等ございましたら、お気軽にお問い合わせください。 無料登録して優秀な人材を探しましょう AI-Job-Notes AI算法岗求职攻略:涵盖校招时间表、准备攻略、刷题指南、内推、AI公司清单和答疑等资料 AI算法岗方向:深度学习、机器学习、计算机视觉、图像处理和SLAM等 注:如果你看到这篇文章,且有一些疑问或者想提供一些资源,欢迎提交issues! 目录 1 校招时间表 2 准备攻略 3 AI 面经和刷题指南 4 内推 5 简历模板 6 AI 类公司清单(以CV岗为主) 7 2019届AI算法岗薪资情况 8 答疑(含130个问答) 1 校招时间表 以今年(2020)为例,默认为2021届学生(2020届学生称为上届) 时间 任务 2020年3月~6月 找暑期实习/上届春招(补招) 2020年6月~8月 秋招提前批(神仙打架) 2020年9月~11月 秋招正式批(神仙继续打架+菜鸡互啄) 1.1 暑期实习 2020年3月~6月:暑期实习。 实习一般分成两种: 日常实习 暑期实习 日常实习:日常实习是任何时候都可以找的,通常是根据具体部门的需求,由公司HR、部门主管或者部门员工发布招聘消息,相对较为零散也比较灵活。 暑期实习:很多公司,特别是大公司(如BAT等大厂),都会组织专项的暑期实习生招聘活动。一方面是针对在校学生的情况(很多学生只有暑期才有假期,或者导师暑假才放人),另一方面就是为了秋季校招(大规模招聘)吸引人才。暑期实习具有很大的意义,对学生来说,最直接的好处就是转正机会。暑期实习,一般6月底左右实习入职(也可以根据自己的时间,提前入职),一般8月底或9月份会有专项暑期实习答辩,根据综合表现,答辩通过后就可以基本结束秋招了。 注:这里建议在进入公司参加暑期实习的期间,也要参加秋招提前批和秋招正式批,并多投递一些公司,即使在实习,所谓的很忙,没时间准备秋招了,那也要多投。暑期实习的另一个好处是增加可贵的实习经验,简历会好看很多。 1.2 秋招提前批 2020年6月~8月:秋招提前批(神仙打架) 据我了解上届打响秋招第一枪的是大疆(DJI)科技,其在6月底就已经结束简历投递了,然后BAT等大厂都是7月份开始。这时候的校招,绝大部分都是内推/提前批,而不是正式批,大家一定要珍惜这个时间点:6月~8月。虽然我调侃着说神仙打架,但还是要注意这时候性价比特别高。一方面是薪资普遍高,通常一些SP/SSP Offer都是这个节点发出来的,另一方面是投递的人数还不是很多,因为有些人没有意识到这个提前批的重要性,老想着多准备一点,到秋招正式批再大干一场。 需要注意的是:参与秋招提前批的大佬特别多,同时岗位hc并不多(因为企业要考虑正式批的情况,会控制招聘人数),所以我把秋招提前批比作:神仙打架。另外,秋招提前批大多以内推为主,后面章节中我会说到如何获取招聘信息以及如何内推。 注:提取批挂了,正式批可以再继续投(具体看不同公司的招聘介绍)。 1.3 秋招正式批 2020年9月~11月:秋招正式(神仙继续打架+菜鸡互啄) 有句话叫做金九银十,也就是9月份的 Offer 比10月份的 Offer 更可贵,这话其实很有道理,所以大家可以脑补到7、8月份的 Offer 属于什么 level 了。这时候也很考验大家的心态,比如9月份或10月份了,如果你手里还没有Offer,再看看身边已经拿到Offer的同学,一定变成柠檬精。 所以 Amusi 这里强烈建议一定要把握住 1.2节中的**秋招提前批 **。当然了,如果9月份手里还没有Offer,心态千万别崩,继续投继续干,记住一句话:多投准没错!其实大部分同学都是9月、10月才陆续收到Offer的,所以你多投继续努力,收获肯定会有的。 2 准备攻略 准备攻略,我没有具体的方案,因为这就好像是学习计划一样,每个人都要自己的习惯,我的你并不一定适用。所以我就用一个精简的公司来介绍。 公式1.0:刷题+背题+项目+实习(可选)+竞赛(可选)+顶会/顶刊(可选) 公式2.0:刷题+背题+项目+实习+竞赛+顶会/顶刊(可选) 3 AI面经和刷题指南 3.1 深度学习面试宝典 详见:深度学习面试宝典(含数学、机器学习、深度学习、计算机视觉、自然语言处理和SLAM等方向) Deep Learning Interview Book 部分内容如下: 😃 自我介绍 🔢 数学 🎓 机器学习 📕 深度学习 📗 强化学习 👀 计算机视觉 📷 传统图像处理 🀄️ 自然语言处理 🏄 SLAM 👥 推荐算法 📊 数据结构与算法 🐍 编程语言:C/C++/Python 🎆 深度学习框架 ✏️ 面试经验 💡 面试技巧 📣 其它(计算机网络/Linux等) 3.2 刷题指南 刷题的目的是为了学习数据结构和算法,锻炼编程能力和熟悉刷题技巧 刷题建议:先刷《剑指Offer》 (66题),再刷 LeetCode (目前LeetCode已经有900+题,可以根据类别来刷,但强烈建议先刷完 LeetCode 面试高频题 ) 注:根据 2020 年校招提前批的情况来看,LeetCode 建议至少刷200-300题,所以2020年(2021届)找工作的同学一定要努力刷起来了! 3.2.1 刷题编程语言 C/C++ Python JAVA(不推荐) 注:如果时间充裕,而且有 C++ 基础,那么强烈建议使用 C++和 Python 同时刷题。 根据 2019 年(2020届)校招提前批的情况来看,会 C++ 的同学具有有一定优势。 3.2.2 书籍推荐 书籍 豆瓣评分 推荐指数 《剑指Offer》 9.1 ☆☆☆☆☆ 《数据结构(C++语言版)》 9.4 ☆☆☆☆ 《算法图解》 8.4 ☆☆☆☆ 《大话数据结构》 7.9 ☆☆☆ 《算法》(第四版) 9.4 ☆☆☆ 注:其实还有很多方向没有涉及,如linux、数据库,但暂时先推荐这些,后面再补充 3.2.3 在线刷题网站 LeetCode(英文) LeetCode(中文) 牛客网 :推荐剑指Offer和各大公司往年题库,牛客网的优势在于很多公司都会使用其作为在线刷题平台,所以在这上面刷题,有利于懂得输入输出等"套路" 3.2.4 刷题方法 《剑指Offer》全刷完 LeetCode选择性刷:可以类别来刷题,如数组类、链表类,或者面试高频类 3.2.5 刷题时间 现在起~2020-10-15 3.2.6 刷题重要性 正常校招流程都要进行在线笔试,面试中也可能会手撕代码,所以刷题十分影响面试结果。 4 内推 国内公司人工智能方向岗位的内推机会,含机器学习、深度学习、计算机视觉和自然语言处理等方向。 AI-Job-Recommend 主要以全职、实习和校招为主,并且全都是内推方式! 实习内推 :已含腾讯、京东和商汤等公司 全职内推 :已含腾讯等公司 注:2020年6月开始,AI-Job-Recommend 会推出大量校招内推资源,欢迎star/fork/watching。 4.1 内推的重要性 内推,真的太重要了。其实现在找实习也一样,内推的重要性就提醒出来了,比如我这边的资源就可以内推到BAT、商汤、旷视等公司,一般常规操作是网上投递简历,而快速直接的就是将简历送到leader/主管那里。而且内推是建立在一种互信的基础上(虽然不大),该走的流程还是要走,但无形中增大了面试通过概率。你要知道,很多人的简历在官网或者其他第三方招聘网站上就直接卡死了。 4.2 如何内推? 内推的方式很多,比如: 强关联:直接找已经毕业的师兄师姐或朋友内推(缺点是身边朋友去的企业有限,很多人是第一批从事算法岗的,可能都没有师兄师姐搞这个) 常规操作:上牛客网论坛看企业人员发内推帖子、关注一些招聘公众号(这里我就不推荐,因为很多公众号都很有套路,内推一个企业,还要转发文章到其它群里,然后截图给他们,可是对于大多数人,为了内推,只能这么干) Amusi 内推。这里感觉像似打广告一样,但确实是一个方式,因为我手里资源挺多的,很多公司的人都认识,可以直接内推。感兴趣的可以关注一下这个求职群「2020AI算法岗求职群」 或者 AI-Job-Recommend 简历模板 提供了三份简历模板,详见:AI 算法岗简历模板 6 AI类公司清单(以CV岗为主) 首先 AI > CV,所以提供CV岗的公司肯定就提供 AI岗。但至于这些公司是否还有 NLP、机器学习、语音识别、推荐算法和 SLAM等岗位,这个需要大家自行去官网进行了解。 荐读:国内提供计算机视觉(CV)算法岗位的公司名单(含外企和国内公司) 北京提供CV算法岗的公司名单 更多城市信息(上海,深圳,杭州,南京,广州和成都等)详见:https://github.com/amusi/CV-Jobs 7 2019届AI算法岗薪资情况 今年是19年,所以这里以2020届为例。我是18年找的工作,但应该是2019届的,再次强调一下时间不要搞混了,所以我这里说说2019届AI算法岗的薪资情况。 我只以硕士及一线左右城市为例(北上广深、南京、杭州等),因为像武汉、成都,你即使找的AI算法岗,但城市不一样,薪资还是多少有区别,明显不能只看Money,不考虑城市大环境。 白菜价:25w~30w SP:30w~40w SSP:40w+ 说年薪有点笼统,我再说细一点,大家也可以提取熟悉一下。 一般企业薪资构成是: 年薪 = 月薪*12 + 年终奖 年终奖一般是2~5个月的薪资,大概是3个月 所以,年薪=月薪*15 如果你月薪2w,那么年薪就是30w=2*15(白菜的Top,SP的Down) 如果你月薪2.7w,那么年薪就是40.5w=2.7*15(SP的Top,SSP的Down) 这里po一张很全很全的高薪图,来自OfferShow 注:跟hr谈薪资的时候,如果她/他问你:你的希望薪资是多少?!这时候你一定要往高了要,至少比你想要的高30%。听我的,没有错,不然... 8 答疑 130个问答请戳—> Q&A © 2020 GitHub, Inc. 才能を活かせる職場へ。 あなたに最適な仕事探しを サポートします。 急募AI开发工程师 【职责描述】 1、基于图像的目标检测、聚类、识别、分割场景理解的算法开发 2、负责融合数据源的目标检测识别和语义分割算法的研发 3、参与数据集的构建、算法和模型的设计、研发、调试、测试和迭代调优的全流程; 4、研究和探索图像领域基于深度学习的前沿算法发展,不断优化迭代,保证产品先进性和竞争力 【任职要求】 1、本科及以上学历,计算机,自动化等相关专业,2 年以上相关工作经验。博士或硕士学历优先; 2、精通深度学习物体检测、识别、语义分割理论及算法如 CNN, RNN 等并有实际项目经 验; 3、熟悉常用 2D/3D 检测识别框架及基础网络,如 YOLO、Faster RCNN、FCN 等 4、熟悉一种深度学习平台,例如Tensorflow,Pytorch 等; 5、熟悉 Python 语言和 Linux 开发环境,具备较好的编程基础,动手能力强 有意者请发简历到info@cjaai.com (请注明:应聘AI职位) Tony: 事业合伙人招募❗️年薪➕期权❗️面谈随时❗️ 1.技能:熟悉AI开发流程,擅长深度学习,机械学习框架与算法,尤其擅长图像识别方面算法的人优先 2.学历:日本留学博士或者国内985博士 3.年龄:不超过35岁 4.股权:实施期权制度,有兴趣成为事业合伙人 5.待遇:依据能力年薪450-600万,加上期权 6.工作地方:东京,解决签证包括高度人才签证(我们已经有两名高度人才签证) 7.信念:热爱AI创新与研究,同时保持对介护行业的热爱 8.语言:能日语交流最好,不懂日语则需要能英文交流,但不重要 9.其他:沟通能力强,有带领团队潜质 有兴趣请发送简历至中日AI邮箱 info@cjaai.com 営業・秦旭@YFC: 【YFCチーム案件】4月稼働Java SE 要員募集_川崎 (急募) 【案件内容】: 現行損保保険システムを廃棄し、損保パッケージで再構築 【必要スキル】: ・基本設計(新規)以降のフェーズに経験があり、設計・製造・テストを一人で対応可能のこと。 ・日本語でのコミュニケーションを流暢に対応できること ・Javaを5年以上経験あること 【備考】: あれば尚良し: ・精通Java/外部通信/API/ホスト連携/SOAP通信の業務経験 →技術が強ければ日本語若干弱くても可。 ・ガイドワイヤー経験 第一开发: 急募面接設定済み:2020/02/27 0920 多摩センター駅 【案 件】個人保険契約管理システム保守開発 【概 要】現行調査(弊社プロパと一緒に行っていただく) 保守開発に伴う設計~テスト 【期 間】3月~長期 【スキル】salesforceL開発経験者 【工程】:設計・製造・単体テスト、結合テスト 【スキル】:<必須>Salesforce(Apex+Visualforceによる開発) <あれば尚可>javascript、html、Waha! Transformerの設計・開発 【場所】:多摩センター(京王/小田急多摩センター駅徒歩3分) 【単金】:スキル見合い *外国籍の場合は、日本語読み書き、コミュニケーション共にネイティブレベル 大象: ★LinuxやNW/Aphace/php/perl経験者募集★ 内容:開発がメインでlinux経験、ネットワーク知識のある人 期間:4月~9月の6か月 場所:横浜、面接一回 日本語:コミュニケーション必須 スキル:LinuxやNW、Aphace、php、perlなどWebサイトのテクノロジに強い人 MAX:55万 TLZS営業-ラ(羅 建英): ★★★★★★★★★★★★★★ 🙋🙋至少能做三年以上的来🐿 🟢JAVA、BSE、4月から〜 🟠基本設計経験あり オフショア経験あり 🔵日本語流暢 /場所:高津 長期参画可能な人材 ★★★★★★★★★★★★★★ W.S: C言語急募(27日夜面談) 金融系システム開発支援 作業期間:3月〜長期 作業場所: 京急蒲田 必須スキル: ・Unix/Linux上の開発経験 ・C言語での開発経験(製造、テスト) 募集人数:2名 面談回数:1回 ご提案願います 芈雪: 三月稼动光,求人额沁霜 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 🙋求JAVA开发技术者,要求日语流畅,熟练MYSQL 猎头中间人: 案件:只能转职,不能协力 案件名:Python上級 必須スキル: ・Pythonでのサーバーサイド側開発経験(2年以上) ・PythonでのRestfulAPIの開発経験 ・DB設計のご経験 ・機械学習(画像処理)のご経験 尚可スキル: ・テックリードのご経験 ・Dockerの使用経験 ・AWSの使用経験 補足:主体的に動ける方 期間:即日~ 場所:虎ノ門 ・外国籍は日本語が流暢な方は可能です。 有兴趣的朋友请加微信dlfangbo,请朋友们,帮忙转发一下,谢谢 大象: ★中国製造拠点PMO経験者募集★ 案件:生産管理監督(生産稼働のPMO支援) 開始:即日可能 場所:中国広東省 人数:5名ほど 作業内容:現地工場の生産、在庫管理等をリードする、品質改善の提案、または推進する 必須条件: ① 中国語(必須)、日本語(上級必須)、日系企業の経験が有れば日本語日常会話以上でOKです! ② 生産管理業務での経験(業種不問) 備考:外国籍可、滞在費別途精算、年齢:30代まで 胖哒熊🐼@Livetech: 本日面談設定済み 横滨 电话视频面可 JAVA上流SE 基本设计为主 日语流畅 TLZS営業-ラ(羅 建英): ★★★★★★★★★★★★★★ 🙋🙋至少能做三年以上的来🐿 🟢JAVA、BSE、4月から〜 🟠基本設計経験あり オフショア経験あり 🔵日本語流暢 /場所:高津 長期参画可能な人材 面接設定済み 27日( 09:10 多摩センター駅 日本語必要 【案 件】個人保険契約管理システム保守開発 【期 間】3月~長期 【スキル】salesforceL開発経験者 【工程】:設計・製造・単体テスト、結合テスト 【スキル】:<必須>Salesforce(Apex+Visualforceによる開発) <あれば尚可>javascript、html、Waha! Transformerの設計・開発 C: 【案 件 名】:金融関連 【概 要】:製造 【ス キ ル】:JAVA、LINUX 【場 所】:横浜 【作業期間】:2020年3月~ 【募集人数】:2名 【面談回数】:1回 4月~増員案件、求前后端都能干的人 面接一回のみ 日本語必須 <案件概要> IoTシステム/営業支援ツール開発 <スキル> OS : ※Windows/Linux向けWeb開発経験必須 言語:Java/JavaScript/jQuery/C# その他:eclipse、Tomcat、VisualStudio 5年以上経験、武蔵小杉(駅から徒歩2分) s.x.wei: 4月开始 丰州 c++ SE PG 需要多名 这周面试 求提案 大象: ★LinuxやNW/Aphace/php/perl経験者募集★ 内容:開発がメインでlinux経験、ネットワーク知識のある人 期間:4月~9月の6か月 場所:横浜、面接一回 日本語:コミュニケーション必須 スキル:LinuxやNW、Aphace、php、perlなどWebサイトのテクノロジに強い人 MAX:55万 TLZS営業-ラ(羅 建英): ★★★★★★★★★★★★★★ 🙋‍♂️🙋‍♂️武藏小金井有个C#.NET项目/设计~结合测试 3月入场~日语流畅最佳,技术高日语不流畅也没关系 徐鹤文 Echo: 案件名: 某ノンバンク向け基盤システム維持保守+構築(維持保守と構築半々) 場所:汐留 稼働時間:3月~ 必須技術: ・インフラの基本設計書作成の経験あり ・ネットワーク設計経験(CISCO系を中心とした機器操作) 日本語流暢 芈雪: 三月稼动光,求人额沁霜 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 🙋求JAVA开发技术者,要求日语流畅,熟练MYSQL 🙋求SQL的技术者,4、5月各1名 🙋求C#/java/JavaScript技术者,要求开发经验1年以上,1-2名 Microsoft Azure経験者募集、即日~ 【作業概要】Microsoft Azure上にWebシステムを構築し、海外店舗からPOS実績 データの収集・集計 大象: ★複数ERP案件経験者募集★ ※連絡:sj-zou@rontech.co.jp ============== <案件1> 概要:日計更改 場所:大崎 期間:2020年4月~11月 ※延長可能性あり フェーズ:設計・開発 作業内容:現行のEBS11.5から12.2へのVerUPに伴う、仕様変更 Discoverer→PL/SQLのバッチ処理 ス キ ル:PL/SQL(3年以上の開発経験) (尚可)EBS12(GL)の知見、EBSのVerUP経験 募集人数:2~3名 ============== <案件2> 概要:SuperStream導入案件 場所:豊洲 期間:4月~ 作業内容:製品バージョンアップに伴う導入支援(Fit&Gap)、テスト計画・支援 ス キ ル:SSの製品知識、簿記知識(日商簿記3級程度)、人事給与知識(尚可)※SSの製品知識がなくても、何らかのERP製品の経験がある方。 募集人数:1~2名 ============== <案件3> 概要:会計業務SAP→EBSリプレイス 場所:蒲田 期間:4月~21年秋 作業内容: SAP R/3からEBSにリプレイスする。EBS側で想定するシステムの範囲は、Inboud、仕訳作成、帳票参照。ス キ ル:EBS(FIN)、Oracle、要件定義の経験、ユーザーとのコミュニケーション ス キ ル:EBS(FIN)、Oracle、要件定義の経験、ユーザーとのコミュニケーション尚可)BIPublisher 募集人数:2~3名 金: 社員男26歳、2級、読書きOK会話弱、経験3年 C、Linux、Python、一人称開発可,3月~ 大象: ★複数PL/SQL案件経験者募集★ ※連絡:sj-zou@rontech.co.jp ------------------------------------------------------------ <案件1> ■案件名:カード会社社向けのPL/SQL開発 ■スキル:Oracle DB、PL/SQL ■期間:2020年3月~5月末(延長の可能性あり) ■人数:15名~20名 ■場所:確認中 ■備考:開発リーダー+メンバーの体制提案なども可能。 ------------------------------------------------------------ <案件2> 案件:商品情報管理システムの追加開発及び保守 スキル:PL/SQL(3年以上の開発経験) SEレベルで設計もプログラミングもできる方を希望します。 期間:2020年3月~ 人数:1名 場所:豊洲 大象: ★複数AS400/SAP/Netsuite案件募集★ ============== <案件1> ■案件名:システムの現状調査案件 ■内容:AS400をベースとしたシステムの刷新に向けた 現行システム(契約・入金管理)の調査となります。 ■スキル:AS400の知見があること ■期間:長期 ■人数:数名(随時) ■場所:目黒 ============== <案件2> ■案 件 名:SAP開発案件 ■ス キ ル:何らかのパッケージ経験のある方、 主体的に業務に取り組む姿勢のある方。 SAPの知見がある方(尚可) Javaなど何らかの開発経験のある方(尚可) ■期間:2020年3月~ or 4月~ ■人数:数名(随時) ■場所:日本橋 ■備考:センスのありそうな若手であれば可能性があり、 体制を組んで提案可能。 ============== <案件3> ■案件名:Netsuite導入案件 ■スキル:以下の内、2つ以上に該当する方。 ネットスイート製品の知識がある方 会計知識がある方(日商簿記2級など) AWS、Azureなどのクラウドサービスに関する知識がある方 Web開発設計の経験がある方 ■人数:数名(随時) ■場所:日本橋 ■備考:センスのありそうな若手であれば可能性があり、 上級SEなど目指したい人など体制を組んで提案可能。 金: 帅哥美女社員各1名、即日or3月~、2名セット必須 1、男28歳、2級、読書きOK会話弱、経験7年 Java、Spring、SpringBoot、jQuery、SQL 詳細設計、製造、単体・結合 2、女24歳、1級流暢、経験1.5年 単体・結合テスト、Java、SQL知見あり 第一开发: 1)3月から 秋葉原 python開発案件 随時面談可能弊社チーム要員交代 2)3月から案件 面談設定済み 2/27 17:45武蔵小金井 面談 一回のみ Java 開発案件 3)3月から、池袋、C++案件 、面談一回のみ 4)3月から 品川 python画面開発 面談一回のみ 弊社同席 以下のいずれかの日程で如何でしょうか? 場所は品川 ご連絡よろしくお願いします。 ‪3月 4日(水) 19:00~ ‪3月10日(火) 19:00~ ‪3月11日(水) 19:00~ 5)4月から、sap sd mm (ソースから詳細設計作成)雪谷大塚 2/28 10:30から 6)4月からJava 案件 武蔵小杉 5年以上経験者 日本語自己紹介レベル 案件情報 期間:即日~ 場所:桜木町 募集人数:3名 作業概要:自動車関連機器の画像認識ライブラリ開発 要求スキル: ・C++ 【尚可】 ・OpenGL/OpenCL/OpenCVの見識 ・Android Nativeの開発経験 芈雪: 三月稼动光,求人额沁霜 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 🙋求JAVA开发技术者,要求日语流畅,熟练MYSQL 🙋求SQL的技术者,4、5月各1名 🙋求C#/java/JavaScript技术者,要求开发经验1年以上,1-2名 阿力: [图片] 鲁军: 一手日立客户Java 技術者募集 ■作業場所:神谷町駅 ■人 数:3-4名 ■スキル: Java経験8年以上 XMLファイルの操作経験 ■時 期:即日 ■日 本 語:1級以上 ■作業内容:詳細設計以降 ■備 考:残業有り、精算180h以上 C: 横浜製造案件 【案 件 名】:金融関連 【概 要】:製造 【ス キ ル】:JAVA、LINUX 【場 所】:横浜 【作業期間】:2020年3月~ 【募集人数】:2名 【面談回数】:1回 芈雪: 离离营业草,一案一枯荣 🙋求C++的leader和技术者(4月开始) 🙋VBA技术者,要求日语流畅 🙋自社项目,求ABAP技术者 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 🙋求JAVA开发技术者,要求日语流畅,熟练MYSQL 🙋求SQL的技术者,4、5月各1名 🙋求C#/java/JavaScript技术者,要求开发经验1年以上,1-2名 第一开发: 1)3月から案件,秋葉原,python開発案件,随時面談,弊社チーム要員交代,日本語1級必要 2)3月から案件,面談設定済み:2/27 17:45武蔵小金井,面談一回のみ,日本語1級必要 Java 開発案件 3)3月から案件,横浜桜木町,C++案件,面談一回のみ,日本語不要,(C++熟知する必要) 4)3月から案件,品川,python画面開発,面談一回のみ,弊社同席,日本語2級以上必要 以下のいずれかの日程で如何でしょうか? 場所は品川 ご連絡よろしくお願いします。 ‪3月 4日(水) 19:00~ ‪3月10日(火) 19:00~ ‪3月11日(水) 19:00~ 彭@ICCグループ代表: 4月〜増員&新規确定案件 ️東陽町 Java上级PG 3名 ※リーダーを含む体制可 ️京橋 VB.net &pl/sql SE1名 ️天王町 JavaSE 交替 ️殿町 社員代行PMO 交替 ️五反田 JavaSE 2名増員 ️虎ノ門 Java上流SE 1名 ※その後増員あり ️新川崎 試験統括PMO ️飯田橋 Linux/データ移行 ️八丁堀 Sap/FI 運用保守 ※7、8、9即日〜可***************************** ※経験5年以上 要日本語 ※積極性能動性協調性の方 ※人物面重視 IT跨越: 3月开始的测试案件,技术要求不高,有测试经验优先考虑,因为要签派遣契约,本人必须要在我公司交厚生年金和社会保险,所以希望能暂时入职我公司,项目结束后可以再回去,每个月正常支付营业费用,有能满足以上条件的请联系,拜托了 yanase: 派遣契約は羨ましい[Onlooker] 刺客千里单骑: 4月、押上増員、実務経験三年以上、SharePoint経験必須、日本語流暢必須、残業がほぼない超長期現場。個人事業主大歓迎!! 大象: ★LinuxやNW/Aphace/php/perl経験者募集★ 内容:開発がメインでlinux経験、ネットワーク知識のある人 期間:4月~9月の6か月 場所:横浜、面接一回 日本語:コミュニケーション必須 スキル:LinuxやNW、Aphace、php、perlなどWebサイトのテクノロジに強い人 MAX:55万 連絡:sj-zou@rontech.co.jp 大象: ★複数PL/SQL案件経験者募集★ ※連絡:sj-zou@rontech.co.jp ------------------------------------------------------------ <案件1> ■案件名:カード会社社向けのPL/SQL開発 ■スキル:Oracle DB、PL/SQL ■期間:2020年3月~5月末(延長の可能性あり) ■人数:15名~20名 ■場所:確認中 ■備考:開発リーダー+メンバーの体制提案なども可能。 ------------------------------------------------------------ <案件2> 案件:商品情報管理システムの追加開発及び保守 スキル:PL/SQL(3年以上の開発経験) SEレベルで設計もプログラミングもできる方を希望します。 期間:2020年3月~ 人数:1名 場所:豊洲 C: 本日17:30 Python 案件 ■作業場所:横浜 ■人 数:1名 ■スキル: Python 経験あり、 AWS経験あればベスト 日本語1級以上(顧客様とコミュニケーション要) ■時 期:3月〜 ▪️長期対応可能、勤怠良好な方、(必ず ) 猎头中间人: 案件:只能转职,不能协力 販売員向け販売管理システム構築 予定 場所:大手町 期間:2020年3月~長期 ※即日応相談 スキル(必須): ・Ruby/Rails 開発経験があること ・画面系技術(Javascript、vue.js等)の経験があること 尚可: ・GitHubを利用したバージョン管理経験があること ・Herokuの経験があること ・販売員向け販売管理システムの構築経験者 特記:外国籍可能。 ただし、基本設計や元請リーダーとも会話が発生しますので、 日本語での雑談など、言葉のキャッチボールがスムーズに 行える方をお願いします。 有兴趣的朋友请加微信dlfangbo,请朋友们,帮忙转发一下,谢谢 株式会社トレックス: 「 高確度!」面接設定済:2/27(木) 19:00〜 ス キ ル:JAVA or C#.net 作業期間:3月(4月可)~長期 人数:4名 作業場所 :水天宮前駅 面接:1回(即決) 小芯: ----- 3月infra求案件 No1. 【名前】劉-san 【国籍】中国 【年齢】35、日本留学女性 【実務年数】5年(中国3年、日本2年) 【ス キ ル】インフラ構築(Cisco Network) 【稼働可能日】3〜 【最寄り駅】 竹ノ塚 【備考】日本語N1流暢 【単金】TBD 【その他】①CCNA(Cisco) ②Network L2/L3/技術知り ③プロトコール:TCP/IP, RIP, EIGRP, OSPFなど 小芯: No2. 【名前】于-san 【国籍】中国 【年齢】26、女性 【実務年数】3年 【ス キ ル】インフラ構築(AWS, Cisco Network, Vmware) 【稼働可能日】4〜 【最寄り駅】 品川 【備考】日本語非常に流暢 【単金】tbd 【その他】①CCNA(Cisco)資格持ち, AWS準備中 ②Network L2/L3/L4/L7 技術知り ③AWS(EC2/ S3 / VPC / RDS / Route 53など) 逢烟: 直案高薪诚聘Java,SQLServer历害点的要员数名,均要求日语。 金: 社員男26歳、2級、読書きOK会話弱、経験3年 C、Linux、Python、一人称開発可,3月~ 刺客千里单骑: 即日、大塚駅、実務経験三年以上、Java、jQuery、knockout.js経験、日本語流暢必須、個人事業主大歓迎!!面談調整随時 芈雪: 离离营业草,一案一枯荣 🙋求C++的leader和技术者(4月开始) 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 🙋求JAVA开发技术者,要求日语流畅,熟练MYSQL 🙋求SQL的技术者,4、5月各1名 🙋求C#/java/JavaScript技术者,要求开发经验1年以上,1-2名 小老虎㍿東来: SAP人才招4位。东京都内 3个案件。 劉 翌至真@日進サイエンティア: 【スキル】:JAVA 、PL/SQL 【期間】:4月〜長期 【場所】:みなとみらい 【作業内容】:製造~テスト 【募集人数】:1名 【備考】:日本語コミュニケーション問題なし 鲁军: 一手日立客户100%確率 ■作業場所:神谷町駅 ■人 数:3-4名 ■スキル: Java spring経験3年以上 トータル開発経験7年以上 XMLファイルの操作経験 (DOM, JAXB, XSLT等の経験) ■時 期:即日、3月、4月〜長期1年以上 ■日 本 語:1級以上 ■作業内容:詳細設計以降 ■備 考:残業有り、精算180h以上 鲁军: Python テスト・保守案件(横浜) ■作業場所:横浜 ■人 数:1名 ■スキル: Python Django 経験2年以上 WEB開発経験 AWS経験 日本語1級以上(顧客様とコミュニケーション要) ■時 期:3月〜4月:テスト案件 4月以降、保守案件に参画(長期) C: 本日17:30 Python 案件 ■作業場所:横浜 ■人 数:1名 ■スキル: Python 経験あり、 AWS経験あればベスト 日本語1級以上(顧客様とコミュニケーション要) ■時 期:3月〜 ▪️長期対応可能、勤怠良好な方、(必ず ) C: 横浜製造案件明日17:50面談設定済み 【案 件 名】:金融関連 【概 要】:製造 【ス キ ル】:JAVA、LINUX 【場 所】:横浜 【作業期間】:2020年3月~ 【募集人数】:2名 【面談回数】:1回 大象: ★複数ERP案件経験者募集★ ※連絡:sj-zou@rontech.co.jp ============== <案件1> 概要:日計更改 場所:大崎 期間:2020年4月~11月 ※延長可能性あり フェーズ:設計・開発 作業内容:現行のEBS11.5から12.2へのVerUPに伴う、仕様変更 Discoverer→PL/SQLのバッチ処理 ス キ ル:PL/SQL(3年以上の開発経験) (尚可)EBS12(GL)の知見、EBSのVerUP経験 募集人数:2~3名 ============== <案件2> 概要:SuperStream導入案件 場所:豊洲 期間:4月~ 作業内容:製品バージョンアップに伴う導入支援(Fit&Gap)、テスト計画・支援 ス キ ル:SSの製品知識、簿記知識(日商簿記3級程度)、人事給与知識(尚可)※SSの製品知識がなくても、何らかのERP製品の経験がある方。 募集人数:1~2名 ============== <案件3> 概要:会計業務SAP→EBSリプレイス 場所:蒲田 期間:4月~21年秋 作業内容: SAP R/3からEBSにリプレイスする。EBS側で想定するシステムの範囲は、Inboud、仕訳作成、帳票参照。ス キ ル:EBS(FIN)、Oracle、要件定義の経験、ユーザーとのコミュニケーション ス キ ル:EBS(FIN)、Oracle、要件定義の経験、ユーザーとのコミュニケーション尚可)BIPublisher 募集人数:2~3名 星星: 作業場所 :茅場町(9:00-18:00) 作業期間 :2020年4月~ 長期 必須スキル:インフラ構築及び保守業務 (WindowsServer,LinuxServer,weblogic,Oralce12C) 任意スキル:システム開発経験、 SystemWalkerOperationManager,OWFT,HULFTなどの操作 募集人数 : 1~2名 旅行归来: <弊社注力案件情報> -------------------------------- 案件1 ※入社前提 件 名:Salesforce開発支援 工 程:基本設計~製造まで 場 所:新宿 期 間:2020年4月~ 人 数:リーダー、1名。メンバー、4名 <条件> ・SalesforceのSales cloud経験者 <尚可> ・Lightningコンポーネントの経験 単 価:スキル見合い(140h-200h上下割)。 面 談:1回、弊社同席 国籍:外国籍可 -------------------------------- その他 ■JavaScript 大崎 三名 ※入社前提 日本語 一級流暢 三月から ■c++ 池袋 5名 ※BP可、日本語 一級流暢 三月または四月から -------------------------------- 金: 社員男26歳、2級、読書きOK会話弱、経験3年 C、Linux、Python、一人称開発可,3月~ 金: 帅哥美女社員各1名、即日or3月~、2名セット必須 1、男28歳、2級、読書きOK会話弱、経験7年 Java、Spring、SpringBoot、jQuery、SQL 詳細設計、製造、単体・結合 2、女24歳、1級流暢、経験1.5年 単体・結合テスト、Java、SQL知見あり IT跨越: 同一个案件,要①多名Java和②多名PMO经验者,详细设计开始到结合测试,①和②team提案欢迎,现场在八丁掘附近,3月开始,日语希望能对应日本人面试,一回面试,有合适技术者请提案 永田: 4月~増員案件、求前后端都能干的人 面接一回のみ 日本語必須 <案件概要> IoTシステム/営業支援ツール開発 <スキル> OS : ※Windows/Linux向けWeb開発経験必須 言語:Java/JavaScript/jQuery/ その他:eclipse、Tomcat、VisualStudio 5年以上経験、武蔵小杉(駅から徒歩2分) 大象: 找即日开始的java技术者,日语好技术稍弱OK,水天宫前 C: 横浜Python 案件 ■作業場所:横浜 ■人 数:1名 ■スキル: Python 経験あり、 AWS経験あればベスト 日本語1級以上(顧客様とコミュニケーション要) ■時 期:3月〜 ▪️長期対応可能、勤怠良好な方、(必ず ) TLZS営業-ラ(羅 建英): ★★★★★★★★★★★★★★ 🙋🙋这里有C++案件↓↓ 🟠C++应用程序设计开发 🟠有实装技术调查经验 日语流畅4月开始~ 【YFC案件】国保システム案件Java要員_4月_永田町 【案件内容】: 法改正に伴う大規模開発 (設計~テスト) 【必要スキル】: ・Java code読めて解析できること ・日本語で業務打ち合わせに対応できて、経験があること。 ・御社社員まで、協力社員提案不可。 ・スキル:詳細(新規)~結合テストに対応できる ・日立様現場経験あれば尚良し 【備考】: ・7月に複数名増員予定あり。 ・場合によって顔合わせの可能性があり。 BestJackie: KIS急募募集 ※限靠谱合作,微信:bestjackie 3月交替名额!再试试运气 sap保守开发@横滨 sap设计开发@新桥 社内abap开发se sap保守开发@东京站附近 4月team提案中数件 大阪保守sap java@都内 android@都内 sap顾问,高级SE@都内 社内pmo,开发经验不问 进度管理,品质管理,日语要,有加班! 日本語が弱くでも可能!急募案件です!! 案件①募集1名BP 環境構築、DB構築、AWS必須、現場:品川シーサイド(青物横丁)、3月から随時(4月もOK)―10月 案件②募集1名BP Javaソースコードの理解、分析の能力を持ち、性能改善などの経験をもち、日本語交流必須。現場:品川シーサイド(青物横丁) 3月から随時(4月もOK)―10月 延長可能性あり 安卓 招2名 第一开发: 89)3月から 品川 python画面開発 面談一回のみ 弊社同席 以下のいずれかの日程で如何でしょうか? 場所は品川 ご連絡よろしくお願いします。 3月 4日(水) 19:00~ 【業種】保険 【案件名称】団体保険WEB募集システムのレベルアップ 【案件内容】団体保険WEB募集システムの小規模レベルアップ案件 【作業工程】外部設計~リリース 【作業期間】2020年3月(レベルアップ案件を継続させる予定) 【募集要件】WEB開発スキル API、画面:Python/Django 【募集人数】1名 【作業場所】主:品川(弊社)副:多摩(お客様拠点) 【精算有無】有 【面談回数】1回(弊社) 【外国人可否】可(日本語でのコミュニケーションが問題ないこと) 【その他】希望スキル(ヒューマンスキル):チームメンバと協力して作業ができること 【案件名】:貿易管理業務システム開発 【スキル】: Java、Javascript、Oracle、SQLServer 【期 間】: 4月~長期 【場 所】:神田駅 【作業内容】:開発~テスト 【募集人数】: 3人 【備考】:ベトナム籍優先 【名前】X-さん 【国籍】中国 【年齢】25、女性、来日6年 【実務年数】infra 2年 【ス キ ル】インフラ構築(cisco Network,Server (Linux ) 【稼働可能日】2020年3月~ 【最寄り駅】川口 【備考】日本語流暢 N1 【単金】TBD 【その他】①CCNA(Cisco)資格持ち C: 横浜製造案件明日17:50面談設定済み 【案 件 名】:金融関連 【概 要】:製造 【ス キ ル】:JAVA、LINUX 【場 所】:横浜 【作業期間】:2020年3月~ 【募集人数】:2名 【面談回数】:1回 牛牛爸: 案件 :列車無線指令卓開発 概要 :列車無線システムの指令卓(Window10PCWindow10PC上で動作)の開発作業 人数 :1名 時期 :3/1~ 工程 :設計~結合テスト スキルセット:C#.NET 作業場所 :武蔵小金井(駅からバス10分) 小老虎㍿東来: Java技术者,大学软件专业,日语2级,日常会话可。刚毕业。前端后台都可对应,低单价,找3月开始案件 劉 翌至真@日進サイエンティア: 【スキル】: C语言,LINUX環境 【期間】: 3月~ 【場所】:大森 【作業内容】:製造 【募集人数】: 2人 【備考】: 日本語N2 C: 横浜製造案件明日17:50面談設定済み 【案 件 名】:金融関連 【概 要】:製造 【ス キ ル】:JAVA、LINUX 【場 所】:横浜 【作業期間】:2020年3月~ 【募集人数】:2名 【面談回数】:1回 芈雪: 离离营业草,一案一枯荣 🙋求C++的leader和技术者(4月开始) 🙋急求shell技术者 🙋求做 intra-mart的人,大量要。 🙋求plsql的技术者 🙋求会fiori odata开发的技术者 🙋求JAVA开发技术者,要求日语流畅,熟练MYSQL 🙋求SQL的技术者,4、5月各1名 🙋求C#/java/JavaScript技术者,要求开发经验1年以上,1-2名 Yui: ①勝どき、3月稼働長期 Java SE 3名程度(日本語必須) ※3、4月は結合テスト、5月から詳細設計 面談一回 ②初台、4月稼働中長期、日本語必須 .net C# アーキテクト 1名 .net C# SE 2名 SRE 1名(AWSのシステム運用設計) 横浜Python 案件 ■作業場所:横浜 ■人 数:1名 ■スキル: Python 経験あり、 AWS経験あればベスト 日本語1級以上(顧客様とコミュニケーション要) ■時 期:3月〜 ▪️長期対応可能、勤怠良好な方、(必ず ) 募集ポジション 自社サービス開発エンジニア (PHP、サーバサイドは一部java) 待遇 年収700~1,000万円 事業内容 米国・ヨーロッパブランドを中心に3,500以上の海外ブランドショッピングサービス、海外ブランドの日本進出支援が好調 日本にいながら海外ブランドの購入できるショッピングサイトを運営しております。こちらのサイトでは、米国・ヨーロッパブランドを中心に2,000以上の海外ブランドの商品を販売しております。 上記の補完的業務として、米国にIKISHIA USA LLCとイギリスに流通拠点を持ち、商品発送業務を行っております。 設立年度 2006年9月1日 従業員数 40名 資本金 8,663万円 募集ポジション データマイニング、 データ解析エンジニア (R言語、Hadoop、cassandra、Hbase) 待遇 年収500万~600万円 事業内容 企業のマーケティング課題を「エンジニアリング」の力で解決する「マーケティングエンジニアリングカンパニー」 オンライン市場調査システム「POST(Professional Online Survey Tool)」の開発をはじめ、 受託マーケティングリサーチや完全セルフ型ネットリサーチサービス「アンとケイト」、調査データ閲覧ポータルサイト「レポセン」の開発など、 マーケティングリサーチ関連の様々な事業を展開。2011年9月にはスウェーデンのリサーチ会社Cint社と業務提携を実現しグローバル展開を推進中。 設立年度 2009年9月 従業員数 20名 資本金 2億5000万円 募集ポジション 自社サービス開発エンジニア (PHP + Symfony) 待遇 年収360~550万円 事業内容 国内最大の印刷ポータルサイトを運営、新たに印刷EC事業を立上げ更なる躍進を目指す調 印刷業界をインターネットを使って変革を起こしています。 2005年には40億円程度だった印刷通販市場は2012年には500億円にまで拡大する中、 同社の印刷ポータルサイトは、立上げ3年で国内印刷業界ではNo1となる訪問者数を誇るサイトに成長しました。 新たに展開するEC事業は、全国にネットワークした1,400社の印刷会社が持つ非稼働の印刷機を活用し、 低価格で高品質の印刷サービスを展開しています。 設立年度 2003年5月 従業員数 25名 資本金 3475万円 募集ポジション ウェブアプリケーションエンジニア (Python、JavaScript) 待遇 年収330~500万円 事業内容 技術・ものづくりによる付加価値創出をビジョンとしたエンジニア・クリエイタ集団 自社開発フレームワーク(LaCoon)をベースに、要件定義からデザイン、システム開発、システム保守、サーバ 運用まで一貫したサポート体制の元、不動産業界、放送業界、小売業など様々な業界のサイト構築を行なっております。 全てのプロジェクトはクライアント直取引案件です。 paiza ランク 住所 職種 企業情報 年収レンジ 必須要件 A 東京都目黒区 自社サービス/ソーシャルゲーム開発プログラマ(Ruby on Rails求人) リリースしたゲームの累計会員数は200万人を突破。少人数で開発で、ゲームコアの部分からUIまで幅広く経験できます。 600~800 C/C++、ゲームエンジンによる開発経験 B 東京都港区 Webシステム開発プログラマー(Java、PHP求人) 自社開発法人向けSaaSサービス開発に携われる数少ない仕事です。DBをNoSQL置き換えを計画中。 500~750 Java、C#、PHP、JavaScriptいずれかでの深い開発経験 B 東京都千代田区 ソフトウェア開発エンジニア(PHP+CakePHP、MySQL求人) リアルタイムクラスタリングを用いた、企業のイントラネットや部門内の情報共有等のエンタプライズサーチを提供する企業 400~600 Ruby、PHP、XMLを使ったWebアプリ開発経験 /PGからSEへステップアップしたい方 C 東京都中央区 iOS/Androidアプリ開発エンジニア(Objective-C/Java求人) 人気スマートフォンアプリタイトルを多数保有、グローバル展開に積極的なオンラインゲーム企業 450~700 C++、Javaによる開発経験、iPhone(iPad)、Androidでの開発経験 (業務で行ったものだけでなく、個人で行ったものなどでもかまいません) “就業サポートのプロ集団 弊社は、映像、ゲーム、Web、広告、IT等の様々な分野のプロフェッショナル・エージェンシー。プロフェッサー事業部では、修士・博士課程時代に取り組んでいた研究内容・成果や、 民間企業での研究実績・成果をどのような企業様で活かせるのかについて、打ち合わせを行うところからお手伝いさせていただきます。数多くの求人の中から、皆さまの生涯価値を高めることができるお仕事をご紹介できるよう、キャリアサポート・カウンセリングも常時行っております。 2016年東証一部上場。 取引先多数。 1990年3月設立。2000年にナスダック・ジャパン市場(現・JASDAQ)に株式上場。2016年には東証一部へ市場変更し、事業拡大を続けています。3000社以上の企業との取引があります。 2016年東証一部上場。 取引先多数。 > 2016年東証一部上場。 取引先多数。 1990年3月設立。2000年にナスダック・ジャパン市場(現・JASDAQ)に株式上場。2016年には東証一部へ市場変更し、事業拡大を続けています。3000社以上の企業との取引があります。 1990年3月設立。2000年にナスダック・ジャパン市場(現・JASDAQ)に株式上場。2016年には東証一部へ市場変更し、事業拡大を続けています。3000社以上の企業との取引があります。 研究者に特化した “プロフェッサー・エージェンシー” プロフェッショナル・エージェンシーは、 科学技術イノベーションを先導する研究者に特化したエージェンシーです。 2015年より、人工知能学会、情報処理学会、応用物理学会、データサイエンティスト協会等、先端領域での学会・協会にも積極的に参加しています。 研究をバックアップするスポンサーの獲得や共同研究のコーディネート、研究から生まれる知的2016年東証一部上場。 取引先多数。 1990年3月設立。2000年にナスダック・ジャパン市場(現・JASDAQ)に株式上場。2016年には東証一部へ市場変更し、事業拡大を続けています。3000社以上の企業との取引があります。 研究者に特化した “プロフェッサー・エージェンシー” プロフェッショナル・エージェンシーは、 科学技術イノベーションを先導する研究者に特化したエージェンシーです。 2015年より、人工知能学会、情報処理学会、応用物理学会、データサイエンティスト協会等、先端領域での学会・協会にも積極的に参加しています。 研究をバックアップするスポンサーの獲得や共同研究のコーディネート、研究から生まれる知的財産の商品化、転職・キャリア支援など、研究者の方々のフィールドを広げるサービスを一生涯にわたって提供します。 研究 / 開発/ AI/データサイエンス領域のプロフェッショナル・エージェンシー クリーク・アンド・リバー社 財産の商品化、転職・キャリア支援など、研究者の方々のフィールドを広げるサービスを一生涯にわたって提供します。 研究 / 開発/ AI/データサイエンス領域のプロフェッショナル・エージェンシー クリーク・アンド・リバー社 研究者に特化した “プロフェッサー・エージェンシー” プロフェッショナル・エージェンシーは、 科学技術イノベーションを先導する研究者に特化したエージェンシーです。 2015年より、人工知能学会、情報処理学会、応用物理学会、データサイエンティスト協会等、先端領域での学会・協会にも積極的に参加しています。 研究をバックアップするスポンサーの獲得や共同研究のコーディネート、研究から生まれる知的財産の商品化、転職・キャリア支援など、研究者の方々のフィールドを広げるサービスを一生涯にわたって提供します。 AIエンジニア/技術職の求人一覧 製造・メーカー、Web系、SIerなど大手企業を中心にAI人材のキャリア採用を進めています。ここでは、具体的な求人情報をピックアップしてAIエンジニア/研究開発職の募集要項を紹介します。 各社のAI関連求人(技術職) グーグル合同会社 トヨタ自動車株式会社 ソニー株式会社 株式会社カプコン パナソニック株式会社 ソフトバンク株式会社 株式会社ディー・エヌ・エー 日本アイ・ビー・エム株式会社 富士通株式会社 グーグル合同会社 GAFA(Google、Amazon、Facebook、Apple)の一角を占めるGoogle日本法人でもAI技術者を募集しています。給与・年収は記載がありませんが、Googleはエンジニアの待遇がよいことで有名ですね。 募集職種 リサーチ サイエンティスト、Google AI 業務内容 ・人工知能や機械学習の応用に関する最先端の研究に加わる ・実世界における大規模な問題のソリューションを開発する 応募条件 【必須】 必要な条件/経験: ・コンピュータ サイエンスまたは関連する技術分野で博士号を取得していること(関連職種での実務経験でも可) ・自然言語理解、コンピュータ ビジョン、機械学習、最適化に関するアルゴリズムの基礎、データ マイニング、機械知能(人工知能)に関する経験 ・C、C++、Python のいずれかを使用したプログラミング経験 ・機械学習の場(JMLR、ICLR、NeurIPS、ICML、ACL、EMNLP、GECCO、SIGGRAPH、CVPR など)に関する論文の発表など、研究コミュニティや研究への取り組みに貢献した経験 望ましい経験/スキル: ・業界での実務経験や研究者としての経験を含む、関連職種での実務経験 ・機械学習の研究に関連するオープンソース プロジェクトに貢献してきた経験。機械学習に関するブログ記事を公開した経験 ・論文出版の実績 ・研究課題について設計を作成して実施する能力 求人情報URL https://careers.google.com/jobs/results/5777582433959936-google-ai/ トヨタ自動車株式会社 トヨタ自動車では、MaaS(Mobility as a Service)を見据えたシステム開発を行うエンジニアを募集しています。このほか、自動運転技術に関するAI研究やビジネスサイドでのプロジェクトマネージャーなど複数の求人があるようです。 募集職種 コネクティッド・AI技術応用パワートレーンシステム開発 職務内容 ■職種の魅力 ・100年に一度の大変革期に対応すべく、コネクティッド先端技術や AIを使いきり、従来にはない新たなパワートレーン付加価値を創出するための、 熱意ある即戦力人材を求めています。 ■職務内容 【概要】 ・モビリティーカンパニーとして生まれ変わる為には、 個のクルマ売り切りビジネスではなく、 MaaS(Mobility as a Service)を将来ビジョンとして捉えた ブレークスルー技術開発を推進し、個のクルマから繋がるクルマへ 進化させるとともに(V2V)、クルマが社会の一員となって、 様々なインフラシステムと連携することにより(V2I)、単なる移動手段ではなく 「移動空間」としての新価値を供給することで、「新たなモビリティ社会」を 築きたいと考えております。 またAIなどを活用した運転支援・事故回避・渋滞抑制など、ユーザー負担を軽減する 次世代モビリティサービス(UX)を実現する事で、「頼れる相棒」として クルマとのパートナーシップが築かれることによって、 コモディティとは一線を画した存在としてあり続けたいと考えております。 【業務の詳細】 ・パワートレーンシステム設計 ・パワートレーン制御開発 ・機能安全設計 ・機械学習・アルゴリズム設計 ・ビッグデータ解析・データマイニング ・故障予知(PHM) 技術開発 (Prognostics and Health Management) ・渋滞予測シミュレーション ・スマホアプリ開発 ・車両評価 (性能、燃費、ドライバビリティ、 NV(Noise Vibration)、隊列走行、渋滞量評価 etc) ・グループ会社・関係会社との共同開発 ・海外拠点との連携・評価 応募資格 <学位等> ・高専卒以上(2019年度内に、博士後期課程を卒業/修了見込みの方を含む) ・第2新卒歓迎 <MUST> 【下記に関するご経験のいずれかを有している方】 ・パワートレーンに関するシステム設計 ・パワートレーンに関する制御設計 ・AIアルゴリズム設計およびAIを活用した制御設計 ・コネクティッド技術を活用した業務経験 ・ビッグデータ解析技術およびデータサイエンティストとしての実務経験 ・機能安全規格(ISO26262)に基づく開発経験 <WANT> ・海外駐在経験 ・海外留学経験 ・英語のスキル ・ベンチャー業界経験者 求人情報URL https://www.toyota-recruit.com/job.phtml?job_code=384 ソニー株式会社 AI人材の獲得に注力するSonyでもAIエンジニアの中途採用を行っており、研究開発よりの募集内容となっています。 募集職種 人工知能・機械学習領域研究開発エンジニア 業務内容 深層学習、強化学習など機械学習領域における中核技術の研究開発、およびその応用(画像認識、音声認識、自然言語理解、センサ情報処理、ロボット等の行動計画・移動体制御など)技術の研究開発を担当していただきます。 応募条件 必要となるスキル/経験 必須:深層学習、強化学習、もしくは機械学習を利用した各種センシング/認識/制御/生成など関連技術領域における大学院修士課程修了相当以上の技術的知識、および当該分野での概ね3年以上の実務経験。 組込/PC/クラウドのソフトウェア開発(C、C++、Python、等) 歓迎(あれば尚可): 当該領域における国内/国際会議や論文誌等での発表実績 各種の深層学習フレームワーク(自作を含む)を用いた研究開発経験 求める人物像 自らの技術力で、世界に伍して遜色のない技術を開発する意思と能力のある方。 個とチームのバランスがとれ、自ら高い専門性を発揮しつつ、チームワークの発揮やリーディングもできる方。 理論とものづくりの両方をバランスよく実行できる方 求める語学力 専門文書読解および海外研究所等との会話や議論に支障のないレベル。 (必須ではないが、概ねTOEIC換算で800点相当以上を期待) 求人情報URL https://careers.i-web.jpn.com/s/bosyu/career/search/detail.html?no=330 株式会社カプコン カプコンのAIエンジニア求人は大阪での募集です。製造業などのAI技術者求人では、地方勤務の募集も散見されました。 募集職種 【ゲーム開発(大阪)】AIエンジニア 仕事内容 ・ゲームで用いるAI技術の研究開発 ・ゲームエンジンにおけるAIライブラリやツールの設計・実装 応募資格 ■必須条件 ・プログラミング知識(言語不問)をお持ちであること ・AI技術に関する深い知識と経験をお持ちであること (例えばFSM、BehaviorTree、経路探索、機械学習など) ・コンピューターサイエンス、数学、物理学の基礎知識をお持ちの方 ■歓迎条件 ・機械学習やDeep Learningに関する実務経験をお持ちの方 ・ゲーム開発でAI関連をご担当された経験をお持ちの方 ・AI技術に関する論文を読んでゲーム開発に組み込んだ経験をお持ちの方 【応募書類】 ・履歴書 ・職務経歴書 求人情報URL https://job.axol.jp/bw/c/capcom/job/detail/cjJc0hRE9kQR- パナソニック株式会社 パナソニックでは、組み込み開発に関するDeep Learning(ディープラーニング)求人を募集しています。3~5年の開発経験が必須となっています。 募集職種 Deep Learning組み込み技術開発 仕事内容 [具体的な仕事内容] ・説明可能な機械学習技術に関する技術動向把握と実用化研究 ・DeepLearningの処理の最適化、クラウドサービスを用いた学習の並列化処理の効率的な実行 ・組み込み機器における機械学習処理の設計・実装 ・国内外の機械学習の専門機関や協業先事業者との協業調整 など 資格・スキル・経験など 絶対 [経験] 機械学習を用いた処理開発の経験 (3~5年目安) [知識] 統計数理、機械学習に関する知識 組み込みシステム、OSに関する知識 [ツール] Caffe,Chainer,TensorFlow, Python 等DeepLearning系技術開発に必要なツール、プログラミング言語の使用経験 [語学] TOEIC550点以上 [その他] 社内外とのコミュニケーションスキル できれば [経験] 組み込みシステムの性能改善の経験 組み込みハード・ソフト協調設計経験 HPC大規模クラウドシステムの利用経験 プロジェクトマネージメント経験 OSSやマイクロサービスを用いたシステム構築経験 [知識] 数理統計学先行した専門知識 計算機科学専攻した専門知識 [ツール] R、DataRobot等の統計分析ツールの使用経験 Redming,JIRA,github等の開発管理ツールの使用経験 [語学] TOEIC700点以上 [その他] デザインシンキングのワークショップ主催などイノベーション系の取り組みの主催経験 求人情報URL https://careerentry.panasonic.co.jp/u/job_search.phtml?description=true&job_code=2415 ソフトバンク株式会社 ソフトバンクのAI求人では、アルゴリズムの実装やシステム化を担当する開発エンジニアの求人を募集しているようです。 募集職種 開発エンジニア / AIアプリケーション開発 職務内容 【ミッション】 ・処理自動化・効率化のためのシステム企画・設計・開発・検証 ・自然言語、画像などの非構造化データを処理するシステムの企画・設計・開発・導入 【主な業務】 ・Deep Learningなどを用いて、自然言語、画像を取り扱うAIサービスのアプリケーション開発を行います。 ・AIの分析結果の可視化や、学習データのメンテナンスツールなど、AIのコアアルゴリズム周りで必要となるアプリケーションの開発を担当します。 ・データサイエンティストやAIコア技術開発エンジニアが開発したアルゴリズムを利用し、GUIやそれらのアルゴリズムのデプロイを含めたシステム化・アプリケーション化を主に担当します。 【具体的には・・・】 ・Webアプリケーション、SPAなどの技術を利用した使いやすいAI SaaSの設計、開発、テスト ・CI、運用の開発周辺ツールやインフラの整備 ・アジャイル、スクラムでの開発プロセスへの参加、立て付け ・必要に応じてフロントエンドだけでなくAI/MLアルゴリズムの開発、チューニングや軽量化などを担当します。 応募資格 【必須スキル・経験】 ・Webアプリケーション開発経験3年以上 ・Pythonによる開発経験1年以上 ・AI/ML関連の業務経験1年以上 ・各種のOSSを利用した開発経験。必要に応じてソースコードを読んで修正や拡張ができること ・OS、ミドルウェア、ネットワークのセットアップを含めたインフラ構築が可能であること 【歓迎するスキル・経験】 ・AI/ML関連のアルゴリズムを、Pythonにより開発できること ・特に各種RDB,、NoSQLやHadoopなどのデータ分析に関わるミドルウェア技術に精通していること ・エッジデバイスでのAIのデプロイや運用の経験 ・Kaggleなどのコンペでの入賞経験 ・クラウドネイティブな開発。Docker、Kubernatesなどの利用経験 賃金 月給:378,200円~890,000円 想定理論年収:6,637,400円~18,432,000円 (月給:基本給、[一般職のみ]勤務実績に応じた時間外手当、想定理論年収:月給、賞与、特別加算賞与を含む) ※実際の時間外手当は、勤務実績に応じて変動します(上記は30時間相当で計算) ※賞与、特別加算賞与は会社業績、個人別評価に応じて変動します ※想定理論年収は過去実績をベースにした概算です ※諸手当などは、「募集要項」ページをご確認ください 求人情報URL https://career.saiyo-dr.jp/sb3c-recruit/Entry/select_job.do?to=job&bunruiId=1132 株式会社ディー・エヌ・エー DeNAは、複数のAI求人を募集しており、こちらは研究開発よりのAIエンジニア求人です。 募集職種 AI研究開発エンジニア(コンピュータビジョン分野) 職務内容 【業務内容】 深層学習(Deep Learning)を中心としたコンピュータビジョン技術を活用し、 DeNAの様々な事業における研究開発を行って頂きます。 <具体的な業務内容> オートモーティブ、ゲーム、エンターテインメント、スポーツ事業等の様々な 事業領域において、コンピュータビジョン技術を活用した研究開発を 行っていただきます。 利用技術としては、クラス分類、物体検出、セグメンテーション、物体追跡、 姿勢推定、3次元復元、画像生成、超解像等です。モデル作成だけではなく、 ビジネス観点からの適切な評価指標の設計、各プロジェクトに応じた 効率的なデータ収集方法の設計、必要に応じてアノテーションツールの 設計等も行います。 実際のシステム開発やアノテーションツール開発は、 MLエンジニア/AIデータエンジニアと協力して進めます。 登録資格 ◆必須のご経験/能力 ・コンピュータビジョン分野での3年以上の研究または実務経験、 それに準ずる技術水準 ・深層学習(Deep Learning)の独自モデル実装やスクラッチからの 既存モデルの再現実装経験 ・技術のみにとらわれず、サービスの成功を第一に考え、 自発的に周囲を巻き込み、プロジェクトを推進することができるマインド ◆尚可のご経験/能力 ・コンピュータビジョン分野における国際学術会議や論文誌等の発表実績 ・深層学習(Deep Learning)分野におけるOSSへの貢献実績 ・機械学習を利用したユーザ向けサービスでの、設計・開発・運用経験 ・コンピュータサイエンス分野における修士・博士号 ※深層学習(Deep Learning)に関する学習・実装した経験に関しては、 職務経歴書とは別に技術レベルを判断できる内容を添付ください (GitHub / blog URL なども可) 待遇 ◆給与 月給:294,167円〜1,250,000円(試用期間中も待遇に変更なし)※能力等に応じて決定 月給内訳(※当社規定による) ①役割期待給 ・基本給 189,417円〜815,000円 ・職務給 104,750円〜435,000円 ※時間外割増賃金(45時間相当分※1)に代えて支給 -フレックスタイム制 ・・・精算期間における労働時間の合計が、法定労働時間の枠を超えた場合に、その超過部分の割増賃金(45時間相当分※1)として支給する – 裁量労働制 ・・・みなし労働時間のうち、所定労働時間を超える部分の時間外賃金および時間外割増賃金(45時間相当分※1)として支給する ※1を超過する部分の時間外賃金に関しては、別途支給あり(※当社規定による) ②ライフプラン手当(正社員のみ) 5.5万円〜20万円 -ライフプラン手当は会社が定める確定拠出年金制度及び確定給付企業年金制度の掛け金として拠出することができる手当 ◆賞与:年2回(6月/12月、正社員のみ) ※経験・業績・貢献に応じて当社規定により決定 ◆給与改定: 年2回(5月/11月) 変化のスピードが早い業界であることを鑑みて、適切な評価を行うための目標設定面談を実施 求人情報URL https://career.dena.jp/job.phtml?job_code=1475 日本アイ・ビー・エム株式会社 ユーザー企業のAI化を支援するIBMのAIエンジニア求人です。アプリケーションの開発スキルが求められています。 募集職種 AI Solution Engineer 募集内容 【業務内容】 AI技術(機械学習・自然言語処理)を活用したシステム開発プロジェクトにて、アプリケーションおよび同実行環境の設計・構築を独力で完遂できるエンジニアを募集します。 【ミッション】 AIを活用した業務変革は、構想策定・技術検証の段階から、実業務での価値実現の段階に入っています。 IBMはAIを重要戦略領域の一つに定め、AIを活用したお客様のビジネス変革のお手伝いをしています。 IBMのコンサルタント、データサイエンティスト、研究者などと協業しながら、AI技術を活用したお客様のビジネス価値創出の実現を担うポジションです。 応募条件 Required Technical and Professional Expertise ・ AIモデル構築またはAIモデル/サービスを利用したアプリ開発のスキル ・お客様(ビジネスユーザー)とコミュニケーションを取りながら、システム構築を担当・リードした経験 Preferred Technical and Professional Expertise ・ AIモデル、AIサービスが求める要件に応じた処理対象データ・学習データ加工プログラムの設計・開発スキル (例) テキストの形態素解析・Vector表現化、画像処理など ・Webサービス(REST APIアプリ等)、および、Webアプリケーションの設計・開発スキル (対象スキル例)HTML5、CSS、JavaScriptに関する設計・実装スキル ・アプリケケーション実行環境として、IaaS、PaaS、コンテナ環境を設計・構築できるスキル (対象スキル例) Linuxに関する基本的な知識、ネットワークに関する基本的な知識、IaaS/PaaS/コンテナ環境構築のスキル 求人情報URL https://careers.ibm.com/ShowJob/Id/739391/ 富士通株式会社 富士通のAI技術者求人では、自然言語処理のスキルが求められています。 募集職種 チャットボットにおける自然言語処理能力の向上を目的としたディープラーニング技術適用研究技術者 職務内容 チャットボットにおいては自然言語処理能力の向上が 急務だが、この半年間での自然言語処理分野におけ るディープラーニング関連技術の発展はすさまじい。 このような発表されたばかりの新技術をいち早く評価・ 試行し、製品プロトタイプ開発を実施する。 応募条件 必須のキャリア、スキル、資格など 以下3項目必須 1.機械学習およびディープラーニング技術適用プログラムの開発。 2.LSTM, RUM, Transformer, Attention等に関する論文理解および適用コードの実装経験。 3.自然言語処理に関する基本的な知識。 歓迎するキャリア、スキル、資格など 以下の経験・知識があるとさらに歓迎。 1.日本語構文解析処理の知識および実装。 2.C/C++/Javaを用いた開発。 3.機械翻訳。 求人情報URL https://fujitsucareer.secure.force.com/wanted?job_Code=a000K00001q oyoiQAA 顶尖AI能力,助力人力资本领域智能化升级 NLP能力 音视频能力 应用能力 ​ 人力资源知识图谱 1.包含职位、技能、专业、学校、公司、学历等八大类实体 2. 千万量级实体关系进一步阐述实体间关联 3. 提供基于知识图谱的实体识别服务 ​ BEI访谈 1. 业界首创通过对话机器人实现线上行为事件访谈 2. 囊括27项素质,职业发展全方位解读 3. 基于最前沿自然语言处理技术和大量专家标注,评测准确率高 ​ 简历解析 1. 多年简历数据与业务经验积累 2. 支持标准格式简历和自由格式简历解析 3. 智能简历分块和语义理解技术提供准确率保证 ​ 画像推理 1. 专家打造完备用户画像体系,高度贴合业务 2. 强大的自然语言处理和数据挖掘技术保证画像高准确率 3. 基于贝叶斯网络技术提供画像维度间因果关系分析,深度解读画像 AIエンジニアや機械学習エンジニア、データサイエンティストなどの求人や募集情報は、実は、非公開にしている企業が非常に多いです。最先端の領域・ 最先端技術であり、なおかつ慢性的な人材不足状態であるがために、AI関連の求人、募集情報はそれが最先端領域であればあるほど世の中には情報として、あまり出てきません。 どの企業がどういった人材を募集しているか、AI領域・データサイエンス分野のエンジニアや研究者に特化したエージェンシーである、クリーク・アンド・リバー社プロフェッサー事業部では、企業と密接な関係を構築し、 AI領域などの公開されない求人情報を多数保有しております。 エンジニアや研究者のスキルをヒアリングし、ご本人も気づかなかったキャリアステップのご提案をさせていただいています。ぜひ一度ご相談ください。 概要 「データキャリアカンファレンス」は、データサイエンス、Deep Learning、AI、人工知能領域でキャリアを積みたいエンジニア向けのキャリア勉強会です。機械学習、自然言語処理、画像解析などを駆使したデータ解析コンサルや 人工知能開発の最前線で活躍されている方々を登壇者にお招きして、AI領域で活躍するためのノウハウを探ります。懇親会では、AI関連企業の採用担当者と直接話もできます。 プログラマー、システムエンジニアに限らず、初心者からマスターまで様々なレベルの、いろいろな分野の人が集まって、「みんな」でAIエンジニアとしてのキャリアアップを目指しましょう。 「転職した理由や背景」、「転職活動の進め方」をはじめ、「データ業界でどう働くか」、「どのようにしてキャリアを積むか」などを業界の現状や今後の見通しを踏まえてお話しいただきます。 会費 無料 対象者 ・AIエンジニア、機械学習エンジニアになりたい人 ・ビジネスアナリスト、データアナリスト、データマネージャ、になりたい人 ・データサイエンティストになりたい人 ・人工知能、AI、データ解析に関心のある方 ・Pythonに関心のある方 ・エンジニア実務経験を積んでいるが、キャリアについて悩んでいたり、転職をお考えの方 ・Python、Deep Learning、機械学習、人工知能分野にキャリアを移していきたい方 ・人工知能開発分野に本気で転職したいが、一歩踏み出せない悩みを抱えている方 本イベント参加者の転職成功実績(例) ①システムエンジニア → AIエンジニア(28歳) ②大学の研究員 →データサイエンティスト(33歳) ③統計解析エンジニア→データサイエンティスト(40歳) ④ サーバーサイドエンジニア→AIベンチャーのITエンジニア(42歳) その他 このイベントは、「本気でAI領域でキャリアを積んでいきたい」人を対象にしています。 この先1年以内の転職をお考えの方に、お聞きいただきたい内容です。 イベント主催のクリーク・アンド・リバー社は、 エンジニアや研究者の皆さまのキャリア支援をしています。 「みんな」でキャリアについて考えた後は、後日、「個別」での面談設定をさせていただきます。 その場で、今後目指すキャリアについて、お話を聞かせてください。 その際に、AI領域の非公開求人をご案内します。 過去イベント参加企業様 HEROZ株式会社、DATUM STUDIO株式会社、株式会社レコチョク、株式会社LIFULL、株式会社ナレッジコニュ二ケーション様、エコノミックインデックス株式会社 株式会社チェンジ、株式会社GA technologies、株式会社ウェザーニューズ、TIS株式会社 ナーブ株式会社、株式会社オルツ、エルピクセル株式会社、Kaizen Platfrom,inc.、株式会社クロスコンパス、株式会社ホットリンク、澪標アナリティクス、リープマインド株式会社 (順不 同) 銀行の融資担当者 スポーツの審判 不動産ブローカー レストランのウエイター 保険の審査担当者 動物のブリーダー 電話オペレーター 給与・福利厚生担当者 レジ係 案内係、チケットもぎり係 カジノのディーラー ネイリスト クレジットカード承認者 集金人 ホテルの受付係 電話販売員 データ入力作業員 苦情の処理担当者 簿記、会計の事務員 メガネコンタクトの技術者 塗装工 時計修理工 彫刻師 訪問販売員 AI取代的职业 在线学习平台(AI大学)课程运营 8-13k·12薪 上市公司 2018互联网300强 AI创新成长50强 应聘职位 上市公司 2018互联网300强 AI创新成长50强 带薪年假 上市公司 发展空间大 免费班车 扁平管理 五险一金 管理规范 职位描述: 岗位职责: 1、负责对不同课程内容进行包装,提炼课程卖点,设计完整、合理的课程运营方案,包括不限于课程上线前后的运营、课程上线后评论的引导和维护; 2、跟进课程的宣传、营销和运营需求落地运营方案,保证实施效果; 3、负责挖掘用户需求,产出合理的运营方案和活动形式,提升学员活跃; 4、运营维系群,热情耐心的解学员疑问及咨询,持续跟踪需求变化,并建立良好的伙伴关系; 5、关注行业动态和课程运营玩法,不断寻找提升用户活跃和体验的新思路。 任职要求: 1、大学本科以上学历,1年以上运营/营销策划工作经验; 2、对在线教育行业的产品运营有一定见解; 3、有协调能力、善于沟通,跨部门协作无压力; 4、有较强的信息收集和处理能力,逻辑思维较好,工作严谨; 5、有课程策划、在线教育平台课程运营的工作经验者优先。 此岗位为科大讯飞集团统一招聘岗位,人员通过简历筛选、笔试、初试、复试、终审等环节后录用。 IT人材育成 授课对象 职业高中,高中,大学,研究生。。。社会人士 要学习先进技术的人 最短的课程是半年 一年 二年 三年 就业保障 推荐全球就业,阿里腾讯科大讯飞华为 百度等名企就业 AI授课的证书有。。。方便就业的,如果要学习高级班的有剑桥牛津大学,MIT的学业资格证书,如果会日语的可以参加日本人工智能协会的资格考试 取得后全球通用 如果想来日本工作的话 协助推荐单位。。语言学院。。。签证事宜 同时可以协助办理留学 日本 英国 美国 推荐语言学院。住宿等业务 JDLA认证:日本深度学习协会认证课程(如果参加,则可以取得E资格)全球通用 如果要学习高级班的有剑桥牛津大学,MIT的学业资格证书 中国人工智能 5G×AI 等人才育成 人工智能哈佛大学博士于红红主讲,MIT教授,牛津剑桥大学教授 中科院,清华大学等主讲 授课对象 职业高中,高中,大学,研究生。。。社会人士 要学习先进技术的人 最短的课程是半年 一年 二年 三年 推荐全球就业,阿里腾讯科大讯飞华为 百度等名企就业 AI授课的证书有。。。方便就业的,如果要学习高级班的有剑桥牛津大学,MIT的学业资格证书,如果会日语的可以参加日本人工智能协会的资格考试 取得后全球通用 如果想来日本工作的话 协助推荐单位。。语言学院。。。签证事宜 同时可以协助办理留学 日本 英国 美国 推荐语言学院。住宿等业务 JDLA认证:日本深度学习协会认证课程(如果参加,则可以取得E资格)全球通用 技能水平分析表 为了确定未来AI不好的领域,它会分析了解的内容和不了解的内容,并自动生成适合您水平的最佳学习课程。 Q1。在哈牛桥智能科技学习的东西 Python编程Web开发机器学习数据分析和Kaggle抓取SQL深度学习 Q2。请告诉我您的编程经验。 我从未学过编程。编程经验1-3个月编程经验3-6个月编程经验6个月以上 Q3。检查您学习了一个多月的以下编程语言。 (可以选择多个) Java PHP Ruby Swift R Python C C ++其他 Q4。请告诉我您的数学经验。 我来自文科,根本没有经验。我不擅长数学。我学习了高中数学(数学III和C)。我在大学学习线性代数。我对数学充满信心。目前独自学习。 Q5。请告诉我们您的统计经验。 我从未学过包括自学在内的统计学知识。通过自学学习统计的水平。我在学校和大学学习过统计学。我对统计数据充满信心。目前独自学习。 Q6。请告诉我您的英语阅读能力。 /请告诉我您的阅读英语技能。 英语等级考试的4至3级英语阅读能力不及初中毕业生。 英语等级考试 3级和2级有些句子由于语法结构等而无法理解。英语等级考试准1级至1级只要检查单词就可以理解句子的含义语法结构没有问题英语报纸和论文阅读没有问题。目前独自学习。 Q7。请告诉我们您的英语听力技巧。 /请告诉我您的聆听英语技能。 可以理解已被模式化的日常对话,例如自我介绍。可以理解未被模式化的日常对话和聊天以及当天发生的对话。您可以掌握大纲包括详细的说明和技术术语时,您将无法理解。即使包括了详细的说明和技术术语,您也可以毫无困难地理解。当前正在通过自学学习。 Q8。请描述您在人工智能和机器学习方面的经验。 我知道人工智能和机器学习这两个词,但我从未学过,我也不知道该怎么办。我自己阅读了至少一本有关人工智能和机器学习的入门书。我已经通过书籍,在线视频服务和研讨会学习了机器学习。我正在实践中进行机器学习,但我想听听专家的更多详细信息。目前独自学习。 Q9。请描述您要学习的有关Python和AI的目标。 (如果您尚未决定,请声明尚未决定) Q10。您将来是否想找份工作或更改为AI工程师? 我要我不想(我现在没有考虑。)正在考虑中(将来我有可能想以AI工程师的身份工作或换工作。) 分析! 日本人工智能 5G×AI 等人才育成 人工智能哈佛大学博士于红红主讲,MIT教授,牛津剑桥大学教授 東京大学,大阪大学、京都大学等主讲 【 前提条件 】 ・人工知能(AI)の概要(一般論や用途、歴史等) ・高校レベルの数学(線形代数、確率・統計、微分・積分等)の基礎知識 ・Pythonプログラミング基礎レベル ・機械学習の基礎知識(アルゴリズムを組む経験があると尚可) ・英語レベル:TOEIC 700以上(目安) 【 対象者 】 ・AIの原理原則からAIの設計・導入に必要な知識、ノウハウを体系的に学びたい方 ・AIエンジニアを目指している方 スキル・レベル分析フォーム AIが今後の苦手分野を特定するために、何を理解して何を理解していないのか分析し、あなたのレベルに合った最適な学習コースを自動生成します。 フォームの始まり Q1. 学びたいこと PythonプログラミングWeb開発機械学習データ分析やKaggleスクレイピングSQLDeep Learning Q2. プログラミング経験を教えてください。 プログラミングは一切学んだことはない。プログラミング経験は1〜3ヶ月プログラミング経験は3〜6ヶ月プログラミング経験は6ヶ月以上 Q3. 以下のプログラミング言語の中で1ヶ月以上学習したことのある言語にチェック入れてください。(複数選択可) JavaPHP RubySwiftRPythonCC++その他 Q4. 数学の経験を教えてください。 文系出身であり全くの未経験。数学に苦手意識を持っている。高校数学(数学III・C)は学んだ。大学で線形代数は学んだ。数学には自信がある。現在独学で勉強中。 Q5. 統計学に関する経験を教えてください。 統計学に関して独学も含め一切学んだことはない。独学で統計学を勉強した程度のレベル。統計学は学校や大学で学んだ。統計学には自信がある。現在独学で勉強中。 Q6. 英語のリーディングに関するスキル経験を教えてください。/ Please tell me your READING English skill. 英検4~3級レベル 英語の読解力は中学生卒業レベルで苦手意識がある。英検3〜2級レベル 文法構造などで意味のわからない文章もある英検準1~1級レベル 単語さえ調べれば文章の意味がわかるレベル 文法構造などについては問題はない英語のニュースペーパーや論文を問題なく読める。現在独学で勉強中。 Q7. 英語のリスニングについてのスキル経験を教えてください。/ Please tell me your LISTENING English skill. 自己紹介などのあるパターン化された日常会話は理解できるパターン化されていない日常会話・雑談や、その日に起きた話題などの会話を理解することができる込み入った話でも相手の話していることの大枠が掴める 詳細な説明や専門用語などが含まれると理解できなくなる詳細な説明や専門用語などが含まれても支障なく理解することができる現在独学で勉強中。 Q8. 人工知能や機械学習に関する経験をご記入ください。 人工知能や機械学習という言葉は知っているが全く学習したことがなく、何ができるかもわからない。人工知能や機械学習に関する入門書は1冊でも独学で読んだことがある。過去に書籍やオンライン動画サービスやセミナーなどを通して機械学習に関することを学んだことがある。実務で機械学習をやっているが、専門家からより詳しい内容を聞きたい。現在独学で勉強中。 Q9. PythonやAIを学んでやりたい目標などをご記入ください。(決まっていない方は決まっていないと記入してください) Q10. 将来、AIエンジニアとして就職・転職したいですか? したい。したくない。(今は考えていない。)検討中(今後AIエンジニアとして就職・転職を希望する可能性がある。) 分析する! · AIの組み込み(設計・製造・試験) · Google社等のAPIを使ったプロダクトの開発 · 動画解析による顔認識システムの開発 · スマートフォン向けARアプリの開発 · Python等の学習 · 深層学習フレームワークの利⽤経験 · 深層学習のモデル実装経験 · ⾼い論理的思考⼒ · 数学的な深い知識(線形代数・統計/確率・微積分 · AI培训渠道合作 · (一)院校合作 · 1、师资交流:公司与学院提供相互师资交流机会,学院可以随时派教师到公司学习最新课程与项目实训,公司派遣工程师到学院学习交流新的授课方法及教学经验。 · 2、技术支持:与学院建立项目实践小组共同建立科研课题为学院提供技术支持,帮助学院承接的社会商业项目提供技术支持。 · 3、教材研发:共同开发教材,公司提供案例实践,学院提供系统理论依据共同开发教材为学生提供优秀教学教材。 · 4、教学支持:公司根据学校教学安排为学生安排工程师进行项目实训。增加学生的就业实践能力。 · 5、创新创业活动:公司提供创新创业基金,扶持学院的创新创业活动并对优秀学员提供资金扶持政策,帮助学生成立科技公司等活动。 · 6、大赛技术扶持:协助学院参加国内、国际大赛提供技术支持。 · 7、实验室建设:合作计划开展工作顺利后公司根据实际情况为学院建立实验室,增加学生的实际操作能力。 · 8、顶岗实习:公司安排相应岗位允许部分学生到公司参加实习工作。 · 9、就业实训:公司安排实训课程,基础课程学院完成,实践课程公司完成,参加实训的学生全部由公司安排工作,签订就业协议。 · 10、互设办事机构:公司在学院设立人才培养基地,学院在公司设立创新创业基地,并进行相互挂牌实行学分置换,为学生的就业、创新、创业提供全方位支持。同时公司对没有参加实训活动的学生提供免费的就业素质教育和就业服务。并对来全国工作的或到其他地方有公司办事机构的同学提供免费服务。 · (二)品牌合作 · 1、地方教育机构合作:选择全国各地有实力、信誉好的地方机构公司,实现强强联合,共同成立联合企业。优势互补、资源互补。造福地方学生和企业。 · 2、商业项目合作:地方企业或机构利用自己的优势资源承接商业项目,哈牛桥智能科技提供强大的科研团队。实现共同发展。 · (三)代理招生 · 1、机构代理:选择口碑好的企业或机构联合招生,促进地方的高端就业。 · 2、个人代理:与在地方具有影响力,品质好的,愿意为当地学生服务、奉献的人事合作招生,提高当地学生的就业质量,造福一方学生。 · 联系人:国经理 15371129229 微信 yuhonghong7035哈牛桥智能科技 IT人才育成 招聘 · 现因业务需要,诚聘以下岗位人才,欢迎投递简历。 · 一、电话销售经理 · 岗位职责: · 1、负责线上整体信息量的转化及团队的管理、对整体业绩负责; · 2、负责腾讯课堂、直播课、在线平台信息量转化,转化方式主要为网络咨询及电话咨询; · 3、负责信息量线下的流转及后续跟进; · 4、逐渐完善线上销售工作流程、制度、培训方案的制定; · 5、在线营销端数据梳理及统计、并根据数据进行持续改进。 · 任职资格: · 1.3年以上电话销售或销售工作经验,有教育类在线咨询经理优先; · 2.大专及以上学历,专业不限; · 3.通过电话与客户进行有效沟通,保证完成销售业绩,有电话销售或销售工作经验者优先; · 4.热爱教育行业、有良好的职业素养。 · 二、线上教务主管(班主任) 2人 · 岗位职责: · 1、负责线上学员的日常管理工作; · 2、与学员沟通平台使用、课程完成情况,记录学员在学习过程中的意见与建议并反馈; · 3、进行学员回访及满意度调查,完成课程匹配及转班等管理; · 4、协调组织 学员参加各种直播课 并参与主持工作; · 5、帮助学员制定学习计划; · 6、领导交办的其他工作。 · 任职资格: · 1、形象好、声音甜美、普通话标准,优秀的语言表达能力; · 2、性格温和、具有亲和力、善于沟通,反应机敏,思路清晰; · 3、有身为人师的责任感,能耐心积极的帮助学员解决学习过程中的问题; · 4、热爱教育事业,对工作保持高度热情; · 5、熟练使用办公软件; · 6、有在线导学教务工作经验者优先。 · 三、线上运营主管 2人 · 岗位职责: · 1、公司产品知识的销售化整理; · 2、 分析销售数据,并根据分析结果找到问题,并制定相应的解决方案; · 3、培训和管理团队,指导其完成市场销售任务,推动业务管理的规范化、专业化; · 4、 负责校区招生的流程监督,解决销售中遇到的各类问题,并及时提出解决方案; · 5、 负责活动的制定与实施。 · 任职资格: · 1、大专及以上学历,1年以上销售管理经验; · 2、熟练掌握销售技能,拥有较强的学习能力,沟通能力和文案撰写功能; · 3、有身为人师的责任感,能耐心积极的帮助学员解决学习过程中的问题; · 4、有较强的学习能力,熟悉使用办公软件。 · 四、运营支持总监 2人 · 岗位职责: · 1、支持区域,落实集团各项工作; · 2、所支持区域的数据分析(如:业务数据(转化率),人员数据(人员梯队情况,司龄等),找到问题协助区域完成; · 3、负责问题区域的中层带教; · 4、完成所支持的区域或问题中心的提升; · 5、完成集团薄弱项目的梳理工作。 · 任职资格: · 1、统招大专学历; · 2、有校区销售管理/运营管理经验; · 3、精通一线校区的业务管控流程。 · · 五、口碑总监 2人 · 工作职责 · 1、 负责全国口碑顾问岗位的选拔、培养、工作的督导和人才发展规划; · 2、 负责全国口碑顾问转化环节业务能力提升,为业绩目标达成和转化率负责; · 3、 负责口碑顾问业务数据的收集整理和分析; · 4、 领导交办的其它工作。 · 任职资格 · 1、 统招本科及以上学历; · 2、 3年以上销售团队管理经验,具备教育行业相关工作经验; · 3、具有较强的学习能力,具备一定数据分析能力,熟悉使用办公软件; · 4、具备较强的目标感,娴熟的沟通能力和团队管理能力; · 5、能够适应出差。 · 六、运营督导经理 1人 · 【工作职责】 · 1、支持区域,落实集团各项工作; · 2、所支持区域的数据分析(如:业务数据(转化率),人员数据(人员梯队情况,司龄等),找到问题协助区域完成; · 3、负责问题区域的中层带教; · 4、完成所支持的区域或问题中心的提升; · 5、完成集团薄弱项目的梳理工作。 · 【任职资格】 · 1、统招大专学历; · 2、3年以上校区销售管理/运营管理经验; · 3、精通一线校区的业务管控流程; · 4、具有较强的综合管理能力、工作协调能力、市场拓展能力。 · 七、呼叫中心总监 1人 · 岗位职责: · 1、带领团队完成公司下达电销中心业务目标,分解团队目标至团队、成员,分解至周、日,并考核; · 2、熟悉电销流程的整体环节,包括电销体系搭建及优化,人员招聘,培训,激励,考核等,辅导下属团队成员成长; · 3、善于挖据客户需求,具备较强的从客户弱需求转化为有效销售需求的能力,了解团队成员日常工作情况,帮助团队成员挖掘和维护优质客户资源; · 4、监督并辅导团队成员工作,完善工作流程,提出绩效改进方案,制定有效的激励规则;并根据公司整体业务目标进行不断的总结和优化; · 5、结合业务规划,组织开发电销培训体系,包括但不仅限于新人培训、转正培训、衔接培训、晋阶培训、技能培训等; · 6、激发团队士气,塑造良好的团队文化,培养具有凝聚力、战斗力的销售队伍。 · 任职资格 · 1、大专以上学历,电销业务3年以上工作经验; · 2、从一线销售成长为的电销管理者,在不同成长阶段有较多Top sales的记录; · 3、具有上10人电销团队管理经验,具有教育行业电销业务背景者优先; · 4、具有优秀的团队管理能力,充满激情及饱满的工作热情,有人格魅力,能够有效激励团队士气。 · 八、市场推广经理 1人 · 岗位职责: · 1、负责执行公司指定的APP市场推广和Android各主流市场的合作策略; · 2、负责在线及会计网校的平台推广策略和执行; · 3、负责在线及会计网校的课程推广策略与执行; · 4、负责了解和分析市场动态; · 5、负责联系各类型合作伙伴,确保运作模式顺利进行,及合作合同的签署等相关流程的执行。 · 任职资格: · 1、有一年及以上互联网或教育行业市场推广经验,熟悉各种推广方式、广告平台,有渠道推广资源的优先; · 2、具有较强的文案策划、数据分析和沟通谈判能力; · 3、具有敏感的商业和业务推动能力; · 4、大专及以上学历,专业不限。 · 分校校长 若干 · 工作职责 · 1、主持单/多校区的全面管理工作,组织实施公司下达的各项决议; · 2、组织制定年度经营计划,并致力于达成业务目标; · 3、对各部门管理岗位工作布置、指导、检查监督、评价和考核管理工作; · 4、签署日常行政、业务文件,并对签署文件负责; · 5、监控执行集团下达的各项管理规章制度,拟定区域内具体规章制度; · 6、监督管理各中心日常管理及建设,包括任务分配、招聘、激励,处理本中心内重大突发事件; · 7、对项目成本进行把控、对利润负责。 · 任职资格 · 1.3年以上校区管理、运营经验;教育培训行业工作经验优先; · 2.具有企业营销管理知识、熟悉职业培训业务流程及运作模式; · 3.具有较强的综合管理能力、工作协调能力、市场拓展能力; · 4.擅长组织、带领班子成员团结、努力工作,优秀的执行力、领导力; · 工作地点:全国各大城市均有校区,根据候选人情况就近安排。 · 人力资源部联系电话:国经理 15358411774 · 简历投递邮箱:1500467240@q q.com · ヘッディング 2 お申し込みはこちら 主要クライアント: HOC Intelligent Technology and Microsoft, Microsoft Cambridge Research Institute, Google, Amazon, Alibaba, Hang Seng Electronics, Yahoo, Tencent, Huawei, Facebook Paris Research, SAP, orcale, salesforce, etc., the British Liverpool team and Li Ning Sports, Ali Sports, NVIDIA, NTT, NTTDATA, Softbank, Samsung and other famous companies have contracts. R & D Center Nanjing Headquarters, Hangzhou Headquarters, Shanghai Headquarters, Taizhou Branch, Li Department, Suzhou Branch, etc. Global Japan, United Kingdom, United States, South Korea. . 、スキル測定会 にチャレンジしましょう。 さらにその勉強会に2つの実務経験を挟むことで、より実践的な知識と経験を身につけることのできるプログラムとなっています。 初学者向け勉強会に申し込む 経験者向け勉強会に申し込む スキル測定会参加まで最長約1年半の充実した教育プログラム。 ※「約1年半」という期間は、大学生が学業と同時並行でAIを学んだ場合の目安となります。 AI業務に就きたいけれど、全く知識のない方…… 『初学者向け勉強会』にご参加ください。 「AI業務に興味はあるけれど全く知識がない」という方には、約半年間にわたる、初学者向け勉強会をご用意しています。 教育プログラム実施後は、弊社データサイエンティストの指示のもと、約半年間、実際の業務を経験していただき、学んだ知識をアウトプットする場を設けています。 実際のビジネスに当てはめ、即戦力となる技術を養っていただくことが可能です。 初学者向け勉強会に申し込む AI業務に興味はあるけれど、自分のAI知識・スキルの相対的なレベルがわからない」という方や、「AI業務に就きたいけれど、知識・経験が不足している」という方には、約1ヶ月間にわたる、経験者向け勉強会をご用意しています。 教育プログラム実施後は、データサイエンティストとして、約3〜4ヶ月間、実際の業務を経験していただきます。 もちろん、実施期間中は、弊社データサイエンティストがフォローアップいたしますので、ご安心ください。 経験者向け勉強会に申し込む AI業務に就きたいけれど、知識・経験が不足している方…… 『経験者向け勉強会』にご参加ください。 ↓まずはスキル測定会を受けたい方、即戦力となる方↓ まずはスキル測定会に参加!(無料) 転職活動中の社会人のみなさんへ 今の会社の仕事内容と報酬に、満足していますか? 理想のワークライフバランスを実現していますか? もしも満足していないのなら、『あなたの進むべき次のステージ』に思いを馳せてみてください。 「人手が足りない中、私が辞めたら……」 「今の給料と自分のスキルがマッチしているのか、考えたことがない……」 考えればキリがありませんが、一度まわりのことは忘れて、あなた自身の人生について、考えてみましょう。 見渡してみれば、あなたに見合った報酬を用意してくれる会社はたくさんあります。 あなたを必要としてくれる会社は、本当はたくさんあるのです。 大切なのは、その先進企業へのアクセス権を、あなた自身が持っているかどうかです。 ハイレベルなAI人材になることができれば、その切符を手にすることができます。 AI人材になるための勉強会と、次のステージへのアクセス権は、私たちが用意いたします。 AI・IT企業に転職活動中の、AI・IT業界未経験のみなさんへ 就職活動中の学生・研究者のみなさんへ 安心して就職活動を行うために。まずはスキル測定会に参加しよう! まずはスキル測定会に参加!(無料) 初学者・経験者は勉強会に参加しよう! AI勉強会 実務レベルでAIを導入できるスキルを身に着けることを目指したAI勉強会 AI,DeepLearning,機械学習等の初学者はどなたでも参加できます。 本勉強会では”AIに関する知識がゼロ”でも実社会のビジネスの問題を題材にハンズオン形式で,「ビジネスで活きるAI」を学ぶことができます。 初学者向け AIを勉強したいけど何から手をつけたらいいかわからない AIを勉強してみたけど数式がたくさん出てきて挫折した そもそもAIって何かわからない ​ 第1回 概要説明とPython体験 ​ 第2回 教師あり学習 ​ 第3回 教師なし学習 ​ 第4回 予測モデルの学習と評価 ​ 第5回 ビジネスでよく使われるモデル紹介 ​ 第6回 ビジネスで必要なDeepLearning知識 ​ 第7回 実世界データのモデリング ​ 第8回 飲食店の来客数予測 ​ 第9回 クレジットカードの不正利用検知 ​ 第10回 手書き数字画像の認識 ​ 第11回 文書クラスタリング ​ 第12回 WebアプリへのAIプログラム組み込み 経験者向けの勉強会の開催も予定しております。

  • HOCインテリジェントテクノロジー株式会社 | Hocitgroup Recruit

    HOC Intelligent Technology Group Co., Ltd. The high-tech enterprise in the Jiangbei New Area Software Park in Nanjing is Harvard University, Oxford University, and Cambridge University. The leading research and development field in the academic field is more than 380. ERP consulting, artificial intelligence computer vision, natural language processing technology, Data Mining Advanced Data Analysis ,cross-media analysis and reasoning technology, intelligent adaptive learning technology, swarm intelligence technology, autonomous unmanned technology, smart chip technology, brain-computer interface technology and other high-tech cutting-edge technologies in security, Leading technologies in finance, retail, transportation, education, medical, manufacturing, health, etc. JSAI artificial intelligence society full member, IEEE member, SIGIR member CAAI Chinese artificial intelligence society member, AAA1 international artificial intelligence society member. Member of ACM, ACM Commissioner of British Artificial Intelligence China. The main research areas include ERP consulting, cloud technology, big data, blockchain, artificial intelligence experts, computer vision, multimedia technology and machine learning. 1500467240@qq.com AI, IoT, Internet of Things, RPA, OCR-AI, ERP, cloud, bigdata, blockchain, ICT, 5G, 3D, AR, VR, iCLIP, Aviation Design Software、core industrial software, smart chips, smart driving, core algorithms, neutrinos, quantum Top cutting-edge technologies such as computing artificial intelligence robots and automation systems, smartphones and cloud computing, and smart cities. For government / local government, education / medical / healthcare, finance, manufacturing, logistics, communications / broadcasting, construction / real estate, electricity / gas / water, networking, pharmaceuticals, agriculture, security, new retail, manufacturing, transportation , Sports, aerospace, advertising, IOT, ICT and other industries. AI reporter sports intelligent driving AI accounting lawyer AI surgery robot AI questioning misdiagnosis no AI robot funeral VR AR 3D AI crime tracking AI image recognition smart city, smart home, smart management, RPA, smart factory, smart logistics, AI real estate, AI marketing , AI agriculture and other social inclusive areas IEEE, NIPS, ICML, COLT, CVPR, ICCV, ECCV, IJCAI, AAAI, UAI, KDD, SIGIR, WWW, ACL, PAMI, IJCV, JMLR, AIJ have continuously published more than 1,000 top academic papers. The artificial intelligence competition won 500 More than Harbin Bridge Intelligent Technology and Microsoft, Microsoft Cambridge Research Institute, IBM, Samsung, H2o, Google, Intel, HP, Intel, Amazon, CAPCOM, Domo, Monota RO, Kubota Machinery, SCSK Co., Ltd., Kubota, Komatsu Machinery , Qingshui Building, Alibaba, Hang Seng Electronics, Yahoo, Tencent, Huawei, Facebook Paris Academy, SAP, oracle, salesforce, Liverpool UK and Li Ning Sports, Ali Sports, momenta, Super Sports XEBIO (슈퍼 스포츠) in Seoul, South Korea 제비 오) Sports goods physical store, TikTok (Douyin), NVIDIA, NTT, NTTDATA, SoftBank, Samsung DIDI Intelligent Driving, freee Corporation, ABeam Consulting Co., Ltd., Altloo, DeNA, Co., Ltd., TDK Co., Ltd., American Industrial Robot Intelligent Robot Boston Dynamics, Toshiba Information System Co., Ltd., Hitachi, NEC, TOYOD, Mitsubishi Group, Mitsui Group, TIS, KONAMI, PWC, Accenture Consulting, BearingPoint Consulting, Capgemini-Ernst & Young Consulting, Deloitte Consulting, IBM Consulting, sas, hao Op, matlab, Tableau Kobayashi system, Suning Group, JD TOYODA Honda Shangtang Technology (SenseTime) despised according to Figure Momenta, the fourth paradigm of the horizon, Qualcomm, Philips, Siemens, Sony, Intel, Canon and other famous companies have contracts. R & D Center Nanjing Headquarters, Hangzhou Headquarters, Shanghai Headquarters, Taizhou Branch, Lishui Branch, Suzhou Branch, etc., Global Japan, Britain, United States, South Korea. . Benefit 福利厚生 有給取得制度 仕事が落ち着いている7月から8月に夏季休暇制度を設けております。 書籍購入 デザイン、Webなど個人スキルアップの為に購入する書籍は会社が費用負担します。 パーソナルトレーニング 連携したトレーナーによる、パーソナルトレーニングを定期的に実施しております。 健康診断 健やかに仕事に取り組めるように、年一回の定期健康診断を実施しております。 テレワーク 多様な働き方を選べます。この新型コロナウイルスによる外出自粛期間には全員完全在宅勤務を実施しました。社員全員にフィットネスグッズを支給して、毎日WEBミーティングにてトレーニングを行いました。 花見・忘年会 定期的に取引業者さんなど含めてイベントを開催しています。社内だけではなく色々な交流を持ちながら、日頃の感謝や労いを行っています。 CAFEミーティング 月に一回、社員全員で近所のCAFEでコーヒーなどを飲みながらミーティングを行っています。場所を変えることで新鮮なアイデアを創出する効果も期待でき、社員同士の交流も深めています。 保育施設完備 弊社が運営している芦屋市の企業主導型保育施設がございますので、お子様がいらっしゃる方でも安心して勤務可能です。 完全週休2日制、有給休暇、祝日休暇、年末年始休暇、慶弔休暇、誕生日休暇 待遇・福利厚生 交通費全額支給 社会保険完備(社会保険、厚生年金、雇用保険、労災保険) デュアル・ディスプレイ希望者貸与 リモートワークOK!好きな場所で働きたい リモートワークを当たり前に!創業を支えるアプリケーションエンジニア募集!毎月継続的に案件を受けてもらえる副業Webデザイナーを大募集! 個人をエンパワーメントし、自分らしく生きられる人を増やす 5G、動画生成、クリエイティブ自動化にピンときたVue.jsなエンジニア 100%コードが書ける、Web系案件を希望するSIer出身者Wanted! 業務内容 1、人工知能(AI)開発・ディープラーニング実装、解析 2、ITエンジニア人材サービス -AI・ビッグデータ領域人材、IT人材に特化した有料職業紹介、SES、派遣 3、スキルチェンジ・IT・データサイエンティスト育成サービス 4、人工知能マッチング支援システム「ENGER(エンジャー)」の開発、販売 私達は「AI×プラットフォームサービス」の開発を行っております。これはHR Tech業界で人材と企業を独自のアルゴリズムで結び付け、新たな理論を創ったAIプラットフォームサービスです。 AI(人口知能)が得意なのは「判断」であり、AIが従来のプログラムと異なるのは、自律的に正しい解を導くことができるという点です。大量のデータがあれば、そのデータを元に条件節を徹底的に洗い出し、その判断の精度は人間を超える可能性があります。一方で「相手の気持ちを察して空気を読む」といった行動は、人間だからこそできるものであり、AIが簡単に行えるものではありません。 しかし、AIは過去のデータをもとに予測を行うことが非常に得意ですから、AIが最善と判断したものは決して間違っていない可能性が高く「人とAIは共存する関係になる」とされる一方、「AIが人の仕事を奪う」という脅威論も根強くありますが、企業が直面している最大の課題は、大量のデータを活用する方法です。その解決策になるのが予測分析です。 私達はこの予測分析AIrecruitTech)のプラットフォームを開発し、今まで積み重ねてきた15年のマッチング事業実績、人の暗黙知的な経験値、ノウハウ・アイディアをAIに学習させる事で、予測に繋げる仕組みを構築出来ると考えています。その結果、人材マッチング履歴(分析)データから、人口知能予測に繋げることで、効率的な採用(就業)マッチングと、人的な採用(紹介)のミスマッチを軽減することで「個が輝く社会創り」を実現します!個が輝く社会を創り出す】 IT人材不足が深刻化する一方で、ITやインターネット関連サービスの規模は当然のように今以上の拡大が見込まれます。経済成長のカギであるIT業界を支える担い手が減少してしまうのは、社会問題でもあり、私達は「超高齢化・人口減少社会における持続可能な都市・地域の形成」及び「地域産業の成長・雇用の維持創出」の2つの施策テーマに対し、人材と企業のAIプラットフォーム創りの事業を行います。 独自AIアルゴリズムの開発 ・人間が感覚的に行ってきた作業のシステム化やノウハウの蓄積・分析を通して、人と社会の課題を解決するために挑戦をし続けています。 ▶システムエンジニアリングサービス ・エンジニアと企業の人材マーケティング、マッチング ・Eコマース、メディアマーケティング エンジニアについて パートナーなども含め200人以上が稼働しております。 現行サービス(ITエンジニア フリーランス インフルエンサー、自社マッチングサービス)、新規プロジェクト、システム開発、AI機械学習、SystemEngineeringServiceの業務をそれぞれが担当しています。より良い実装を目指しエンジニア同士で定期的に技術・知見の交流やディスカッションを行っています。 ●コミュニケーション 対面でのミーティングはもちろん、オンラインでのミーティングも盛んに行っています。 ツールも活用し、時間を有効活用し在宅作業や、自由に意見を交換できる場を提供することで業務がスムーズに進んでいます。 ●働き方 時短、リモートワーク、業務委託などライフスタイルにあわせた働き方を柔軟に取り入れています。時間と場所の制限に縛られることなく、効率的に働ける環境作りを目指しています。 ●スキル獲得の支援 毎週の勉強会、食事会などイベントスペースを用意し、補助や新しいスキル、知識の獲得を支援します。書籍やセミナーの参加、ツールの利用など、必要な費用を負担します。 自社AIプラットフォーム「ENGER」を自社開発 このサービスは、HRTech分野での人と企業のミスマッチを独自のアルゴリズムを駆使してAIでマッチングさせるプラットフォームです。現在、このプラットフォームを開発出来るメンバーを探しています。 世界中の人材をマッチングするプラットフォームサービスを一緒に! ※働き方は、リモートワーク・ワークスペース推奨 このプラットフォームで重要なのはAIをどう活用するか?です。AIを扱う技術は高度ですが、技術力いらずの”民主化”も進んでいます。しかし、どんなに技術が民主化してもデータは必要です。今後はよりデータ自体の重要性がクローズアップされていき、どれだけ競争力のあるデータを収集・保持・活用しているかが論点となると考えます。 当社は15年近くのマッチング実績、DBを活用したAIプラットフォーム開発に注力しています。人と企業のミスマッチを改善し、人と企業のプラットフォームから衣(Eコマース)、食(カフェ、コワーキングスペース)、住(空き家、Iotスマートホーム)を絡めた多角的サービスを展開し、時間や場所に捉われず一人ひとりが輝く社会を創り出すという経営理念の基、健全な企業活動を通じて社会に貢献していくことが私たちの使命であると考えています。 <既存プロダクト開発環境> ・フロントエンド:JSP、JavaScript、HTML5、CSS3 ・サーバーサイド:Java(Spring、hibernate)、Apache、Tomcat ・DB:Oracle、PostgreSQL ・インフラ:OpenShift (k8s/Ansible)、 Vmware、Linux、Windows、MacOS ・その他:Slack、Redmine、Git、Subversion、Jenkins、JUnit <勤務地> ・正社員の場合は東京支社勤務(リモートワークは要相談) ・業務委託の場合、リモート可 <必須要件> ・Webフロントエンド開発 実務経験2年以上 ・Vue.js or Nuxt.js開発 実務1年以上 ・JavaScript+HTML+CSS開発 実務2年以上 <歓迎要件> ・AWSを利用したインフラ環境の構築・運用経験 ・スマホ向けアプリの開発・運用経験 ・dockerを利用した開発・運用経験 ・python(Django)を利用した開発・運用経験 ・中規模以上のWebアプリケーションの構築・運用経験 ・アジャイル開発の経験 <求めている人物像> ・新しい技術を積極的に試し、アイディアを創出するのが好きな人を求めています! 「マーケティング×データ×クリエイティブ」 Alphaktはデータを活用してヒットコンテンツを量産するメディア創出企業です。 現在は4つのプロジェクトを展開しています。 1.インフルエンサー分析データベース『KOL Base』 2.成果報酬型ASP『PERKS』 3.D2Cマーケティング事業 4.YouTubeメディア運営事業 ■ KOL Baseでは、Instagram,Youtube,TwitterなどのSNSのアカウント情報や投稿情報を取得し、急成長しているアカウントの発掘や、マーケティングに活用する際の分析を行い、企業が適切な意思決定をするためのツールを開発しています。 ■ 成果報酬型ASP『PERKS』は、ネット広告の不正を検知、除外するシステムを搭載した、複数広告ネットワークへの配信を行うシステムです。 ■ D2Cマーケティング事業では、InstagramやTikTok、FacebookなどのSNSプラットフォームを中心に、動画クリエイティブによる商品訴求を行い、商品の販売を行なっています。 ■ Youtubeメディア事業では、自社で“マンガ動画”チャンネルを運用しています。 都市伝説などを中心にしたエンタメコンテンツを中心に、5G到来に備えて動画による情報提供を各方面で行なっていくチームです。 現在、運用開始して数ヶ月でチャンネルは登録者数が1.5万人。 ここから登録者50万人、100万人を抱えるチャンネルへと育てていきます。 なぜやるのか 社内MTG いつもは笑顔の社員も真剣です 「世界を解き明かし、未来の当たり前を作る」というミッションを掲げ、 新しい「当たり前」を創出するような事業を開発し続けることを目指す組織です。 生み出すために好奇心を持って市場の学習を徹底的に行い、 解決できる課題がある市場で事業を展開していきます。 『データ分析』『クリエイティブ』を武器に、 「なにをやっているのか」の項目に記載のある事業を展開しています。 2020年の展望としては、プラットフォームから得たデータを活用した新規事業を立ち上げていきます。 2030年までの10年で、「未来の当たり前」になるような事業を作り、文化にすることを目指しています。 どうやっているのか ゲーム大会での活動の様子 youtube漫画のラフ画 Alphaktでは、多様な働き方を推奨しています。 1. フリーランサーが活躍 働き方が多様化したことでフリーランスという働き方を選ばれる方が多くいらっしゃるようになりました。本人と対話の末、必要に応じて雇用形態を見直し、正社員フリーランス関係なく、最大限コミットレベルが変わらないような制度を整えています。 2. リモートワークでのジョインも可能 「インターンしたいのに、郊外のキャンパスなので都心に出るのが難しい」「集中してコードを書く時は自宅で」など、オフィス以外で働いた方が生産性が上がるタイミングが存在します。当社では従業員個々の様々なシチュエーションや環境を考え、リモートワークが身近な環境になるように、家での業務環境を整える支援を行ったり、プロジェクトの定例MTGはzoomで毎日開催するなど、働きやすい環境を整える努力をしています。 (リモートワークが可能かどうかは人にもプロジェクトにもよるので都度ご相談の上で決定しています。) 3. インターン生が責任者に 当社では成果に本気でこだわる人材は年齢、キャリアを問わず、事業責任者やマネージャーなど、大きな役割を任せたいと考えています。特に若く優秀な方は「好奇心」「学習意欲」が強い方が多く、結果として新しい領域でビジネスをするのに向いている方が多いため、積極的にインターンの受け入れを行っています。 こんなことやります 「毎日YouTube見てる」 「正直に言えばSNSから手が離せない…」 「せっかくなら好きなことを仕事にしたい…!」 運用責任者としてYouTubeチャンネル運用業務にチャレンジしてみませんか? 当社は現在5つの事業を展開しています。 その中の一つが、マンガ動画のYouTubeチャンネル運用です。 「データを活用して再現性のあるコンテンツ創出を行う」をテーマに事業を展開している私たちですが、 どんな領域でもいえることは、「伸びるコンテンツは必ず理由がある」ということです。 そんな私たちがなぜ、Youtubeコンテンツを選んだのか テキスト中心だったメディアは今、動画へとどんどん移行してきています。 つまり、「動画コンテンツが今の時代を制す」からなんです。 広告やプロモーションを取り扱う以上、主要メディアの変遷に対応することは必須です。 動画コンテンが好き! 好きを仕事にするスキルを身に付けたい! 日本のエンタメを加速させたい! そんなあなたと働きたいと思っています。 学年、経験は問いません。 インターンに対するあなたの姿勢を重視しています。 気になる! と思った方はぜひ一度代表とお話ししてみませんか? 企业 来自全球知名咨询企业的最强咨询团 队阵容;HRtech行业唯一拥有咨询 专家团队的企业 3位顶尖AI科学家,荣获最佳科学家 50+人优秀算法团队,国内人力资源 行业最大规模;3大核心发明专利, 数十项软件著作权 突破5000家付费企业客户,覆盖众多行业不乏知名上市公司、集团等 数字化招聘、数字化员工服务、数字化人才咨询 800+员工分布在全国 硕士及以上学历超过50% 来自全球顶尖高校、世界知名企业、 科技巨头及HRtech领域的顶尖团队 加入我们 联系我们 文化 超越、合作、创新、家人 简单,平等,充满创造力,满载创业梦想,与e成同学们像家人一样一起努力前行! 这是一个90后占据75%人群,充满向上动力的集体,每天获得一点进步,每天获得一点成绩, 每天距离自己的梦想再近一些,这是e成全体同学成长的模样。关注的体验并以此为始, 创造拥有橙色动力的顶尖科技公司,是我们一直以来所追逐的目标。 福利 期权 财务自由才是真正的身心自由,创业团队的期权是赋予你收获期望的真实权利。 团队 去K歌、去聚餐、去看展……公司固定拨付团建费用和同学们一起分享欢乐时光。结婚、生子、纪念日……超大红包和惊喜纪念品等着你,是同事更是家人。 度假 可预支透支的带薪年假,春节连续休息10天的悠长假期,看球假,失恋假,业绩突出奖励假,有节就有假,有假就有礼,一切安排都为了你更好的休息。 美味 每周时令鲜果,咖啡机研磨精致温馨下午茶,顶级茶叶无限量供应,品红酒,榨果汁,舌尖体会美味。 健康 足球队、篮球队、羽毛球、乒乓球固定场地运动,还有烧脑的桌游团、活跃在各项赛事中的跑团,年度运动盛典……活力健康 体验 上班不用愁,新天地顶级写字楼。租房不用愁,行政比你行情透。晚餐不用愁,餐贴替你加加肉。加班不用愁,回家全额TAXI游,你们一直是最宝贵的财富! 加入我们 Representative Director of HOCIT Co., Ltd. Tahara More than 700 employees All remote work, work style reform implementation company

  • AI リクルート | Hocitgroup Recruit

    AI Recruit Artificial Intelligence Video Interview Act ) 必要な才能を、必要な場所に あなたの就職活動を 完全サポート 人材を探す 仕事を探す アプリのダウンロードはこちら デザイナー IT クリエイター 事務職 スタッフ紹介 ジョン・スミス シニアマネージャー ミッシェル・ゲラー マーケティング ロブ・ジョンソン 経理 公司提供良好的培训,待遇从优,社保齐全。有意者请来面试(可提供工作签证,目前无一名员工被拒签)周休2天 ,交通费全额报销 サラ・ジェイムズ 人事 お問い合わせ メールまたはお電話でお気軽にご連絡ください リーダー〜CXOクラスのIT人材のご紹介に特化、現在45,000名の登録者がおります。 また、上場企業〜ベンチャー企業3,000社にご利用いただいており、 特に直近は、DX化における即戦力エンジニア採用のお話を多数頂戴しております。 幅広いWEB開発言語に対応可能で、下記のようなご経歴の方がご紹介可能です。 【エンジニア】 #ソフトバンク社→デロイトトーマツコンサルティング社→独立 #スクウェア・エニックス社→グリー社→合同会社 DMM.com #ヤフー社(事業責任者)→独立 #京都大学→ハーバード大学→アクセンチュア社→起業 #大手電子メーカーや東証一部上場の物流企業などに機械学習の顧問として複数社参画 30秒で完了! まずは無料会員登録 yuhong268@gmail.com 008615358411774 008109087479395 HOC Intelligent Technology GROUP AI Recruit ​地点中国 日本 美国 英国 求人情報をお求めの方は こちら 企業・事業主の方はこちら eラーニング 法人研修 初心者 Python+数学超入門講座 Python+数学講座 SQL講座 初級 機械学習講座 統計+R講座 インフラ基礎講座 中級 ディープラーニング講座 ケーススタディ実演講座 講座一覧・おすすめコースへ メッセージを受信しました 送信 メッセージを受信しました 送信 もし、少しでもご興味を持っていただけましたら、 30分程で簡単にサービス紹介させていただきますのでお申し付けくださいませ。 実際のレジュメをお見せることも可能です。エンジニア、マーケター、デザイナーの採用 こんなことで悩んでいませんか?IT人材の採用、フリーランス活用でお悩みの場合はお気軽にご相談ください 理由01 最短5日でプロフェッショナルが採用できる お問い合わせから60分以内にニーズに合った人材のレジュメをお届け。お打ち合わせで詳細な要件を詰め、最短5日で稼働を開始いただけます。 理由02 どストライクな要件に絞って人材を探すことができる 40,000名の中から、ニーズに合う「どストライクな人材」を探すことができます。 正社員採用では募集人数が狭まってしまうことから間口を広げられる企業様が多いですが、「どストライク採用」では自社のやりたいことを実現できる経験・スキルを既に持っている人材に絞り込み、妥協することなくニーズに合う人材を探すことができます。 理由03 転職市場では見つからないハイスキルな人材と出会える 週2〜3日の案件をご紹介することで、自身で起業されているような独立精神旺盛な人材の方に選ばれてきました。 新規事業立ち上げ マーケター T.O様 新卒で人材ベンチャーに入社し、2年目でマネジャーに昇格。 その後、黎明期のアマゾンジャパン合同会社にジョイン。トップセールスとして活躍後、2年目で事業責任者に就任。オフライン&オンラインの施策を複数実施、2年間で事業部の売上を3倍に増加させる。社長から直接ヘッドハンティングされた有名人材ベンチャーのフィリピン子会社取締役のポジションを経て、現在は自身で全く新しいオフィス内広告プラットフォーム企業を経営し、注目を浴びている。 デジタルマーケター A.K様 新卒で株式会社サイバーエージェントに入社、 同社でマーケターとして圧倒的な成果を残し、MVPなど数多の賞を獲得。 また、社内のマーケ・セールス組織の改革や子会社の立ち上げを成功させ、新規事業で責任者を歴任。 その後、急成長ベンチャー企業へ転職し、CMOとして幅広く活躍。 現在は、主に成長企業向けに戦略立案やマーケティング組織の設計~運用の支援に従事。 PM(プロダクトマネージャー) H.T様 新卒で楽天へ入社。エンジニアリーダーとして新規事業の立ち上げに複数従事し、3つのプロダクトを大きくグロースさせる。プロダクトの企画立案から、ご自身でエンジニアリングも対応可能。機械学習を用いたデータ分析から、デジタルマーケティング、UIUX改善へも従事しているジェネラリスト。現在は独立し、SaaS系のサービス立ち上げを行っている。 フルスタックエンジニア T.M様 東京大学・大学院を経てベンチャー企業を共同創業。Ruby・Pythonを使ったサーバーサイドを強みにしつつ、インフラ構築からフロントエンドまでフルスタックに対応可能。機械学習分野にも長けており、上場企業での特許取得実績もあり。独立後はSonyへの開発支援をする傍ら、複数社への案件に従事。 WEBデザイナー M.H様 武蔵野美術大学を卒業後、Webデザイナーとしてメーカーに新卒入社。 ディレクションも兼任し、各商品の販売促進企画を歴任。LP・WEBサイトを中心としたWEBデザイン〜HTML/CSS/JavaScriptを用いたコーディングも対応可能。独立後は複数有名ベンチャー企業のサービスデザイン、アプリ制作を担当。 UI/UXデザイナー M.K様 アパレル企業のグラフィックデザイナーを経て、WEBデザイナーにキャリアチェンジ。 リクルートの新規事業企画室にて、サービスフルリニューアルを担当。機能要件の企画立案〜デザインアウトプットまで一貫して対応。独立後は有名プロダクトのweb(PC,SP)とスマホアプリ、Chat botのUIUXデザイン、BtoB管理画面のデザインなど幅広いPJに従事。 ご利用企業様の声 3,000社を超える企業で導入されています ※役職はインタビュー当時のものを掲載しております 株式会社ネットネイティブ 採用担当 株式会社ZEALS 経営企画部 SATORI株式会社 代表取締役 株式会社スマートドライブ CEO 株式会社LocoPartners 組織デザイン部 部長 TechFun株式会社 取締役 スタークス株式会社 執行役員/クラウドロジ事業部長 株式会社アプトポッド 開発本部VPoE IT人材の採用、フリーランス活用でお悩みの場合は お気軽にご相談ください ITプロパートナーズのサービス内容が5分で分かる! 資料ダウンロード 9割の企業が知らない エンジニア採用に失敗する理由 ホワイトペーパーをダウンロード 【60分お試しキャンペーン実施中】 60分以内にニーズに合う人材をご推薦します お問い合わせ IT人材の採用、フリーランス活用でお悩みの方、お気軽にご相談ください 優秀なデータサイエンティスト・AI人材の転職に。​ 現場の最前線で働くデータサイエンティスト・AI人材があなたの転職をサポート。優秀なデータサイエンティスト・AI人材と優良な企業をマッチングさせる、職業紹介サービスです。 転職活動中の社会人や、就職活動中の学生に対し、独自のスキル測定会を実施。正確なスキルを把握することで、ミスマッチのない適切な紹介が可能です。 【AI】データ分析スキル測定会 ~データサイエンティストの転職活動をサポート~ 開催前イベントもっと見る 2020/03/28(土) 【データサイエンティスト/AI人材向け転職サービス】時系列データ分析スキル測定会 in 名古屋 2020/04/05(日) 【データサイエンティスト/AI人材向け転職サービス】基礎データ分析スキル測定会 in 東京 イベント メンバー 資料 メンバーになる グループの説明 データサイエンティストが転職をサポートするAI人材向け転職サービス ・社会人の方:現状のお勤めの会社で満足ですか?実際に自分のスキルに見合った報酬をいただけていますか? ・学生の方:新卒一括採用をお考えですか?スキルのある学生さんは新卒一括採用での採用は非常に'勿体無い'です。 社会人の方は現在お勤めの企業様に、学生の方ですでに内定が出ている企業様に'認知されることなく'転職活動が可能です。 求職者の方から、料金を徴収することは法律で禁じられているため、求職者の方から料金を頂くことは一切ありません。お気軽にご利用ください。 登録だけして、’いい求人が来たらラッキー’ぐらいの気持ちで登録していただければ、構いません! 求職者様の理想のキャリアパス形成をお手伝いいたします。 求職者様はこちらへ 求人企業様はこちらへ 現在、50万人ものデータサイエンティストが不足しています。 データサイエンティストの市場価値をご存知ですか? “グローバルAI人材白書*”によると、現在、世界中の企業が、約80万人ものデータサイエンティストを必要としています。 AIの研究や開発に関わることのできる人材が30万人ほどと言われる中、データサイエンティスト育成機関は、世界中に370施設しかありません。 そしてそれらから排出されるAI人材は、年間たったの2万人と予想されています。 需要に対し供給が追いついていない。これが、データサイエンティストの現実なのです。 *Tencent Research Institute(2017), ‘Global AI Talent White Paper’ データサイエンティストを確保できない、 多くの優良企業。 データサイエンティストの育成が追いついていないことで、十分な報酬が用意できる企業であっても、AI化を任せることのできる人材を確保することができていません。 また、多くの企業が優秀なデータサイエンティストを探しているにも関わらず、不透明な技術レベルによるミスマッチ、適切でない報酬によるミスマッチなど、データサイエンティストの採用に多くの問題を抱えています。 私たちは、スキルを正確に把握することで、 あなたにぴったりの企業を紹介します。 AI人材向け求人紹介サービスは、登録時に『スキル測定会』にご参加いただくことで、あなたのスキルを正確に把握。企業側の条件とあなたのスキルをマッチングさせることで、最適な求人案内が可能になりました。 社会人や経験者、学生、研究者の求職中の皆様は、ぜひお気軽に、無料の『スキル測定会』にご参加ください! 安心して就職活動を行うために。まずはスキル測定会に参加しよう! まずはスキル測定会に参加!(無料) まずはスキル測定会に参加しよう! 本日の求人 / IT技術職系職種のおすすめ求人をお届けします ソフトウェアエンジニア(システム開発第一部 情報通信グループ) 年収:800万 ~ 1000万 採用企業名はプレミアム(有料)の会員様限定公開 SE(Web・オープン系) サーバーエンジニア(構築・運用) ネットワークエンジニア 【Android】ネイティブアプリエンジニア/360万人規模ユーザー向け自社サービス 年収:応相談 採用企業名はプレミアム(有料)の会員様限定公開 SE(Web・オープン系) スマートフォンアプリエンジニア 【サーバサイドエンジニア/サービス開発】次世代の英語学習スタンダードをテクノロジーの力でリードする 年収:応相談 採用企業名はプレミアム(有料)の会員様限定公開 SE(Web・オープン系) 【東京】Salesforceエンジニア※グループ各社の基幹システム構築・カスタマイズを担当いただきます! 年収:800万 ~ 1000万 採用企業名はプレミアム(有料)の会員様限定公開 SE(Web・オープン系) Androidエンジニア 年収:800万 ~ 1200万 採用企業名はプレミアム(有料)の会員様限定公開 SE(Web・オープン系) ソフトウェアエンジニア (ホットウォレット開発) 年収:800万 ~ 1200万 採用企業名はプレミアム(有料)の会員様限定公開 SE(Web・オープン系) ソフトウェアエンジニア (仮想通貨アプリケーション) 年収:800万 ~ 1200万 採用企業名はプレミアム(有料)の会員様限定公開 SE(Web・オープン系) 【BITA統括部】Java開発エンジニアGのマネジャー(管理職) 年収:800万 ~ 1200万 採用企業名はプレミアム(有料)の会員様限定公開 SE(Web・オープン系) 【自社プロダクト】機械学習エンジニア(リードエンジニア) 年収:800万 ~ 1500万 採用企業名はプレミアム(有料)の会員様限定公開 SE(Web・オープン系) サーバーサイドエンジニア(リードアーキテクト) 年収:800万 ~ 1200万 採用企業名はプレミアム(有料)の会員様限定公開 サーバーエンジニア(構築・運用) 本日はオンラインで学ぶ「ディープラーニング」の新講座をご紹介します。 本講座は、ディープラーニングによる画像認識に用いられる「畳み込みニューラルネットワーク(CNN)」を題材として、ニューラルネットワークの仕組み(動作原理)を基礎から解説します。 ディープラーニング講座の詳細はこちら 学習ポイント ・ディープラーニングの仕組みが根本から理解できる ・Kerasによるニューラルネットワークモデルの作成方法が学べる 機械学習・ディープラーニングに造詣の深い中井悦司氏が、機械学習の経験がない方にも受講しやすいよう、機械学習の考え方、Kerasによるモデルの作成方法、そして、CNNを構成するパーツの機能を丁寧に説明していきます。 こんな方にオススメ ・ディープラーニングの仕組みを理解して使いこなしたいエンジニアやプログラマの方 ・Kerasによるニューラルネットワークモデルの作成方法を知りたい方 講座概要 【名 称】 TensorFlow/Kerasで学ぶ、仕組みからわかる「ディープラーニング」 【会 期】 2020年8月26日(水)10:00-18:00 【講 師】 中井 悦司氏 【価 格】 60,000円+税 【会 場】 Zoom(オンライン) ディープラーニング講座の詳細はこちら その他おすすめの講座 ▼ワークショップ形式でドメイン駆動設計を学ぶ講座【締切間近】【残席わずか】 ▼オンラインでアジャイル開発の全容を学ぶ講座 その他開催予定の一覧はこちら 企画・研究のアイデアに、 世界最先端のテクノロジー情報を。 世界で最も歴史と権威あるテクノロジー誌です。 「テクノロジーが形作る世界を理解する」をコンセプトに、 人類の課題解決に貢献するエマージングテクノロジーの最新動向をいち早くお届けします。 新規事業の企画や研究のヒントに、世界最先端の情報をご活用ください。 未来への一歩を踏み出したオープンAI「GPT-3」の衝撃、過熱に警鐘も ほか 生命の再定義 Insider Online限定 A new implant for blind people jacks directly into the brain カメラ映像を脳に直接送信、 16年間失っていた視力を 取り戻したテクノロジー ビデオカメラで撮影した映像を電気信号として脳に直接送り込み、視覚障害者の視力を回復させる——。スペインの研究者が数十年取り組んできた研究がついに実を結びつつある。by Russ Juska lian 2020 .07.20 あらゆる面で一元サポート エンジニアリングコーディネート事業では、クライアント企業様のシステム開発周りのご要望に対して多面的にサポートする体制が整備されています。開発発注はもちろん、業務委託先や常駐エンジニアの人材紹介、さらにはITチームのインハウス立ち上げアドバイザリーまであらゆる面において、一元的にサポートいたします。 クライアントが抱えるエンジニア関連の課題を一元的にサポート Engineering We Are Engineering Company. 01. Overview あらゆる面で一元サポート エンジニアリングコーディネート事業では、クライアント企業様のシステム開発周りのご要望に対して多面的にサポートする体制が整備されています。の開発発注はもちろん、業務委託先や常駐エンジニアの人材紹介、さらにはITチームのインハウス立ち上げアドバイザリーまであらゆる面において、一元的にサポートいたします。 クライアントが抱えるエンジニア関連の課題を一元的にサポート “ 開発を依頼したい ” “ 発注先を見つけたい ” “ 業務委託できる人材を探したい ” “ 常駐できるエンジニアが欲しい ” “ チームを作りたい ” “ アドバイスがほしい ” 開発発注 業務委託先や 常駐エンジニアの人材選定 ITチームの 立ち上げアドバイザリー Other Service Media Read More メディア事業 メディア事業では、IT人材向けのライフスタイルマガジン「thehours」やビジネスマンのための知恵や知識などを発信する「Tap-biz」の企画開発・運用を行なっています。、メディアでの情報発信を通してユーザの多様な趣味・趣向や行動データを収集し、ユーザとの接点を持つことで、サービス利用者やクライアント企業に対してより価値のある情報やサービスへ変換・発信していきます。 Engineer Resources Read More エンジニア人材事業 エンジニア人材事業では、ITエンジニアのキャリアを教育から独立までワンストップでサポートするサービスを展開しています。最新技術を学べるプログラミングスクール「Air教育」の企画・運営や、エンジニア特化型のダイレクトリクルーティングサービス「AIrecruit」の運営、安心保障付きで独立できる、エンジニアの新しい働き方を実現する独立支援サービス「HOCITGROUP」を運営しています。 ToCとToBが相対的に各蓄積データを活用。 、ハイスタンダードな事業開発能力をベースに、既存競合と差別化されたエンジニアセンタードな事業を展開し、顧客に対して高い費用・投資対効果を実現していきます。エンジニアのキャリアを一貫してサポートするための仕組みや、クライアントの様々なご要望にお答えできるよう、あらゆるサポート体制を整備しています。 To C 主にエンジニア人材向け 相互活用 To B 主に企業担当者向け To Consumer エンジニアのキャリアライフを一貫してサポート 情報取得 就職・転職 独立支援 ユーザーデータや行動データを抽出・解析 エンジニアのキャリア(知識取得から就職・転職、独立支援に至るまで)を一貫してサポートするためのソリューションを提供。また、メディアや各種サービスから様々なデータを独自のアルゴリズムで解析・抽出することで、企業に対しての人材紹介の質も向上する。 To Business 様々な企業の要望について一元的にサポートが可能 BEへの開発発注 業務委託 / 人材紹介 ITチームのインハウス立ち上げ よりニーズに沿ったソリューションの提供が可能 クライアントが抱えるエンジニア関連の課題(開発発注や開発に必要な人材選定、社内でのITチーム立ち上げマネジメントなど)を一元サポートし、多面的にコンサルティングを行うことができる 個人をエンパワーメントし、自分らしく生きられる人を増やす 5G、動画生成、クリエイティブ自動化にピンときたVue.jsなエンジニア 100%コードが書ける、Web系案件を希望するSIer出身者Wanted! リモートワークOK!好きな場所で働きたい リモートワークを当たり前に!創業を支えるアプリケーションエンジニア募集!毎月継続的に案件を受けてもらえる副業Webデザイナーを大募集! 宇宙技術、5G、IoT、AIなどの急速な発展に伴い、データが爆発的に増加し、あらゆる産業にとってデータ活用の機運が高まりつつある。だが、多くの企業は、そのノウハウもやりかたも、スピードも、人材もない。特に、AIやデータサイエンスに投資できない規模の企業は、打つ手がない。そんな会社と手を組み、データをビジネスに活用できる社会を目指している。Target すべての業界のありとあらゆるデータドリブン経営がターゲットである。 それは、マーケティングであり、意思決定であり、最適化(配置・投資・選択と集中)であり、発見(検知・モニタリング)、インサイトであり、未来予測であり、戦略策定(プランニング・シミュレーション・環境分析)である。 私には、機械学習を活用したSaaSを業界ことのオペレーションに合わせて独立採算性のあるビジネスを同時並行に生み出すノウハウがある。 VISION データサイエンスを一部の大企業のものにしない。データサイエンスをみんなのものにすることで、データ活用で儲けられるようにする。データ活用によって見えないものを見えるようにする 「データに基づくビジネス創出ならDATAAIという存在を目指して、今後もデータを活用した社会の課題を解決する取り組みを展開する。 データとサイエンスの⼒で社会課題を解決することをミッションとしたデータサイエンス・スタートアップスタジオです。あらゆる業界・業種の枠を超え、パートナーとの共創により複数のSaaSビジネス・データビジネスを素早く確⽴します。独自のデータプラットフォームを活用することで、埋もれているデータから社会・経済・技術に⼤きなインパクトを与え続けます。ビジネスモデルビジネスモデル A.オルタナティブデータ事業 店舗出店・不動産開発・株式投資・収穫・都市設計などの大きな意思決定において、実体経済を代替するデータと機械学習によって価値創出を生み出す事業 <オルタナティブデータサービス例> 1.marketing:出店時の意思決定に必要な売上推定・商圏データを、小売・サービス業に提供 2.financial:上場企業の業績予測データを、個人投資家に提供 3.discovery.:マクロ経済の変化のデータを、ヘッジファンドやメディアに提供 4.agri.:野菜の収穫予測データを、食品加工・食品小売に提供 5.aline.:都市の課題が可視化されたデータを、都市開発向けに提供 B.データサイエンスSaaS事業 店舗・小売業・サービス業・MaaS・エネルギーなどの日々のオペレーションにおける取引を需要予測・ダイナミックプライシングなどの高度な分析技術によって、自律化・全体最適を目指す事業 <データサイエンスSaaS例> 6.foodloss. :データレイクを活用して、フードロスを最小化するデータサイエンス技術の提供 7.intelligent. :店舗単位のDMP/iPaaSを構築して、店舗運営のオペレーション自動化を実現する仕組みの提供 8.mobility. :MaaS体験を高度化するDynamicMap(リアルタイムデータ基盤)を提供 C.データレイク・プラットフォーム事業 衛星データ・気象データ・IoT・位置情報などの様々な非構造化データを活用するための、データレイク(プラットフォーム・データ基盤・アルゴリズム・アプリケーション)を構築し、企業のDigital Transformation推進を支援する事業 Product 1. marketing.:AI商圏分析による事業用物件検討サービス 2. DATA financial. : オルタナティブデータを活用した上場企業の業績予測サービス 3. DATA discovery.:衛星画像検索・活用による実体経済モニタリングサービス 4. DATA agri. : 市場取引価格のAI予測により、野菜の収穫時期を予測するサービス 5. DATA aline. : コンパクトシティを推進する都市⽴地適正化サービス 6. DATA foodloss.:食品廃棄ロス解消のため需要予測サービス 7. DATA intelligent.:作業自動化をサポートするチャットボットサービス 8. DATA mobility.:モビリティサービス(MaaS)のためのリアルタイムマップ基盤 9. DATA serviceplatform.:データ活用をトータルでサポートするプラットフォーム 上記以外にも、不動産投資、SNS解析、エネルギーマネジメント、などのProductを展開予定です。 「データに基づくビジネス創出ならDATA AIという存在を目指して、今後もデータを活用した社会の課題を解決する取り組みを展開していきます。 業務内容 すべてのメディア・WEB・SNSを横断で担当。メディア作成や集客設計をお任せします。 ・週一のミーティング参加あり 科学と技術でビジネスをリードする!データサイエンティスト募集データサイエンティスト JAXA認定ベンチャーの1人目UI/UXデザイナーを募集!UI/UXデザイナー JAXA認定ベンチャーのプラットフォーム事業責任者を募集!プラットフォーム事業責任者 JAXA認定ベンチャーの開発マネジメント、PMを募集!開発マネジメント、PM JAXA認定ベンチャーのメディア&マーケティング募集! ▼必要条件 ・CMO経験者 ・データやサイエンスが好きな人 ・サービスの成長/改善することに対する熱意 ・会社のビジョンに対する共感 ▼歓迎条件 ・SNS運用経験者 ・SNS広告経験者 ・webマーケティング経験者 ▼雇用形態 正社員または業務委託 ※希望を伺います。 ▼勤務地 フルリモート可能 当社のコア技術である変換技術を中心に、AI技術、 Blockchain技術等 そして、私たちは更なる最新技術に挑戦し続けます。システム開発請負がメインで、基本的に企業向け業務システムの開発を受託していました。現在に至るまでに、流通小売業用システム開発であらゆるノウハウを得ることが出来ました。現在では、そのノウハウを生かし「Web-EDI」というニッチ市場を開拓・全国展開を行っています。 大手ドラッグストアや食品スーパーを中心に全国3000社のユーザーを持ち、 SaaSサービスやファミリー製品を開発・販売し、ビジネスを拡大を続けています。 今後も「繋ぐ」をテーマにBlockChainやAI技術を使ったサービスを展開していきます。 これからの未来に向けて、現在持っている企業間のデータをつなぐ技術のビジネスモデルを拡大し、インフラビジネスにまで昇華したサービスを展開していきます。 日本の流通機構は、多くの企業を通して構築されており、非常に複雑です。 製造業者(生産者)の素晴らしい商品をより多くの方々に届けるには、 既存の販売先だけではなく、新たな販売先に届けられる環境を生み出すことが必要です。 そのために、サンレックスは、企業が持つ情報を公正オープンなインフラ上で共有し、 共に利活用することで流通の効率化をさらに推し進めていきます。 個人アイデアを重視し、変革を行う社員を評価する企業文化があります。 平均年齢35歳で、文系と理系は半分ずつの割合です。 社内コミュニケーションが取りやすいように、ブースとフリースペースをどちらも設置し、 集中と緩和つくりやすいオフィスになっています。 主な開発環境 ・言語:Python3 ・フレームワーク:Django ・フロントエンド: HTML5, CSS3, Javascript(Vue.js, AngularJS, jQuery) ・データベース: MySQL5 ・インフラ: AWS ・バージョン管理:Git ・コミュニケーション: Chatwork, Backlog(基本言語は英語です) 業務内容 1、人工知能(AI)開発・ディープラーニング実装、解析 2、ITエンジニア人材サービス -AI・ビッグデータ領域人材、IT人材に特化した有料職業紹介、SES、派遣 3、スキルチェンジ・IT・データサイエンティスト育成サービス 4、人工知能マッチング支援システム「ENGER(エンジャー)」の開発、販売 私達は「AI×プラットフォームサービス」の開発を行っております。これはHR Tech業界で人材と企業を独自のアルゴリズムで結び付け、新たな理論を創ったAIプラットフォームサービスです。 AI(人口知能)が得意なのは「判断」であり、AIが従来のプログラムと異なるのは、自律的に正しい解を導くことができるという点です。大量のデータがあれば、そのデータを元に条件節を徹底的に洗い出し、その判断の精度は人間を超える可能性があります。一方で「相手の気持ちを察して空気を読む」といった行動は、人間だからこそできるものであり、AIが簡単に行えるものではありません。 しかし、AIは過去のデータをもとに予測を行うことが非常に得意ですから、AIが最善と判断したものは決して間違っていない可能性が高く「人とAIは共存する関係になる」とされる一方、「AIが人の仕事を奪う」という脅威論も根強くありますが、企業が直面している最大の課題は、大量のデータを活用する方法です。その解決策になるのが予測分析です。 私達はこの予測分析AIrecruitTech)のプラットフォームを開発し、今まで積み重ねてきた15年のマッチング事業実績、人の暗黙知的な経験値、ノウハウ・アイディアをAIに学習させる事で、予測に繋げる仕組みを構築出来ると考えています。その結果、人材マッチング履歴(分析)データから、人口知能予測に繋げることで、効率的な採用(就業)マッチングと、人的な採用(紹介)のミスマッチを軽減することで「個が輝く社会創り」を実現します!個が輝く社会を創り出す】 IT人材不足が深刻化する一方で、ITやインターネット関連サービスの規模は当然のように今以上の拡大が見込まれます。経済成長のカギであるIT業界を支える担い手が減少してしまうのは、社会問題でもあり、私達は「超高齢化・人口減少社会における持続可能な都市・地域の形成」及び「地域産業の成長・雇用の維持創出」の2つの施策テーマに対し、人材と企業のAIプラットフォーム創りの事業を行います。 独自AIアルゴリズムの開発 ・人間が感覚的に行ってきた作業のシステム化やノウハウの蓄積・分析を通して、人と社会の課題を解決するために挑戦をし続けています。 ▶システムエンジニアリングサービス ・エンジニアと企業の人材マーケティング、マッチング ・Eコマース、メディアマーケティング エンジニアについて パートナーなども含め200人以上が稼働しております。 現行サービス(ITエンジニア フリーランス インフルエンサー、自社マッチングサービス)、新規プロジェクト、システム開発、AI機械学習、SystemEngineeringServiceの業務をそれぞれが担当しています。より良い実装を目指しエンジニア同士で定期的に技術・知見の交流やディスカッションを行っています。 ●コミュニケーション 対面でのミーティングはもちろん、オンラインでのミーティングも盛んに行っています。 ツールも活用し、時間を有効活用し在宅作業や、自由に意見を交換できる場を提供することで業務がスムーズに進んでいます。 ●働き方 時短、リモートワーク、業務委託などライフスタイルにあわせた働き方を柔軟に取り入れています。時間と場所の制限に縛られることなく、効率的に働ける環境作りを目指しています。 ●スキル獲得の支援 毎週の勉強会、食事会などイベントスペースを用意し、補助や新しいスキル、知識の獲得を支援します。書籍やセミナーの参加、ツールの利用など、必要な費用を負担します。 自社AIプラットフォーム「ENGER」を自社開発 このサービスは、HRTech分野での人と企業のミスマッチを独自のアルゴリズムを駆使してAIでマッチングさせるプラットフォームです。現在、このプラットフォームを開発出来るメンバーを探しています。 世界中の人材をマッチングするプラットフォームサービスを一緒に! ※働き方は、リモートワーク・ワークスペース推奨 このプラットフォームで重要なのはAIをどう活用するか?です。AIを扱う技術は高度ですが、技術力いらずの”民主化”も進んでいます。しかし、どんなに技術が民主化してもデータは必要です。今後はよりデータ自体の重要性がクローズアップされていき、どれだけ競争力のあるデータを収集・保持・活用しているかが論点となると考えます。 当社は15年近くのマッチング実績、DBを活用したAIプラットフォーム開発に注力しています。人と企業のミスマッチを改善し、人と企業のプラットフォームから衣(Eコマース)、食(カフェ、コワーキングスペース)、住(空き家、Iotスマートホーム)を絡めた多角的サービスを展開し、時間や場所に捉われず一人ひとりが輝く社会を創り出すという経営理念の基、健全な企業活動を通じて社会に貢献していくことが私たちの使命であると考えています。 <既存プロダクト開発環境> ・フロントエンド:JSP、JavaScript、HTML5、CSS3 ・サーバーサイド:Java(Spring、hibernate)、Apache、Tomcat ・DB:Oracle、PostgreSQL ・インフラ:OpenShift (k8s/Ansible)、 Vmware、Linux、Windows、MacOS ・その他:Slack、Redmine、Git、Subversion、Jenkins、JUnit <勤務地> ・正社員の場合は東京支社勤務(リモートワークは要相談) ・業務委託の場合、リモート可 <必須要件> ・Webフロントエンド開発 実務経験2年以上 ・Vue.js or Nuxt.js開発 実務1年以上 ・JavaScript+HTML+CSS開発 実務2年以上 <歓迎要件> ・AWSを利用したインフラ環境の構築・運用経験 ・スマホ向けアプリの開発・運用経験 ・dockerを利用した開発・運用経験 ・python(Django)を利用した開発・運用経験 ・中規模以上のWebアプリケーションの構築・運用経験 ・アジャイル開発の経験 <求めている人物像> ・新しい技術を積極的に試し、アイディアを創出するのが好きな人を求めています! 「マーケティング×データ×クリエイティブ」 Alphaktはデータを活用してヒットコンテンツを量産するメディア創出企業です。 現在は4つのプロジェクトを展開しています。 1.インフルエンサー分析データベース『KOL Base』 2.成果報酬型ASP『PERKS』 3.D2Cマーケティング事業 4.YouTubeメディア運営事業 ■ KOL Baseでは、Instagram,Youtube,TwitterなどのSNSのアカウント情報や投稿情報を取得し、急成長しているアカウントの発掘や、マーケティングに活用する際の分析を行い、企業が適切な意思決定をするためのツールを開発しています。 ■ 成果報酬型ASP『PERKS』は、ネット広告の不正を検知、除外するシステムを搭載した、複数広告ネットワークへの配信を行うシステムです。 ■ D2Cマーケティング事業では、InstagramやTikTok、FacebookなどのSNSプラットフォームを中心に、動画クリエイティブによる商品訴求を行い、商品の販売を行なっています。 ■ Youtubeメディア事業では、自社で“マンガ動画”チャンネルを運用しています。 都市伝説などを中心にしたエンタメコンテンツを中心に、5G到来に備えて動画による情報提供を各方面で行なっていくチームです。 現在、運用開始して数ヶ月でチャンネルは登録者数が1.5万人。 ここから登録者50万人、100万人を抱えるチャンネルへと育てていきます。 なぜやるのか 社内MTG いつもは笑顔の社員も真剣です 「世界を解き明かし、未来の当たり前を作る」というミッションを掲げ、 新しい「当たり前」を創出するような事業を開発し続けることを目指す組織です。 生み出すために好奇心を持って市場の学習を徹底的に行い、 解決できる課題がある市場で事業を展開していきます。 『データ分析』『クリエイティブ』を武器に、 「なにをやっているのか」の項目に記載のある事業を展開しています。 2020年の展望としては、プラットフォームから得たデータを活用した新規事業を立ち上げていきます。 2030年までの10年で、「未来の当たり前」になるような事業を作り、文化にすることを目指しています。 どうやっているのか ゲーム大会での活動の様子 youtube漫画のラフ画 Alphaktでは、多様な働き方を推奨しています。 1. フリーランサーが活躍 働き方が多様化したことでフリーランスという働き方を選ばれる方が多くいらっしゃるようになりました。本人と対話の末、必要に応じて雇用形態を見直し、正社員フリーランス関係なく、最大限コミットレベルが変わらないような制度を整えています。 2. リモートワークでのジョインも可能 「インターンしたいのに、郊外のキャンパスなので都心に出るのが難しい」「集中してコードを書く時は自宅で」など、オフィス以外で働いた方が生産性が上がるタイミングが存在します。当社では従業員個々の様々なシチュエーションや環境を考え、リモートワークが身近な環境になるように、家での業務環境を整える支援を行ったり、プロジェクトの定例MTGはzoomで毎日開催するなど、働きやすい環境を整える努力をしています。 (リモートワークが可能かどうかは人にもプロジェクトにもよるので都度ご相談の上で決定しています。) 3. インターン生が責任者に 当社では成果に本気でこだわる人材は年齢、キャリアを問わず、事業責任者やマネージャーなど、大きな役割を任せたいと考えています。特に若く優秀な方は「好奇心」「学習意欲」が強い方が多く、結果として新しい領域でビジネスをするのに向いている方が多いため、積極的にインターンの受け入れを行っています。 こんなことやります 「毎日YouTube見てる」 「正直に言えばSNSから手が離せない…」 「せっかくなら好きなことを仕事にしたい…!」 運用責任者としてYouTubeチャンネル運用業務にチャレンジしてみませんか? 当社は現在5つの事業を展開しています。 その中の一つが、マンガ動画のYouTubeチャンネル運用です。 「データを活用して再現性のあるコンテンツ創出を行う」をテーマに事業を展開している私たちですが、 どんな領域でもいえることは、「伸びるコンテンツは必ず理由がある」ということです。 そんな私たちがなぜ、Youtubeコンテンツを選んだのか テキスト中心だったメディアは今、動画へとどんどん移行してきています。 つまり、「動画コンテンツが今の時代を制す」からなんです。 広告やプロモーションを取り扱う以上、主要メディアの変遷に対応することは必須です。 動画コンテンが好き! 好きを仕事にするスキルを身に付けたい! 日本のエンタメを加速させたい! そんなあなたと働きたいと思っています。 学年、経験は問いません。 インターンに対するあなたの姿勢を重視しています。 気になる! と思った方はぜひ一度代表とお話ししてみませんか? 顶尖AI能力,助力人力资本领域智能化升级 NLP能力 音视频能力 应用能力 ​ 文本分类 支持对话系统与用户画像的基础NLP技术,基于多年数据积累及前沿AI算法 ​ 通用实体识别 识别对话中出现的人名、地名及时间等,提供更好的对话体验 ​ 文本相似度 结合人力资源行业场景训练的文本相似度模型,服务问答场景 ​ 语言模型 基于海量数据训练,应用于文本纠错及质量判断等场景 ​ 情感分析 基于深度学习技术,提供对话情绪分析、舆情分析等多种情感分析能力 ​ 阅读理解 对篇章级文本(如制度法规文本)进行语义理解并对提问进行回答,可被应用在问答库和SSC等场景 行业知识图谱 学校 部门 技能 专业 证书 行业 公司 职能 50,000,000+ 实体关系 医疗 消费品 互联网 房地产 政府 能源 UI设计师 工程管理部部长 产品经理 造价工程师 Java工程师 室内装修设计师 功能规划 编制预算 产品需求文档 工程施工 功能需求 土木工程 三大核心应用场景 简历解析 基于业界前沿的nlp技术,结合招聘专家图谱,精准解析任意格式简历 查看详情 人岗匹配 基于bi-lstm和attention建立人岗匹配模型,已为17000+HR用户提供个性化推荐服务,激活人才库候选人6000w+ 查看详情 HR机器人 通过Bot构建交互信息的采集和分析系统,打造面向HR、员工、候选人的全场景高效对话体验 查看详情 客户信任 软通动力 HR机器人 软通动力信息技术(集团)有限公司,国内领先的创新型软件及信息技术服务商,公司业务遍及全球66个城市,员工总数近40000人。 业务痛点 1. 累积了数百万以大文本形式存储的简历资源,无法进行有效分类、检索、筛选; 2. 想要在简历库里查找合适的简历需要花费大量时间,工作效率无法提升; 3. 简历资源得不到充分利用,内部系统中的重复简历越来越多,招聘成本居高不下; 解决方案 1. 简历解析服务让简历格式标准化,帮助HR查找简历更便捷更高效; 2. 通过API将智能人才库接入系统,为HR省去大量繁琐操作,提升工作效率; 3. e小宝实时查重外网简历,为软通动力节省下数千万元的重复简历购买费用; 海尔集团 人岗匹配 海尔集团诞生于1984年,是全球大型家电第一品牌,三十余年来,海尔集团洞察家庭生活需求的变化,目前已从传统制造家电产品的企业转型为面向全社会孵化创客的平台,入围《财富》世界500强。 业务痛点 1. 随着集团全球化发展,人才压力问题愈加显现; 2. 自有人才库简历百万计,各种版本格式,无法统一管理; 3. 每天新增大量简历,仅靠HR人工无法高效筛选获取合适简历; 解决方案 1. 云人才库搭载HR Bot激活并复用自有海量历史简历,节省招聘成本; 2. 通过画像与图谱助力海尔集团实现岗位要求和人才的可视化,提升人岗匹配精准度; 3. 通过AI和数字化工具,推动海尔集团招聘精准度与HR工作效率的同步提升; 佰钧成 HR机器人意向确认BOT 武汉佰钧成技术有限责任公司自2006年成立,迅速成长为IBM、华为、Google等全球500强企业在信息服务领域的重要合作伙伴。目前,佰钧成在中国大陆、美国、日本、新加坡共设立了30个分支机构,正逐步建成服务全球的需求响应机制。 业务痛点 1. 伴随着企业的发展壮大,较大的招聘量要求HR不断拓宽人才资源,提升招聘效率; 2. 多年积累了百万级别的人才库,利用率却不高; 解决方案 1. 搭建AiTS智能招聘管理系统,实现招聘流程的数字化升级,提升招聘精准度和效率; 2. 搭建人才库对自有简历进行统一管理,唤醒人才库中沉睡的简历资源; 3. 智能机器人小e外呼代替HR意向初筛,帮助节省70%无效沟通时间,提升招聘效率; 万科 职位咨询BOT 万科企业股份有限公司成立于1984年,经过二十多年的发展,成为国内最大的住宅开发企业,业务覆盖53个大中城市。销售规模持续居全球同行业首位。 业务痛点 1. 万科集团体量大,需求多,流程复杂,传统方式严重影响工作效率; 2. 万科允许候选人应聘多个职位,面试安排时难以考量深层因素; 3. 候选人对公司、站点、职位、流程等大量咨询,应答耗费人力; 解决方案 1. 校招全流程信息化,打造一站式平台,招聘数据有迹可循; 2. 首创多志愿、采购式网申,现场扫码签到,AI智能分组面试; 3. 职位咨询Bot 7*24小时在线回答求职咨询,提升候选人投递转化; 0 1 2 3 多重权威认证为数据安全保驾护航 HR领域国内首家通过UKAS、ISO27001认证,并获得信息系统安全等级保护备案证明 顶尖AI能力,助力人力资本领域智能化升级 NLP能力 音视频能力 应用能力 ​ 语音分析 识别用户在面试中的语音回复并进行分析 ​ 视频面试 利用计算机视觉技术分析候选人的容貌、神态等信息,为面试决策提供辅助 行业知识图谱 学校 部门 技能 专业 证书 行业 公司 职能 50,000,000+ 实体关系 医疗 消费品 互联网 房地产 政府 能源 UI设计师 工程管理部部长 产品经理 造价工程师 Java工程师 室内装修设计师 功能规划 编制预算 产品需求文档 工程施工 功能需求 土木工程 三大核心应用场景 简历解析 基于业界前沿的nlp技术,结合招聘专家图谱,精准解析任意格式简历 查看详情 人岗匹配 基于bi-lstm和attention建立人岗匹配模型,已为17000+HR用户提供个性化推荐服务,激活人才库候选人6000w+ 查看详情 HR机器人 通过Bot构建交互信息的采集和分析系统,打造面向HR、员工、候选人的全场景高效对话体验 查看详情 客户信任 软通动力 HR机器人 软通动力信息技术(集团)有限公司,国内领先的创新型软件及信息技术服务商,公司业务遍及全球66个城市,员工总数近40000人。 业务痛点 1. 累积了数百万以大文本形式存储的简历资源,无法进行有效分类、检索、筛选; 2. 想要在简历库里查找合适的简历需要花费大量时间,工作效率无法提升; 3. 简历资源得不到充分利用,内部系统中的重复简历越来越多,招聘成本居高不下; 解决方案 1. 简历解析服务让简历格式标准化,帮助HR查找简历更便捷更高效; 2. 通过API将智能人才库接入系统,为HR省去大量繁琐操作,提升工作效率; 3. e小宝实时查重外网简历,为软通动力节省下数千万元的重复简历购买费用; 海尔集团 人岗匹配 海尔集团诞生于1984年,是全球大型家电第一品牌,三十余年来,海尔集团洞察家庭生活需求的变化,目前已从传统制造家电产品的企业转型为面向全社会孵化创客的平台,入围《财富》世界500强。 业务痛点 1. 随着集团全球化发展,人才压力问题愈加显现; 2. 自有人才库简历百万计,各种版本格式,无法统一管理; 3. 每天新增大量简历,仅靠HR人工无法高效筛选获取合适简历; 解决方案 1. 云人才库搭载HR Bot激活并复用自有海量历史简历,节省招聘成本; 2. 通过画像与图谱助力海尔集团实现岗位要求和人才的可视化,提升人岗匹配精准度; 3. 通过AI和数字化工具,推动海尔集团招聘精准度与HR工作效率的同步提升; 佰钧成 HR机器人意向确认BOT 武汉佰钧成技术有限责任公司自2006年成立,迅速成长为IBM、华为、Google等全球500强企业在信息服务领域的重要合作伙伴。目前,佰钧成在中国大陆、美国、日本、新加坡共设立了30个分支机构,正逐步建成服务全球的需求响应机制。 业务痛点 1. 伴随着企业的发展壮大,较大的招聘量要求HR不断拓宽人才资源,提升招聘效率; 2. 多年积累了百万级别的人才库,利用率却不高; 解决方案 1. 搭建AiTS智能招聘管理系统,实现招聘流程的数字化升级,提升招聘精准度和效率; 2. 搭建人才库对自有简历进行统一管理,唤醒人才库中沉睡的简历资源; 3. 智能机器人小e外呼代替HR意向初筛,帮助节省70%无效沟通时间,提升招聘效率; 万科 职位咨询BOT 万科企业股份有限公司成立于1984年,经过二十多年的发展,成为国内最大的住宅开发企业,业务覆盖53个大中城市。销售规模持续居全球同行业首位。 业务痛点 1. 万科集团体量大,需求多,流程复杂,传统方式严重影响工作效率; 2. 万科允许候选人应聘多个职位,面试安排时难以考量深层因素; 3. 候选人对公司、站点、职位、流程等大量咨询,应答耗费人力; 解决方案 1. 校招全流程信息化,打造一站式平台,招聘数据有迹可循; 2. 首创多志愿、采购式网申,现场扫码签到,AI智能分组面试; 3. 职位咨询Bot 7*24小时在线回答求职咨询,提升候选人投递转化; 0 1 2 3 多重权威认证为数据安全保驾护航 HR领域国内首家通过UKAS、ISO27001认证,并获得信息系统安全等级保护备案证明 顶尖AI能力,助力人力资本领域智能化升级 NLP能力 音视频能力 应用能力 ​ 人力资源知识图谱 1.包含职位、技能、专业、学校、公司、学历等八大类实体 2. 千万量级实体关系进一步阐述实体间关联 3. 提供基于知识图谱的实体识别服务 ​ BEI访谈 1. 业界首创通过对话机器人实现线上行为事件访谈 2. 囊括27项素质,职业发展全方位解读 3. 基于最前沿自然语言处理技术和大量专家标注,评测准确率高 ​ 简历解析 1. 多年简历数据与业务经验积累 2. 支持标准格式简历和自由格式简历解析 3. 智能简历分块和语义理解技术提供准确率保证 ​ 画像推理 1. 专家打造完备用户画像体系,高度贴合业务 2. 强大的自然语言处理和数据挖掘技术保证画像高准确率 3. 基于贝叶斯网络技术提供画像维度间因果关系分析,深度解读画像 行业知识图谱 学校 部门 技能 专业 证书 行业 公司 职能 50,000,000+ 实体关系 医疗 消费品 互联网 房地产 政府 能源 UI设计师 工程管理部部长 产品经理 造价工程师 Java工程师 室内装修设计师 功能规划 编制预算 产品需求文档 工程施工 功能需求 土木工程 三大核心应用场景 简历解析 基于业界前沿的nlp技术,结合招聘专家图谱,精准解析任意格式简历 查看详情 人岗匹配 基于bi-lstm和attention建立人岗匹配模型,已为17000+HR用户提供个性化推荐服务,激活人才库候选人6000w+ 查看详情 HR机器人 通过Bot构建交互信息的采集和分析系统,打造面向HR、员工、候选人的全场景高效对话体验 查看详情 客户信任 软通动力 HR机器人 软通动力信息技术(集团)有限公司,国内领先的创新型软件及信息技术服务商,公司业务遍及全球66个城市,员工总数近40000人。 业务痛点 1. 累积了数百万以大文本形式存储的简历资源,无法进行有效分类、检索、筛选; 2. 想要在简历库里查找合适的简历需要花费大量时间,工作效率无法提升; 3. 简历资源得不到充分利用,内部系统中的重复简历越来越多,招聘成本居高不下; 解决方案 1. 简历解析服务让简历格式标准化,帮助HR查找简历更便捷更高效; 2. 通过API将智能人才库接入系统,为HR省去大量繁琐操作,提升工作效率; 3. 实时查重外网简历,为软通动力节省下数千万元的重复简历购买费用; 海尔集团 人岗匹配 海尔集团诞生于1984年,是全球大型家电第一品牌,三十余年来,海尔集团洞察家庭生活需求的变化,目前已从传统制造家电产品的企业转型为面向全社会孵化创客的平台,入围《财富》世界500强。 业务痛点 1. 随着集团全球化发展,人才压力问题愈加显现; 2. 自有人才库简历百万计,各种版本格式,无法统一管理; 3. 每天新增大量简历,仅靠HR人工无法高效筛选获取合适简历; 解决方案 1. 云人才库搭载HR Bot激活并复用自有海量历史简历,节省招聘成本; 2. 通过画像与图谱助力海尔集团实现岗位要求和人才的可视化,提升人岗匹配精准度; 3. 通过AI和数字化工具,推动海尔集团招聘精准度与HR工作效率的同步提升; 佰钧成 HR机器人意向确认BOT 武汉佰钧成技术有限责任公司自2006年成立,迅速成长为IBM、华为、Google等全球500强企业在信息服务领域的重要合作伙伴。目前,佰钧成在中国大陆、美国、日本、新加坡共设立了30个分支机构,正逐步建成服务全球的需求响应机制。 业务痛点 1. 伴随着企业的发展壮大,较大的招聘量要求HR不断拓宽人才资源,提升招聘效率; 2. 多年积累了百万级别的人才库,利用率却不高; 解决方案 1. 搭建AiTS智能招聘管理系统,实现招聘流程的数字化升级,提升招聘精准度和效率; 2. 搭建人才库对自有简历进行统一管理,唤醒人才库中沉睡的简历资源; 3. 智能机器人代替HR意向初筛,帮助节省70%无效沟通时间,提升招聘效率; 万科 职位咨询BOT 万科企业股份有限公司成立于1984年,经过二十多年的发展,成为国内最大的住宅开发企业,业务覆盖53个大中城市。销售规模持续居全球同行业首位。 业务痛点 1. 万科集团体量大,需求多,流程复杂,传统方式严重影响工作效率; 2. 万科允许候选人应聘多个职位,面试安排时难以考量深层因素; 3. 候选人对公司、站点、职位、流程等大量咨询,应答耗费人力; 解决方案 1. 校招全流程信息化,打造一站式平台,招聘数据有迹可循; 2. 首创多志愿、采购式网申,现场扫码签到,AI智能分组面试; 3. 职位咨询Bot 7*24小时在线回答求职咨询,提升候选人投递转化; 0 1 2 3 多重权威认证为数据安全保驾护航 HR领域国内首家通过UKAS、ISO27001认证,并获得信息系统安全等级保护备案证明 50+人 优秀算法团队 3位 顶尖AI科学家 6年 时间 5000+家 成功服务付费客户 专业 HR tech行业咨询专家团队 简历解析技术的时代引领者 ​ ​ ​ 文本解析时代 信息增强时代 人才画像时代 文本解析时代 全渠道全格式精准解析 内置200+渠道模版,支持字段级解析和数据校验 覆盖100+简历字段,支持输出简历经历块文本,兼容各种格式 基于机器学习和自然语言理解技术,图片格式的简历解析效果行业领先 信息安全 支持API接口与私有化部署 国内HR Tech领域ISO 27001 UKAS认证先行者 获得信息系统安全等级保护备案证明 快速响应,每周迭代 专属团队提供7*24小时服务,所有简历解析问题三天内解决 专门的算法团队持续打磨,每周更新迭代解析引擎 信息增强时代 关键经历识别 识别候选人简历中关键经历,提取特征描述,帮助HR快速筛选简历 扭转业绩 承担盈亏 扭转士气 技术/专业突破 智能面试建议 方便HR快速掌握简历亮点及风险点,给予面试建议,避免到了面试阶段才发现候选人的工作时间,教育经历等存在问题 基于行业大数据的简历信息增强解释 帮助HR通过行业大数据的视角理解候选人简历信息。 了解候选人的工作年限、晋升速度,跳槽频率等在行业的同岗位人才中处于什么水平 人才画像时代 全场景Bot挖掘数据 智能对话机器人,如:BEI Bot,PSE Bot 智能人才测评,如:基于情景模拟的潜力测评,基于心理投射解析的动机测评 公司内部数据挖掘,如:绩效文本、考勤数据等 算法能力全面升级 大量标准格式简历匹配模版积累 基于图像分割的自有个事简历布局识别 基于One-shot分类模型对字段分类badcase修复泛化 全场景数字化人才画像 查看人才画像示例 首页 应用场景 图灵学院 关于我们 在线体验申请试用 人岗匹配 利用BI-LSTM+attention神经网络对企业招聘偏好进行知识推理, 已为17000+HR用户提供个性化推荐服务,激活人才库候选人超过6000w+ 申请试用 基于知识图谱的语义理解, 召回率和准确率一起提升不再是梦 基于行业BI的招聘偏好推理预测, 让人岗匹配更懂HR AI引擎,不光会从JD中理解招聘需求,更会从行业BI数据中挖掘学习企业该岗位的招聘偏好,例如某家电龙头企业招聘“冰箱研发总监”,AI引擎通过历史数据和知识图谱预测出该岗位更偏好“松下”、“三星”等企业,工作10-15年,毕业于985名校等偏好特征的候选人,从而在推荐人才时会在满足岗位要求的前提下优先推荐满足这些特征的候选人 基于用户行为数据驱动,不断进化 学习,让推荐越用越知心 AI引擎,不只是一套简单的固定规则模型。基于用户的行为数据中(例如转筛面评录),不断学习HR在筛选人才过程的行为数据,对人才甄选标准不断学习进化,让模型在用户不断使用过程中动起来 算法模型应用示例 以下是一个自动驾驶深度学习算法工程师职位描述的句子和词attention热力图,通过神经网络和 attention机制代替传统的句子和词重要性,e成科技AI引擎能得到更精准的匹配效果 首页 应用场景 图灵学院 关于我们 在线体验申请试用 HR机器人 通过Bot构建交互信息的采集和分析系统,打造面向全角色简单而 高效的对话体验 申请试用 技术特色 针对HR场景定制的 文本相似度匹配算法 基于小样本学习的 意图识别与槽位识别 自主研发对话平台 长期业务积累 对话策略考虑具体HR场 景,追求体验级应用 是国内首家设立算法部门,将人工智能和大数据应用于数字化人才决策解决方案的HR TECH企业。 作为人力资本数字化平台,是数字化人才战略领先者,开创性地将AI技术与人才战略升级场景深度结合,形成数字化招聘、数字化员工服务、数字化人才咨询支柱产品线,为企业招对人,用好人,助力人才战略成功创造价值。国内唯一成立Barbel人工智能实验室的HRtech 2020年2月に大阪事業所を新規立ち上げました! ベテランの力を借りて拡大予定。 AWS、Vue.js、Ruby/Javaなどの最新技術を武器に、 有名Webサービスの数々を手掛ける先端ITベンチャー。 世界的コンテンツに携われるチャンス!異業界出身歓迎!【データエンジニア】その感性を世界中の大歓声へ家庭用テレビゲームソフト、モバイルコンテンツアミューズメント機器等の企画、開発、製造、販売、配信ならびにアミューズメント施設の運営 世界に誇るゲームコンテンツにおいて以下の業務に関わっていただきます。 ・ゲームのビッグデータ基盤の開発・構築・運用・保守業務 ・ゲームのデータ分析、予測業務 ・ゲームの開発サポートや機械学習の導入業務 コンシューマ、モバイルゲーム問わず、新しい技術を積極的に導入することに寛容で、しっかりとした根拠があれば様々な技術や開発環境を導入することが可能です。 また運用するサービスが中規模〜大規模なものが多く、大規模インフラの運用に携わる機会が多くある点も含めエンジニアとしてスキルを磨く環境が整っており、業務以外にもスキルアップやノウハウの共有、社内勉強会の実施などもおこなっています。 【CTO候補】新規事業を支えていただくエンジニアを募集!Google/楽天/リクルートの出身者在籍◎前給UP確約★【ITエンジニア】*全国応募OK*リモートワーク実施残業なし/年間休日120日以上! これまでのエンジニアスキルを活かして、カプコンが世界に誇るゲームコンテンツに挑戦したい方歓迎です! ゲーム業界以外の方も大歓迎です! 【横浜も積極募集中】今年、当社は大阪事業所を立ち上げました! 今回PL/PMレベルのエンジニアを採用し、ここからチームを作っていく予定です。 拡大中のため、この案件に参画される方には、入社祝い金20万を支給! 40~50代の経験を積んだベテランエンジニアをお待ちしております。 【当社で働く魅力】☆高い給与水準☆・エンジニアの平均年俸は671万円 ・昨年1年間で10%以上昇給した社員も多数!☆納得のいく案件に携わる☆ ・エンジニアの6割以上がPL・PMクラス・ハイレベルな中国人SEをマネジメントするプロジェクトも豊富・AIなど最先端技術に関わる案件も多数ありまた、Kotlin、Swift、PHP、Pythonを用いたスマートフォンアプリ開発(android、IOS)案件も増加中で この案件に携わるメンバーにも入社祝い金20万円を支給します! このチャンスをぜひ逃さないでください!【日本的な文化が色濃い企業です】 当社のバックグラウンドはGROUP企業ですが、経営の中心を担っているのは日本人。 コミュニケーションも基本は日本語なので安心です AR/VRでエンタメの未来を創るUnityエンジニア募集!

  • | Hocitgroup Recruit

    AI recruit HOC IT ENTER SITE

  • A.M.Turing大学 | Hocitgroup Recruit

    ​ 人岗匹配自由 人岗匹配,是企业人力资源管理的核心之一,更是HR招聘工作的精髓。 传统工作方式下,简历搜索和人岗匹配往往消耗HR大量时间和精力, 结果却往往不精准, 随着人工智能和NLP技术的发展, 一些招聘网站纷纷推出自动化推荐功能, 但却同质化严重,准确率不高。现在,“graph embedding”给人岗匹配带来新突破! AI团队的实践和研究下,“graph embedding”在人力资本领域落地且取得不俗效果, 助力人岗匹配更加高效, 这样的AI技术, 一切皆可Embedding 在NLP(自然语言处理)中,自然语言无法直接应用到数学模型的建立中,需要将其映射到欧式空间。Embedding就是解决如何将自然语言表示为向量的,Google推出了Word2Vec模型,可以将语义相近的词映射到向量空间中相近的位置,之后Google又提出了BERT,BERT可以考虑到相同词在不同位置有不同含义等信息,利用这个新的语言模型刷新了问答、文本情感分析等多个语言任务的表现。同时,Embedding也可以作为深度学习模型的隐藏层,可以极大提高模型的表现。 自从word2vec横空出世,似乎各行各业的一切东西都在被Embedding,Embedding在数学上表示一个映射F: X -> Y,也就是一个函数,其中该函数是一一对应的而且保持空间同构性 (即在X空间是近邻的,则被映射到Y空间也是近邻的)。Embedding技术被应用在了多种业务场景中: 1) 在 Airbnb 中实现实时个性化搜索,利用用户近几周或者近几个月点击过的房源行为数据实时对用户的搜索目标房源进行相似度比较和排序,这样既极大的提高了效率而且也保证的搜索房源的准确性提高了用户体验。 2) 在电子商务领域,根据用户的浏览和购买行为数据,通过深度学习模型可以将用户和物品同时嵌入(embedding)到相同的低维空间,然后利用Embedding计算用户和物品之间的相似度(匹配度)直接给用户推荐感兴趣的物品。 在人力资本领域,求职者、公司、职位、专业、技能等不同的实体间存在着多种类型的关系,构成了一个知识图谱(Knowledge Graph)。这里,我们主要关注的是Graph Embedding(其实也可以称为Network Embedding)。我们利用Graph Embedding技术,把这些实体嵌入到低维的向量空间,可以直接比较他们的相似性,并能大大的提高简历和岗位的匹配效果。对于具有较多类型节点且各类型节点的数量巨大来说这是比较好的尝试,而且取得了一些效果。 生成Graph Embedding 常用方法及其原理 由于graph embedding的广泛应用,同时衍生出了很多计算embedding的方法,下面我们介绍几种商业上比较常用的几种方法: 1) DeepWalk DeepWalk [3]是KDD 2014的一篇文章,我们常用的word2vec是根据词的共现关系利用skip gram和COBW将词映射到低维向量。DeepWalk算法思路其实是利用了word2vec生成embedding的一种方法skipgram,对于已经建立的Graph来说每个节点可以是不同的实体且实体时间可以有不同的关系,从图上的一个节点开始随机游走(random walk),如果节点之间有weight可以根据weight的不同进行walk来生成类似文本的序列数据,实体id作为一个个词使用skip gram训练得到词向量。 算法的大体思路就是:根据图中节点随机游走 -> 生成一定长度的序列 -> 利用skip-gram进行训练。 2) LINE LINE(Large-scale Information Network Embedding)是2015年文章[4]中微软亚洲研究院提出来的一种算法,LINE定义了两种度量节点相似度的方法:一阶相似度(First-order proximity)和二阶相似度(Second-orderproximity)。 一阶相似度 其中一阶相似度就是两个点直接相连的边的权重,且边权重越大说明两个点越相似,如果两个节点之间无连接,则一阶相似度为0; 对每个无向边,定义顶点和的联合概率分布为: 是顶点的低维向量表示, 我们的目的就是使得经验分布和概率分布尽可能的接近,于是我们定义以下一阶相似度的目标函数: 其中为两种分布之间的距离,为空间上的一个分布, =是它的经验分布,其中W为两点间边权重总和。我们选择KL 散度来计算(2)式子。 KL散度的计算公式其实是熵计算公式的简单变形,在原有概率分布p上,加入我们的近似概率分布q,比较两个概率分布的相似性: 将,带入KL散度的公式我们得到︰ 其中C为一个常数,需要注意的是,一阶相似度仅适用于无向图,而不适用于有向图。 二阶相似度 二度相似性则是两个点之间共享多少相同的节点,共享的相同节点越多,而且共享的边的权重越高则它们的相似性就越高。二阶相似性假定与其他顶点共享邻居顶点的两个点彼此相似(无向有向均可),一个向量和分别表示顶点本身和其他顶点的特定“上下文”,意为二阶相似。对于每个有向边,我们首先定义由顶点生成“上下文”的概率: 式子(5)是一个条件分布,对于顶点,我们的目的就是要拟合与其经验分布。为边的权重,为相邻边的权重的和,因此最小化以下目标函数: d(,)上文已经说明,来表示顶点的度数。这里我们令利用KL散度同一阶相似性的推导类似我们可以得到二阶相似性的计算公式(去掉常数项)为: 具体应用时,我们可以将一阶和二阶的得出的embedding进行拼接这样可以得到更多的语义信息。 3) Node2vec Node2vec[5]算法是在DeepWalk基础上进行了改进,主要的创新点在于改进了随机游走的策略,DeepWalk中根据边的权重进行随机游走,而Node2vec加了一个权重调整参数,同时考虑到局部和宏观的信息,并且具有很高的适应性。 除了以上提到的常用的生成embedding方法,学术界和工业界还提出了很多方法,像SDNE[6]、Struc2vec、Starspace[7](Facebook用的技术)、EGES(阿里巴巴推荐使用的技术之一)等。 Graph Embedding 为人岗匹配带来新突破 在人力资本行业最主要的两大核心要素就是简历CV和工作岗位JD,如何让CV和JD有效的匹配是人力资本行业一直非常重视的问题也是一个难题。我们在人力资本行业领域对graph embedding的尝试和应用,并且取得了一定的效果。 1)原始文本处理想要有效的进行人岗匹配(即CV和JD的合理匹配),需要综合考虑包括职能、行业、技能、专业等维度在内的多维度匹配。首先应该提取CV、JD中的文本特征,可以利用深度学习模型提取出CV、JD的文本特征,我们这里称为实体。抽取出实体之后,我们就可以进行CV和JD的匹配,对于自由文本来说除了CV和JD的实体完全匹配上,可以算他们的相似度,词的语义相似度无法完全的诠释。举个例子: CV的特征: 技能实体(JAVA),职能实体(JAVA开发工程师)、专业实体(计算机) JD的特征:技能实体(Spring),职能实体(JAVA后端开发)、专业实体(信息技术)从词的表面是无法区分他们的相似度的。下面就用到了embedding,embedding可以将这些实体嵌入到同一低维的向量空间,在空间中实体之间的距离可以通过数学公式计算从而表示他们的相似性。 2)生成实体embedding 第一步:数据的生成,我们首先利用CV、JD中不同实体的共现,以及不同工作经历之间的跳转来抽取简历中的实体跳转,这些不同的实体之间可以构成network如图1所示。不同的实体就是不同的节点,实线就是节点之间的边也可以称为关系。 图1 第二步:使用Deepwalk、LINE生成embedding。对于Deepwalk可以直接根据network生成不同的文本序列,利用skip-gram进行模型的训练。而对于LINE可以直接利用不同实体的共现次数作为模型的输入。第三步:优化训练数据。我们发现不同的实体出现次数的量级是不同的,比如专业在JD中就很少出现,这样就导致了数据的不平衡。我们解决的方式是,统计了不同实体之间的tfidf、npmi(Normal Pointwise Mutual Information)作为实体之间的权重,即表示了不同实体之间关系的强弱程度,之后再进行模型的训练。 第四步:以上都是利用无监督的方式去训练embedding,由于e成科技有自己独立的人力资源ATS系统,包含了用户大量的真实行为数据。把其中匹配上的CV、JD作为正例,未匹配上的作为负例,构造出有监督的训练数据。将JD作为query,CV作为title,利用DSSM模型(如图2)进行有监督的模型训练。需要注意的是这里的embedding层并不是随机初始化的,而是利用第三步已经训练过的embedding作为预训练的权重。这样有监督训练的目的就是利用真实的行为数据更新embedding层的数据,使得每个实体的embedding更能好的表达在招聘这个业务场景中的语义。图2 我们使用内部标注的评估数据对不同模型进行了评估,比较结果如下: 以下是fasttext和graph embedding模型输出的top相关公司实体的一些例子。可以看到FastText单单只从字面意思进行了相似度匹配;而graph embedding模型输出结果能够更好地包含了具有相似业务、相似规模的公司,具有更好的语义相关性。 HR+AI领跑者, 助力每一个HR实现AI赋能 本文主要阐述了Embedding的原理以及一些应用,具体的阐述了Graph Embedding在人力资本领域的落地应用。Embedding既可以作为计算各个实体的工具也可以作为深度学习中的embedding嵌入层增加模型的准确性。不夸张的说一切可以embedding,而且embedding在很多领域都取得了不俗的成就,尤其是NLP领域。HR+AI赛道的领跑者,一直专注于人力资本领域的AI创新升级,开创性地将AI技术与人才战略升级场景深度结合, 我们已经将embedding技术应用到人岗匹配、面试Bot等多实际场景,接下来我们将继续优化embedding,助力AI技术在人力资源领域的更多应用。同时,基于积累多年的AI能力和行业经验,e成科技重磅打造了AI开放平台,并将AI能力开放给所有企业和友商。e成科技AI开放平台是HR赛道首个企业自主研发的聚焦人力资本场景的一站式AI能力服务平台,覆盖简历解析、人岗匹配、HR机器人等诸多场景,通过OpenAPI及需求定制等形式,面向所有自研系统大型企业、垂直招聘平台、传统HR行业厂商等企业用户提供智能化服务。 [1] Banana,神奇的Embedding, https://zhuanlan.zhihu.com/p/53058456 [2] Ethan,Embedding的理解,https://zhuanlan.zhihu.com/p/46016518 [3] Perozzi B, Al-Rfou R, Skiena S. DeepWalk: Online Learning of SocialRepresentations[J]. arXiv preprint arXiv:1403.6652, 2014. [4]Tang J, Qu M, Wang M, et al. Line: Large-scale information networkembedding[C]//Proceedings of the 24th international conference on world wideweb. International World Wide Web Conferences Steering Committee, 2015:1067-1077. [5]Grover A, Leskovec J. node2vec: Scalable feature learning fornetworks[C]//Proceedings of the 22nd ACM SIGKDD international conference onKnowledge discovery and data mining. ACM, 2016: 855-864. [6]Wang D, Cui P, Zhu W, et al. Structural Deep Network Embedding[C]. knowledgediscovery and data mining, 2016: 1225-1234. [7]Wu, L., Fisch, A., Chopra, S., Adams, K., Bordes, A., & Weston, J. (2017).StarSpace: Embed All The Things! arXiv preprint arXiv:1709.03856 人才画像画得好,数字化HR有妙招 Bert和Embedding等黑科技,在人力资本领域创新应用且取得不俗成果。本期就聊聊Bert思想如何和人才/岗位画像深入结合,让画像更精准俗话说“人才画像画得好,HR招聘快不少”。人才画像是现在企业人才招聘和人才管理的核心,并应用在人岗匹配、薪酬预测、人才盘点等诸多场景。数字化时代,画像成为人才招聘和人才管理的入口, 通过上百个维度进行提炼、总结进行人才全方位刻画。但如何刻画画像,画像准不准,还得这背后默默运行的AI算法和知识图谱说了算~今天,我们就来看看是什么技术让画像更准确? 画像是什么? “画像”的出现,得益于大数据、云计算、人工智能等新技术的飞速发展。用户画像(persona)的概念最早由交互设计之父Alan Cooper提出:“Personas are a concrete representation of target users.” 是指真实用户的虚拟代表,是建立在一系列属性数据之上的目标用户模型。 如今,为了提高客户体验和运营效率,画像早已被应用在各行各业。金融企业是最早开始使用用户画像的行业,在人力资本领域,人才/岗位画像的应用大大提升了HR的工作效率和质量,是人力资本数字化的重要入口和核心要素。所谓人才/岗位画像,即是基于企业招聘的显性的职位描述和隐形的内在潜质共同组成的用户画像(以下简称“画像”)。 △一张画像,没有读不懂的人才 构建画像的核心工作,主要是利用存储在服务器上的海量日志和数据库里的大量数据进行分析和挖掘,给用户贴“标签”,而“标签”是能表示用户某一维度特征的标识。业界有一套较为成熟的画像构建方法,为了让画像成为可普遍使用的基础服务,需要对画像的字段进行数值化处理。其中结构化数据比较容易进行数值编码(例如:性别/年龄/工作年限等),而非结构化数据(例如工作经历/职能/技能等)多数为文本类型处理难度较高。对于非结构化数据,生成具备语义含义的Embedding是业界较为广泛使用的方案。职能/技能可以统称为用户的知识体系,即使每一个职能/技能生成了具备语义含义的Embedding,如何通过聚合生成用户整个知识体系的数值表达并尽可能保留文本自身的信息,依旧是亟待解决的问题。在画像构建过程中,对于结构化数据业界已经积累了大量的成熟有效的方案。然而非结构化数据(例如文本类型)包含了更全面和深度的用户潜在信息,目前通过词向量加权平均依旧是主流使用的处理方法。 此类方法存在一些缺陷:1.生成的Embedding完全基于语义表达,缺失了其内在业务含义;2.直接加权平均的方法,容易掩盖掉重要的信息,且权重不好定义。基于此,我们针对人力资本场景,借鉴Bert的思想提出了一个新方法,能够更好地用数学的方法对人才/岗位画像进行表示。为了让AI+数据驱动的数字化招聘更为精准智能,我们以e成科技独有的HR行业职能/技能知识图谱作为先验的业务知识,并基于海量简历和岗位描述数据(千万级),借鉴Bert的模型架构,专门对画像中的知识体系相关字段(职能/技能)进行了深度优化。该方法提供的知识表征,首先包含了技能/职能的内在关系,其次通过attention的方式聚合能保证重要业务信息的不丢失。经过优化的人才/岗位画像,在数字化招聘、人岗匹配、人才盘点、薪酬预测等多个下游业务场景中均取得显著的优化提升。部分场景举例 人才选拔:通过人才画像分析,使人才供给与业务发展速度高度匹配,优化人才队伍配置效率,降低人才流失率;人才任用:通过岗位画像和人才画像的分析与匹配度分析,实现人才和岗位最优配置,使优秀人才能充分发挥能力与主观能动性,提高人力资本效率;人才盘点:利用大数据分析及AI技术,全面挖掘人才素质,评估人才潜力,动态校准人才画像,即时展现人才能力、绩效、潜力等分布情况,为人才识别、发展、配置提供价值,激活组织与人才发展;薪酬预测:根据人才画像和岗位画像,结合行业岗位知识,分析人才/候选人技能及发展水平,预测候选人及企业未来薪酬水平;接下来,院长就将为大家介绍e成科技在有关领域的最新方案以及应用成果。 ELMoVS Word2Vec, 更优的特征提取器 Word2Vec是近几年非常流行的Word Eembedding提取模型。模型通过预先构建的词表将输入语句中某单词前、后所有词语编码为多个one-hot向量传入模型,随后通过一个共享的参数矩阵将这些向量映射到隐藏层,最后使用softmax将隐藏层的输出转化为词表中每个单词的概率作为输出,其中概率最高的单词即为最终预测结果。经过充分训练后,词表中每个单词的语义信息已经充分“嵌入”了用于映射输入层和隐藏层的参数矩阵中。使用时只需用单词的one-hot向量和参数矩阵相乘就可以得到对应的Word Embedding。这样的网络结构为Word2Vec带来了一个严重的问题,它无法为语言中常见的多义词提取Embedding。由于同一个单词在参数矩阵中只占据一个向量,网络只能将多义词的不同语义信息全部编码到相同的向量中,反而降低了这些词向量的表达能力。此外,Word2Vec只采用了一个线性隐藏层,特征提取能力较弱,对Embedding的表现也有很大的影响。ELMo(Embedding from Language Models)模型使用与Word2Vec截然不同的方式提取Embedding,并采用更优的特征提取器,很好地解决了多义词问题,同时增强了词向量的表达能力。模型使用两层双向LSTM(Long Short Term Memory)单元作为模型中间层,其中正向LSTM顺序接受输入语句中给定单词的上文,逆向LSTM倒序接受语句中给定单词的下文。训练完成后将输入层Embedding和两层LSTM产生的Embedding加权结合后作为句中每个单词的Embedding使用。与Word2Vec查表式获取静态的Embedding不同,ELMo可以根据上下文信息动态调整词语的Embedding。多层LSTM特征提取器可以从文本中分别提取句法、语义等不同层次的信息,大大提升了词语特征的丰富程度。 Attention机制是近几年提出的新型特征提取器,在NLP领域的表现效果远超以往使用的卷积神经网络和LSTM等技术。Bert的优异表现正是建立在这一机制的基础上,多层Self-Attention单元构成的大型网络和巧妙设计的无监督训练方式使模型可以利用丰富的自由文本进行训练,从中提取多层次的语言特征应用:知识表征模型我们的知识表征模型(以下简称“模型”)同样使用了多层Self-Attention单元作为基本的特征提取器,尝试从e成科技丰富的数据中挖掘出可描述职能和技能各自特征及其相关关系的Embedding。为了训练这样的模型,我们借鉴并调整了Bert的设计思路,建立一套符合我们诉求的模型结构。模型将知识图谱中职能和技能的实体名称作为Embedding提取粒度,端到端地进行特征提取,避免字粒度模型提取特征后还需将其重新组合成词语的麻烦,也减少了模型的信息损失。模型训练时,我们使用职能、技能前后拼接的数据结构,其中来自相同CV数据的职能、技能作为正样本,来自相似行业中不同CV数据的职能、技能作为负样本。正负样本数量比例为1:1。为了防止模型仅抽取职能对技能的依赖关系,我们在将职能和技能调换顺序后的数据加入样本中同时训练,以提取双向的依赖关系。 经过充分训练后,模型可以提供多样化的使用方式。模型最后一层输出和输入序列等长的Embedding序列,其中第一个Embedding包含整条数据的特征,之后每个Embedding与输入序列的词语一一对应,分别是每个词语的动态特征。将序列头Embedding接入下游任务网络中可以对模型进行fine-tune,可进一步用于不同的细分领域任务。同时,其余Embedding也可以直接作为词语特征使用。考虑到模型结构复杂,运算时间较长,针对某些性能要求较高的业务场景,可以将模型输入层对应的Embedding作为静态词向量使用,通过查表方式大大简化运算流程。我们使用内部标注的薪酬预测、人岗匹配数据对不同模型进行了评估,结果如下: 薪酬预测任务中,每个模型需要提取候选人的技能Embedding作为下游任务的参数,辅助判断候选人的薪酬水平。实验中模型之间互不影响,且使用相同的下游薪酬预测模型。结果中可以看到,我们的知识技能表达模型对下游任务各项指标均有5%左右的提升。而人岗匹配任务中,我们将岗位和候选人各自技能Embedding之和作为它们的特征向量,通过特征向量相似度判断候选人和岗位是否匹配。评估结果显示,我们的模型表现非常出众,提升效果明显。 测试过程中,模型可以将大部分被覆盖的词语还原为正确结果,下面是从测试样例中抽取的部分未正确还原的情况。可以看到即使还原失败,模型也能够预测到行业内与正确结果相似的答案。数字化时代,HR作为推动企业数字化升级的核心力量之一,通过数字化工具助力人才管理和人才引进数字化,已经成为必然趋势。e成科技创新研发的画像+Bot两大引擎,助力人才知己、企业知人、社会知命。利用大数据和人工智能技术构建的画像,将对人才的素质、性格、职业动力都进行全方位描述,帮助人才认识自己,进行自我反思,同时帮助企业和HR更全面、更立体、更准确识别候选人,实现选、融、育、激各个环节高效的人才管理。作为HR+AI赛道的领跑者,将AI基因根植于业务,并开创性地将AI技术与人才战略升级场景深度结合。同时,基于积累多年的AI能力和HR行业经验,重磅打造了AI开放平台(HR领域首个AI开放平台来了!行业顶级AI你也可以轻松GET! ),通过OpenAPI及需求定制等形式将AI能力开放给所有企业和友商。e成科技AI开放平台是HR赛道首个企业自主研发的聚焦人力资本场景的一站式AI能力服务平台,覆盖简历解析、人岗匹配、HR机器人等诸多场景,这些HR+AI的创新应用和智能产品背后,都是e成科技领先的AI能力和默默潜心研发的科学家及算法工程师们作为支撑。未来,将持续打造更多创新智能产品,全面加速人力资本数字化升级! 真技术还是伪AI,HR如何选择合适的智能工具? HR们如何选择合适的智能化工具, 帮自己降本增效,提升员工体验!2019年,RPA突然火了,成为新兴风口、资本的宠儿,甚至有些媒体宣称人力资源部门一定要部署RPA,但这种火热到底是资本炒作,还是RPA真的有用,相信很多人都心存疑惑……RPA能满足HR需求吗 RPA (RoboticProcess Automation),是指用软件流程自动化方式实现在各个行业中本来是人工操作计算机完成的业务 事实上,第一期院长和大家探讨了RPA与AI的关系,传统RPA并没有用到特别前沿的人工智能技术,RPA也并不等同于人工智能。但随着近些年来,软件流程自动化技术与AI这两个互补概念结合在一起,RPA很多环节上用到了越来越多的人工智能技术,使得工具更加智慧,也提升了效率减少了人工,于是RPA在金融、财务和工业自动化等领域应用越来越广泛。对于企业人力资源部门来讲,HR每天都需面对大量事务性工作,这些事务性工作大都可以通过自动化的方式由机器人来替代。而借助语音识别、OCR等AI能力,也的确能够进一步提升RPA的灵活性与智能性,替代人工将繁琐的业务操作流程自动化,解放HR们的双手,提升HR的工作效率。可见,RPA的真正价值在于,其可以将HR从以往大量、繁琐、重复的事务性工作(如筛选简历、入离职办理、社保、福利、开具证明等)中解放出来,将时间和资源集中在高价值的、战略性任务上(比如支持组织转型、引入职业发展规划、寻找最新培训材料、理解业务特点和实操场景、为企业战略提供决策依据等),提高人资效率。但RPA真的能满足HR的所有工作需求吗?院长曾经和一些在互联网公司的HR小伙伴们探讨这个问题,他们纷纷表示人资软件操作并非他们工作的主要内容,单纯的软件流程自动化对他们帮助非常有限。首先,我们知道不同于金融、财务等工作,HR每天更多时间花在了与候选人、员工的面试与沟通上。这些沟通需要HR与员工协同进行,时间与方式都非常灵活,很难通过传统软件进行自动化。其次,优秀的HR进行的沟通应该是有温度的,这样的温度很难在软件自动化中体现和传递出来。最后,很多重要的决策也需要基于沟通的结果,结合大量的专业知识来进行,这也并非简单RPA可以实现的。可见,即使有了AI的助力,RPA也不能完全满足HR需求,还需要有更强大的工具来帮助HR提升相关的工作效率。BERT ? 实现人与人更好地连接:画像+Bot事实上,人力资源部门不缺自动化技术及系统。市场上种类繁多的自动化工具和系统,都能或多或少解决HR们的一部分需求,通过自动化大大降低HR处理事务性工作的时间和精力。 但HR需要的仅仅是一个代替自己双手的自动化工具吗?一个RPA机器人就够了吗?数字经济时代的来临,对企业管理者和人力资源工作者提出了更高的要求,按部就班的事务性工作已经不能满足企业发展的需求,如何充分利用人与技术的合作,全面提升组织与人才管理、员工体验和组织数字化升级变革成为重中之重。相比于RPA,我们相信智能对话机器人(ChatBot)更能实现人与人之间更好地相互连接,更适合帮助HR完成日常琐碎的沟通工作,提升HR的工作效率与员工体验。这里的机器人既可以是基于文字交互的聊天机器人,也可以是基于电话线路的外呼机器人。HR只需要简单配置,就可以将这些机器人应用在各种场景中,比如与候选人进行面试邀约,进行电话面试并7*24小时回答候选人各种问题,还可以和在职员工进行实时交流,了解他们对于自己和公司的各种想法。这里的难点不在于HR的操作,而在于实现ChatBot所需要的基于强大对话系统与自然语言处理能力,其背后更是强大的AI技术作为支撑,尤其以下AI技术是必不可少的: 语音识别(ASR):将原始的语音信号转换成文本信息; 自然语言理解(NLU):将识别出来的文本信息转换为机器可以理解的语义表示; 对话管理(DM):对话系统的中枢,维护整个对话状态并决定后续的对话策略; 文本生成(NLG)及语音合成(TTS):生成对话中回复的文本及对应语音内容; 文本检索:服务于基于知识库的问答对话; 情感分析:分析用户对话的情感倾向,并调整对话策略; 在这些AI技术背后,还有更多基础神经网络、机器学习模型,大量数据积累语料标注以及无数人工规则与策略。在这些技术的助力下,Chatbot的对话可以像人一样更有“温度”,可是想要ChatBot能像HR一样进行专业对话,这还远远不够。作为一名HR,还需要有大量的人力资源知识与相关行业的业务知识,能够识人断人,这是一般的对话机器人所不具备的。这就必须祭出提升HR工作效率的另一大杀器——画像 在人力资源的场景中,最重要的画像当属是描述企业候选人和员工各方面素质和能力的员工画像,除此之外,还包括有岗位画像、公司画像等其他画像。这些画像并不是静态的数据,而是包括了从最底层数据不断提炼的规则和算法过程,也包含了基于画像所进行的后续分析与决策。可以说,画像在企业的人力资源智能化过程中起到的是承上启下的核心作用。要做好这样的画像,同样离不开大量的专业知识积累、知识图谱以及各种数据挖掘和机器学习算法。 当画像与Bot结合在一起时,还会发生更加奇妙的化学反应。如果把画像比作大脑,Bot就相当于耳朵和眼睛,为大脑提供源源不断的感知数据,使大脑不断思考进化。而有画像加持的Bot也具备了更强的专业性和个性化能力,更能像一个专业HR一样与候选人或者员工进行交流。那么,在人力资源领域,“画像+Bot”与“RPA+AI”究竟是什么关系呢,这里总结一下: 首先,“画像+Bot”与“RPA+AI”本身的动机是类似的,都是致力于通过自动化、数字化、智能化提升HR工作效率,降低人资部门的流程负担;其次,仅仅靠RPA实现流程自动化提升HR工作效率是远远不够的,注重体验性和智能性的对话机器人对HR的效率提升更为关键;最后,AI这个概念过于庞大,对人力资源领域而言,画像是AI最为重要的体现,大量智能化工作都需要围绕着画像进行体现;所以,相比于RPA+AI,画像+Bot的提法更贴近人力资源的实际场景需求,也更有利于真正将HR从事务性工作中解放出来,给候选人及员工更好的体验。罗马不是一天建成的,构建好Bot与画像能力也一样,一方面需要长期的数据与技术积累,另一方面也需要有大量的实际业务经验。反观行业内一些公司,在RPA与AI的热潮下,短时间内摇身一变就成了一家RPA+AI的公司,这其中究竟有多少AI能力,而这些AI能力有真正能对业务产生多大帮助,恐怕要打上一个大大的问号。能做出HR真正满意的产品,靠的不是蹭热点,而是对业务的深入理解和对技术的不断追求。 HR+AI领跑者,开启人力资本数字化管理新时代秉持“科技助力人才升级”的公司使命,并以“画像”和“Bot”作为两大核心驱动力。 经过多年的技术积累,在智能对话机器人领域沉淀出自主研发的Snowball对话框架,具备意图识别、槽位提取、实体识别、对话管理、问答对话、闲聊对话等诸多对话能力。尤其针对人力资源领域特点,Snowball有针对性的搜集语料进行模型训练,并且增加了许多定制化功能以保证对话系统的专业性及良好体验。而在用户画像方面,基于多年的丰富行业经验,e成科技形成了包含百万级实体和千万级关系的知识图谱作为画像的知识储备,同时加入专业咨询团队的理论编写大量专家规则,并结合业界前沿的机器学习、神经网络模型,构建了覆盖广、精度高的用户画像体系,带动相关业务的发展。基于以上对话与画像能力,e成科技研发了大量覆盖人力资本全场景的智能应用,将AI技术与HR场景深度融合,更加贴合数字化时代下HR的业务需求。部分应用 基于人工智能意图识别及对话管理,利用电话外呼技术实现的高潜候选人自动意向沟通最佳解决方案,突破性提高人才复用率;员工机器人:多年积累的HR领域业务知识与智能对话机器人结合,减少HR重复工作,提升员工工作体验;面试机器人:基于岗位画像和专家知识对候选人进行智能化面试,通过刻画人才画像帮助HR全面了解候选人;HR机器人:通过Bot构建交互信息的采集和分析系统,打造面向HR、员工、候选人的全场景高效对话体验; 人岗匹配:基于人才及岗位画像,结合专家知识与前沿深度学习模型个性化推荐人才,提升HR工作效率; △从BOT集群到超级BOT,科技助力人才升级 △ HR行业首个AI开放平台, 赋能行业变革 在人工智能发展热潮下,不少企业纷纷乘借新技术的东风,在原有业务基础上搭载或者嫁接外部AI技术,于是一时间市场上涌现众多“HR+AI”、“RPA+AI”的人力资本产品或服务,可谓乱花渐欲迷人眼。 但通用AI技术往往与业务场景有着巨大的鸿沟,AI技术与垂直行业的融合,绝非一朝一夕之事。诚然,目前的“AI热”或者“RPA热”反映了市场的焦虑和人力资本领域数字化转型的迫切需求,但如果只是跟随“资本热”或者满足“尝鲜性”的需求,未切实关注HR的深层需求,只会在“伪AI”的道路上越走越远。 AI技术成功应用到人力资本场景,是不断试错,不断创新和优化的过程,需要长时间的研发和打磨。作为HR+AI赛道领跑者,e成科技的AI能力从创立起就深植于基因,并伴随着人力资本业务发展不断学习和进化,融合了深厚的HR行业经验积累、顶尖专家团队提供专业知识,突破技术边界,才在HR SaaS领域形成独一无二的“护城河”。 AI核心优势 AI技术优势:6年的AI能力积累,掌握深度学习、数据挖掘与分析、自然语言处理、知识图谱、智能推荐、人才素质模型、情感分析、实体识别等核心AI技术,引领AI技术与人力资本场景深度融合; 顶尖团队优势:3位顶尖AI科学家,超过50人的来自BAT等互联网巨头的优秀算法团队,超过30人的来自全球知名咨询企业的HRTech行业咨询团队阵容; 行业知识优势:超大规模全行业人力资源知识图谱,历时6年,10,000+家企业使用验证,成功构建50,000,000+实体关系; AI行业认可:HR赛道唯一入选上海人工智能发展联盟(SAIA)和中国人工智能产业发展联盟(AIIA)的会员单位,多次斩获人工智能技术应用十强、AI商业落地百强等诸多荣誉; 基于以上优势和能力,经过多年积累和孵化,e成科技打造了HR赛道首个AI开放平台,并将多年AI能力积累开放给所有HR友商,助力实现人力资本智能化升级与变革。 AI开放平台是HR赛道首个企业自主研发的聚焦人力资本场景的一站式AI能力服务平台,覆盖简历解析、人岗匹配、HR机器人等诸多场景,通过OpenAPI及需求定制等形式,面向所有自研系统大型企业、垂直招聘平台、传统HR行业厂商等企业用户提供智能化服务。 AI开放平台提供的服务主要集中在这三种形式: 标准化AI能力:将NLP、NLU等前沿的AI技术全面应用于HR各类核心业务场景,为用户直接输出单个或多个AI技术能力,如简历解析、职位解析、人岗匹配等; 组件化AI产品:基于业务深度理解,实现AI产品组件化、平台化,用户通过标准API接入,实现快速调用AI产品,无需企业再次开发; 个性化场景解决方案:根据用户的个性化场景需求提供定制化的AI能力和服务,打造企业专属AI应用; SERVICE 目前,AI开放平台已助力多家企业合作伙伴智能应用落地,赋能行业智能化变革。后续,我们将为大家分享一些精彩案例,盘点下AI赋能企业变革的那些事儿。 数字化时代,企业纷纷在寻求智慧变革,人力资源部门是推动企业变革的重要动力之一,HR也要时刻随着时代和科技的变化而变化,找到并驾驭合适、高效的智能化工具,将助力人力资源工作者和企业领先同行,实现数字化升级弯道超车。 “RPA+AI”也好,“Bot+画像”也好,核心是真正能够给客户带来价值,提升HR的工作效率。为客户服务的道路上没有终点,为了实现这一目标,未来,e成科技将持续努力把技术能力与人力资本业务更好地结合,推出更多满足HR场景需求的智能化产品与服务,与合作伙伴们一起携手开启人力资本数字化新时代! 请回答BERT:HR 聊天机器人强大聊天技能背后的秘密 AI面试、聊天机器人、AI简历解析等大家熟知的数字化人力资本场景下,那些不为人知的强大黑科技。聊天机器人等智能应用的出现,无疑在人力资本领域掀起了一场声势浩大的革命,它的即时性、全天候、智能化回应,不仅提升了候选人/员工的体验,也大大地提升了HR效率,降低企业成本。不难想象, 未来这些智能化应用将会给我们带来更多惊喜。在这里,院长不禁要问,你知道这么好用的聊天机器人背后,是什么AI技术在支撑吗?很多人都说当然是NLP, 没错,但NLP背后呢?还有一个利器就是:BERT! 2018年底到2019年,NLP领域从学术界到工业界最火热最强大的模型是什么?那就是BERT!BERT已然成为NLP技术历史上最重大转折点之一,是NLP技术向加速产业落地迈进的一大步作为HR+AI赛道领跑者,从BERT一经发布就敏锐察觉到了机遇,积极布局相关研究,不断跟进最近进展、探索相关应用,取得不错的积累和成果。在这篇文章里,院长将简单向大家阐述BERT的相关背景、原理、升级,以及人力资本领域的一些应用、探索和思考。 背景:什么是BERT WHAT'S BERT ? BERT (Bidirectional Encoder Representations from Transformers),是google于2018年底提出的一个预训练语言模型,它通过无监督的方法对大规模的自然语言的语料进行学习,从中提取出人类语言的内在基本规律,辅助后续的自然语言理解的相关任务。 例如,对于一段文本:HR+AI赛道的领跑者,在NLP领域有很多的技术积累。 用通俗的语言理解,BERT在学习的是以下两方面的能力: 1.当输入了“HR+AI__的领跑者”的时候,模型要学习到填入”赛道”是最佳答案,而不是其他的任何的无关词。 2.当输入了“HR+AI赛道的领跑者”的时候,模型要学习到”在NLP领域有很多的技术积累”是最佳的下一句,而不是其他的任何句子。 以上两方面的能力,可以理解为是人类语言的基本规律,那么当模型学习到这种规律之后,有什么用呢? BERT的强大能力 以BERT模型为基础,通过fine tune的方式,可以在BERT已经习得的语言知识的基础上,快速构建对其他自然语言任务的学习和理解,相比于普通的模型,其中的增益主要体现在两个方面: 1.理解更深入。由于已经在大量的自然语言中习得了基本的语言规律,当模型面临一个新的自然语言任务的时候,模型可以利用的知识就包含了已经习得的海量语言规律+新任务里的知识,使得模型能够更加深入新任务所表达的规律。 2.更少的样本依赖。在BERT以前,凡是涉及自然语言理解的任务,需要少则数万,多则数十万的训练样本,才能达到一个基本的效果,而训练样本不是自然就有的,大多需要人工标注。BERT出现之后,BERT可以基于已经习得的语言规律,更好的利用样本,使依赖的标注数量降低至少一个量级,极大加快模型的理解速度。 BERT原理和BERT升级 BERT自2018年底诞生后,在业界和学术界迅速激起一层研究热潮,不断的出现以BERT为基础的改良模型,这其中典型的中文模型代表包括来自哈工大的bert_wwm以及来自百度的 ernie模型。下面我们将简单介绍BERT-base\BERT_wwm\ernie模型的基本原理。 BERT-base BERT综合考虑了以往语言模型(例如ELMo\GPT)的缺点,基本组件使用Transformer模块,并将单向的语言模型改进成双向模型,其结构如图1所示。 图1 BERT: Bidirectional EncoderRepresentations from Transformers BERT所提出的双向预训练模型提出了两个预训练目标,分别是Masked Language Model(MLM)和Next Sentence Prediction(NSP)。MLM随机选取15%的词进行掩码,被选中的词中,80%的词用[MASK]标记替代,10%的情况用随机挑选的词替代,另外10%的情况维持不变。由于在使用预训练模型时,输入的文本不会有[MASK]标记,因此采用这种掩码机制可以有效避免模型误以为目标词预测是针对[MASK]标记的,从而在下游任务中也能有效预测目标词。因此,BERT相关的模型又被称为掩码语言模型(MLM)。下一句预测(NSP)任务在预训练过程中,按50%的概率选择实际输入中当前句子的下一个句子,并标为IsNext标签,另外50%的情况随机从语料中选择一个句子拼接在当前句子后,并标为NotNext标签。预训练模型同时优化[MASK]目标词预测及下一句预测的目标。 在下游任务的改造方面,类似于GPT,BERT也针对不同任务提出了不同构造输入的方式,包括句子关系分类、文本分类、阅读理解及序列标注,构造方法如图所示。对输入只有一个句子的情况,直接添加[CLS]字符,对有两个句子的情况,将句子通过分隔符拼接再添加[CLS]字符。每种任务的输入都由三个部分组成,每个单词的向量表示(Token Embedding),句子的向量表示(Segment Embedding,用于区分输入的不同句子)及位置向量表示(Position Embedding)。 BERT提供了基于字符mask机制的中文预训练模型BERT-Base, Chinese。而对于中文来说,一个词由不同的字符组成,而BERT提供的字符级的mask机制对中文来说会有一些限制,因此对中文的预训练模型的改进则体现在对整个单词进行mask(即全词mask,whole-word-mask)。 BERT_wwm 哈工大讯飞联合实验室开放的中文预训练模型BERT-wwm[17],与下文介绍的百度的ERNIE类似,是采用了全词mask策略(Whole Word Masking, wwm),对同属一个词的所有子词进行mask、保留或替换操作。数据预处理的分词过程采用了哈工大LTP分词工具。第一版本的BERT-wwm采用了中文维基百科数据进行预训练,第二版本BERT-wwm-ext提供了在更大通用语料(5.4B词数,包括维基百科和通用数据)上预训练的模型。 ERNIE 比于BERT的字符级mask,ERNIE提出了基于先验知识的mask策略。即每次mask连续的短语或实体。如对句子“哈尔滨是黑龙江的省会,国际冰雪文化名城”进行mask,依据BERT的字符级mask策略得到“哈 [mask] 滨是 [mask] 龙江的省会,[mask] 际冰 [mask] 文化名城”,而ERNIE的mask方式为“[mask][mask] [mask] 是黑龙江的省会,国际 [mask] [mask] 文化名城”。在训练数据方便,ERNIE使用了中文维基百科,百度百科,百度新闻及百度贴吧的论坛对话数据,并采用类似于BERT 下一句预测的对话语言模型(Dialogue Language Model, DLM)来建模对话句对结构。 人力资本领域应用 HR+AI赛道的领跑者,以先进的NLP能力不断引领HR领域内的AI升级。我们从BERT一经问世就密切关注其研究进展,在将近一年的时间内,我们积累了大量的探索和应用的经验,下文从BERT直接应用、专有BERT研发、合理性判定三个方面阐述了我们的一些探索。 BERT的直接应用 (1)基于BERT的情感分析模型 情感分析是语义理解里的核心模型之一,其解决的主要问题是一句具有主观情感的话语进行理解,识别出其中蕴含的正面、负面或者中性的情绪。 举例如下:1. 该面试者的沟通能力非常强2.该面试者沟通方面有一些不足,3.该同学来自上海。 模型对以上1 2 3句进行情感分析,1表达积极情绪,2表达消极情绪,3表达中性情绪。在人力资本领域,情感分析模型的应用随处可见,在内部,我们使用情感分析模型进行公司新闻舆情、公司评价、面试官评价、绩效文本分析、对话情绪识别等基础的分析工作,助力人力资本领域内的洞见形成。 在BERT到来之前,e成就自研了基于lstm+softmax的情感分析模型,用于对公司的评价信息进行情感分析,取得相对不错的效果。但是仍然存在主要两点问题: 1.训练出一个有效模型需要的数据量庞大。我们使用了15w的训练数据,才训练出了一个准确率在90%的模型,15w的数据量不仅意味了更大的收集和标注数据难度,而且意味了更长的训练时常和资源消耗。 2.迁移能力差。我们尝试使用基于公司评价数据的模型直接对面试官评价数据进行分类,发现效果下降明显,大概降低了近15个百分点,自然语言处理有天然的领域属性,而一般的模型领域迁移能力有明显的局限。 2018年底,我们尝试了基于BERT的情感分析模型,新训练的模型准确率达到了93%,更重要的是,在以上两方面问题上,基于BERT的模型有质的提升: 1.训练模型需要的数据下降了至少一个量级。我们基于BERT尝试进行少量样本的学习,发现,训练到同样的效果,BERT需要的数据降低了一个量级。 2.强大的迁移能力。当我们把在公司评价数据集上训练的模型迁移到面试官评价数据集的时候,模型的效果几乎没有下降,这证明了BERT强大的领域迁移能力。 (2)基于BERT的实体识别模型 实体识别任务是指从一段文本中识别出特殊的名词,是NLP领域语言理解的核心任务之一。 在人力资本领域,我们需要识别的实体,主要包括(但不限于)公司、专业、职能、技能、学历、证书、学校等,从一段文本中识别出这些实体,是理解这段文本内容的基础,而基于识别结果并链接到知识图谱,更是下一步进行人岗匹配工作的核心要素。 举一个实体识别的例子如下:我毕业于北京大学,是一名算法工程师,现在在阿里巴巴就职 从上面这句话,我们的识别结果是,学校-北京大学,职能-算法工程师,公司-阿里巴巴。 我们使用BERT进行实体识别模型的训练,取得很好的效果。整体识别的f1值达到了0.79,相比于传统的模型提升了5-10个百分点。 (3)基于BERT的名词短语识别模型 众所周知,对文本进行理解的第一步就是要进行分词,而人力资本领域充满了各种专有名词,在分词的时候确保一个名词短语不被错误的切分开,是正确的理解人力资本领域内的各种文本的重要前提。 为此,在很久以前就尝试了各种名词短语识别的算法,我们将名词短语识别直接建模成为序列标注任务,同时基于cv语料上的识别结果进行相关统计过滤,识别出了大量的名词短语列表。 例如下面的句子: 是一家AI创新的公司,利用自然语言理解技术,提升人力资本领域内各个任务的智能化程度。 典型的切词会把上文中的自然语言理解技术切分为 自然/语言/理解/技术,这种切分方法会对理解文本和进行人岗匹配等过程产生很多不利的影响。 我们使用基于BERT的模型识别出上文中自然语言理解是一个名词短语,进而辅助在切词的时候保留其完整性。 人力资本领域的专有BERT 业界和学术界的经验表明,当基于某个领域内的大量自然语言的进行继续无监督训练之后,BERT的效果会得到进一步的提升,基于此,我们打造了人力资本领域内的专有BERT,使得领域内的各种模型可以继续提升。 继续无监督训练需要两个关键因素,一是大量的数据,二是充足的算力。得益于e成在人力资本领域内多年的数据积累,以及公司作为AI公司充足的算力,我们的无监督训练得以实现。同时,我们选择近期效果更好的BERT的升级模型-ERNIE,作为我们继续训练的基础。以下,我们称这个模型为cv预训练模型。 数据方面,我们基于简历中的工作经历字段的数据进行全词mask预训练。考虑到通过10次随机mask之后的数据会大幅扩增,因此此处采用了大约5G的CV数据进行预训练。算力方面,我们使用8块v100GPU(目前业界算力最强GPU)进行训练,总共训练约一周的时间。 CV预训练方法 预训练过程包括预处理和预训练两个阶段。数据预处理旨在对原始数据进行掩码并进行句子拼接。在预处理之前,首先需要将原始数据分词,并将数据按行分句,按空行分段。这里我们加入由e成多年积累的各个实体的词典库作为分词的用户字典。预处理时,对属于一个词的字符之间添加“##”标识来区分词和单字。如“幼儿园”经过tokenizer之后会变成“幼##儿 ##园”,若mask策略随机选择了“幼”这个词替换成[MASK],也会同时将“儿”和“园”一起mask。构造下一句预测数据时,若当前文档只有一个句子,或者以50%的随机概率从其他文档随机抽取一个句子拼接到当前句子来作为下一句预测的负样本,另外50%的情况是选择当前文档的下一个句子拼接,作为下一句预测任务的正样本。处理完一组数据后,注意需要将中文连续词前面的‘##’符号去掉防止影响后续的预训练过程。 CV预训练模型评估 我们选择之前提及实体识别任务,验证我们的cv预训练模型的效果。我们分别对同一组数据进行了四组实验验证。包括:基于BERT模型直接fine-tune,基于CV数据预训练BERT之后的模型进行fine-tune,基于ERNIE模型直接fine-tune,和基于CV数据预训练ERNIE之后的模型进行fine-tune。 为评估实体识别的效果,分别从标签数量和实体范围角度进行了评估。例如 “拥有高中教师资格证”对应的标签为 “O O B-Certificate I-CertificateI-Certificate I-Certificate I-Certificate I-Certificate E-Certificate”,按标签数目评估即判断标签是否正确,而按实体范围评估则要求标签能正确区分实体的起始和终止边界,若预测标签为“O O B-CertificateI-Certificate I-Certificate I-Certificate E-Certificate O O”,则按标签数目评估时正确标签有6/9,但按实体范围评估准确率为0/1。 表3和表4展示了基于BERT原始模型及用CV数据预训练后的模型在实体识别任务上的对比,其中P、R、F分别代表准确率、召回率和F1-score。可以看出,根据标签数量评估时,CV数据预训练后的模型相比原始BERT在准确率、召回率和F1-score上分别提升了1.35%,1.35%和1.68%。按实体范围评估时,CV预训练后的模型比原始BERT在准确率和F1-score上分别提升了1.69%和2.03%. 基于ERNIE的CV数据预处理后相比于基于BERT的CV数据预处理后在标签数目上分别提升了10.29%,2.61%,5.71%,在实体范围评估上提升了3.12%,0.64%和1.13%。由此可以看出,采用领域数据对预训练模型进行进一步的预训练,有助于提升领域下游任务的表现效果。 表3 BERT原模型及CV数据预训练后模型在实体识别任务上按标签数量评估的对比 表4 BERT原模型及CV数据预训练后模型在实体识别任务上按实体范围评估的对比 基于BERT的合理性判别 (1)对话中句子的合理性识别 为了识别Bot(聊天机器人)对话过程中,用户输入的一句话是否是一个合理的句子,我们应用了BERT对用户输入的query进行合理性的判定,对于识别出用户随意输入的句子,我们在Bot进行了特殊的回复设定,有效的增加了Bot对话过程对用户输入的理解能力。 例如以下两句话:1.请问公司的地址是什么2.阿萨尔塔尔哇嘎时高时低 BERT模型会基于语言模型的预测结果,对1和2进行困惑度打分,过高的困惑度意味着这不是一个自然语句,进而触发特定的对话逻辑。 (2)公司名称的合理性判定 从自由文本中准确的识别公司名,是一项难度很大的任务,这其中一个很重要的点就是如何判定某一段文本在句子中是一个公司名,还是碰巧是其他词语,例如如下两句话: 我本科毕业后,一直在京东从事算法开发工作。我们公司位于北京东边的一个商业中心。 从这两句话中,我们都可以提取词语‘京东’,而且京东确实一个公司,但是很明显在语句2中,京东所表达的并不是一个公司。此时,我们就可以使用基于BERT的语言模型进行相关的判定,我们将两句话中的京东都替换成百度,发现对第二句话模型预测句子的合理性出现了大幅的降低,可以判定在第二句中提取的京东不是一个真正的公司。我们正在探索使用此类方法,来进一步提升我们实体识别的准确率。 总结 本文主要阐述了BERT的背景、原理、模型升级和人力资源领域的落地应用,作为一种预训练语言模型,BERT在NLP领域取得了极大的成功,e成作为HR+AI赛道的领跑者,紧跟业界最新的研究前沿,积极探索落地应用并取得了一定的成果。接下来,我们会从模型加速、蒸馏、小规模语言模型等方面,持续的进行相关的探索。 不管是在文本分类、文本相似度、情感分析、通用实体识别、语言模型、阅读理解等NLP能力方面,还是在语音分析、视频面试等音视频能力、人力资源知识图谱、简历解析、画像推理、BEI访谈等应用能力方面, BERT技术应用其中,并基于具体场景做了很多技术优化,如样本优化、性能优化等,并基于人力资源场景语料专门训练了Bert模型。同时,我们把它平台化,把很多其他NLP工具集中在平台里,未来可以做到更强的模型,更加贴合业务。 基于以上领先的AI技术和深厚AI能力的积累,e成科技推出HR行业首个AI开放平台,并已实现AI能力中台化,即⽤即取,高效连接算法能力和业务诉求;同时对外开放AI能力,将多年AI能力积累开放给所有HR行业友商,助力人力资本智能化升级。 一文读懂RPA、AI与HR的关系 近两年,科技行业热词里突然多了一个简写—RPA有人把RPA当作解放劳动力的救星认为任何大规模、重复性工作都能用RPA机器人代替大大节省了人力、时间和金钱 比如在人力资本领域 研究表明,HR们大约93%时间花费在重复性工作上但65%的工作流程其实可以实现自动化RPA可以将HR从大量、繁琐、重复的任务中解放出来 如简历筛选、面试邀约、员工入职、员工数据管理、考勤管理、离职管理……从而将时间和资源聚焦在更高价值和战略性任务上 Gartner研究表明,到2022年底85%的大型和超大型组织将部署某种形式的RPA一时间,RPA风头无两,被认为未来市场前景广阔引得各路投资人争先恐后 但也存在不同声音有人说RPA是开数字化历史的倒车认为RPA只不过是在重复执行脚本不过是不断执行命令的“手脚”AI才是发布命令的“大脑” 面对众说纷纭、信息纷繁我们似乎只能管中窥豹难得全貌那么到底该如何看待RPA?RPA和AI有哪些联系?RPA和HR又有哪些关系呢? 这个名字,源自伟大的计算机科学和人工智能之父——艾伦·麦席森·图灵(Alan Mathison Turing)。怀着无比的敬意,小编虔诚地打出他的荣誉:英国著名计算机科学家、数学家、逻辑学家、密码分析学家,著名“图灵测试”实验提出者。(预告插播:后续不知道什么时候专栏将推出图灵专题,扒一扒聊一聊这位谜一样的天才科学家) 数字化时代已然到来,新科技将推动经济、社会、企业发生翻天覆地的变化,也将赋予人力资本巨大的变革力量。在这场浪潮中,思变的企业和HR们已经开始寻求变革新路径。作为人力资本数字化平台和数字化人才战略的先行者,打造HR领域第一AI专栏——图灵学院,希望以此为窗口,向HR传达专业的AI知识与信息,赋予人力资本领域变革力量,以AI为钥,携手HR开启数字化变革之门! coding的技术大佬们提供内容支持,由市场部设计小哥哥们提供视觉支持,未来将提供前沿技术思考、行业技术干货、全球AI好物、以及不定期精彩互动与福利。希望通过这样一个平台,与HR们一起愉快地感知AI前沿趋势脉搏、探索AI发展的未来、推动AI在人力资本领域的创新应用与突破。

  • GOODWORK | Hocitgroup Recruit

    Top accountant & consultant skills Accountants Accounts Payable Managers Bookkeepers Business Consultants Civil Law Lawyers & Legal Professionals Consultants Contract Law Lawyers & Legal Professionals CPAs Data Entry Specialists Excel Experts Financial Analysts Financial Managers Financial Reporting Analysts Intellectual Property Law Lawyers & Legal Professionals Legal Consultants Management Consultants Payroll Processing Specialists Quickbooks Consultants Sales Consultants SEO Experts Social Media Consultants Tax Preparers Virtual Assistants Xero Experts Top accountant & consultant skills in US Accountants in US Bookkeepers in US Business Analysis Specialists in US Business Coaches in US Business Development Specialists in US Business Planning Specialists in US Creative Writers in US Customer Service Representatives in US Data Entry Specialists in US Email Marketers in US Financial Accountants in US Financial Analysts in US Financial Forecasting Specialists in US Financial Modelers in US Financial Reporting Specialists in US Human Resource Managers in US Intuit QuickBooks Specialists in US Management Consultants in US Marketing Strategists in US Excel Experts in US PowerPoint Experts in US Microsoft Word Experts in US Music Producers in US MySQL Programmers in US Payroll Processing Specialists in US Poets in US Project Managers in US Recruiters & Recruitment Consultants in US Regression Testers in US Startup Consultants in US Strategic Planning Specialists in US Usability Testing Specialists in US Top virtual assistant skills Administrative Assistants Appointment Setters Blog Writers Customer Service Representatives Data Entry Specialists Data Miners Editors Email Handlers Excel Experts Executive Assistants Google Docs Experts Google Sheets Experts Google Slides Experts Internet Researchers Personal Assistants PowerPoint Experts Press Release Writers Project Managers Proofreaders Recruiters Research Assistants Social Media Managers Transcriptionists Typists VBA Experts Virtual Assistants Word Experts Top virtual assistant skills in US Administrative Assistants in US Adobe Photoshop Experts in US Blog Writers in US Bookkeepers in US Creative Writers in US Customer Service Representatives in US Customer Support Representatives in US Data Entry Specialists in US Editors in US Email Handlers in US Excel VBA Developers in US Financial Analysts in US Google Docs Experts in US Graphic Designers in US HTML Developers in US Internet Researchers in US Intuit QuickBooks Specialists in US Excel Experts in US Microsoft Office Specialists in US Microsoft Outlook Specialists in US PowerPoint Experts in US Microsoft Word Experts in US Musical Composition Specialists in US Project Managers in US Proofreaders in US Research Specialists in US Social Media Managers in US Social Media Marketers in US Transcriptionists in US Typists in US Virtual Assistants in US 仕事の種類は200種類以上。ご要望にあわせて発注できます。 事務作業の発注 オフィス事務のプロが、作業を対応。 オンライン事務 アシスタント 1時間2,000円から 月10万円から契約可 営業活動の生産性向上。 営業リスト作成 大量リスト作成も、 スピーディに。 1件10円から 名簿入力も、アンケートの集計も。 データ入力最短納期 当日発注・当日納品 1件10円から デザインの発注 売れるデザインが、この料金で。 納得のコンペ チラシ作成 平均20提案 30,000円から 店舗や名刺を、より魅力的に。 納得のコンペロゴ作成 平均70提案 20,000円から 高品質な営業資料で、売上を上げる。 営業資料作成 会社説明/商品・サービス説明など 最短1週間 10,000円から おすすめの発注 ホームページをリニューアル。 企業ホームページ作成 年間実績1万件以上 納得の依頼先が、 きっと見つかる。 イベントから、社内研修まで。 動画 編集・制作 最短1週間 50,000円から 10ヶ国語以上に対応。 大量の翻訳作業も、スピーディに。 特急翻訳・専門翻訳 一般翻訳 3,000円から/1,000文字 (3円/文字) 専門翻訳 6,000円から/1,000文字 (6円/文字) ゲーム業界 ゲーム業界TOP ニュース 特集求人 採用説明会 セミナー インタビュー 技術情報・コラム コンテスト Web業界 Web業界TOP ニュース 特集求人 採用説明会 セミナー インタビュー 技術情報・コラム コンテスト 映像業界 映像業界TOP ニュース 特集求人 採用説明会 セミナー インタビュー 技術情報・コラム コンテスト 広告・出版業界 広告・出版業界TOP ニュース 特集求人 採用説明会 セミナー インタビュー 技術情報・コラム コンテスト フォームの始まり フォームの終わり HOME セミナー一覧 【無料】現場で役立つ「Adobeソフト実践セミナー」 映像業界 動画 編集 転職・就職 【無料】現場で役立つ「Adobeソフト実践セミナー」 『話題のWeb動画企業で働くチャンス! 業界未経験大歓迎!』 いま映像・Web動画業界では、Adobe映像編集ソフトが使えるクリエイターのニーズが増えています。 そこで、ソフトはさわったことがあっても編集技術に自信のない方や、他の編集ソフトは使えるけれど、Adobe製品は使ったことがない方を対象に、セミナーを開催します。 セミナー修了生にはタイアップ企業へ面接推薦枠をご用意。 「仕事につながる」を重視した就職・転職支援型のセミナーです。 Adobe編集ソフトの基本~応用までを無料でトレーニング! 求人応募に必要な作品制作を1週間集中サポート! 講師は現役クリエイター!現場で役立つスキルを学べる! タイアップ先の映像素材を取り入れた講義で、仕事につながるスキルを獲得! 自分時間でトレーニング&課題制作できる! 修了生はWeb動画/映像制作会社へ特別推薦!面接枠をご用意! ※受講者の編集ソフト習熟のレベルにより、カリキュラム変更の場合があります。 タイアップ先企業の一例 ・大手Web動画制作会社 ・有名編集スタジオ ・音楽映像制作会社 ・人気テレビ番組制作会社 ・外資系Web動画配信企業、など。 ご紹介先は他にも多数あります。 こんな方におすすめ! ・Adobe Premiereの基本操作ができる方 ・映像/Web動画業界へ就業したい方 ・テレビ(AD・D・編集・編集・PMなど)からWeb動画業界へ転職したい方 ・学校などで映像編集を学んだものの、実務経験がない方 申込から就業支援までの流れ 1.事前選考 弊社担当者と事前面談→受講生の選考を行います 2.ゴールの設定 求人応募に必要なゴールに向けて、個別に課題を設定 3.講座&トレーニング 講師による講座(1日)を受講後、1週間かけて課題作品を制作 4.就業支援 希望する企業へ作品を持って応募 弊社担当者がマンツーマンで向き合い、履歴書添削や模擬面接などで就業サポートします 開催概要 概要:現役クリエイター講師が、動画・映像編集に必要な基本操作や編集演出スキル、作品制作をサポート。同時に、就労支援を行います。 支援対象のソフトは、AdobeのPremiere Pro CC、After Effects CCの2つです。 使用ソフト(Adobe):◎Premiere CC ◎After Effects CC Hire the best freelancers and agencies Get Started Browse top freelancers and agencies by category Find the right freelancer or agency for your project on the world’s largest hiring platform connecting savvy businesses and professional freelancers. Web, Mobile & Software Dev Desktop Software Development Freelancers Ecommerce Development Freelancers Game Development Freelancers Mobile Development Freelancers Product Management Freelancers QA & Testing Freelancers Scripts & Utilities Freelancers Web Development Freelancers Web & Mobile Design Freelancers IT & Networking Database Administration Freelancers ERP / CRM Software Freelancers Information Security Freelancers Network & System Administration Freelancers Data Science & Analytics A/B Testing Freelancers Data Visualization Freelancers Data Extraction / ETL Freelancers Data Mining & Management Freelancers Machine Learning Freelancers Quantitative Analysis Freelancers Engineering & Architecture 3D Modeling & CAD Freelancers Architecture Freelancers Chemical Engineering Freelancers Civil & Structural Engineering Freelancers Contract Manufacturing Freelancers Electrical Engineering Freelancers Interior Design Freelancers Mechanical Engineering Freelancers Product Design Freelancers Design & Creative Animation Freelancers Art & Illustration Freelancers Audio Production Freelancers Brand Identity & Strategy Freelancers Graphics & Design Freelancers Logo Design & Branding Freelancers Motion Graphics Freelancers Photography Freelancers Presentations Freelancers Video Production Freelancers Voice Talent Freelancers Writing Academic Writing & Research Freelancers Article & Blog Writing Freelancers Copywriting Freelancers Creative Writing Freelancers Editing & Proofreading Freelancers Grant Writing Freelancers Resumes & Cover Letters Freelancers Technical Writing Freelancers Web Content Freelancers Translation General Translation Freelancers Legal Translation Freelancers Medical Translation Freelancers Technical Translation Freelancers Legal Contract Law Freelancers Corporate Law Freelancers Criminal Law Freelancers Family Law Freelancers Intellectual Property Law Freelancers Paralegal Services Freelancers Admin Support Data Entry Freelancers Personal / Virtual Assistant Freelancers Project Management Freelancers Transcription Freelancers Web Research Freelancers Customer Service Customer Service Freelancers Technical Support Freelancers Sales & Marketing Display Advertising Freelancers Email & Marketing Automation Freelancers Lead Generation Freelancers Market & Customer Research Freelancers Marketing Strategy Freelancers Public Relations Freelancers SEM - Search Engine Marketing Freelancers SEO - Search Engine Optimization Freelancers SMM - Social Media Marketing Freelancers Telemarketing & Telesales Freelancers Accounting & Consulting Accounting Freelancers Consulting Freelancers Human Resources Freelancers Management Consulting Freelancers Branding Job Seekers Employers Post a Job Log in | Register WHERE TO CATCH YOUR DREAM FASHION JOB THE BEST TALENT OF THE INDUSTRY IN MEETS HERE ​ SEARCH ​ INCREASE CHANCES! GET A FREE ACCOUNT URGENTLY HIRING Increase your chances to get a match with urgent hiring Love, Bonito TBD Assistant Store Manager Full-time Various locations Aesop $3400 Store Manager Full-time Various locations On-The-List TBD E-Commerce Executive Full-time Marina iROO $1600 Retail Sales Associate Full-time Various locations Read More > Storytelling Cutting edge fashion & beauty job platform Personalized job recommendations make job search seamless and refined. Less searching, more matching. FEATURED COMPANIES Exclusive collection of companies to work for SEE ALL BRANDS Are you an employer? NEW HIRING Be among the first applicants to get a match Yves Saint Laurent YSL Beauty Advisor / Makeup Artist Yves Saint Laurent Beauté is the makeup, fragrance, and skincare signature of the most subversive Parisian couture brand. No compromise. Your own rules. Now. What are we looking for? Are you a make-up junkie? Does luxury yet edgy looks excite you? Are you a good salesperson? We are looking for makeup artists to join our YSL brand. Interest Apply $ 1200 - 3000 20 hours ago Full-time Various locations On-The-List E-Commerce Executive The E-Commerce Executive execute website content initiatives to maintain and grow the eCommerce channel, optimize the user experience, and supply chain, ensure cross-channel consistency and support online strategies. This role closely collaborates cross functionally to support Marketing, and Operational business goals. Interest Apply TBD 19 hours ago Full-time Marina Shu Uemura Makeup Stylist Are you a make-up junkie? Does elevating makeup to the state of art excite you? Are you a good salesperson? We are looking for passionate and dedicated makeup artists to join Shu Uemura team. Interest Apply $ 1200 - 3000 19 hours ago Full-time Various locations Love, Bonito Assistant Store Manager As part of the Retail team, you will be responsible for building our retail business unit and representing our brand to the masses. The role will be integral to the success of Love, Bonito especially as we continue to expand our retail reach over the next few years. Reporting directly to the Head of Retail Operations, you will play a pivotal role in shaping Love, Bonito through this exhilarating phase. Interest Apply TBD 19 hours ago Full-time Various locations Aesop Store Manager We seek a conscientious and dedicated Store Manager; a character who will bring humor, diligence, and purpose to the role, while choreographing the daily activities of a team of Retail Consultants at our signature stores. Retail experience in management or assistant management of a store or counter is essential, as is the confidence to sell products requiring specialist knowledge and the willingness to embrace demonstration-based sales techniques. Interest Apply $ 3400 - 3800 19 hours ago Full-time Various locations Express ticket that gets the fashion job you want Many qualified applicants have found their perfect job match with HOCITGROUP. Make your dream come true! CHECK ALL HIRING Are you an employer? TRUSTED BY BRANDS Where top employers meet qualified talents SEE ALL BRANDS Only offers fashion, beauty and lifestyle brand positions in one place Read More > DESIGN ARTICLES Spend 20 seconds reading and get ahead of the game 7 tips To Nail That Fashion Job Interview Ever wondered how to show that YOU are the perfect fit for that fashion job? We've got you covered! In this article we answer the most common questions to guide you through your upcoming interview. Fashion Job Interview: What To Wear Do's & Don'ts Your big day is coming and you are not sure how to dress to make a good impression? Follow our tips to make the most of your appearance and avoid these common mistakes. A Beginners Guide to Career in Fashion & Beauty Retail a lot to offer for those, who want to work in fashion & beauty retail. We are thrilled to present you this introduction that explains how to make a good start in the industry. Read More > Consulting About HOCITGROUP HOCITGROUP, a system designed to present updated profiles and successfully match candidates with job opportunities that best fit their skill sets to Fashion and Beauty positions. Read More Job Seekers Browse All Jobs Brand list How It works? Employers Post a Job How It works? Company TERMS & CONDITIONS Read More > Sincere cooperation cooperation method: Friendly Link Cooperation: Text, pictures and other forms can be cooperated, and follow the principle of reciprocity, reciprocity and partnership! Campus job fair cooperation: With the long-term partnership with the employment guidance centers of colleges and universities, we organize customized campus recruitment activities for units with campus recruitment needs. Including unlimited campus recruitment seminars, campus recruitment site special sessions, and campus recruitment network special sessions. Special project cooperation: The long-term strategic partnership of human resource management teaching and research sections and laboratories of relevant universities, relying on the news of Yingcai.com and comprehensive talent database, provides units with special research topics, including but not limited to: salary report, talent flow trend report, and senior key enterprise Talent growth report and more! Media coverage cooperation: The overall grasp and dynamic monitoring of the talent flow dynamics, provide the media with first-hand materials and materials such as human resource flow trends, employment trends, etc., and provide detailed, systematic and reliable basic data for media reports on human resources and career aspects ! Other cooperation: Other cooperation on human resources, talent flow, career, employment, etc.! , using a membership system to operate, charging a certain fee as a guarantee of providing services to users, recruiters can apply to become unit members of www.oxhabridge.com , and job seekers can apply to become individual members. 1. Individual users: completely free. 2. Unit users: For details, please call the consultation telephone japan 81 06-675388622 china 86 15358411774 3. Homepage Advertising Service: Advertising type Advertising location Size (px) Price (yuan/week) Advertisement in Area A in the upper right corner of the A1 page 286*186 ¥30,000 B1 The picture on the upper right side of the page B area advertisement 320*60 ¥14,000 B2 Two-in-one advertisement in area B on the upper right side of the page 648*60 ¥28,000 C1 bar advertisement in the middle of page C area 484*60 ¥10,000 Two-in-one advertisement in the C area of ​​the C2 page middle bar advertisement 976*60 ¥28,000 D1 Large logo advertisement in the middle of the page D area 320*60 ¥6,000 D2 large logo advertisement in the middle of the page D area two-in-one advertisement 320*128 ¥10,000 Large logo advertisement in the middle of D3 page 1/2 advertisement in D area 156*60 ¥3,000 Medium-sized logo advertisement E area in the middle of E1 page 190*50 ¥4,000 Medium-sized logo advertisement in the middle of E2 page Two-in-one advertisement in E area 190*108 ¥7,000 Small logo graphic ad F area in the middle of the F1 page (not flashing) payment method China Bank of account: Bank of China Nanjing High-tech Development Branch Account Name: HOC Intelligent Technology Nanjing Co., Ltd Account number: 530073701071 Japan Account Bank: Sumitomo Mitsui Banking Corporation Higashiosaka Branch

  • AI教育 | Hocitgroup Recruit

    マンツーマンメンタリング 毎日8時間チャットサポート 回数無制限の課題レビュー 挫折しない学習方法を動画で見る【無料】 メールアドレスを入力して動画を見る(※ソーシャルボタンでも可能) フォームの始まり メールアドレス 無料で説明会動画を見る ソーシャルボタン ​ ​ ​ プライバシーポリシーはこちら コースに申し込む はじめてのAIコース 非エンジニアが身につけるべきAIプログラミングの知識を習得しよう AIプログラミングの基礎だけ学びたい方向け 詳しく見る AIコース AI(人工知能)の構築に必要な機械学習・ディープラーニングを習得 AIプログラミングを本格的に学びたい方向け 詳しく見る オススメのセット Python+AIセット AIコースを受講したいけど、Pythonの基礎知識がないという方は このセットをご受講ください。 1コースずつ受講した場合に比べ最大60,000円もお得! 詳しく見る フォームの終わり PythonAIセット Pythonを使ってAIの構築に必要な機械学習・ディープラーニング習得 受講開始3月9日(月) 申込締切(本日締切)3月1日(日)26時 今すぐ申し込む Python+AIセット 概要 対象 特徴 スキル メンター 料金 受講の流れ FAQ 申し込む お得情報を 詳しく見る 第13回 日本e-Learning大賞 プログラミング教育特別部門賞 【セット割】Python+AIセットについて Pythonの基礎から機械学習・ディープラーニングまで学べるお得なセット。PythonコースとAIコースを合わせて受講でき、それぞれ1コースずつ受講した場合に比べ社会人プランで60,000円もお得に!現役のエンジニアのパーソナルメンターが徹底サポートいたします。 こんな方にオススメです 人工知能を基礎から実践的に理解したい方 人工知能やディープラーニングに代表される機械学習を実際に体験しながら理解できます。 機械学習ライブラリを使い実装を行いたい方 scikit-learnやKerasといった機械学習ライブラリを使い、画像認識や評判分析、レコメンデーションなどを実装します。 機械学習を学びエンジニアとして活躍したい方 忙しい社会人の方でも、平日の夜、休日を使って学習することで働きながらでもジョブチェンジに挑戦することが可能です。 時間と場所にとらわれない働き方をしたい方 手に職をつけることで、クラウドソーシングなどを利用し在宅でも深夜の時間帯でも、自由な働き方を実現できます。 学習内容 - Python 機械学習の基礎を習得 期間内で4つの機械学習プログラムを開発します。実務に近い形で学習することで、社会でも通用するスキルが身につきます。 画像を解析して分類 画像から犬か猫かを分類する データから花の種類を分類 データセットから花の種類を分類 住宅価格の分析と予想 データセットから部屋数と住宅価格を予想 ビットコインの価格変動を予測 ビットコインの過去のデータから価格変動を予想 学習内容 - AI 人工知能に関するスキルを習得 機械学習のライブラリを使って実装を行います。実務に近い形で学習し、社会でも通用するスキルが身につきます。 回帰モデルの作成 プロ野球選手の年俸を予測(教師あり学習) クラスタリングの実装 花の品種を分類(教師なし学習) Amazonレビューを評価分析 対象商品の評価を判定(自然言語処理) 手書き数字の画像認識 手書き数字を画像認識する(深層学習) 身につくスキル Pythonの基礎からAIの構築に必要な機械学習・ディープラーニングまでまとめて学べます。 Python 機械学習でよく使われる言語 機械学習 AIを構築する際の根幹となる技術の1つ Pandas データの集計・分析を行うライブラリ scikit-learn 回帰分析やクラスタリングなどを行うライブラリ Keras 画像やテキストなどの分析を行うライブラリ TensorFlow 画像認識や音声認識技術を行うライブラリ データサイエンスコースとの比較 AIコースとデータサイエンスコースの違いについて表でまとめています。 AIコース データサイエンスコース プログラミング Python 機械学習 教師あり学習scikit-learn ディープラーニング KerasTensorflow 評判分析 クラスタリング 数学・統計学 確率・推定・検定 モデルの構築 統計モデルの構築モデルの最適化 データサイエンスコースを詳しく見る 現役のエンジニアが徹底サポート 1人では難しいこともメンターがそばにいれば、くじけずに前に進めます。第一線で活躍する現役エンジニアが実務経験を元にあなたを全力でサポートします。 メンターサポート.1 マンツーマンメンタリング 週に2回ビデオチャットを使ってパーソナルメンターからのマンツーマンサポートを受けられます。 メンターサポート.2 チャットサポート 毎日15時〜23時のチャットサポートでは随時質問ができ、即回答をもらうことができます。 メンターサポート.3 回数無制限の課題レビュー 課題ができるようになるまで何度でもパーソナルメンターからのレビューを受けることができます。 < Pick Up Mentor > Kazuki Ota システムエンジニア歴約20年、プログラミング歴約35年。プログラミングの守備範囲はフロントエンド、サーバサイド、Android開発、機械学習と広く、また普段はシステム開発プロジェクトの管理や後輩の指導を行っています。 参加者へのメッセージ プログラミングが出来るようになると世界が広がります!受講生様に寄り添い、楽しく学んで頂けるようサポートさせて頂きます。 Nobufumi Fukumoto IT業界歴約26年。プログラミングは、汎用機から現在まで幅広くやっています。普段は、プロジェクトマネージャーやITコンサルタントをやっています。 参加者へのメッセージ プログラミングは、考え方を身につければどんな言語でも応用ができます。色んなことにチャレンジする人をお節介なレベルまでサポートさせて頂きます。 受講スケジュールのイメージ Pythonコースで基礎を習得してからAIコースをご受講ください。 いつでもご利用可能! チャットサポート、課題提出、カリキュラム閲覧 いつでもご利用可能! いつでもご利用可能! 受講開始受講終了 チャットサポート、課題提出、カリキュラム閲覧は、受講期間内でいつでもご利用いただけます。並行して学習を進めて頂いても、片方のコースから学習をされても構いません。 前半・後半に分けてしっかりサポート! メンタリング 前半 後半 受講開始受講終了 パーソナルメンターとのメンタリングは決められた日程で行います。Pythonコースを前半に、AIコースを後半に行います。 残りわずか!お早めに キャンペーン締切3月1日(日)26時 ブートキャンプの8・12・16・24週間プランのいずれかにお申し込みいただくと、もれなく「はじめてのプログラミングコース」のカリキュラムをプレゼント!暖かくなってきたら勉強を始めてみませんか!? お申し込みフォームへ ※キャンペーン期間内に8週間・12週間・16週間・24週間のいずれかのプランにお申し込みの方が対象になります。 ※上限に達し次第、予告なくキャンペーンは終了となります(表示がある間は対象です)。 ※プレゼント内容は「はじめてのプログラミングコース」の教材(メンターのサポートはありません)。 ※特典の教材は2020年3月10日から閲覧できます。 ※先割との併用はできません。 料金 先割り・キャンペーン 8週間プラン 集中して学びたい方向け 先割り・キャンペーン 12週間プラン じっくり学びたい方向け 先割り・キャンペーン 16週間プラン 多忙で時間がない方向け 先割り・キャンペーン 24週間プラン 焦らず学びたい方向け セット割料金 (税別)※1 2つのコースをそれぞれ受講した際の合計金額 社会人 278,000円※1 248,000円 30,000円 お得! 学生 218,000円※1 188,000円 30,000円 お得! 社会人 328,000円※1 288,000円 40,000円 お得! 学生 248,000円※1 218,000円 30,000円 お得! 社会人 378,000円※1 328,000円 50,000円 お得! 学生 278,000円※1 238,000円 40,000円 お得! 社会人 478,000円※1 418,000円 60,000円 お得! 学生 328,000円※1 288,000円 50,000円 お得! 受講期間 開始3月9日 (月) 終了5月3日 (日) 開始3月9日 (月) 終了5月31日 (日) 開始3月9日 (月) 終了6月28日 (日) 開始3月9日 (月) 終了8月23日 (日) メンタリング 14回 22回 30回 46回 チャットサポート 15〜23時(8時間) 学習時間の目安 (1週間) 20〜40時間 15〜30時間 10〜20時間 5〜15時間 分割払いをご利用いただけます 社会人の方は月々約10,334円〜 学生の方は月々約7,834円〜 ※上記の値段は8週間プランを24回払いの場合となります。※分割手数料については、ご契約のカード会社によって異なりますので、直接カード会社にお問い合わせください。 早めの申し込み・入金がお得!今日から学習スタート!! お申し込み後、入金が完了すると受講開始日を待たず すぐにチャットサポートを開始できます。 ※メンタリング・課題提出は通常の受講期間内での実施となります。 ※先割の場合は通常よりも7日間早く受講を開始できます。 参加条件 必要なメンタリング回数をこなすことが出来る 期間内に必要な学習時間を確保出来る MacかWindowsのPCを持っている Google Chrome を利用できる PCの基本的な操作が問題なくできる 注意事項 支払い法はクレジットカード払い(分割可能)、コンビニ決済、銀行振込、ビットコイン決済からお選びいただけます。 クレジットカード払いは、Visa、Master、JCB(楽天、セゾンのみ)に対応しています。 カード分割払いご利用回数(3/5/6/10/12/15/18/20/24) JCB(セゾン)は分割の支払いが利用できません。 コンビニ決済は30万円を超える支払いにはご利用いただけません。 請求書払いをご希望の場合はお申込後、専用のフォームからご申請ください。 決済後、専用のフォームから領収書の発行が可能です。 学生は25歳以下が対象、学生証の提示が必要です。 参加にはウェブカメラ、マイクが必要となります。 キャンセルポリシー 受講開始にかかわらず、学習システム(カリキュラム)にログインされた後のご返金はいたしかねますのでご了承下さい。なおログイン実施前かつ、受講開始日の1営業日前までであれば、振込手数料を引いて全額返金いたします。(受付:平日10時〜19時) 先割 今、セット割を先行申込すると受講料が8%OFF!このお得な割引を使ってセット割を受講しよう! 最大で33,440円分お得! \ 残りわずか!お早めに / 先割締切3月1日(日)26時 先割で申し込める受講開始日 第109期03/30〜 第110期04/06〜 第111期04/13〜 第112期04/20〜 STEP1 -参加日程を選ぶ 先割の対象となるご希望の参加日程をお選びください。 STEP2 -申し込む その他の必要事項をご記入の上、お申し込みください。 ※先割の期間内に対象となる日程のセット割をお申し込みの方が対象になります。 ※お申し込み時の入金期限までに決済をされた方が対象となります。 ※その他のキャンペーン等との併用はできません。 お申し込みフォームへ 同僚や友人と一緒に受講すると受講料が10,000円割引! セットを申し込む際に一緒に受講される同僚や友人の名前を「お申し込みフォーム」の備考欄に入力してください。受講料が1万円割引になります。ぜひお誘い合わせのうえ、このお得な割引をご利用ください。 備考欄に入力するワード tomowari友人の名前例)tomowari煌木太郎 ※他の割引との併用はできません。 ※申し込みした方と友人とが別のセットになっても割引は適用されます。 ※割引はお一人様につき1回のみの適用となります。 お申し込みフォームへ 受講生限定の転職サポート 一人ひとりの受講状況や習得したスキルに合わせたスカウトでニーズにあった転職の機会をご提供します。 成長中の企業や職場環境が整った企業をご紹介 TechAcademyの学習を進めればニーズに合ったスカウトが届く スキルを活かせる環境へ転職 TechAcademyで学習したスキルを活かして転職 TechAcademyキャリアは受講生限定の無料の転職サポートです。一人ひとりのプロフィールや、学習で身につけたスキルを元に企業やコンサルタントがスカウトするため、それぞれのニーズにあった転職の機会をご提供することが可能です。TechAcademyを受講の際にはぜひお気軽にご利用ください。 ご利用までの カンタン3STEP TechAcademyの コースを受講 TechAcademyキャリアに 簡単ステップでご登録 企業やコンサルタントから スカウトが届く! 他スクールとの比較 他のスクールと比較するとの圧倒的なコストパフォーマンスをご確認いただけます。 A社 B社 C社 料金 99,000円〜※はじめてのプログラミングコース4週間の料金 148,000円〜 入会金128,000円 月額12,800円 入会金18,000円 96,000円〜 受講形態 オンライン完結 オンライン完結 会場とオンライン 会場のみ メンター 現役エンジニア 現役エンジニア 大学生や卒業生が中心 スクールの講師 パーソナルメンター メンターではない 担当者が対応 マンツーマンレッスン (メンタリング) チャットサポート 転職サポート 全コース対応 20万円のコースのみ対応 40万円のコースのみ対応 資格取得のサポートのみ 受講の流れ お申し込み、お支払い、アカウント発行 下記フォームより必要事項を記入してお申し込みください。お申し込み後、入金についてのご連絡させていただきます。入金が確認出来次第、アカウントを発行いたしますのでカリキュラムで予習を始めることができます。 学習開始 開始日からはメンターによるサポートが始まります。オンライン上で学習、課題作成、チャットでの質問、パーソナルメンターとのメンタリングを繰り返し行って、短期間での習得を目指します。 Pythonを学習 まず前半でPythonについて学習していただきます。Pythonの基礎を習得してから、機械学習プログラムの開発も行います。 機械学習・ディープラーニングを実践的に習得 4種類のPythonのライブラリを使い、AI(人工知能)の構築に必要な機械学習・ディープラーニングを実践的に学びます。 FAQ 参加に迷っているのですが… オンラインブートキャンプへの参加を検討されている方向けに、プログラミング無料体験をご用意しています。実際のメンタリングやカリキュラムを体験いただけます。お気軽にご参加下さい。 プログラミング無料体験への参加はこちら 他のプログラミングキャンプとの違いは? 通常のプログラミングキャンプではカリキュラムに沿って学習していくだけですが、プロを育てるため、オリジナルサービスを開発できるレベルまでパーソナルメンターが手厚くサポートし、受講生の結果にコミットしている部分が大きく違います。 合計どのくらい学習時間が必要ですか? 現在の理解度のレベルと進捗スピードによって異なりますが、目安として合計300時間ほどの確保をお願いしております。無駄を省いた学習システムと、メンターへの質問・課題レビューで通常より短期間で成長することが可能です。 期間内に学習が終わらなかったらどうなりますか? オンラインブートキャンプ終了後もカリキュラムは継続して閲覧が可能です。受講生様のオリジナルサービスの開発を出来る限りサポートとするため、追加のメンターサポート( 4週間69,000円 )も合わせてご用意しております。 全くの初心者ですが問題ありませんか? 問題ありません。初心者の方でもしっかりと理解していただけるよう、パーソナルメンターが全力でサポートします。ただし、学習時間を確保の上、しっかり自習して学習を進めることが前提です。 プランの違いはなんですか? 学習期間の違いです。300時間の学習時間を確保できる方をお選びください。カリキュラムやメンターサポートの内容に違いはありません。期間中に終わらない場合は追加のメンターサポートも用意していますが、8週間プラン終了後に4週間延長すると、12週間プランより割高になります。 領収書や請求書の発行はできますか? 可能です。領収書はお支払い後に発行方法をご案内します。また、法人からお申し込みの場合は請求書払いも対応しています。まずはご受講される方の名前でお申し込みいただき、指定のフォームからご申請ください。 Python+AIセット お申し込み 利用規約 に同意の上、下記フォームに内容を記入してお申し込みください。お申込み後、メールにて入金のご案内をお送り致します。 本日締め切り! 参加日程必須 第106期(2020/3/9 〜)【先割】第109期(2020/3/30 〜)【先割】第110期(2020/4/6 〜)【先割】第111期(2020/4/13 〜)【先割】第112期(2020/4/20 〜) プラン必須 社会人学生 24週間プラン (3/9 〜 8/23、 418,000円)16週間プラン (3/9 〜 6/28、 328,000円)12週間プラン (3/9 〜 5/31、 288,000円)8週間プラン (3/9 〜 5/3、 248,000円) 春から勉強キャンペーンの対象プランです 氏名必須 氏名(カナ)必須 メールアドレス必須 電話番号必須 備考任意 お問い合わせ よくあるご質問 コンテスト ブログ メンター募集 マガジン 運営会社 利用規約 プライバシーポリシー 特定商取引法に関する表示 © 2009 - 2020KiRAMEX CORPORATION. 20世紀型教師はいらない!? 学校にAI・ロボットがやってくる 私たちの知らないところで難しい計算や制御をしてくれるのは「電子計算機」や「マイコン」、「コンピューター」や「プログラム」というものでした。最近では「AI」というものが電気釜や冷蔵庫、エアコンといった家電製品の制御から、自動車や航空機の操縦までやってくれるという。また、自動車の製造ラインや掃除、お寿司の握りやホテルの受付などで活躍するのがロボットです。AIやロボットの導入で教師がいらなくなるって、本当でしょうか。 AIとは何か AIとはArtificial Intelligenceの略で「人工知能」のことです。AIには、人間の知能に迫って同様の仕事が出来るような幅広い知能と自意識を持つと言われる「汎用人工知能」と人間の能力のある部分や特定の分野に特化した「特化型人工知能」があります。2045年に訪れると予測されているシンギュラリティ(技術的特異点)は、「汎用人工知能」が人間の脳の能力を超えることで、その真偽は学者や研究者の見解が分かれるところです。2018年の時点で、まだ「汎用人工知能」は出来ていません。 Photo by PIXTA 一方の「特化型人工知能」はめざましい発展を遂げています。チェスや囲碁、将棋といった人類の中では知能が高い人たちが職業としている分野では既に、AIが名人クラスを破っています。スマートフォンやスマートスピーカーでユーザーの要望に的確に答えてくれるのも、客からの電話での問合せやクレームに答えるのも、1秒間で株の売買を決断するのも、一人ひとりの子どもたちに最適な学習方法を提供するのもAIの得意分野となっています。 20世紀の産業を発展させた高度で緻密なコンピューターの「プログラム」とAIはどこが違うのでしょうか。いま活躍しているAI=「特化型人工知能」の特徴は「機械学習」です。 「機械学習」とは、最初に人がすべてをプログラミングするのではなく、大量のデータをAIが自分で解析して、法則性やルールを見つけ出すというもので、まさに「学習」を積み上げていくのもです。もちろん、データの解析方法などの「学び方」は人がプログラムで指示しています。この学び方などのプログラムなしで、AI自身が自分の判断で学んでいく「ディープラーニング」が実現すると、「汎用人工知能」~「シンギュラリティ」となっていくのかもしれません。 AIが教室にやってくる AIを活用した学習システムを2つ紹介します。1つはすららネットの「すらら」です。「すらら」は、アダプティブ・ラーニングやゲーミフィケーションの要素を取り入れた対話型アニメーションのeラーニングです。一番の特徴は、一人ひとりのペースや学力レベルに合わせて問題を出し、学習計画を立てていけるようなオーダーメイド学習、いわゆるアダプティブ・ラーニングだということです。AIは一人ひとりに対応するために様々に活用されていますが、例えばこんなことができます。 「すらら」の画面イメージ 中学1年生が数学の問題を解いていて、ある分野になると苦手だということが明らかになります。すると「すらら」は、苦手の原因を履歴から探って特定します。例えば原因を「分数と分数のかけ算が出来ない」と特定すると、小学校の問題から「分数×分数」の問題を選んで分かるまで繰り返し出題して、いま解けない問題の原因から解決します。「すらら」は、小学校1年生から高校3年生までを対象に国語・英語・数学(算数)の3教科を提供していて、導入している学習塾が690校以上、学校では150校以上で利用されています。 2つめに紹介する「Qubena」は、最初からAIを活用することを前提に開発された、数学(算数)に特化した世界初の人工知能(AI)型タブレット教材です。「Qubena」を開発したCOMPASSの神野 元基CEOが留学中のシリコンバレーで「シンギュラリティ」に出会い、この時代を生きる子どもたちに「生き抜く力を身につけさせなければならない」という使命感で帰国して開発したものです。間違いの原因を人工知能が分析し、たとえ過去の単元や前の学年の分野につまずきポイントがあったとしても、原因を解決するためにその生徒が解くべき問題へと誘導するのはもちろん、生徒が「解いている問題、解答時間、正答率なと」の学習データを専用の管理システムによってリアルタイムに収集・分析したり、ヒントや解説アニメーションを活用して、上級学年の単元へ進むことも、難易度の高い問題へ挑戦することもできます。 COMPASSが実施した導入実験では、通常14週間かけて行う1学期の授業が2週間分の授業時間で終わり、受講者全員が学校平均点を上回る結果となったといいます。実に7倍の速さということです。現在、経済産業省の「未来の教室」プロジェクトの実証事業にも使われいます。 ロボットも教室にやってくる AIが学びの形や質、スピードにまで影響をもたらす可能性があることはおわかり頂けてたと思いますが、ロボットも教育現場で活躍の場を広げようとしています。得意な分野は英語とプログラミングです。そもそもロボットはプログラミングで動く訳ですから、プログラミング学習に使われるのは当然として、英語で利用されるのはなぜでしょうか。 2020年の学習指導要領の改訂により英語は小学校では、5~6年で「外国語」として教科化され、3~4年では「外国語活動」が必修化されます。これまで「慣れ親しむ」程度だった小学校英語が、「コミュニケーションできる」レベルを求められることになります。3~4年で「聞く・話す」を体験し、5~6年では「読む・書く」能力が求められることになりそうです。また、中学校でもこれまで高校で実施されていた「英語で英語を教える」という指導方針が示されています。中学や高校では英語の専任教師がいますが、小学校ではどうでしょうか。「読む・書く」は学生時代に学んだでしょうが、「聞く・話す」まで自信のある教師は少ないことでしょう。ALT(外国語指導助手)を活用すればいいのでしょうが、人材や費用の問題で簡単ではありません。そこで登場するのがロボットです。 柏の葉T-SITEのイベントで 英語学習ロボットとして最も有名なのは「Musio(ミュージオ)」です。「Musio」は、人工知能エンジンや人工知能ソーシャルロボットを開発している米国企業のAKAが開発した英語学習AIロボットで、自ら考えて会話し、その内容を記憶していくコミュニケーションロボットです。米国のネイティブ英語での自然な英会話ができるチャットモード、専用教材でレベル・目的別の英語学習ができるチューターモード、単語や表現、会話フレーズの発音練習ができるエデュモードを搭載し、英語学習を楽しくサポートしてくれます。サイズは幅174×奥行き83×高さ218mmで、重さ約 850gです。 昨年発売以来、多くの学校や教育機関で実証研究やプロジェクトが進行していて、ICT教育ニュースでも度々取り上げています。例えば、明星中学校・高等学校は昨年4月、「Musio」を、私立中学校としては日本で初めて授業に導入。週5コマある英語の授業時間内で、概ね週2回利用しているということです。生徒が使い慣れた段階では、生徒が自由に使える時間を増やしていき、生徒の発話量を増加させるとともに、「(非人間との)リアルな英会話」を通して「実践で使用できる本物の英会話力」を養っていくとしています。 戸田市の導入イメージ 埼玉県戸田市教育委員会では昨年10月から、同市の公立小・中学校向けに「Musio」を活用した外国語活動授業を開始。戸田第二小学校では、5年生を対象に週2回の外国語活動のモジュール授業で、「Musio」を活用した授業を実施しています。あらかじめ設定された文章を、「Musio」に続いて児童が発声し、発音や抑揚などを「Musio」がチェックするというものです。今年1月からは戸田東中学校で、グループごとに「Musio」を使い、その日の重要表現の発音練習に取り入れています。授業では、Musioが一人ひとりの発音を分析・評価し、適切な発音になるまで繰り返し練習するというもの。これまで教師1人では難しかった個人の発音チェックを「Musio」が代行することで、クラス全体の発音レベルの向上を目指しているといいます。 教室の「NAO」 もう一つ、今年になってメディアへの露出が増えてきたのがフランス生まれの人型ロボット「NAO」です。身長は58㎝、体重は5.4㎏。Pepperに比べたらものすごく小型で軽量ですから、持ち運んだり収納したりするのに便利。でも、もっと小型のロボットに比べたら存在感も充分あるので、教室の一番前のデスクの上にいてもしっかり見える、ちょうどいい大きさ。「NAO」の1番の特徴は「かわいい」ことです。可愛くて親しみやすい。この親近感を得やすいというのは、学校教育の現場ではおおきなメリットを生み出すのだそうです。英会話を学ぶ日本人の多くは「恥ずかしい」「失敗したくない」という思いが強く、生身の先生と対面しても上手にコミュニケーションできません。子どもも同じです。そんな時、可愛いロボットが相手なら、ゲーム感覚で楽しく対応できるし、恥ずかしい事もない。 教師という職業は残れるか さて、AIの進化によって社会のあり方が変わり、「何年後には何パーセントの職業がなくなる」といった記事を見かけます。なくなる職業としては「電車やバスの運転手」「工場の組立工や梱包担当」「銀行の窓口」「スーパーのレジ担当」などがあげられます。一方、なくならない職業には、「小学校の教員」「中学校の教員」が必ず入っています。しかし、安心してはいけません。教壇に立って、一方的に知識を伝授するだけの20世紀型教育を続けていたら、すぐにAIやロボットに取って代わられるでしょう。 「教師」がなくならない理由は明らかにされていませんが、おそらく「触れあい」「見守り」「気配り」「思いやり」といった、人間的で曖昧な要素が重要な職業だからではないでしょうか。21世紀型のICT活用教育になっても変わらず教師に求められる能力かもしれません。因みに、なくならない職業に「高校の教員」はありません。なぜでしょうか。 一款真正的AI面试产品,需要怎样的技术内核? 凡心青衣瑶 2020-02-21 16:32 关注 一场突如其来的新冠肺炎疫情,改变了2020的走势。这个庚子年,注定不平凡。 从最初感染几十人到如今几万人,疫情的蔓延,对企业和个人都造成巨大影响。 疫情之下,临危受命 疫情肆虐,春节假期延后、复工延迟、工厂停工、资金压力等让很多企业面临危机甚至濒临倒闭,远程办公、在线教育、互联网医疗、企业级SaaS服务顺势崛起。当正常社会活动受阻,“无接触”成为疫情防控之下最流行和最有效的应对方式。 根据e成科技最新调研数据显示,约64%的受访企业表示可以接受远程面试的方式。(权威发布:疫情之下,克制中的白领与用工潮下的蓝领何去何从?)可见,“无接触招聘”、“线上招聘会”等形式,正在成为特殊时期零接触、高效率、足不出户招人才的有效途径,“远程面试”也脱颖而出成为企业“无接触”招人的首选。 AI面试为何脱颖而出 目前视频面试主要分为两类: 一类是通过各种视频工具进行远程1对1或多人面试,我们称之为 远程面试 ;另一类是候选人与AI虚拟面试官进行面试,我们称之为 AI面试 。 事实上,视频面试并不是一个新生事物,国外类似HireVue、SparkHire等AI面试产品已经问世多年,并得到了不错的应用。在国内,此次疫情的爆发倒逼企业开始使用视频面试,它才得以真正“出圈”,广泛进入人们的视野。 国内也有不少类似产品,比如e成科技的AI面试产品“e面通”。e成科技在2019年已将AI面试应用到数字化招聘产品(ATS)中,并通过了两千余家客户的检验。 但从AI面试诞生伊始,与之相关的争议也一直存在,比如AI面试官信效度和AI伦理问题等。AI面试的效果最受关注,AI面试官能否达到专业面试官水平是企业普遍关心的问题。以目前人工智能发展水平,尚不能直接替代人类,在面试场景亦是如此。在能力上,真人面试官沟通反应能力、对候选人细节把握,以及专业知识能力都令目前的AI算法望尘莫及;在产品形式上,很多特定面试场景暂时无法用AI实现。 但是,这些挑战并不影响AI面试的独特价值。相反,AI面试官可以根据自身特点形成差异化优势,与真人面试官人机协作,帮助企业提升招聘效率和效果。 01海量候选人初筛,降本增效 对于企业面临的海量候选人初筛,AI面试可以通过技术优势实现降本增效。从长期来看,在整体经济下行、企业运营压力加大的情况下,大部分企业都有降本增效需求,减少在招聘中的人力投入,提升效率是其中重要一环。 简单来说,对于标准明确、对候选人要求偏低的岗位,AI面试通过设定标准化问题就可以判断候选人是否满足要求,在这些场景下,AI面试官可以基本替代人类面试官完成招聘流程,比如门店店长、服务人员、销售、导购等。对于高要求岗位,通过AI面试可以对候选人进行初筛,从而减轻面试官后续的面试量,大大降低人工成本。 此外,AI面试还可以快速收集候选人信息,交给专业面试官进行判断,降低面试官沟通成本。 02雇主品牌形象提升 对于候选人来说,一款体验好、科技含量高的AI面试产品能够让他们对企业有更全面地了解,提升面试体验,增加对企业的好感。 而良好的产品设计和交互体验,也有利于候选人克服紧张情绪,充分展示个人能力。同时,相比于人类面试官可能会带有的个人偏见和情绪波动,AI面试官没有情绪、更加客观,使得面试过程更加公平、透明。这都将更好地赋能企业雇主品牌,吸引更多优秀人才加入。 03精准匹配,避免“招错人” 减少流程步骤、提高面试效率的同时,如何保障面试质量成为核心。面对海量候选人,很多企业都面临“招错人”的风险,即便是经验丰富的面试官也难免会看走眼,而“招错人”一旦既成事实,可能对企业组织管理、业务发展和人力成本等各方面带来不小的负面影响。 AI面试不仅能够通过自动化流程和智能化工具,提高招聘效率,还能通过AI技术进行精准匹配,同时基于智能分析给出科学、合理的建议,降低招错人的风险。 同时,通过语音识别、微表情识别、情感计算等AI技术,对候选人性格、情绪、动机等心理状态进行分析,可以在面试官做出决策前提前预警,避免“招错人”。 一款真正的AI面试产品,对AI能力有何要求? 特殊时期,远程面试避免了面对面接触带来的感染风险,可解企业燃眉之急。相比于直接使用skype、微信、QQ等通讯工具,很多HR服务供应商提供的远程面试工具能够针对面试场景做更多优化,比如与企业ATS系统进行打通等,可进一步提升远程面试的体验与效率。 但从面试的内容和结果看,这样的远程面试和传统的现场面试并不存在本质区别。 AI面试之所以区别于传统现场面试以及传统远程面试,是基于底层的领先的AI技术的应用、AI技术与大量的HR知识和行业经验结合。要实现AI技术应用于远程面试场景并不存在很高的技术壁垒,但要真正具备以上两种条件的厂商并不多,他们大多需要通过外部合作接入AI技术。 兼备两种条件的厂商无一例外都具备相同的特点:长期的AI技术投入和行业经验积累。与全球视频面试先驱HireVue类似,e成科技作为领先的人力资本数字化平台,从创立之初就将AI深植于基因,拥有7年的AI技术积累,并伴随着人力资本业务发展不断学习和进化,融合了深厚的HR行业经验积累、顶尖专家团队提供专业知识,突破技术边界,才在HR SaaS领域形成独一无二的“护城河”。 实现一款好的AI面试产品并不容易,一方面要对业务流程深刻理解和产品体验持续优化,另一方面需要领先的AI技术作为内核。可以说,AI能力越强、应用越充分,AI面试体验越好,也给企业和候选人带来更大价值。 那么一款好的AI面试产品到底需要哪些AI能力呢? 01音视频理解与情感计算 AI面试主要通过录制视频进行交互,首先要对视频中的语音和视觉信息进行抽取。将语音转为文本的ASR技术虽然已经成熟,但在复杂环境和对特定领域的识别准确率,仍需针对性的优化。 除此之外,语音视觉信息还可以为不同维度判断候选人提供支持:通过对候选人行为和人脸检测,可确保候选人面试真实性;通过分析候选人的语音与人脸信息,可以判别普通话、表达能力和形象等额外信息;通过情感计算技术分析候选人的微表情和声音变化,可以进一步了解候选人情绪变化,为候选人评价提供进一步支持。 02对话能力 AI面试与传统面试一样,都可以看做是一个候选人与面试官对话的过程。相比人与人之间的面试,AI面试中对话的难度更高,通常轮次也不会过多。 首先AI面试官需要根据候选人的情况准备合适的问题。其次,AI面试官可以在面试过程中多一些与候选人的寒暄与闲聊,包括解答一些候选人提出的问题,这就向拟人化方向往前又走了一步。最后,如果AI面试官还可以根据候选人的回答,灵活且有针对性地进行回复与追问,就可以让AI面试与真实面试更加接近,达到更好的效果和体验。 对候选人说的话进行实时的理解与回复,依赖于强大的AI语义理解能力与计算性能,也是判断AI面试智能性的重要标准。 03语义理解 无论是对候选人的即时追问还是对其回答的离线判分过程,都需要强大的自然语言理解能力作为支撑 具体来说,知识图谱通常是对领域知识进行理解的基础,用来进行各类实体的抽取与关联分析。而文本序列标注、分类、相似度计算等常见自然语言处理技术也必不可少,而这些能力还需与专家业务知识进行结合,在样本缺乏的情况下保证效果。 04跨媒体分析 真实场景下,面试官对候选人进行判断,往往会综合考虑候选人表情、动作、声音、语言等各种信息,而人类大脑天生具备把不同类型多媒体进行整合与分析的能力。 AI面试官也需要在此方面有所作为,对不同的媒体来源综合分析,我们称之为跨媒体分析。比如候选人在描述某一段经历时的眼神飘忽、声音较低,AI可能会对这段经历给出比较低的置信度,这就是跨媒体分析的一种体现。 05人岗匹配 基于岗位的要求与候选人的回答,AI面试官可以给出候选人与岗位的匹配度,供企业HR使用或参考。匹配度的计算既需要考虑业务角度的规则,也需要融入基于大数据学习得到的机器学习模型,并同时考虑候选人冰山上的知识技能与冰山下的职业素质。 以上这些AI能力,e成科技早已融入到自主研发的AI面试产品“e面通”中。 ▲ e成科技AI面试产品“e面通”融入多种AI能力 有相关的AI能力作为基础,再加上e成对业务的深刻洞悉和领先的创新研发产品能力,开发一款AI面试产品水到渠成。可以说,“e面通”是一款集e成科技AI能力之大成的产品,音视频理解、语义理解、对话能力、跨媒体分析、人岗匹配等这些AI能力应用都融入了最新的AI技术、大量的人力资源数据与专家知识积累。后续,我们会继续对这些AI能力及其与AI面试产品的结合方式做更具体地介绍。 当然,这些都离不开多年的积累,e成科技从2013年开始就致力于HR领域的AI能力建设,并且落地于对话机器人、ATS、人才盘点等众多场景中,为大量用户赋能,助力企业降本增效。与此同时,e成科技也将自己的AI能力整合,并打造六大AI算法中台,能快速响应内部业务和客户各项AI需求。 拥抱数字化,危机中崛起 不管是互联网在线医疗服务平台提供线上问诊,AI算法助力疫情态势研判、辅助疫情防控部署,智能机器人提供疫情排查服务,还是人工智能提供的“无接触招聘”服务,这次疫情都让我们切实感受到大数据和人工智能的价值。 当前,AI面试看似是一种特殊时期临时性、过渡性的面试方式,但事实上,这次疫情强化了AI面试的价值与影响,也让很多企业产生危机感,开始探索人工智能技术推动下的企业招聘管理新模式,加速了人力资本数字化进程。 疫情之下,我们不仅要思考“当下”如何渡过难关,也要思考“长远”趋势下,企业如何通过人力资本数字化能力提升,改变组织管理和运行模式。从长远来看,对AI面试等智能工具的驾驭是也一种能力,是组织数字化能力提升过程中的重要能力。 和病毒共存,是人生的一部分;和危机共存,是生存的一部分。 疫情的出现,正在倒逼企业自救升级,拥有数字化能力武装自己成为转危为机的利器。人工智能和AI视频面试都是大势所趋,我们正确应对危机的方式,或许也正是我们抓住机遇的开始。 未来,AI面试将成为企业招聘的重要方向,e成科技将引领行业趋势,凭借自身在AI开放平台、技术、产品、行业经验等优势,助您实现人力资本数字化新升级! vivo-AI算法-19内推面试 发表于 2018-08-07 | 更新于 2018-08-13 | 分类于 面试 已收到offer 本来是约了晚上19:00,搬砖忘记了时间,后来改约到晚上22:00。 vivo 一面 自我介绍 算法题:Top k 有哪些算法,时间复杂度分别是多少 算法题:最长增序列,时间复杂度 对于树模型的理解? 随机森林并行?GDBT可以改成并行吗?引入LightGBM GBDT和Xgboost的区别 讲讲LDA ?LDA里面的共轭分布解释一下? 讲讲word2vec 讲讲RCNN、fast RCNN、faster RCNN做出的改进? 感受: 和intel有类似的地方,面试官的目的主要是发掘你的优点,不是为了挑你的缺点,似乎有国外背景的人会比较喜欢这样。 遇到不会、不熟悉的地方,我就直说,然后跳过聊下一个问题。 面试快要结束的时候,面试官主动拉起来家常,聊到他之前的经历,16年在头条AI lab,后来去了腾讯,最后去了vivo。 似乎我所经历的面试官都很好奇我为什么不读硕士,这位就更直接了,直接劝我说还有时间,现在考研来得及。这是个什么操作? CV、机器学习、数据挖掘、NLP都做过,还说他自己不小心读了硕士又读了博士。 最后面试官安利了一波他们部门,说我的背景和他们部分比较契合,去了应该能有施展的空间。 好在不是第一次听这种话,之前微信的mentor就说过,可是呢。 这次要留个心眼,不过面试官很真诚,也很厉害,好评。 最后我问了三个问题 面试有几轮? 部门的组织架构如何? 好奇问问面试官你这几次跳槽的原因是什么? HR面 2018年08月13日 update 不知道什么情况,直接就终面了。 随便聊聊人生,8月20号之前给结果。 参考 RF、GBDT、XGBoost、lightGBM原理与区别 推荐阅读 拼多多算法工程师(SSP),秋招结束! 秋招准备-规划篇 英特尔深度学习实习生面经 链表高频算法题及其解法 算法岗面试方法论:以面代练 人工智能与数据科学强化课程 从这里,踏上人工智能与数据科学创新之路 免费试听 查看课表 课程时长 16 周 每周5节课, 每节课2-3小时 下次开课 即将开课 关注我们获取最新信息 建议预修课程 无 适合所有学生 商业分析与数据科学两大方向,强化培养面试技能! 针对学员的职业规划,分商业分析和数据科学两个方向教学。前两个月共同上课,夯实基础,后一个月,分班上课,有针对性的准备面试。两个方向课程时间不冲突,您如果学有余力,也可以全方面准备。 由近20位工业界一线的数据科学家和机器学习专家联合授课,师生比高达1:5。95+课时,结合人工智能与数据科学岗位要求,从编程能力、模型理解、项目经验三个角度提升您的综合实力。 课程案例包括用户黏性分析、文本聚类、Spark程序开发、深度学习等多个数据科学领域当前热门问题。 本课程已帮助众多学员拿到科技、金融、咨询等行业数据科学家、机器学习工程师、数据分析、商业分析等岗位offer。 试听课 课程概述 主讲老师:Jason老师 一门课程,两条路径 根据不同的职业路径,您可以选择商业分析或数据科学两个课程。两门课程资源共享,帮助您横向拓宽发展机会,收获理想的offer。 Track I 商业分析Track 注重加强您的案例分析能力和数理统计知识,夯实SQL和Python基础,帮助您顺利通过商业分析岗位面试。 Data Analysis Data Manipulation Data Visualization Business Communication Case Studies 基于商业分析岗位的面试要求,为您定制合适的学习方案。 4+ Data Challenge和Case Study项目,帮您提升简历,拿到面试机会。 课程设置了一系列数据可视化、数据操作及商业软实力课程。 由在IT、金融、能源、咨询等行业有多年商业分析经验的老师授课。 Track II 数据科学Track 为您深入讲解分布式系统和深度学习等前沿知识,并通过4+个机器学习项目帮助您拿到数据科学岗位offer。 Big Data Deep Learning Machine Learning Apache Spark TensorFlow 课程涵盖数据科学岗位所需的编程、模型、统计、大数据系统、深度学习等重要知识点。 手把手教您完成4+个机器学习前沿项目。 通过模拟面试课程,帮您解密数据科学岗位面试。 由Apache Spark核心开发工程师和数据科学家亲自授课。 10+ 热门Spark、Machine Learning与Business Analysis项目 银行用户流失预测与分析 用户流失是一个常见的商业指标。不同行业都会根据这个指标调整公司策略、留住当前用户。因此,如何高效分析这个指标,将会极大影响公司的策略和发展。 本项目以用户银行数据信息为例,带领学员应用多种监督学习模型(例如逻辑回归,随进森林)对银行用户流失进行预测和分析,并进一步分析影响流失的关键因素,为提高用户留存做出更好的商业决策。通过本项目,您将学到如何使用Pandas做数据探索、数据分析、数据预处理,以及如何通过Sklearn使用机器学习模型。 Pandas Customer Churn Prediction and Analysis Sklearn Machine learning 电商平台用户评价分析与自然语言处理 随着互联网的兴起,用户也越来越愿意表达自己的想法。特别是在网上购物方面,我们可以明显地发现,用户在购物前会参考他人的经验,在购物后也愿意加上自己的评价和购买建议。通过对用户评价的分析,公司可以更好地了解用户的想法和需求,也可以更有针对性地做出商业决策。在本项目中,我们会使用机器学习的方法来分析某知名电商的用户评价数据,从文本中发现一些隐含信息和内在联系,进而在未来使用这些信息来帮助我们解决一些商业问题,如提高转化率。 TFIDF PCA Python K-means cluster Latent Dirichlet Analysis 旧金山犯罪数据分析和预警 大数据分析是算法工程师必备的技能,合格的算法工程师需要掌握从数据收集到数据建模的整个流程,最后才能保证从数据中发现可能的规律,并建立机器学习模型。 本项目以旧金山地区犯罪数据为列,带领学员建立从数据采集、清洗、存储、分析的一整套数据分析的工作流。通过对于不同地区犯罪数据,天气数据的分析和建模,建立可能的犯罪事件预测机制。 Spark RDD Spark SQL OLAP Regression Data Pipeline Movie Lense和Netflix 电影数据分析和推荐系统 推荐系统是互联网公司的现金奶牛。无论是Google、Facebook等IT巨头,还是Uber、Airbnb、Pinterest各类初创公司,都需要一套高性能的推荐系统。推荐系统的设计与开发能力是各大顶尖科技公司普遍看重的能力之一。 本项目带领您成为推荐系统设计与开发专家。本项目以Netflix电影数据为训练数据,带领学员掌握主流的推荐系统的算法,并熟练使用Spark Machine learning pipeline建立自己的协同过滤算法,并部署推荐系统到生产型环境。 Recommendation System Collaborative Filtering Matrix Factorization Spark ALS Model 基于Auto-Encoder-Decoder 的电影推荐 随着深度学习技术的飞速发展,越来越多的互联网公司开始在推荐系统中使用深度学习。相对于传统的推荐系统,深度学习可以实现端到端的学习。 本项目以深度学习模型auto-encoder-decoder网络为基础,以imdb电影数据为训练数据,使用tensorflow建立auto-encoder-decoder模型。通过模型提取用户及电影特征,最终实现电影的自动推荐。 Auto-encoder-decoder Recommendation System Tensorflow Movie Recommendation End-to-end Training 基于LSTM深度学习模型的股票大盘指数预测 时间序列(Time Series)是我们在日常生活和社会工作中十分常见的一种数据,它是通过将一系列时间点上的观测值按等时间间隔测量来获取的数据集合,比如商业活动中,服装公司的年销售量;每日股票的价格波动;气象学中某城市的年降水量,月平均气温;城市污染PM2.5 指数 等等,因此对时间序列的研究广泛存在于各行各业。 本项目以LSTM为基础,以股票数据作为训练数据,带您通过TensorFlow,建立时间序列数据分析的深度学习模型。最终实现个股的伴随时间的未来变化趋势,以及对应的大盘指数的变化预测和分析。 Time Series Data LSTM RNN TensorFlow Stock Price Prediction 纽约出租车数据与股市走向关系分析 随着计算机技术的提高,我们现在很容易从不相关的数据中挖掘出隐藏的信息。比如十八世纪的时候,股票价格会随着来往的船只而波动,因为来往的商船传递着最新的消息。又有研究发现,公司高管拜访白宫的出入记录可以预测未来该公司股票的走向。这里,我们将遵循相同的思路,分析研究纽约出租车和股市的关系。看似纷繁复杂的纽约交通是否隐藏着有趣的信息呢? 在大作业的实战中,同学们将会运用之前学习过的所有知识来合理探索数据,包括商业问题的数据化,提出合理问题,并对数据进行归纳整理,选择合理统计模型,验证猜想。 Python Dashboard Segmentation Analysis Statistical Model Poisson Regression E-Commerce营销策略优化 2017年,全球零售电子商务营业额达到了2.290万亿美元,约占零售总额的10.1%,预计到2021年将达到4.479万亿美元。2018年是线上线下零售革命——“未来零售”落地生根发芽、蓬勃发展的一年。 在本项目中,同学会通过分析某知名电商网站销量和产品信息,系统化的学习个性化设计,新顾客吸引与鼓励顾客再购物方法,商业推销途径优化,然后建立一个网页产品销量预测模型。 E-commerce Business Analysis Data Visualization Product Insight 数据可视化与Tableau应用举例 “一图胜千言”。如何利用可视化来理解和沟通数据已经成为现代数据分析不可或缺的能力。 在本项目中, 我们将一起学习可视化的基本原理和最佳实践,用Tableau对其经典数据集Global Superstore Retail Data做探索性数据分析和汇报总结;并使用Matplotlib, Seaborn and Pandas实现Python数据可视化分析。 Tableau Python Data Visualization Data Analysis YouTube用户评价情感分析项目 使用大数据和机器学习算法去分析和了解用户行为,是数据科学家分析互联网用户行为的必备技能之一。掌握Spark ML 去处理大规模的自然语言数据,更是当下最为热门的一项技能。 通过本项目,您将学习设计合理的metric来评估ML模型,运用Spark ML、NLP等相关技术对用户评论数据进行清洗,选取数据特征,构建监督模型,对用户评论进行分类,并处理unbalanced data,预测用户评论的语义偏好,学习使用AutoML来加速模型调试过程,分析评论隐藏话题信息。 AutoML Pyspark Spark ML NLP Comment Prediction Topic Analysis 股票价格建模及时间序列分析预测 时间序列分析及预测是目前工业界热门问题, 在金融业、电商业、共享行业等多个领域都有广泛应用。为了更好地理解并应用此项技术,我们将以标普500指数为训练数据,通过时间序列分析技术简历模型并预测未来股票价值 本项目以ARIMA为基础,带领同学建立时间序列数据分析模型,预测未来附股票价值。 Python ARIMA RNN LSTM Time Series Data Fintech 用户信用评级建模分析 数据挖掘和数据分析是互联网金融风险控制中最重要的一环。在大数据时代,银行和互联网金融公司在控制金融风险上进行了大量的投入。在过去的几年,大量的小型借贷,P2P公司所面临的金融风险成为了其成长的魔咒。但是国外P2P的鼻祖Lending Club,国内的阿里金融都能够做到较好地控制小贷风险。本项目利用LendingClub的实际案例,帮助同学学习互联网金融公司及传统银行怎样通过分析,建模来融合多维,多来源的数据,区分正常用户和欺诈用户,降低贷款风险。 在项目结束后,同学可以独立完成数据的特征挖掘,能够自己动手开发基于机器学习的金融分析模型,能够熟练掌握各种分类算法,并且可以用业界数据解决任何互联网金融或银行的实际问题。 Risk Control Credit Risk Model Fraud Labeling Machine Learning 工业界资深专家,培养一流数据科学人才 课程由20余位老师实时直播授课,为您提供紧贴工业界,系统的知识讲解和求职指导。 授课团队由Google, Facebook, Airbnb, McKinsey & Company, Linkedin等科技、咨询公司的Senior Data Scientist、Machine Learning Engineer和Business Analyst组成。 还有Apache Spark、Apache Hadoop的代码贡献者和管理者委员会成员亲自授课。 读懂人工智能,充实您的求职技能点 20余位Google, McKinsey等科技、咨询公司的资深数据科学家、机器学习工程师和商业分析师实时实时直播授课。教师团队还有Apache Spark、Hadoop的管理者委员会成员。 工业界一线专家 直播授课 10+节统计课程全面更新,针对数据科学面试的面试趋势,强化培训case study及实验设计应考技能。 统计模块全面更新 全方位增强实力 基于数据科学岗位的面试要求的,依托来Offer超强算法与编程的教学经验,用30+Python课程,帮助您快速入门,建立算法和编程知识体系,自信应对面试。 30+ Python课程 夯实编程基础 本课程针对学员的不同职业规划,分商业分析和数据科学两个方向教学,由资深数据科学家和高级商业分析师,针对不同岗位的面试要求,有针对性的帮您提升。 BA与DS两个方向 分班教学 来自一线科技/咨询公司的老师们,还会为您量身修改简历,并培训同学对简历中各项内容的英文描述能力。同时,他们还会与您进行1V1的模拟面试,帮您抓住面试机会。 个性化简历修改 模拟面试 来Offer与硅谷众多一线IT公司人力资源部门及猎头公司均保持良好的合作关系,拥有超过千人、遍布硅谷各大IT公司的强大校友资源,为您提供强有力的内推支持。 强大内推网络 助力求职 苹果、谷歌等大厂的AI面试题被我们搞到手了,你敢来挑战吗? 作者 | Vimarsh Karbhari 编译 | Vincent 编辑 | Emily Chen AI 前线导读:什么?技术大厂的面试题泄露了???当然不是啦~ 国外知名博客平台 Medium 上有一位工程师,花时间整理了苹果、谷歌、Facebook 等一线技术大厂的 AI 面试题,为众多读者提供了不小的帮助,有人还真的因为看了他的文章,提前做好了准备,并通过了大厂的面试。AI 前线将这些文章收集整理了起来,并进行了中文翻译,相信会对你有所启发,走上人生巅峰或许就是此刻了! 更多干货内容请关注微信公众号“AI 前线”,(ID:ai-front) 微软 微软在企业中的统治地位是众所周知的。微软已经驾驭了云计算浪潮。在第一财政季度,其 Azure 服务和 Office 365 在线生产力业务的收入分别增长了 90%和 42%。 在微软 CEO Satya Nadella 最近致所有微软员工的一封信中,Intelligent Cloud 和 Intelligent Edge 组建了两支新团队,以塑造下一阶段的创新。这意味着人工智能将要给微软的业务带来十分重大的改变。毋庸置疑,微软在此公告之后可能会招聘更多 AI 相关员工。所以,现在你的机会来了。 面试流程 像大多数雇佣工程师的其他公司一样,微软有一套经典的面试过程。通常有电话面试(涉及编码),然后进行现场面试。现场有大约 4-5 轮面试。面试过程中可能有 2-3 个确实深入研究数据科学相关的问题,包括研究和模型。其余的目的是测试编码技能。 面试题 合并 k(在这种情况下 k = 2)个数组并对它们进行排序。 如何最好地选择 500 万个搜索查询的代表性样本? 三个朋友告诉你今天会下雨,他们中每个人都有三分之一的概率说谎,那么今天下雨的可能性是多少? 你能解释朴素贝叶斯的基本原理吗?如何设定阈值? 你能解释一下 MapReduce 是什么以及它是如何工作的? 你能解释 SVM 吗? 你如何检测新的观察结果是否异常?什么是偏置 - 方差权衡? 如何从产品用户群中随机选择一个样本? 你如何实现自动完成? 描述梯度提升的工作原理。 在整数列表中查找子序列的最大值。 你会如何总结 twitter 推文? 在应用机器学习算法之前解释数据争用(wrangling )和清洗的步骤。 如何处理不平衡的二进制分类? 如何测量数据点之间的距离? 定义方差。 箱形图和直方图有什么区别? 你如何解决 L2 正则化回归问题? 如何通过使用一些计算技巧来更快地计算逆矩阵? 如何在没有计算器的情况下执行一系列计算。解释步骤背后的逻辑。 好的和坏的数据可视化之间有什么区别? 你如何找到百分位数?为它编写代码。 从一系列值中查找最大总和子序列。 正则化指标 L1 和 L2 有哪些不同? 创建一个函数来检查单词是否是回文。 Amazon 亚马逊从成为“地球上最大的书店”变为“地球上最以客户为中心的公司”。首席执行官杰夫·贝佐斯一次又一次地在他的致股东信中定义了公司的发展道路。亚马逊利用 Alexa 部署深度语言学习功能,并通过 AWS 为 AI 提供云基础架构。它还在 Amazon.com 上大规模地构建和部署了世界上第一批推荐系统。 面试流程 在现场面试的过程中,会有一场称为 Bar 面试。Bar raiser 的意思是,面试小组中最有经验的人,他的动机是决定你是否在亚马逊的前 50% 的员工中。Bar raiser 有权否决一个候选人,不管其他面试者是否喜欢这个候选人。 面试题 逻辑回归模型中如何知道系数是什么? 凸和非凸成本函数之间的区别 ; 当成本函数是非凸的时候它是什么意思? 随机权重分配是否优于为隐藏层中的单位分配相同的权重? 给出一个条形图并且想象你正从上面倒水,如何确定条形图中可以保存多少水? 什么是过拟合? 主要会员费的变化如何影响市场? 为什么梯度检查很重要? 描述树,SVM,随机森林和 XGBoost 算法。谈谈他们的优点和缺点。 你如何在天平上重复称重 9 个弹珠三次以选择最重的弹珠? 查找西雅图客户过去 6 个月中前 10 名利润最高的产品的累计总和。 描述特定模型选择的标准。降维为什么重要? 逻辑回归和线性回归的假设是什么? 如果你可以构建完美(100%准确度)的分类模型来预测某些客户行为,那么 应用程序中会出现什么问题? 项目位置 A 的项目概率为 0.6,项目位置 B 的概率为 0.8。在亚马逊网站上找到项目的概率是多少? 给定带有 ID 和数量列的“csv”文件,5000 万条记录和数据大小为 2 GB,请用 您选择的任何语言编写一个程序来聚合 QUANTITY 列。 使用数组实现循环队列。 如果您每月都有时间序列数据,那么它有大量的数据记录,您将如何发现本月与前几个月的数值存在显着差异? 比较套索和岭回归。 MLE 和 MAP 推断有什么区别? 给定一个带有输入的函数:一个 N 个随机排序数的数组,以及一个 int K,返回一个 K 个数最大的数组。 当用户浏览亚马逊网站时,他们正在执行几项操作。如果他们的下一个行动是购买行为,建立模型的最佳方式是什么? 鉴于全国范围内可能性很低,估计一个城市的疾病概率。在这个城市随机询问 1000 人,全部为负面反应(无疾病)。这个城市发病的概率是多少? 描述 SVM。 K-means 如何工作?你会选择什么样的距离度量?如果不同的特征有不同的动态范围呢? 什么是提升 (Boosting) 算法? Facebook Facebook 不需要过多介绍。经过近十年来累积大量数据之后,2013 年起,Facebook 内的工程师开始尝试使用 CNN。之后,Facebook 认识到 AI 和 Deep Learning 的重要性,并聘用了他们的第一位 AI 工程师——Google 大脑 Marc'Aurelio Ranzato。随后又聘请了 CNN 的发明人 Yann LeCun(现已不再负责 Facebook AI 研究院的领导工作)。 面试流程 Facebook 面试过程是大多数公司使用的标准面试过程。可参考: https://www.facebook.com/notes/facebook-engineering/get-that-job-at-facebook/10150964382448920/ 面试题 有一个 100 层的建筑物,2 个相同的鸡蛋。您如何使用 2 个鸡蛋来查找阈值楼层 N,在 N 层及 N 层以上,鸡蛋肯定会摔碎。 从 100 个硬币中随机抽取一枚硬币:1 枚不公平的硬币(都是正面),99 枚公平的硬币(一正一反)并投掷 10 次。如果结果是 10 个正面,那么这枚硬币是不公平的概率为多少? 在 Python 中为数值数据集编写排序算法。 Facebook 想要开发一种方法来估计人们生日的月份和日期,而不管人们是否直接给我们提供这些信息。你会提出什么方法和数据来帮助完成这项任务?使用 python 内置包来处理'csv'数据。 您如何比较两种不同后端引擎的自动生成 Facebook“朋友”建议的相对表现?给定 KPI,选择正确的指标,执行 ETL。(使用 SQL / 代码) 你即将坐飞机去西雅图。你想知道你是否应该带一把雨伞。你可以给 3 个随机的朋友打电话,每个人都会独立询问是否下雨。你的每个朋友都有三分之二的机会告诉你真相,并有三分之一的机会通过撒谎与你打交道。所有 3 位朋友都告诉你正在下雨。在西雅图实际下雨的可能性有多大?(同微软的那道题) 考虑一个有 2 名玩家 A 和 B 的比赛。A 有 8 个棋子,B 有 6 个棋子。比赛进行如下。首先,A 滚动一个公平的六面模具,并且模具上的数字决定 A 从 B 接收多少个宝石。接下来,B 滚动相同的模具,并且完全相同的事情发生在相反的位置。本轮结束。谁在比赛结束时拥有更多的宝石则赢得比赛。如果玩家在回合结束时获得相同数量的宝石,则会形成平局并且接下来会有一轮。B 在 1,2,...,n 轮获胜的概率是多少? 你如何得到一个句子中每个字母的数量? 通过了解性别或身高,你如何证明男性平均身高比女性高? 什么是猴子补丁(monkey patch)? 给定一个对象列表 A 和另一个与 A 相同的列表 B,一个元素被删除,请找到被删除的元素。 给定一个整数列表(正数和负数),编写一个算法来查找是否至少有一对总和为零的整数。你会如何提高算法的性能? 制作 2 个变量的直方图。 在 SQL 中构建回帖计数的直方图(包含 x 个回复,x + 1 个回复等的帖子数)。建立一个表格,其中包含每个用户每天使用的功能使用情况摘要(跟踪用户的最后一个操作并每天汇总)。 你在一个赌场掷色子,如果掷出 5 则赢,并获得 10 美元的奖金。你能赚多少?如果你一直玩到你赢了 (不管花多长时间),那么你的预期支出是多少? 如果您试图让客户注册 Facebook 广告,您会向小型企业展示什么指标? 给定发送好友请求和收到好友请求的表格,找到拥有最多好友的用户。在平台上花费的赞 / 用户和分钟数正在增加,但用户总数正在减少。最有可能的根本原因是什么? 多少人在他们的档案中列出的高中是真实的?我们如何发现并大规模部署寻找无效学校的方法? 你如何将昵称(Pete,Andy,Nick,Rob 等)映射到真实姓名? Facebook 认为赞的年同比增长 10%,为什么会这样呢? 如果一位管理人员表示他们希望将新闻源广告的数量加倍,那么如何确定这是不是一个好主意? Google 谷歌拥有一些世界上最有才华的人工智能研究科学家、数据工程师和数据科学家。Google 首席执行官 Sundar Pichai 专注于将 Google 重新整合为一家人工智能第一公司。谷歌已经将其所有或大部分产品的人工智能编码从 Gmail 迁移到拥有大量数据的自动驾驶系统。 面试流程 Google 的技术面试流程是标准的技术面试流程。它由电话视频面试和现场面试组成。详情参见: https://careers.google.com/how-we-hire/interview/#interviews-for-software-engineering-and-technical-roles 面试题 什么是 1 / x 的导数? 绘制曲线 log(x + 10) 如何设计客户满意度调查? 掷硬币十次,得到结果为 8 个正面和 2 个反面。如何分析一枚硬币是否公平?p 值是什么? 你有 10 个硬币。你每掷硬币 10 次(共 100 次)并观察结果。你会修改你的方法来测试硬币的公平性吗? 解释一个不是正态的概率分布以及如何应用它? 为什么使用特征选择?如果两个预测因子高度相关,那么对逻辑回归中的系数有什么影响?系数的置信区间是多少? K- 均值和高斯混合模型:K 均值和 EM 之间有什么区别? 当使用高斯混合模型时,你怎么知道它适用?(正态分布) 如果标签在聚类项目中是已知的,那么如何评估模型的性能? 有一个谷歌应用程序,做了一个改变。如何测试指标是否增加? 描述数据分析的过程? 为什么不进行逻辑回归,为什么选择 GBM? 推导 GMM 方程。 如何衡量有多少用户喜欢视频? 模拟双变量法线 导出分布的方差 每年有多少人申请 Google? 如何建立中位数的估计量? 如果回归模型中的两个系数估计值中的每一个都具有统计显着性,那么您是否期望两者的测试仍然很重要? Uber 面试流程 Uber 的技术面试流程是一个标准的技术面试流程,由电话视频面试和现场面试组成(通常是 5-6 轮面试)。Uber 在其工程博客上详细解释了这一点: https://eng.uber.com/engineering-interview/ 面试题 描述二值分类 计算 ROC 曲线的 AUC 如何使用 A / B 测试? 使用随机伯努利试验发生器编写函数以返回来自正态分布的值样本 P 值是什么意思? 解释线性回归、线性假设和线性方程 定义 CLT,它和 Uber 有何关系? 解释 Logistic 回归、Logistic 假设和 Logistic 方程 一个车队要花多少钱才能看到我们每个大城市的街景照片? 如何建立汽车租赁司机成本的模型? 解释 surge 定价算法是如何工作的,以及如何测试哪种策略更有效? 什么是交叉验证? 网络效应如何影响选择来定义实验和测量结果? 什么是异常检测方法? 驾驶状况和拥堵对 Uber 收入有何影响? 驾驶状况和拥堵如何影响 Uber 的收入或司机体验? 高速缓存如何工作以及如何在数据科学中使用它? 如何优化各种营销渠道之间的营销支出? 如何计算一个城市 Uber Pool 的半径? 如何决定一个地点是否应该包含在 Uber Pool 中? 什么是时间序列预测技术? 解释 PCA,PCA 假设,PCA 方程式。 Uber 会造成交通堵塞吗? Apple AI 被包含在苹果硬件之上的软件中。也就是说,人工智能是苹果的一种服务。根据他们在 2018 年一季度的收益报告,他们的服务收入比去年增长了 18%。截至去年 12 月底,所有服务产品的付费用户数量都超过了 2.4 亿。 面试流程 与大多数雇佣工程师的其他公司一样,苹果公司也有典型的面试流程,电话面试与现场面试兼有。现场大约有 4-5 名团队成员进行面试。详情可参考: https://www.quora.com/What-is-the-recruiting-and-hiring-process-of-Apple-How-does-one-contact-their-HR-department 面试题 如何以数百万的交易数量吸引数百万用户,并将这些用户集中在一个有意义的细分市场中? 我们对数据进行预先筛选以消除欺诈威胁 - 那么我们如何找到可用于确定欺诈事件真实表示的数据样本? 给定一张带有用户 ID 和用户购买的产品 ID 的 1B 的表格,以及具有用产品名称映射的产品 ID 的另一张表格。我们试图找到经常由同一用户一起购买的配对产品,例如葡萄酒和开瓶器,薯片和啤酒。如何找到这些并存的成对产品中的前 100 名? 请详细描述 L1 和 L2 正规化之间的区别,特别是对于它们对模型培训过程本身的影响的差异。 假设你有 100,000 个文件分布在多个服务器上,如何在 Hadoop 中处理这些文件? Python 和 Scala 有什么区别? 解释 LRU 缓存。 如何设计一个客户端 - 服务器模型,客户端每分钟发送一次位置数据?如何将数据从一个 Hadoop 集群传输到另一个 Hadoop 集群? Java 中有哪些不同类型的 memory? 如何处理数百个标题的元数据同时进行的日常繁琐任务? 在数据流和可访问性方面,如何衡量在隐藏时间框架内的成功,在这个时间框架中,核心超载了将计算机能量重定向到地窖圆顶的过度复杂文件系统的边界结构? 你最想拥有的超能力是什么? 你有时间系列的传感器,预测下一个读数。 使用 SQL 创建超市购物篮输出。 你有什么心理实践经验?(基于研究组合的问题) 您在表征方面的专长是什么?通常使用什么?你如何在研究中使用它并找到有趣的结果?(Research Portfolio based question) 你如何处理失效分析? 检查一个二叉树是否是左右子树上的镜像。 什么是随机森林?为什么朴素贝叶斯更好? 总结 六家代表着顶尖科技的技术企业,六套面试题,大家可以在这几套题中看到每家公司的侧重点有何不同,建议先收藏再慢慢研究。如果你能够为上面的面试题给出解答,欢迎留言联系我们,我们将很乐意把你的解答发布出来给其他读者参考,大家共同进步!如果你在面试中遇到了其他问题,也请留言或加入我们的社群,相信 AI 前线社群万能的大牛们会为你解答! 如果你能把上面这几套面试题研究透彻,就算进不了这六家公司,相信国内的 AI 大厂同样会为你敞开大门,未来就在你的手中! 参考链接 https://medium.com/acing-ai/microsoft-ai-interview-questions-acing-the-ai-interview-be6972f790ea https://medium.com/acing-ai/amazon-ai-interview-questions-acing-the-ai-interview-3ed4e671920f https://medium.com/acing-ai/facebook-ai-interview-questions-acing-the-ai-interview-5982add0af55 https://medium.com/acing-ai/google-ai-interview-questions-acing-the-ai-interview-1791ad7dc3ae https://medium.com/acing-ai/uber-ai-interview-questions-acing-the-ai-interview-9532794bc057 https://medium.com/acing-ai/apple-ai-interview-questions-acing-the-ai-interview-803a65b0e795 相关推荐 1558082726360 2019-05-17 16:45:26 85 superset 接入可视化echarts图表 0 85 ​ 1559897063000 2019-06-07 16:44:23 65 《Spark The Definitive Guide》Chapter 6:处理不同类型的数据 0 65 ​ 1560069913999 2019-06-09 16:45:13 61 [译] 边缘AI计算新品:NVIDIA Jetson Nano 0 61 ​ 1560069843434 2019-06-09 16:44:03 57 [知识图谱] 5.1-知识图谱开源数据获取 0 57 ​ 1559983514323 2019-06-08 16:45:14 54 搜索和在线阅读 Github 代码的插件推荐 0 54 ​ 1560069895288 2019-06-09 16:44:55 54 浏览器中的手写数字识别 0 54 ​ 1559810822657 2019-06-06 16:47:02 53 还在为数据清洗抓狂?这里有一个简单实用的清洗代码集 0 53 ​ 1559810705096 2019-06-06 16:45:05 52 一个22万张NSFW图片的鉴黄数据集?我有个大胆的想法…… 0 52 ​ 1558255579560 2019-05-19 16:46:19 52 无痛的CPTN 0 52 ​ 1560069914930 2019-06-09 16:45:14 51 黑洞图片的背后,是图像处理技术的成熟! 0 51 ​ 1559724303883 2019-06-05 16:45:03 51 朋友融资了,给我看了一眼他们价值1个亿的Go AI 代码 0 51 ​ 1560069946598 2019-06-09 16:45:46 51 Flink在饿了么的应用与实践 0 51 ​ 1559637999880 2019-06-04 16:46:39 49 【NLP】BERT中文实战踩坑 0 49 ​ 1559378778102 2019-06-01 16:46:18 49 为什么Julia这么快? 0 49 ​ 1559551557474 2019-06-03 16:45:57 46 基于深度学习分析与检索海量短视频内容 0 46 ​ 1560069853359 2019-06-09 16:44:13 45 [知识图谱] 4.2-知识图谱在电商领域中的应用实践 0 45 ​ 1560069935668 2019-06-09 16:45:35 44 浏览器中的机器学习:使用预训练模型 0 44 ​ 1562204872158 2019-07-04 09:47:52 43 生命不息,折腾不止:Jetson Nano填坑之硬件篇 0 43 ​ 1559983568633 2019-06-08 16:46:08 43 人工智能教程 - 1.1.1 什么是神经网络 0 43 ​ 1559724335987 2019-06-05 16:45:35 43 如何为实时音视频设计小且优的深度学习模型? 0 43 ​ 1559724410462 2019-06-05 16:46:50 41 吴恩达:诸位CEO,我有一本「AI转型秘籍」传授给你 0 41 ​ 1559983580240 2019-06-08 16:46:20 41 [译] 时间序列的价格异常检测 0 41 ​ 1560069843537 2019-06-09 16:44:03 41 【NLP】UNILM粗读 0 41 ​ 1559465189427 2019-06-02 16:46:29 40 应用于实时视频通信的深度学习算法 0 40 ​ 1559983611802 2019-06-08 16:46:51 39 [译] 调试神经网络的清单 0 39 ​ 1559983588589 2019-06-08 16:46:28 39 基于three.js的3D粒子动效实现 0 39 ​ 1560070021727 2019-06-09 16:47:01 38 特征值分解和奇异值分解 0 38 ​ 1559897145813 2019-06-07 16:45:45 38 2019年算法岗就业分享 | 总结篇 0 38 ​ 1559983622234 2019-06-08 16:47:02 37 通过激励协作实现语义 Web 的弱中心化 0 37 ​ 1560069905401 2019-06-09 16:45:05 37 无所不能的人工智能也会被一张图片骗过? 0 37 ​ 语言分类 全部 C语言 C++ 数据结构 Java 数据库 计算机导论 操作系统 计算机网络 Linux 汇编语言 Python C# Windows MFC 安卓 qt ​ 深入理解计算机系统 作者:(美)兰德尔 E.布莱恩特 ​ Java Web开发基础与案例教程 作者:吴艳 ​ Java2实用教程(第三版) 作者:耿祥义、张跃平 ​ 数据结构、算法及应用 作者:张宪超 ​ C++语言程序设计(特别版) 作者:Biarne Stroustrup ​ 计算机导论与程序设计基础(第二版) 作者:张雷,周春燕,艾波 ​ Visual C++面向对象与可视化程序设计(第3版) 作者:黄维通、贾续涵 ​ 数据结构与算法 作者:张铭 ​ 数据库管理系统原理与设计(第3版) 作者:罗摩克里希纳 、格尔基 ​ 算法导论 作者:Thomas H. Cormen ​ 计算机操作系统(第四版) 作者:汤小丹 ​ java语言程序设计(基础篇) 作者:Y Daniel Liang ​ 计算机系统概论 作者: Yale N. Patt ​ 操作系统(第3版) 作者:孟庆昌 ​ 操作系统——精髓与设计原理 作者:William Stallings ​ 数据结构与算法分析:C语言描述 ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ ​ 练习 DM | 大数据 0/71 练习 数据结构&算法 数据结构 0/109 练习 算法 0/232 练习 数理逻辑 概率统计 0/395 练习 排列组合 0/14 练习 数学计算 0/29 练习 智力逻辑 0/56 练习 编程开发 C/C++ 0/169 练习 Java 0/64 练习 前端开发 0/12 练习 移动开发 0/10 练习 程序设计 0/36 练习 计算机基础 计算机基础 0/65 练习 操作系统 0/100 练习 数据库 0/24 练习 网络协议 0/52 练习 系统设计 0/11 练习 组成原理 0/23 练习 编译原理 0/11 练习 集训营: 2020年4月6日 前50人特惠价 机器学习集训营 第十一期「BAT大厂技术leader线上线下带队,每一个项目均有完整流程] 课程咨询 2019年11月18日 前140人特惠价 机器学习集训营 第十期「BAT大厂技术leader线上线下带队,每一个项目均有完整流程] 课程咨询 2020.3.16开营,线上线下结合 前30人特惠价 大数据工程师集训营 [11月下旬大纲全面优化,新增elasticsearch等内容] 课程咨询 2020年4月21日,平时晚上在线,周末线下实战 深度学习集训营 第四期 课程咨询 就业班: 展开更多 2020年3月2日 NLP就业小班 第三期 课程咨询 2020年2月24日开班,每周六周日直播 推荐系统就业小班 第五期 [保证就业,挑战年薪四十万或薪资翻倍] 课程咨询 2020年3月23日 CV就业小班 第四期 [保证就业,挑战年薪四十万或薪资翻倍] 课程咨询 2019.12.16日正式开班,12.21日第一次直播 金融就业小班 第二期「11月下旬全新升级,BAT大咖小班教学,保证就业」 课程咨询 2019年12月30日 计算广告就业小班 第一期「12月下旬再次改进:标准化项目流程,BAT大咖小班教学,保证就业」 课程咨询 在线课程: 成为VIP可免费学以下所有课程 难 度: 全部 入门 进阶 高级 实战 类 别: 全部 Python 数学 数据结构 Linux AI基础 机器学习 深度学习 Spark大数据 CV NLP 推荐系统 金融/广告 AI扩展 促销课程: 全部 拼团 砍价 返现 价格区间: 全部 免费 1~99元 100~199元 200~499元 500以上 默认 最热 最新 图文模式,随到随学 Python人工智能 [P1级,春节期间注册即送,0门槛 强交互 不需要学过计算机] ¥ 9.90 热门 2020年3月11日升级 深度学习特训 第四期[集训营的预习课之一,限时9.9元秒] ¥ 499.90 热门 2020年3月4日 【1元秒】NLP与聊天机器人特训[NLP就业小班 预习课之一] ¥ 89.00 热门 2020年2月27日 【1元秒】自然语言处理特训[NLP就业小班 预习课之一] ¥ 269.00 379人学习 2020年3月16日升级 机器学习工程师特训 第六期 [集训营的预习课之一,限时9.9元秒] ¥ 499.90 热门 2020年2月24日 【1元秒】电商推荐系统实战项目特训[推荐系统就业小班 预习课之一] ¥ 49.00 1429人学习 2020年2月21日升级 【1元秒】深度探索文本分类特训[NLP就业班第三期的预习课之一] ¥ 98.00 1733人学习 2020年1月19日 音乐推荐系统 特训 [推荐就业班的预习课之一,驰援武汉 注册即送] ¥ 98.00 4118人学习 2020年2月26日 【1元秒】图像分类与图像搜索特训[CV就业小班 预习课之一] ¥ 99.00 844人学习 2020年4月18日开始直播,每周六周日晚上直播 拼团价:¥199.00 智能问答系统实战 ¥ 299.00 热门 2020年4月25日开始直播,每周六周日晚上直播升级 拼团价:¥99.00 Java与数据结构 ¥ 199.00 热门 2020年4月11日开始直播,每周六周日直播升级 拼团价:¥49.00 高中生的AI项目实战 [人人编程,人人AI] ¥ 169.00 热门 2020年3月21日开始直播,每周六周日晚上直播升级 拼团价:¥399.00 从零起步实战slam [无人驾驶和无人机的核心技术之一] ¥ 499.00 热门 2019年3月23日,几乎每天晚上视频、实训、直播 大学生的AI成长计划「从python到AI项目实战 」 ¥ 4699.00 热门 随到随学,视频课件代码一应俱全,讲师助教高水准答疑升级试听 拼团价:¥399.00 推荐系统实战 第二期「相比第一期,本期每次课每个点都彻底改进」 ¥ 499.00 3334人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑 拼团价:¥169.00 语音识别实战 第二期(相比第一期,本期每次课每个点都充足改进) ¥ 199.00 1624人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑 砍价减¥200.00 互联网计算广告实战 [广告就业班的预习课之一,全面公开工业界中的计算广告技术及其相关应用] ¥ 599.00 4649人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 拼团价:¥199.00 kaggle案例实战班 [实战近20个比赛,现拼团只需一分钱] ¥ 299.00 39185人学习 随到随学,打包全部在线视频课程和在线直播课程 七月在线VIP年会员 [包未来一年直播课程和全平台所有视频课程] ¥ 3299.00 热门 随到随学,视频课件代码一应俱全,讲师助教高水准答疑 拼团价:¥399.00 金融风控实战 [金融就业班的预习课之一,首次完整公开金融风控的核心技术] ¥ 599.00 22105人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑 拼团价:¥49.00 人工智能极简入门 [智能时代投资人和高中生都在学的AI算法思维课,3人拼团只需49] ¥ 99.00 4721人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 砍价减¥200.00 无人驾驶实战 [首次全面公开L4级别的全自动驾驶技术] ¥ 599.00 12734人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 Linux从零入门实战 [一举掌握大厂后台开发的必备Linux技能] ¥ 199.00 9598人学习 随到随学,提供代码、资料和讲师答疑试听 拼团价:¥99.00 概率统计 第二期 [基于面试题库全新升级] ¥ 189.00 5704人学习 随到随学,视频课件代码作考一应俱全,且讲师助教答疑试听 拼团价:¥299.00 机器学习 第九期 [集训营的预习课程之一,视频课件答疑一应俱全] ¥ 469.00 94588人学习 随到随学,视频课件代码作考一应俱全,且讲师助教答疑试听 拼团价:¥299.00 深度学习 第四期 [集训营的预习课程之一,加送CPU和GPU双云平台] ¥ 469.00 34635人学习 随到随学,提供代码、资料和讲师答疑 矩阵与凸优化班 ¥ 139.00 23260人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 拼团价:¥199.00 自动聊天机器人项目班 ¥ 299.00 19668人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑 拼团价:¥49.00 leetcode刷题班 [史无前例的超5万人报名] ¥ 139.00 39267人学习 随到随学,提供代码、资料和讲师答疑试听 动态规划实战班 [超6000人报名] ¥ 139.00 加入购物车 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 集训营: 2020年4月6日 前50人特惠价 机器学习集训营 第十一期「BAT大厂技术leader线上线下带队,每一个项目均有完整流程] 课程咨询 2019年11月18日 前140人特惠价 机器学习集训营 第十期「BAT大厂技术leader线上线下带队,每一个项目均有完整流程] 课程咨询 2020.3.16开营,线上线下结合 前30人特惠价 大数据工程师集训营 [11月下旬大纲全面优化,新增elasticsearch等内容] 课程咨询 2020年4月21日,平时晚上在线,周末线下实战 深度学习集训营 第四期 课程咨询 就业班: 展开更多 2020年3月2日 NLP就业小班 第三期 课程咨询 2020年2月24日开班,每周六周日直播 推荐系统就业小班 第五期 [保证就业,挑战年薪四十万或薪资翻倍] 课程咨询 2020年3月23日 CV就业小班 第四期 [保证就业,挑战年薪四十万或薪资翻倍] 课程咨询 2019.12.16日正式开班,12.21日第一次直播 金融就业小班 第二期「11月下旬全新升级,BAT大咖小班教学,保证就业」 课程咨询 2019年12月30日 计算广告就业小班 第一期「12月下旬再次改进:标准化项目流程,BAT大咖小班教学,保证就业」 课程咨询 在线课程: 成为VIP可免费学以下所有课程 难 度: 全部 入门 进阶 高级 实战 类 别: 全部 Python 数学 数据结构 Linux AI基础 机器学习 深度学习 Spark大数据 CV NLP 推荐系统 金融/广告 AI扩展 促销课程: 全部 拼团 砍价 返现 价格区间: 全部 免费 1~99元 100~199元 200~499元 500以上 默认 最热 最新 图文模式,随到随学 Python人工智能 [P1级,春节期间注册即送,0门槛 强交互 不需要学过计算机] ¥ 9.90 热门 2020年3月11日升级 深度学习特训 第四期[集训营的预习课之一,限时9.9元秒] ¥ 499.90 热门 2020年3月4日 【1元秒】NLP与聊天机器人特训[NLP就业小班 预习课之一] ¥ 89.00 热门 2020年2月27日 【1元秒】自然语言处理特训[NLP就业小班 预习课之一] ¥ 269.00 379人学习 2020年3月16日升级 机器学习工程师特训 第六期 [集训营的预习课之一,限时9.9元秒] ¥ 499.90 热门 2020年2月24日 【1元秒】电商推荐系统实战项目特训[推荐系统就业小班 预习课之一] ¥ 49.00 1429人学习 2020年2月21日升级 【1元秒】深度探索文本分类特训[NLP就业班第三期的预习课之一] ¥ 98.00 1733人学习 2020年1月19日 音乐推荐系统 特训 [推荐就业班的预习课之一,驰援武汉 注册即送] ¥ 98.00 4118人学习 2020年2月26日 【1元秒】图像分类与图像搜索特训[CV就业小班 预习课之一] ¥ 99.00 844人学习 2020年4月18日开始直播,每周六周日晚上直播 拼团价:¥199.00 智能问答系统实战 ¥ 299.00 热门 2020年4月25日开始直播,每周六周日晚上直播升级 拼团价:¥99.00 Java与数据结构 ¥ 199.00 热门 2020年4月11日开始直播,每周六周日直播升级 拼团价:¥49.00 高中生的AI项目实战 [人人编程,人人AI] ¥ 169.00 热门 2020年3月21日开始直播,每周六周日晚上直播升级 拼团价:¥399.00 从零起步实战slam [无人驾驶和无人机的核心技术之一] ¥ 499.00 热门 2019年3月23日,几乎每天晚上视频、实训、直播 大学生的AI成长计划「从python到AI项目实战 」 ¥ 4699.00 热门 随到随学,视频课件代码一应俱全,讲师助教高水准答疑升级试听 拼团价:¥399.00 推荐系统实战 第二期「相比第一期,本期每次课每个点都彻底改进」 ¥ 499.00 3334人学习 随到随学,视频课件代码一 应俱全,讲师助教高水准答疑 拼团价:¥169.00 语音识别实战 第二期(相比第一期,本期每次课每个点都充足改进) ¥ 199.00 1624人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑 砍价减¥200.00 互联网计算广告实战 [广告就业班的预习课之一,全面公开工业界中的计算广告技术及其相关应用] ¥ 599.00 4649人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 拼团价:¥199.00 kaggle案例实战班 [实战近20个比赛,现拼团只需一分钱] ¥ 299.00 39185人学习 随到随学,打包全部在线视频课程和在线直播课程 七月在线VIP年会员 [包未来一年直播课程和全平台所有视频课程] ¥ 3299.00 热门 随到随学,视频课件代码一应俱全,讲师助教高水准答疑 拼团价:¥399.00 金融风控实战 [金融就业班的预习课之一,首次完整公开金融风控的核心技术] ¥ 599.00 22105人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑 拼团价:¥49.00 人工智能极简入门 [智能时代投资人和高中生都在学的AI算法思维课,3人拼团只需49] ¥ 99.00 4721人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 砍价减¥200.00 无人驾驶实战 [首次全面公开L4级别的全自动驾驶技术] ¥ 599.00 12734人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 Linux从零入门实战 [一举掌握大厂后台开发的必备Linux技能] ¥ 199.00 9598人学习 随到随学,提供代码、资料和讲师答疑试听 拼团价:¥99.00 概率统计 第二期 [基于面试题库全新升级] ¥ 189.00 5704人学习 随到随学,视频课件代码作考一应俱全,且讲师助教答疑试听 拼团价:¥299.00 机器学习 第九期 [集训营的预习课程之一,视频课件答疑一应俱全] ¥ 469.00 94588人学习 随到随学,视频课件代码作考一应俱全,且讲师助教答疑试听 拼团价:¥299.00 深度学习 第四期 [集训营的预习课程之一,加送CPU和GPU双云平台] ¥ 469.00 34635人学习 随到随学,提供代码、资料和讲师答疑 矩阵与凸优化班 ¥ 139.00 23260人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 拼团价:¥199.00 自动聊天机器人项目班 ¥ 299.00 19668人学习 随到随学,视频课件代码一应俱全,讲师助教高水准答疑 拼团价:¥49.00 leetcode刷题班 [史无前例的超5万人报名] ¥ 139.00 39267人学习 随到随学,提供代码、资料和讲师答疑试听 动态规划实战班 [超6000人报名] ¥ 139.00 加入购物车 随到随学,视频课件代码一应俱全,讲师助教高水准答疑试听 集训营就业优秀学员面试分享 免费公开课  在线编程 NEW フォームの始まり Go フォームの終わり フォームの始まり Search フォームの終わり 提交记录 提交示例 Problem ID Title 1000 计算a+b 17% 1001 A+B for Matrices 21% 1002 Grading 24% 1003 A+B 24% 1004 Median 25% 1005 Graduate Admission 33% 1006 ZOJ问题 34% 1007 奥运排序问题 48% 1008 最短路径问题 52% 1009 二叉搜索树 27% 1010 A + B 28% 1011 最大连续子序列 16% 1012 畅通工程 33% 1013 开门人和关门人 46% 1014 排名 39% 1015 还是A+B 45% 1016 火星A+B 36% 1017 还是畅通工程 62% 1018 统计同成绩学生人数 35% 1019 简单计算器 63% 1020 最小长方形 39% 1021 统计字符 63% 1022 游船出租 60% 1023 EXCEL排序 50% 1024 最大报销额 60% 1025 又一版 A+B 33% 1026 欧拉回路 56% 1027 继续畅通工程 39% 1028 魔咒词典 0% 1029 毕业bg 67% 1030 xxx定律 73% 1031 ZOJ 62% 1032 继续xxx定律 53% 1033 寻找大富翁 50% 1034 找出直系亲属 83% 1035 Old Bill 80% 1036 Powerful Calculator 67% 1037 Sum of Factorials 33% 1038 Zero-complexity Transposition 56% 1039 Prime Number 28% 1040 Simple Sorting 71% 1041 Coincidence 80% 1042 Day of Week 55% 1043 Pre-Post 80% 1044 百鸡问题 29% 1045 求最大值 20% 1046 素数判定 31% 1047 判断三角形类型 53% 1048 字符串去特定字符 34% 1049 完数 47% 1050 数字阶梯求和 40% 1051 找x 45% 1052 互换最大最小数 29% 1053 字符串内排序 45% 1054 数组逆置 42% 1055 最大公约数 47% 1056 众数 67% 1057 反序输出 53% 1058 abc 0% 1059 完数VS盈数 0% 1060 成绩排序 67% 1061 分段函数 75% 1062 整数和 88% 1063 反序数 0% 1064 输出梯形 78% 1065 字符串排序 56% 1066 n的阶乘 21% 1067 球的半径和体积 64% 1068 查找学生信息 36% 1069 今年的第几天? 32% 1070 有多少不同的面值组合? 0% 1071 杨辉三角形 42% 1072 对称平方数 0% 1073 斐波那契数列 17% 1074 N的阶乘 46% 1075 最大序列和 50% 1076 二叉树遍历 57% 1077 手机键盘 88% 1078 进制转换 14% 1079 递推数列 18% 1080 代理服务器 50% 1081 特殊乘法 80% 1082 整数拆分 100% 1083 求root(N, k) 100% 1084 最小花费 46% 1085 约数的个数 67% 1086 剩下的树 89% 1087 数字反转 43% 1088 路径打印 67% 1089 棋盘游戏 25% 1090 Fibonacci 62% 1091 WERTYU 86% 1092 String Matching 63% 1093 2的幂次方 83% 1094 日期差值 50% 1095 取中值 33% 1096 字母统计 50% 1097 后缀子串排序 46% 1098 最短路径 44% 1099 计算表达式 50% フォームの始まり 状态: 全部竞赛 进行中 已结束 类型: 全部类型 算法类 创意类 排序方式:发布时间 奖金 フォームの終わり 电影评论文本情感分类比赛(算法类) 电影中文评论分类 进行中,截止时间:2050-01-01 91队伍 七月在线手写体识别比赛(比赛已结束)(算法类) 比赛已经结束,但还可以继续提交及查看成绩,后来者暂无奖励. 已参赛获得名次者, 6/21日前会有工作人员发放奖品,请保持通讯畅通 进行中,截止时间:2050-12-31 特徴 講座一覧 料金・他社比較 講師紹介 評判・転職 企業研修 専門実践教育訓練給付金​​ & 第四次産業革命スキル習得講座 JDLAのE資格について 解約・返金について 現役エンジニアのパーソナルメンターがつくプログラミングのブートキャンプ 先割のカンタンお申し込み※このページ下にあるフォームからお申し込みください 環境の整った企業の紹介 企業やコンサルタントからスカウトが届く 七月在线手写体识别比赛(比赛已结束)(算法类) 比赛已经结束,但还可以继续提交及查看成绩,后来者暂无奖励. 已参赛获得名次者, 6/21日前会有工作人员发放奖品,请保持通讯畅通 进行中,截止时间:2050-12-31 136队伍 工业智检——电机异音AI诊断:总奖金池25万(算法类) 普惠机器智能,释放工业智慧 已结束,截止时间:2019-06-30 51队伍 Freesound通用音频分类挑战(算法类) 您能自动识别来自各种真实环境的声音吗? 进行中,截止时间:2050-12-31 18队伍 房价预测[数据](算法类) 预测房价和练习特征工程、RFs、gradient boosting 进行中,截止时间:2050-12-31 71队伍 不健康评论分类挑战[NLP](算法类) 识别并分类不健康在线评论 进行中,截止时间:2050-12-31 21队伍 免费公开课 类别: 全部 Python 数学 数据结构 机器学习 深度学习 算法公开课 共19次课 192091人学习 评论数:170 机器学习公开课 每天半小时机器学习 共24次课 372539人学习 评论数:144 七月在线高校巡回讲座 July和他的团队跑过全国数十所高校 共1次课 29095人学习 评论数:17 面试求职公开课 求职不再慌 共14次课 204517人学习 评论数:225 实战算法:现场coding篇 leetcode上直接coding,一次AC 共7次课 123228人学习 评论数:88 机器学习中的数学 共14次课 128857人学习 评论数:59 深度学习公开课 深度学习课程的部分次课的节选 共16次课 120606人学习 评论数:26 数据挖掘公开课 海量数据的挖掘与处理 共1次课 21980人学习 评论数:4 16年度最火课程TOP10 涉及数学、算法、Python、ML、DL等 共8次课 27936人学习 评论数:3 kaggle实战公开课 实战数据竞赛平台kaggle 共7次课 32025人学习 评论数:11 论文公开课 涵盖梯度下降 归一化 AlphaGo Zero等 共3次课 33971人学习 评论数:23 天池AI大赛公开课 和阿里云天池联合发布的比赛公开课 共1次课 32388人学习 评论数:26 机器学习业务实践之路 阿里云PAI和七月在线联合发布 共7次课 22481人学习 评论数:4 七月在线在京创业故事 从起步到初具规模,探索创业背后的故事 共1次课 5266人学习 评论数:4 AI相关领域的公开课 涉及机器人、说话人识别、区块链等 共15次课 29846人学习 评论数:13 Python AI公开课 从Python起步学AI 共8次课 26282人学习 评论数:11 机器学习集训营 节选试听 涵盖pandas、seaborn、kears等 共7次课 10198人学习 评论数:7 17年度最火课程TOP10 涵盖Python、ML、DL、量化等 共10次课 10178人学习 评论数:5 算法公开课 第一届算法班优秀学员曹子空的分享 共3次课 8931人学习 评论数:6 集训营就业优秀学员面试分享 共9次课 10188人学习 评论数:16 来自Google、BAT等名企资源 基于实战应用,全面加速AI企业人才培养和绩效转化 企业内训 一站式提升企业AI人才技术 企业内训 根据企业研发团队的技术能力培养需求,为企业定制培训课程,邀请技术专家级讲师到企业内部与研发团队面对面进行系统化技术课程辅导,提升企业整体研发能力。 申请服务 企业账号 让每家公司都有AI技术学院 企业账号 1企1号+员工多号,旨在为更多的技术研发团队成员提供优质的学习资源,专门为企业的技术部门提供便捷、快速专业的人工智能技能在线学习服务。 申请服务 企业AI化转型 一站式AI化转型解决方案 企业AI化转型 互联网提升了人与人的沟通效率,人工智能则会解决人与万物交流的问题。”——李彦宏。AI思维是必须基于万物互联来重新思考公司的战略,七月在线为企业提供一站式AI化转型解决方案。 申请服务 技术咨询 AI技术全体系方案咨询 技术咨询 第三方独立客观角度、丰富的项目实践经验,以及富有前瞻性的战略性眼光和覆盖整个AI体系的领先技术,为企业输出技术、方案和AI能力。 申请服务 内训特色 企业案例 讲师阵容 西安交大应用数学专业博三,擅长机器学习和数学推导,研究方向为统计学习理论与机器学习。熟悉正则化算法的泛化分析,同时对Domain adaption, Life-long learning, semi-supervised learning有所研究,在IEEE Trans on Cybernetics和SCI上发表多篇论文。 龚博士 西安交大应用数学博士 老齐,苏州易水禾软件和苏州研途教育科技技术总监。著有系列图书《跟老齐学Python:轻松入门》、《跟老齐学Python:Django实战》,并在个人网站itdiffer.com上刊发有关技术类课程。 老齐 《跟老齐学Python》作者 多年IT领域ml/dm/nlp经验,负责多个海量数据上网络安全机器学习项目,专注于算法应用与优化。做过NLP、web攻击智能识别、入侵检测自学习。善于深入浅出的剖析数学理论在机器学习/深度学习中的应用。 龙心尘 多年IT领域ml/dm/nlp经验 5年数据从业经历,8年后端研发经验。目前在数据部门从事实时计算、搜索、推荐、数据分析等相关方向。开源爱好者,开源包括服务框架、数据分析工具等多个项目。重点关注Spark/ES等相关平台。 祝威廉 开源社区贡献者 《TensorFlow技术解析与实战》作者,本书获得Jeff Dean、李航、余凯、山世光等专家倾力推荐。曾任职百度研发工程师,对深度学习框架的架构、源码分析及应用有一定经验,参与过基于DL的自动驾驶二维感知系统Hackathon竞赛。 李老师 《TensorFlow技术解析与实战》作者 知名电商搜索广告负责人,多年实际ml/DL/dm项目经验,专注海量数据上机器学习算法的应用与优化。做过推荐系统、NLP、点击率预估、图像识别。讲课清晰易懂,擅长用实际数据、代码、案例说话,备受数千名学员好评。 寒老师 知名电商搜索广告负责人 现任七月在线AI Lab负责人兼科学家。参与国家863项目一项。主持山东省自主创新及成果转化专项——电力行业大数据平台的研发及产业应用一项。现主要从事深度学习行业应用研发及教学工作。申请授权发明专利十余项, 发表专业论文十数篇。 陈博士 AI lab负责人兼科学家 专注机器学习/人工智能,擅长解释机器学习中看似艰深晦涩的概念,熟悉模型背后的数学原理。曾工作于某知名私募的量化交易团队,参与高频交易中统计学习模型的开发。课堂上善于全程举例,所讲直达本质且不失生动有趣。 冯博士 南京大学博士 某金融科技数据科学家,计算机博士毕业,从事数据挖掘、大规模社交网络分析、社会计算等领域研究近5年,常年在互联网一线打拼,致力于将学术产业化。现从事金融反欺诈工作,利用特征工程与机器学习技术搭建自动化线上信贷反欺诈模型。 王博士 金融科技公司数据科学家 北大计算机系博士生,研究方向为分布式系统和大规模机器学习,即将入职某云厂商担任应用科学家,主要负责分布式系统的性能优化。 马博士 云厂商应用科学家 博士毕业于国内Top5高校,在人工智能和模式识别领域发表了10余篇会议和期刊。目前在国内某知名互联网公司担任人工智能算法高级技术专家,有深厚的学术背景和丰富的项目及业务落地经验。Seven老师长期担任校园招聘和社会招聘技术面试官,授课风格深入浅出、诙谐幽默。 Seven博士 人工智能算法高级技术专家 丁老师,芝加哥大学计算机博士,主要研究方向为机器学习和因果推断,已在NIPS, AAAI, ICDM等会议上以一作身份发表过多篇论文。 丁博士 芝加哥大学计算机博士 原百度地图创建初期研发主干,现为国内某领先的视觉创业公司的大数据平台负责人,曾先后工作于Google、百度、搜狐、58等知名互联网公司,专注算法研发,曾有多年竞赛算法教学经验。 许老师 原百度地图创建初期研发骨干 独立技术顾问,HiCircle联合创始人。原阿里高级技术专家、EMC公有云存储部门技术经理。目前负责为初创企业提供架构设计,数据分析处理等咨询服务。同时也参与区块链项目,提供技术咨询及白皮书服务,比特兔交易所项目私募轮投资人。 林老师 原BAT高级技术专家 哈工大博士,深圳一机器人技术公司的技术总监。曾获得国内外多项机器人竞赛大奖,获得机器人相关专利5项,发表论文2篇。擅长寓教于乐,通过自行开发多个图像识别和机器学习的GitHub流行开源项目激发学员兴趣,比如自动玩微信挑一挑、抖音机器人(通过人脸识别在抖音上自动寻找漂亮的小姐姐)。 王松 深圳一机器人公司技术总监 张玉宏,电子科技大学博士,美国西北大学访问学者。《品味大数据》、《深度学习之美》作者。主要研究方向为大数据、人工智能。发表学术论文20余篇,国内外学术专著7部。阿里云-云栖社区专栏作家,认证技术专家。 张博士 电子科技大学博士 西安交大应用数学专业博三,擅长机器学习和数学推导,研究方向为统计学习理论与机器学习。熟悉正则化算法的泛化分析,同时对Domain adaption, Life-long learning, semi-supervised learning有所研究,在IEEE Trans on Cybernetics和SCI上发表多篇论文。 龚博士 西安交大应用数学博士 房价预测[数据](算法类) 预测房价和练习特征工程、RFs、gradient boosting 进行中,截止时间:2050-12-31 71队伍 不健康评论分类挑战[NLP](算法类) 识别并分类不健康在线评论 进行中,截止时间:2050-12-31 21队伍 免费公开课 类别: 全部 Python 数学 数据结构 机器学习 深度学习 算法公开课 共19次课 192091人学习 评论数:170 机器学习公开课 每天半小时机器学习 共24次课 372539人学习 评论数:144 七月在线高校巡回讲座 July和他的团队跑过全国数十所高校 共1次课 29095人学习 评论数:17 面试求职公开课 求职不再慌 共14次课 204517人学习 评论数:225 实战算法:现场coding篇 leetcode上直接coding,一次AC 共7次课 123228人学习 评论数:88 机器学习中的数学 共14次课 128857人学习 评论数:59 深度学习公开课 深度学习课程的部分次课的节选 共16次课 120606人学习 评论数:26 数据挖掘公开课 海量数据的挖掘与处理 共1次课 21980人学习 评论数:4 16年度最火课程TOP10 涉及数学、算法、Python、ML、DL等 共8次课 27936人学习 评论数:3 kaggle实战公开课 实战数据竞赛平台kaggle 共7次课 32025人学习 评论数:11 论文公开课 涵盖梯度下降 归一化 AlphaGo Zero等 共3次课 33971人学习 评论数:23 天池AI大赛公开课 和阿里云天池联合发布的比赛公开课 共1次课 32388人学习 评论数:26 机器学习业务实践之路 阿里云PAI和七月在线联合发布 共7次课 22481人学习 评论数:4 七月在线在京创业故事 从起步到初具规模,探索创业背后的故事 共1次课 5266人学习 评论数:4 AI相关领域的公开课 涉及机器人、说话人识别、区块链等 共15次课 29846人学习 评论数:13 Python AI公开课 从Python起步学AI 共8次课 26282人学习 评论数:11 机器学习集训营 节选试听 涵盖pandas、seaborn、kears等 共7次课 10198人学习 评论数:7 17年度最火课程TOP10 涵盖Python、ML、DL、量化等 共10次课 10178人学习 评论数:5 算法公开课 第一届算法班优秀学员曹子空的分享 共3次课 8931人学习 评论数:6 集训营就业优秀学员面试分享 共9次课 10188人学习 评论数:16 来自Google、BAT等名企资源 基于实战应用,全面加速AI企业人才培养和绩效转化 企业内训 一站式提升企业AI人才技术 企业内训 根据企业研发团队的技术能力培养需求,为企业定制培训课程,邀请技术专家级讲师到企业内部与研发团队面对面进行系统化技术课程辅导,提升企业整体研发能力。 申请服务 企业账号 让每家公司都有AI技术学院 企业账号 1企1号+员工多号,旨在为更多的技术研发团队成员提供优质的学习资源,专门为企业的技术部门提供便捷、快速专业的人工智能技能在线学习服务。 申请服务 企业AI化转型 一站式AI化转型解决方案 企业AI化转型 互联网提升了人与人的沟通效率,人工智能则会解决人与万物交流的问题。”——李彦宏。AI思维是必须基于万物互联来重新思考公司的战略,七月在线为企业提供一站式AI化转型解决方案。 申请服务 技术咨询 AI技术全体系方案咨询 技术咨询 第三方独立客观角度、丰富的项目实践经验,以及富有前瞻性的战略性眼光和覆盖整个AI体系的领先技术,为企业输出技术、方案和AI能力。 申请服务 内训特色 企业案例 讲师阵容 西安交大应用数学专业博三,擅长机器学习和数学推导,研究方向为统计学习理论与机器学习。熟悉正则化算法的泛化分析,同时对Domain adaption, Life-long learning, semi-supervised learning有所研究,在IEEE Trans on Cybernetics和SCI上发表多篇论文。 龚博士 西安交大应用数学博士 老齐,苏州易水禾软件和苏州研途教育科技技术总监。著有系列图书《跟老齐学Python:轻松入门》、《跟老齐学Python:Django实战》,并在个人网站itdiffer.com上刊发有关技术类课程。 老齐 《跟老齐学Python》作者 多年IT领域ml/dm/nlp经验,负责多个海量数据上网络安全机器学习项目,专注于算法应用与优化。做过NLP、web攻击智能识别、入侵检测自学习。善于深入浅出的剖析数学理论在机器学习/深度学习中的应用。 龙心尘 多年IT领域ml/dm/nlp经验 5年数据从业经历,8年后端研发经验。目前在数据部门从事实时计算、搜索、推荐、数据分析等相关方向。开源爱好者,开源包括服务框架、数据分析工具等多个项目。重点关注Spark/ES等相关平台。 祝威廉 开源社区贡献者 《TensorFlow技术解析与实战》作者,本书获得Jeff Dean、李航、余凯、山世光等专家倾力推荐。曾任职百度研发工程师,对深度学习框架的架构、源码分析及应用有一定经验,参与过基于DL的自动驾驶二维感知系统Hackathon竞赛。 李老师 《TensorFlow技术解析与实战》作者 知名电商搜索广告负责人,多年实际ml/DL/dm项目经验,专注海量数据上机器学习算法的应用与优化。做过推荐系统、NLP、点击率预估、图像识别。讲课清晰易懂,擅长用实际数据、代码、案例说话,备受数千名学员好评。 寒老师 知名电商搜索广告负责人 现任七月在线AI Lab负责人兼科学家。参与国家863项目一项。主持山东省自主创新及成果转化专项——电力行业大数据平台的研发及产业应用一项。现主要从事深度学习行业应用研发及教学工作。申请授权发明专利十余项, 发表专业论文十数篇。 陈博士 AI lab负责人兼科学家 专注机器学习/人工智能,擅长解释机器学习中看似艰深晦涩的概念,熟悉模型背后的数学原理。曾工作于某知名私募的量化交易团队,参与高频交易中统计学习模型的开发。课堂上善于全程举例,所讲直达本质且不失生动有趣。 冯博士 南京大学博士 某金融科技数据科学家,计算机博士毕业,从事数据挖掘、大规模社交网络分析、社会计算等领域研究近5年,常年在互联网一线打拼,致力于将学术产业化。现从事金融反欺诈工作,利用特征工程与机器学习技术搭建自动化线上信贷反欺诈模型。 王博士 金融科技公司数据科学家 北大计算机系博士生,研究方向为分布式系统和大规模机器学习,即将入职某云厂商担任应用科学家,主要负责分布式系统的性能优化。 马博士 云厂商应用科学家 博士毕业于国内Top5高校,在人工智能和模式识别领域发表了10余篇会议和期刊。目前在国内某知名互联网公司担任人工智能算法高级技术专家,有深厚的学术背景和丰富的项目及业务落地经验。Seven老师长期担任校园招聘和社会招聘技术面试官,授课风格深入浅出、诙谐幽默。 Seven博士 人工智能算法高级技术专家 丁老师,芝加哥大学计算机博士,主要研究方向为机器学习和因果推断,已在NIPS, AAAI, ICDM等会议上以一作身份发表过多篇论文。 丁博士 芝加哥大学计算机博士 原百度地图创建初期研发主干,现为国内某领先的视觉创业公司的大数据平台负责人,曾先后工作于Google、百度、搜狐、58等知名互联网公司,专注算法研发,曾有多年竞赛算法教学经验。 许老师 原百度地图创建初期研发骨干 独立技术顾问,HiCircle联合创始人。原阿里高级技术专家、EMC公有云存储部门技术经理。目前负责为初创企业提供架构设计,数据分析处理等咨询服务。同时也参与区块链项目,提供技术咨询及白皮书服务,比特兔交易所项目私募轮投资人。 林老师 原BAT高级技术专家 哈工大博士,深圳一机器人技术公司的技术总监。曾获得国内外多项机器人竞赛大奖,获得机器人相关专利5项,发表论文2篇。擅长寓教于乐,通过自行开发多个图像识别和机器学习的GitHub流行开源项目激发学员兴趣,比如自动玩微信挑一挑、抖音机器人(通过人脸识别在抖音上自动寻找漂亮的小姐姐)。 王松 深圳一机器人公司技术总监 张玉宏,电子科技大学博士,美国西北大学访问学者。《品味大数据》、《深度学习之美》作者。主要研究方向为大数据、人工智能。发表学术论文20余篇,国内外学术专著7部。阿里云-云栖社区专栏作家,认证技术专家。 张博士 电子科技大学博士 西安交大应用数学专业博三,擅长机器学习和数学推导,研究方向为统计学习理论与机器学习。熟悉正则化算法的泛化分析,同时对Domain adaption, Life-long learning, semi-supervised learning有所研究,在IEEE Trans on Cybernetics和SCI上发表多篇论文。 龚博士 西安交大应用数学博士 老齐,苏州易水禾软件和苏州研途教育科技技术总监。著有系列图书《跟老齐学Python:轻松入门》、《跟老齐学Python:Django实战》,并在个人网站itdiffer.com上刊发有关技术类课程。 老齐 《跟老齐学Python》作者 多年IT领域ml/dm/nlp经验,负责多个海量数据上网络安全机器学习项目,专注于算法应用与优化。做过NLP、web攻击智能识别、入侵检测自学习。善于深入浅出的剖析数学理论在机器学习/深度学习中的应用。 龙心尘 多年IT领域ml/dm/nlp经验 5年数据从业经历,8年后端研发经验。目前在数据部门从事实时计算、搜索、推荐、数据分析等相关方向。开源爱好者,开源包括服务框架、数据分析工具等多个项目。重点关注Spark/ES等相关平台。 祝威廉 开源社区贡献者 《TensorFlow技术解析与实战》作者,本书获得Jeff Dean、李航、余凯、山世光等专家倾力推荐。曾任职百度研发工程师,对深度学习框架的架构、源码分析及应用有一定经验,参与过基于DL的自动驾驶二维感知系统Hackathon竞赛。 李老师 《TensorFlow技术解析与实战》作者 知名电商搜索广告负责人,多年实际ml/DL/dm项目经验,专注海量数据上机器学习算法的应用与优化。做过推荐系统、NLP、点击率预估、图像识别。讲课清晰易懂,擅长用实际数据、代码、案例说话,备受数千名学员好评。 寒老师 知名电商搜索广告负责人 现任七月在线AI Lab负责人兼科学家。参与国家863项目一项。主持山东省自主创新及成果转化专项——电力行业大数据平台的研发及产业应用一项。现主要从事深度学习行业应用研发及教学工作。申请授权发明专利十余项, 发表专业论文十数篇。 陈博士 AI lab负责人兼科学家 专注机器学习/人工智能,擅长解释机器学习中看似艰深晦涩的概念,熟悉模型背后的数学原理。曾工作于某知名私募的量化交易团队,参与高频交易中统计学习模型的开发。课堂上善于全程举例,所讲直达本质且不失生动有趣。 冯博士 南京大学博士 某金融科技数据科学家,计算机博士毕业,从事数据挖掘、大规模社交网络分析、社会计算等领域研究近5年,常年在互联网一线打拼,致力于将学术产业化。现从事金融反欺诈工作,利用特征工程与机器学习技术搭建自动化线上信贷反欺诈模型。 王博士 金融科技公司数据科学家 北大计算机系博士生,研究方向为分布式系统和大规模机器学习,即将入职某云厂商担任应用科学家,主要负责分布式系统的性能优化。 马博士 云厂商应用科学家 定制化服务流程 明确企业培训目标,严格把控课程设置、授课讲师、授课时间等相关问题,严格匹配企业需求 ​ 1.提出需求 企业提出定制化服务需求。 ​ 2.跟进,简单方案 项目经理跟进,提供初步项目方案 。 ​ 3.明确需求 进一步改进方案,确定时间与受众。 ​ 4.课前准备 课件审核,确认上课地点、设备和物料。 ​ 5.现场授课 讲师助教协同授课,提供课程视频与练习。 ​ 6.课后服务 课后反馈及总结,学员作业完成批改反馈。 ​ 7.其他指导 答疑与指导 一对一辅导 确认培训效果。 立即定制 我们的客户 ​ ​ ​ ​ 全部 面试 算法 Python 机器学习 深度学习 CV 推荐系统 leetcode/kaggle 内推 活动 反馈/帮助 公告 【网龙2020届春招启动-招聘简章上线】(2020首期游戏程序训练营启动-欢迎报名) 浏览数:10 | 评论数:0 | 回复数:0 | 关注数:02020-02-28 非CS专业且在材料行业三年:如何成功转行CV 浏览数:37 | 评论数:0 | 回复数:0 | 关注数:02020-02-25 非科班运维开发转NLP40万的经验:LeetCode不能漏刷 浏览数:99 | 评论数:0 | 回复数:0 | 关注数:02020-02-24 【1元秒】推荐系统、NLP、CV就业班预习课 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-02-21 百度开源业内首个口罩人脸检测及分类模型,携手开发者共同“抗疫” 浏览数:20 | 评论数:0 | 回复数:0 | 关注数:02020-02-18 本科坐标成都且2年iOS:我是如何拿到华为offer并涨薪80%的 浏览数:119 | 评论数:0 | 回复数:0 | 关注数:02020-02-13 跟随AI大佬一起来叩开深度学习的大门吧! 浏览数:28 | 评论数:1 | 回复数:0 | 关注数:02020-02-11 七月在线新春献礼开宝箱活动排行榜奖品公布及领取方式 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-02-11 【最后5小时】新春献礼活动! 浏览数:11 | 评论数:0 | 回复数:0 | 关注数:02020-02-10 病毒扩散仿真程序火了,其实模型很简单! 浏览数:38 | 评论数:0 | 回复数:0 | 关注数:02020-02-10 深度学习到底有多难?这篇文章带你零基础入门! 浏览数:36 | 评论数:0 | 回复数:0 | 关注数:02020-02-11 【干货】AI领域优秀开源项目及优秀论文分享! 浏览数:21 | 评论数:0 | 回复数:0 | 关注数:02020-02-06 Jeff Dean亲笔撰文:盘点谷歌AI 2019! 浏览数:20 | 评论数:0 | 回复数:0 | 关注数:02020-02-06 社交软件上的小姐姐,可能是AI生成的假人? 浏览数:37 | 评论数:0 | 回复数:0 | 关注数:02020-02-05 【干货】本周AI领域优秀开源项目分享! 浏览数:24 | 评论数:0 | 回复数:0 | 关注数:02020-02-11 后端转推荐算法:我是如何通过三个月的学习薪资翻倍的 浏览数:195 | 评论数:0 | 回复数:0 | 关注数:02020-02-20 驰援武汉 心系全国 免费向疫区同学送AI课程 浏览数:55 | 评论数:0 | 回复数:0 | 关注数:02020-02-11 初学者如何学习NLP?这里有一些最棒的项目推荐! 浏览数:29 | 评论数:0 | 回复数:0 | 关注数:02020-01-20 时隔五年GitHub再次上架Android App:4000万开发者终于用上官方版了! 浏览数:23 | 评论数:0 | 回复数:0 | 关注数:02020-01-17 春节自救指南:程序员 该如何向七大姑八大姨解释自己的职业? 浏览数:22 | 评论数:0 | 回复数:0 | 关注数:02020-01-17 NLP问题生成调研 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-01-16 想学Python 有没有课程推荐 浏览数:29 | 评论数:1 | 回复数:0 | 关注数:02020-01-15 最速下降法是求解无约束最优化问题最常用的方法 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-01-15 深度学习--Lenet-5基本结构及keras实现 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-01-14 CVPR2019年热门论文及开源代码分享 浏览数:25 | 评论数:0 | 回复数:0 | 关注数:02020-01-14 推荐:深度学习论文阅读路线图(github标星24k,127篇经典论文下载) 浏览数:29 | 评论数:0 | 回复数:0 | 关注数:02020-01-14 深度学习中如何避免灾难性遗忘? 浏览数:29 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 谈谈对深度学习编译技术的一些思考 浏览数:22 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 计算机视觉领域,你推荐哪些综述性的文章? 浏览数:36 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 XLA 探究:矩阵乘法 浏览数:41 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 AI领域优秀开源项目和论文分享 浏览数:32 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 七月在线Q3喜报 浏览数:61 | 评论数:1 | 回复数:0 | 关注数:02020-01-10 「遗忘」在神经网络中的重要性 主动遗忘机制的模型 浏览数:25 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 Python课程推荐 浏览数:26 | 评论数:1 | 回复数:0 | 关注数:02020-01-09 七月在线年终大回馈开宝箱活动排行榜奖品公布及领取方式 浏览数:48 | 评论数:0 | 回复数:0 | 关注数:02020-01-01 我从传统java开发转型人工智能 浏览数:99 | 评论数:0 | 回复数:0 | 关注数:02019-12-29 年终大回馈AI干货分享区--新增【六阶段转行人工智能】 浏览数:592 | 评论数:0 | 回复数:0 | 关注数:12019-12-26 【七月在线年终大回馈】活动 火爆开启!价值10万+奖品持续送出,速来领奖! 浏览数:64 | 评论数:0 | 回复数:0 | 关注数:12019-12-30 秋招算法面试总结 浏览数:152 | 评论数:0 | 回复数:0 | 关注数:12019-12-23 互联网金融面试经验分享 浏览数:109 | 评论数:0 | 回复数:0 | 关注数:12019-12-23 七月在线年终大回馈!百万宝箱来袭 100%有奖,速点! 浏览数:46 | 评论数:0 | 回复数:0 | 关注数:12019-12-20 JAVA+机器学习面试经验 浏览数:139 | 评论数:0 | 回复数:2 | 关注数:32019-12-18 JAVA+机器学习面试经验 浏览数:61 | 评论数:0 | 回复数:0 | 关注数:12019-12-18 不转发,不分享抽奖包邮送 100 本 纸质书! 浏览数:41 | 评论数:0 | 回复数:0 | 关注数:12019-12-13 强烈推荐的TensorFlow、Pytorch和Keras的样例资源 浏览数:142 | 评论数:0 | 回复数:0 | 关注数:12019-12-09 【增强学习】简单的Qlearn入门 浏览数:80 | 评论数:0 | 回复数:0 | 关注数:12019-12-06 几种常见分割网络分析与对比(FCN、U-net、DSN) 浏览数:212 | 评论数:0 | 回复数:0 | 关注数:12019-12-06 初学者如何查阅自然语言处理学术资料 浏览数:61 | 评论数:0 | 回复数:0 | 关注数:12019-12-04 不想甘坐冷板凳 一篇文章教你如何发现一流的研究题目 浏览数:79 | 评论数:0 | 回复数:0 | 关注数:12019-12-03 揭秘网易云音乐 前端模块动态下发系统! 浏览数:83 | 评论数:0 | 回复数:0 | 关注数:12019-12-02 1 2 3 4 5 6 58 全部 机器学习 计算机视觉 自然语言处理 推荐系统 广告系统 语音识别 算法工程师 风变科技(深圳)有限公司 15K - 30K | 深圳2019-10-17 视觉算法工程师 上海 15-20k 14薪 上海东普信息科技有限公司 15K - 20K | 上海2019-10-17 数据挖掘工程师 广州 13薪 火烈鸟网络(广州)股份有限公司 10K - 15K | 广州2019-10-17 数美科技杭州招聘算法工程师 数美科技 15K - 25K | 杭州2019-10-17 自然语言处理 NLP 阿里妈妈 30K - 65K | 北京2019-10-16 NLP算法工程师-【对话机器人方向】(深圳、上海) 平安科技 25K - 50K | 深圳、上海2019-10-16 美团急招计算机视觉 图像算法 视频内容理解 专家 美团 40K - 80K | 北京2019-10-16 【阿里达摩院院自然语言处理】急求国际化Multilingual NLP人才 阿里巴巴 达摩院 不限2019-06-07 自然语言处理类算法专家-搜索算法技术 阿里巴巴 大文娱 北京2019-05-23 UC事业部-推荐算法专家/高级专家-国内信息流(AC) 阿里巴巴 UC事业部 北京2019-05-23 1合作伙伴 :阿里云天池 腾讯云学院 讯飞AI大学 人邮异步社区 2 前往 页 关注我们 : 客户端下载 : ​ ​ ​ 合作伙伴 :阿里云天池 腾讯云学院 讯飞AI大学 人邮异步社区 75道常见AI面试题助你清扫知识盲点(附解析) 本文精心准备了一份AI相关岗位的面试题,帮大家扫清知识盲点,自信上场! [ 导读 ]正值求职、跳槽季,无论你是换工作还是找实习,没有真本事都是万万不行的,可是如何高效率复习呢?今天我们为大家精心准备了一份 AI相关岗位的面试题,帮大家扫清知识盲点,自信上场! 机器学习工程师面试 必备面试题: 你会在时间序列数据集上使用什么交叉验证技术?是用k倍或LOOCV? 你是怎么理解偏差方差的平衡的? 给你一个有1000列和1百万行的训练数据集,这个数据集是基于分类问题的。经理要求你来降低该数据集的维度以减少模型计算时间,但你的机器内存有限。你会怎么做? 全球平均温度的上升导致世界各地的海盗数量减少。这是否意味着海盗的数量减少引起气候变化? 给你一个数据集,这个数据集有缺失值,且这些缺失值分布在离中值有1个标准偏差的范围内。百分之多少的数据不会受到影响?为什么? 你意识到你的模型受到低偏差和高方差问题的困扰。那么,应该使用哪种算法来解决问题呢?为什么? 协方差和相关性有什么区别? 真阳性率和召回有什么关系?写出方程式。 Gradient boosting算法(GBM)和随机森林都是基于树的算法,它们有什么区别? 你认为把分类变量当成连续型变量会更得到一个更好的预测模型吗? “买了这个的客户,也买了......”亚马逊的建议是哪种算法的结果? 在k-means或kNN,我们是用欧氏距离来计算最近的邻居之间的距离。为什么不用曼哈顿距离? 我知道校正R2或者F值是用来评估线性回归模型的。那用什么来评估逻辑回归模型? 为什么朴素贝叶斯如此“朴素”? 花了几个小时后,现在你急于建一个高精度的模型。结果,你建了5 个GBM(Gradient Boosted Models),想着boosting算法会展现“魔力”。不幸的是,没有一个模型比基准模型表现得更好。最后,你决定将这些模型结合到一起。尽管众所周知,结合模型通常精度高,但你就很不幸运。你到底错在哪里? 以上题目答案详解: https://www.tinymind.cn/articles/109 推荐收藏: 机器学习教材中的 7 大经典问题 https://www.tiny 算法工程师面试题 工作中的算法工程师,很多时候,会将生活中转瞬即逝的灵感,付诸产品化。 将算法研究应用到工作中,与纯粹的学术研究有着一点最大的不同,即需要从用户的角度思考问题。很多时候,你需要明确设计的产品特征、提升的数据指标,是不是能真正迎合用户的需求,这便要求算法工程师能在多个模型间选择出最合适的那个,然后通过快速迭代达到一个可以走向产品化的结果。 知识储备作为成功的根底亦必不可少,以下是营长为你精选的算法面试,帮你检查下自己的技能是否在线。 必备面试题: LDA(线性判别分析) 和 PCA 的区别与联系。 K-均值算法收敛性的证明。 如何确定 LDA (隐狄利克雷模型) 中主题的个数。 随机梯度下降法的一些改进算法。 L1正则化产生稀疏性的原因。 如何对贝叶斯网络进行采样 。 从方差、偏差角度解释 Boosting 和 Bagging。 ResNet的提出背景和核心理论。 LSTM是如何实现长短期记忆功能的。 WGAN解决了原始 GAN 中的什么问题。 以上题目答案详解: https://www.tinymind.cn/articles/1275 推荐收藏: 是男人就过8题!楼教主出题,请接招 https://www.tinymind.cn/articles/47 算法和编程面试题精选TOP50!(附代码+解题思路+答案) https://www.tinymind.cn/articles/375 深度学习12大常见面试题 必备面试题: 1.什么是深度学习?为什么它会如此受欢迎? 3.深度学习与机器学习有什么区别? 4.深度学习的先决条件是什么? 5.选择哪些工具/语言构建深度学习模型? 6.为什么构建深度学习模型需要使用GPU? 7.何时(何处)应用神经网络? 8.是否需要大量数据来训练深度学习模型? 9.哪里可以找到一些基本的深度学习项目用来练习? 10.深度学习的一些免费学习资源。 最后附上深度学习的相关面试问题有哪些? 深度学习模型如何学习? 深度学习模型有哪些局限性? 前馈神经网络和递归神经网络之间有什么区别? 什么是激活特征函数? 什么是CNN,它有什么用途? 什么是池化? 简述其工作原理。 什么是dropout层,为什么要用dropout层? 什么是消失梯度问题,如何克服? 什么是优化函数?说出几个常见的优化函数。 以上题目答案详解: https://www.tinymind.cn/articles/608 Python常见面试题 100+Python编程题给你练~(附答案) https://www.tinymind.cn/articles/3987 10个Python常见面试题,这些弄不明白不要说学过Python! https://www.tinymind.cn/articles/376 Google人工智能面试题 必备面试题: 求导1/x。 画出log (x+10)曲线。 怎样设计一次客户满意度调查? 一枚硬币抛10次,得到8正2反。试析抛硬币是否公平?p值是多少? 接上题。10枚硬币,每一枚抛10次,结果会如何?为了抛硬币更公平,应该怎么改进? 解释一个非正态分布,以及如何应用。 为什么要用特征选择?如果两个预测因子高度相关,系数对逻辑回归有怎样的影响?系数的置信区间是多少? K-mean与高斯混合模型:K-means算法和EM算法的差别在哪里? 使用高斯混合模型时,怎样判断它适用与否?(正态分布) 聚类时标签已知,怎样评估模型的表现? 为什么不用逻辑回归,而要用GBM? 每年应聘Google的人有多少? 你给一个Google APP做了些修改。怎样测试某项指标是否有增长 描述数据分析的流程。 高斯混合模型 (GMM) 中,推导方程。 怎样衡量用户对视频的喜爱程度? 模拟一个二元正态分布。 求一个分布的方差。 怎样建立中位数的Estimator? 如果回归模型中的两个系数估计,分别是统计显著的,把两个放在一起测试,会不会同样显著? 以上题目答案详解: https://www.tinymind.cn/articles/98 苹果人工智能面试题 必备面试题: 有成千上万个用户,每个用户都有 100 个交易,在 10000 个产品和小组中,用户所参与有意义的部分,你是如何处理这一问题的? 为了消除欺诈行为,我们对这些数据进行预筛选,如何才能找到一个数据样本,帮助我们判断一个欺诈行为的真实性? 给出两个表格,一个表格用来存储用户 ID 以及购买产品 ID(为1个字节),另一个表格则存储标有产品名称的产品 ID。我们尝试寻找被同一用户同时购买的这样一个成对的产品,像葡萄酒和开瓶器,薯片和啤酒。那么,如何去寻找前 100 个同时存在且成对出现的产品? 详细描述 L1 正则化和 L2 正则化二者之间的区别,特别是它们本身对模型训练过程的影响有什么不同? 假设你有 10 万个存储在不同服务器上的文件,你想对所有的文件进行加工,那么用 Hadoop 如何处理? Python 和 Scala 之间有什么区别? 解释一下 LRU Cache 算法。 如何设计一个客户——服务器模型,客服端每分钟都可以发送位置数据。 如何将数据从一个 Hadoop 聚类传递给另一个 Hadoop 聚类? Java 中的内存有哪些不同的类型? 你是如何处理数百个标题中的元数据这一繁琐任务的? 在数据流和可访问性方面,如何在隐藏时间帧内进行测量?其中在隐藏时间帧内,核心超负荷将计算机能量重定向到 cellar dome 的过度复杂文件系统的边界结构。 你最希望拥有的超能力是什么? 如果你有一个时间序列传感器,请预测其下一个读数。 使用 SQL 创建 market basket 输出。 你有没有过心理物理学实验的经验?(Research Portfolio based question) 你在表征方法上的专长是什么?通常使用什么?你是如何在研究中使用它,有没有什么有趣的结果?(Research Portfolio based question) 如何进行故障分析? 检查一个二叉树是否为左右子树上的镜像。 什么是随机森林?为什么朴素贝叶斯效果更好? 以上题目答案详解: https://www.tinymind.cn/articles/139 THU数据派 THU数据派"基于清华,放眼世界",以扎实的理工功底闯荡“数据江湖”。发布全球大数据资讯,定期组织线下活动,分享前沿产业动态。了解清华大数据,敬请关注姐妹号“数据派THU”。 入门 Python深度学习机器学习面试 181 相关数据 亚马逊 机构 深度学习 技术 数据分析 技术 池化 技术 逻辑回归 技术 不健康评论分类挑战[NLP](算法类) 识别并分类不健康在线评论 进行中,截止时间:2050-12-31 21队伍 免费公开课 类别: 全部 Python 数学 数据结构 机器学习 深度学习 算法公开课 共19次课 192091人学习 评论数:170 机器学习公开课 每天半小时机器学习 共24次课 372539人学习 评论数:144 七月在线高校巡回讲座 July和他的团队跑过全国数十所高校 共1次课 29095人学习 评论数:17 面试求职公开课 求职不再慌 共14次课 204517人学习 评论数:225 实战算法:现场coding篇 leetcode上直接coding,一次AC 共7次课 123228人学习 评论数:88 机器学习中的数学 共14次课 128857人学习 评论数:59 深度学习公开课 深度学习课程的部分次课的节选 共16次课 120606人学习 评论数:26 数据挖掘公开课 海量数据的挖掘与处理 共1次课 21980人学习 评论数:4 16年度最火课程TOP10 涉及数学、算法、Python、ML、DL等 共8次课 27936人学习 评论数:3 kaggle实战公开课 实战数据竞赛平台kaggle 共7次课 32025人学习 评论数:11 论文公开课 涵盖梯度下降 归一化 AlphaGo Zero等 共3次课 33971人学习 评论数:23 天池AI大赛公开课 和阿里云天池联合发布的比赛公开课 共1次课 32388人学习 评论数:26 机器学习业务实践之路 阿里云PAI和七月在线联合发布 共7次课 22481人学习 评论数:4 七月在线在京创业故事 从起步到初具规模,探索创业背后的故事 共1次课 5266人学习 评论数:4 AI相关领域的公开课 涉及机器人、说话人识别、区块链等 共15次课 29846人学习 评论数:13 Python AI公开课 从Python起步学AI 共8次课 26282人学习 评论数:11 机器学习集训营 节选试听 涵盖pandas、seaborn、kears等 共7次课 10198人学习 评论数:7 17年度最火课程TOP10 涵盖Python、ML、DL、量化等 共10次课 10178人学习 评论数:5 算法公开课 第一届算法班优秀学员曹子空的分享 共3次课 8931人学习 评论数:6 集训营就业优秀学员面试分享 共9次课 10188人学习 评论数:16 来自Google、BAT等名企资源 基于实战应用,全面加速AI企业人才培养和绩效转化 企业内训 一站式提升企业AI人才技术 企业内训 根据企业研发团队的技术能力培养需求,为企业定制培训课程,邀请技术专家级讲师到企业内部与研发团队面对面进行系统化技术课程辅导,提升企业整体研发能力。 申请服务 企业账号 让每家公司都有AI技术学院 企业账号 1企1号+员工多号,旨在为更多的技术研发团队成员提供优质的学习资源,专门为企业的技术部门提供便捷、快速专业的人工智能技能在线学习服务。 申请服务 企业AI化转型 一站式AI化转型解决方案 企业AI化转型 互联网提升了人与人的沟通效率,人工智能则会解决人与万物交流的问题。”——李彦宏。AI思维是必须基于万物互联来重新思考公司的战略,七月在线为企业提供一站式AI化转型解决方案。 申请服务 技术咨询 AI技术全体系方案咨询 技术咨询 第三方独立客观角度、丰富的项目实践经验,以及富有前瞻性的战略性眼光和覆盖整个AI体系的领先技术,为企业输出技术、方案和AI能力。 申请服务 内训特色 企业案例 讲师阵容 西安交大应用数学专业博三,擅长机器学习和数学推导,研究方向为统计学习理论与机器学习。熟悉正则化算法的泛化分析,同时对Domain adaption, Life-long learning, semi-supervised learning有所研究,在IEEE Trans on Cybernetics和SCI上发表多篇论文。 龚博士 西安交大应用数学博士 老齐,苏州易水禾软件和苏州研途教育科技技术总监。著有系列图书《跟老齐学Python:轻松入门》、《跟老齐学Python:Django实战》,并在个人网站itdiffer.com上刊发有关技术类课程。 老齐 《跟老齐学Python》作者 多年IT领域ml/dm/nlp经验,负责多个海量数据上网络安全机器学习项目,专注于算法应用与优化。做过NLP、web攻击智能识别、入侵检测自学习。善于深入浅出的剖析数学理论在机器学习/深度学习中的应用。 龙心尘 多年IT领域ml/dm/nlp经验 5年数据从业经历,8年后端研发经验。目前在数据部门从事实时计算、搜索、推荐、数据分析等相关方向。开源爱好者,开源包括服务框架、数据分析工具等多个项目。重点关注Spark/ES等相关平台。 祝威廉 开源社区贡献者 《TensorFlow技术解析与实战》作者,本书获得Jeff Dean、李航、余凯、山世光等专家倾力推荐。曾任职百度研发工程师,对深度学习框架的架构、源码分析及应用有一定经验,参与过基于DL的自动驾驶二维感知系统Hackathon竞赛。 李老师 《TensorFlow技术解析与实战》作者 知名电商搜索广告负责人,多年实际ml/DL/dm项目经验,专注海量数据上机器学习算法的应用与优化。做过推荐系统、NLP、点击率预估、图像识别。讲课清晰易懂,擅长用实际数据、代码、案例说话,备受数千名学员好评。 寒老师 知名电商搜索广告负责人 现任七月在线AI Lab负责人兼科学家。参与国家863项目一项。主持山东省自主创新及成果转化专项——电力行业大数据平台的研发及产业应用一项。现主要从事深度学习行业应用研发及教学工作。申请授权发明专利十余项, 发表专业论文十数篇。 陈博士 AI lab负责人兼科学家 专注机器学习/人工智能,擅长解释机器学习中看似艰深晦涩的概念,熟悉模型背后的数学原理。曾工作于某知名私募的量化交易团队,参与高频交易中统计学习模型的开发。课堂上善于全程举例,所讲直达本质且不失生动有趣。 冯博士 南京大学博士 某金融科技数据科学家,计算机博士毕业,从事数据挖掘、大规模社交网络分析、社会计算等领域研究近5年,常年在互联网一线打拼,致力于将学术产业化。现从事金融反欺诈工作,利用特征工程与机器学习技术搭建自动化线上信贷反欺诈模型。 王博士 金融科技公司数据科学家 北大计算机系博士生,研究方向为分布式系统和大规模机器学习,即将入职某云厂商担任应用科学家,主要负责分布式系统的性能优化。 马博士 云厂商应用科学家 博士毕业于国内Top5高校,在人工智能和模式识别领域发表了10余篇会议和期刊。目前在国内某知名互联网公司担任人工智能算法高级技术专家,有深厚的学术背景和丰富的项目及业务落地经验。Seven老师长期担任校园招聘和社会招聘技术面试官,授课风格深入浅出、诙谐幽默。 Seven博士 人工智能算法高级技术专家 丁老师,芝加哥大学计算机博士,主要研究方向为机器学习和因果推断,已在NIPS, AAAI, ICDM等会议上以一作身份发表过多篇论文。 丁博士 芝加哥大学计算机博士 原百度地图创建初期研发主干,现为国内某领先的视觉创业公司的大数据平台负责人,曾先后工作于Google、百度、搜狐、58等知名互联网公司,专注算法研发,曾有多年竞赛算法教学经验。 许老师 原百度地图创建初期研发骨干 独立技术顾问,HiCircle联合创始人。原阿里高级技术专家、EMC公有云存储部门技术经理。目前负责为初创企业提供架构设计,数据分析处理等咨询服务。同时也参与区块链项目,提供技术咨询及白皮书服务,比特兔交易所项目私募轮投资人。 林老师 原BAT高级技术专家 哈工大博士,深圳一机器人技术公司的技术总监。曾获得国内外多项机器人竞赛大奖,获得机器人相关专利5项,发表论文2篇。擅长寓教于乐,通过自行开发多个图像识别和机器学习的GitHub流行开源项目激发学员兴趣,比如自动玩微信挑一挑、抖音机器人(通过人脸识别在抖音上自动寻找漂亮的小姐姐)。 王松 深圳一机器人公司技术总监 张玉宏,电子科技大学博士,美国西北大学访问学者。《品味大数据》、《深度学习之美》作者。主要研究方向为大数据、人工智能。发表学术论文20余篇,国内外学术专著7部。阿里云-云栖社区专栏作家,认证技术专家。 张博士 电子科技大学博士 西安交大应用数学专业博三,擅长机器学习和数学推导,研究方向为统计学习理论与机器学习。熟悉正则化算法的泛化分析,同时对Domain adaption, Life-long learning, semi-supervised learning有所研究,在IEEE Trans on Cybernetics和SCI上发表多篇论文。 龚博士 西安交大应用数学博士 老齐,苏州易水禾软件和苏州研途教育科技技术总监。著有系列图书《跟老齐学Python:轻松入门》、《跟老齐学Python:Django实战》,并在个人网站itdiffer.com上刊发有关技术类课程。 老齐 《跟老齐学Python》作者 多年IT领域ml/dm/nlp经验,负责多个海量数据上网络安全机器学习项目,专注于算法应用与优化。做过NLP、web攻击智能识别、入侵检测自学习。善于深入浅出的剖析数学理论在机器学习/深度学习中的应用。 龙心尘 多年IT领域ml/dm/nlp经验 5年数据从业经历,8年后端研发经验。目前在数据部门从事实时计算、搜索、推荐、数据分析等相关方向。开源爱好者,开源包括服务框架、数据分析工具等多个项目。重点关注Spark/ES等相关平台。 祝威廉 开源社区贡献者 《TensorFlow技术解析与实战》作者,本书获得Jeff Dean、李航、余凯、山世光等专家倾力推荐。曾任职百度研发工程师,对深度学习框架的架构、源码分析及应用有一定经验,参与过基于DL的自动驾驶二维感知系统Hackathon竞赛。 李老师 《TensorFlow技术解析与实战》作者 知名电商搜索广告负责人,多年实际ml/DL/dm项目经验,专注海量数据上机器学习算法的应用与优化。做过推荐系统、NLP、点击率预估、图像识别。讲课清晰易懂,擅长用实际数据、代码、案例说话,备受数千名学员好评。 寒老师 知名电商搜索广告负责人 现任七月在线AI Lab负责人兼科学家。参与国家863项目一项。主持山东省自主创新及成果转化专项——电力行业大数据平台的研发及产业应用一项。现主要从事深度学习行业应用研发及教学工作。申请授权发明专利十余项, 发表专业论文十数篇。 陈博士 AI lab负责人兼科学家 专注机器学习/人工智能,擅长解释机器学习中看似艰深晦涩的概念,熟悉模型背后的数学原理。曾工作于某知名私募的量化交易团队,参与高频交易中统计学习模型的开发。课堂上善于全程举例,所讲直达本质且不失生动有趣。 冯博士 南京大学博士 某金融科技数据科学家,计算机博士毕业,从事数据挖掘、大规模社交网络分析、社会计算等领域研究近5年,常年在互联网一线打拼,致力于将学术产业化。现从事金融反欺诈工作,利用特征工程与机器学习技术搭建自动化线上信贷反欺诈模型。 王博士 金融科技公司数据科学家 北大计算机系博士生,研究方向为分布式系统和大规模机器学习,即将入职某云厂商担任应用科学家,主要负责分布式系统的性能优化。 马博士 云厂商应用科学家 定制化服务流程 明确企业培训目标,严格把控课程设置、授课讲师、授课时间等相关问题,严格匹配企业需求 ​ 1.提出需求 企业提出定制化服务需求。 ​ 2.跟进,简单方案 项目经理跟进,提供初步项目方案 。 ​ 3.明确需求 进一步改进方案,确定时间与受众。 ​ 4.课前准备 课件审核,确认上课地点、设备和物料。 ​ 5.现场授课 讲师助教协同授课,提供课程视频与练习。 ​ 6.课后服务 课后反馈及总结,学员作业完成批改反馈。 ​ 7.其他指导 答疑与指导 一对一辅导 确认培训效果。 立即定制 我们的客户 ​ ​ ​ ​ 全部 面试 算法 Python 机器学习 深度学习 CV 推荐系统 leetcode/kaggle 内推 活动 反馈/帮助 公告 【网龙2020届春招启动-招聘简章上线】(2020首期游戏程序训练营启动-欢迎报名) 浏览数:10 | 评论数:0 | 回复数:0 | 关注数:02020-02-28 非CS专业且在材料行业三年:如何成功转行CV 浏览数:37 | 评论数:0 | 回复数:0 | 关注数:02020-02-25 非科班运维开发转NLP40万的经验:LeetCode不能漏刷 浏览数:99 | 评论数:0 | 回复数:0 | 关注数:02020-02-24 【1元秒】推荐系统、NLP、CV就业班预习课 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-02-21 百度开源业内首个口罩人脸检测及分类模型,携手开发者共同“抗疫” 浏览数:20 | 评论数:0 | 回复数:0 | 关注数:02020-02-18 本科坐标成都且2年iOS:我是如何拿到华为offer并涨薪80%的 浏览数:119 | 评论数:0 | 回复数:0 | 关注数:02020-02-13 跟随AI大佬一起来叩开深度学习的大门吧! 浏览数:28 | 评论数:1 | 回复数:0 | 关注数:02020-02-11 七月在线新春献礼开宝箱活动排行榜奖品公布及领取方式 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-02-11 【最后5小时】新春献礼活动! 浏览数:11 | 评论数:0 | 回复数:0 | 关注数:02020-02-10 病毒扩散仿真程序火了,其实模型很简单! 浏览数:38 | 评论数:0 | 回复数:0 | 关注数:02020-02-10 深度学习到底有多难?这篇文章带你零基础入门! 浏览数:36 | 评论数:0 | 回复数:0 | 关注数:02020-02-11 【干货】AI领域优秀开源项目及优秀论文分享! 浏览数:21 | 评论数:0 | 回复数:0 | 关注数:02020-02-06 Jeff Dean亲笔撰文:盘点谷歌AI 2019! 浏览数:20 | 评论数:0 | 回复数:0 | 关注数:02020-02-06 社交软件上的小姐姐,可能是AI生成的假人? 浏览数:37 | 评论数:0 | 回复数:0 | 关注数:02020-02-05 【干货】本周AI领域优秀开源项目分享! 浏览数:24 | 评论数:0 | 回复数:0 | 关注数:02020-02-11 后端转推荐算法:我是如何通过三个月的学习薪资翻倍的 浏览数:195 | 评论数:0 | 回复数:0 | 关注数:02020-02-20 驰援武汉 心系全国 免费向疫区同学送AI课程 浏览数:55 | 评论数:0 | 回复数:0 | 关注数:02020-02-11 初学者如何学习NLP?这里有一些最棒的项目推荐! 浏览数:29 | 评论数:0 | 回复数:0 | 关注数:02020-01-20 时隔五年GitHub再次上架Android App:4000万开发者终于用上官方版了! 浏览数:23 | 评论数:0 | 回复数:0 | 关注数:02020-01-17 春节自救指南:程序员 该如何向七大姑八大姨解释自己的职业? 浏览数:22 | 评论数:0 | 回复数:0 | 关注数:02020-01-17 NLP问题生成调研 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-01-16 想学Python 有没有课程推荐 浏览数:29 | 评论数:1 | 回复数:0 | 关注数:02020-01-15 最速下降法是求解无约束最优化问题最常用的方法 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-01-15 深度学习--Lenet-5基本结构及keras实现 浏览数:18 | 评论数:0 | 回复数:0 | 关注数:02020-01-14 CVPR2019年热门论文及开源代码分享 浏览数:25 | 评论数:0 | 回复数:0 | 关注数:02020-01-14 推荐:深度学习论文阅读路线图(github标星24k,127篇经典论文下载) 浏览数:29 | 评论数:0 | 回复数:0 | 关注数:02020-01-14 深度学习中如何避免灾难性遗忘? 浏览数:29 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 谈谈对深度学习编译技术的一些思考 浏览数:22 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 计算机视觉领域,你推荐哪些综述性的文章? 浏览数:36 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 XLA 探究:矩阵乘法 浏览数:41 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 AI领域优秀开源项目和论文分享 浏览数:32 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 七月在线Q3喜报 浏览数:61 | 评论数:1 | 回复数:0 | 关注数:02020-01-10 「遗忘」在神经网络中的重要性 主动遗忘机制的模型 浏览数:25 | 评论数:0 | 回复数:0 | 关注数:02020-01-11 Python课程推荐 浏览数:26 | 评论数:1 | 回复数:0 | 关注数:02020-01-09 七月在线年终大回馈开宝箱活动排行榜奖品公布及领取方式 浏览数:48 | 评论数:0 | 回复数:0 | 关注数:02020-01-01 我从传统java开发转型人工智能 浏览数:99 | 评论数:0 | 回复数:0 | 关注数:02019-12-29 年终大回馈AI干货分享区--新增【六阶段转行人工智能】 浏览数:592 | 评论数:0 | 回复数:0 | 关注数:12019-12-26 【七月在线年终大回馈】活动 火爆开启!价值10万+奖品持续送出,速来领奖! 浏览数:64 | 评论数:0 | 回复数:0 | 关注数:12019-12-30 秋招算法面试总结 浏览数:152 | 评论数:0 | 回复数:0 | 关注数:12019-12-23 互联网金融面试经验分享 浏览数:109 | 评论数:0 | 回复数:0 | 关注数:12019-12-23 七月在线年终大回馈!百万宝箱来袭 100%有奖,速点! 浏览数:46 | 评论数:0 | 回复数:0 | 关注数:12019-12-20 JAVA+机器学习面试经验 浏览数:139 | 评论数:0 | 回复数:2 | 关注数:32019-12-18 JAVA+机器学习面试经验 浏览数:61 | 评论数:0 | 回复数:0 | 关注数:12019-12-18 不转发,不分享抽奖包邮送 100 本 纸质书! 浏览数:41 | 评论数:0 | 回复数:0 | 关注数:12019-12-13 强烈推荐的TensorFlow、Pytorch和Keras的样例资源 浏览数:142 | 评论数:0 | 回复数:0 | 关注数:12019-12-09 【增强学习】简单的Qlearn入门 浏览数:80 | 评论数:0 | 回复数:0 | 关注数:12019-12-06 几种常见分割网络分析与对比(FCN、U-net、DSN) 浏览数:212 | 评论数:0 | 回复数:0 | 关注数:12019-12-06 初学者如何查阅自然语言处理学术资料 浏览数:61 | 评论数:0 | 回复数:0 | 关注数:12019-12-04 不想甘坐冷板凳 一篇文章教你如何发现一流的研究题目 浏览数:79 | 评论数:0 | 回复数:0 | 关注数:12019-12-03 揭秘网易云音乐 前端模块动态下发系统! 浏览数:83 | 评论数:0 | 回复数:0 | 关注数:12019-12-02 1 2 3 4 5 6 58 全部 机器学习 计算机视觉 自然语言处理 推荐系统 广告系统 语音识别 算法工程师 风变科技(深圳)有限公司 15K - 30K | 深圳2019-10-17 视觉算法工程师 上海 15-20k 14薪 上海东普信息科技有限公司 15K - 20K | 上海2019-10-17 数据挖掘工程师 广州 13薪 火烈鸟网络(广州)股份有限公司 10K - 15K | 广州2019-10-17 数美科技杭州招聘算法工程师 数美科技 15K - 25K | 杭州2019-10-17 自然语言处理 NLP 阿里妈妈 30K - 65K | 北京2019-10-16 NLP算法工程师-【对话机器人方向】(深圳、上海) 平安科技 25K - 50K | 深圳、上海2019-10-16 美团急招计算机视觉 图像算法 视频内容理解 专家 美团 40K - 80K | 北京2019-10-16 【阿里达摩院院自然语言处理】急求国际化Multilingual NLP人才 阿里巴巴 达摩院 不限2019-06-07 自然语言处理类算法专家-搜索算法技术 阿里巴巴 大文娱 北京2019-05-23 UC事业部-推荐算法专家/高级专家-国内信息流(AC) 阿里巴巴 UC事业部 北京2019-05-23 1合作伙伴 :阿里云天池 腾讯云学院 讯飞AI大学 人邮异步社区 2 前往 页 关注我们 : 客户端下载 : ​ ​ ​ 合作伙伴 :阿里云天池 腾讯云学院 讯飞AI大学 人邮异步社区 75道常见AI面试题助你清扫知识盲点(附解析) 本文精心准备了一份AI相关岗位的面试题,帮大家扫清知识盲点,自信上场! [ 导读 ]正值求职、跳槽季,无论你是换工作还是找实习,没有真本事都是万万不行的,可是如何高效率复习呢?今天我们为大家精心准备了一份 AI相关岗位的面试题,帮大家扫清知识盲点,自信上场! 机器学习工程师面试 必备面试题: 你会在时间序列数据集上使用什么交叉验证技术?是用k倍或LOOCV? 你是怎么理解偏差方差的平衡的? 给你一个有1000列和1百万行的训练数据集,这个数据集是基于分类问题的。经理要求你来降低该数据集的维度以减少模型计算时间,但你的机器内存有限。你会怎么做? 全球平均温度的上升导致世界各地的海盗数量减少。这是否意味着海盗的数量减少引起气候变化? 给你一个数据集,这个数据集有缺失值,且这些缺失值分布在离中值有1个标准偏差的范围内。百分之多少的数据不会受到影响?为什么? 你意识到你的模型受到低偏差和高方差问题的困扰。那么,应该使用哪种算法来解决问题呢?为什么? 协方差和相关性有什么区别? 真阳性率和召回有什么关系?写出方程式。 Gradient boosting算法(GBM)和随机森林都是基于树的算法,它们有什么区别? 你认为把分类变量当成连续型变量会更得到一个更好的预测模型吗? “买了这个的客户,也买了......”亚马逊的建议是哪种算法的结果? 在k-means或kNN,我们是用欧氏距离来计算最近的邻居之间的距离。为什么不用曼哈顿距离? 我知道校正R2或者F值是用来评估线性回归模型的。那用什么来评估逻辑回归模型? 为什么朴素贝叶斯如此“朴素”? 花了几个小时后,现在你急于建一个高精度的模型。结果,你建了5 个GBM(Gradient Boosted Models),想着boosting算法会展现“魔力”。不幸的是,没有一个模型比基准模型表现得更好。最后,你决定将这些模型结合到一起。尽管众所周知,结合模型通常精度高,但你就很不幸运。你到底错在哪里? 以上题目答案详解: https://www.tinymind.cn/articles/109 推荐收藏: 机器学习教材中的 7 大经典问题 https://www.tiny 算法工程师面试题 工作中的算法工程师,很多时候,会将生活中转瞬即逝的灵感,付诸产品化。 将算法研究应用到工作中,与纯粹的学术研究有着一点最大的不同,即需要从用户的角度思考问题。很多时候,你需要明确设计的产品特征、提升的数据指标,是不是能真正迎合用户的需求,这便要求算法工程师能在多个模型间选择出最合适的那个,然后通过快速迭代达到一个可以走向产品化的结果。 知识储备作为成功的根底亦必不可少,以下是营长为你精选的算法面试,帮你检查下自己的技能是否在线。 必备面试题: LDA(线性判别分析) 和 PCA 的区别与联系。 K-均值算法收敛性的证明。 如何确定 LDA (隐狄利克雷模型) 中主题的个数。 随机梯度下降法的一些改进算法。 L1正则化产生稀疏性的原因。 如何对贝叶斯网络进行采样 。 从方差、偏差角度解释 Boosting 和 Bagging。 ResNet的提出背景和核心理论。 LSTM是如何实现长短期记忆功能的。 WGAN解决了原始 GAN 中的什么问题。 以上题目答案详解: https://www.tinymind.cn/articles/1275 推荐收藏: 是男人就过8题!楼教主出题,请接招 https://www.tinymind.cn/articles/47 算法和编程面试题精选TOP50!(附代码+解题思路+答案) https://www.tinymind.cn/articles/375 深度学习12大常见面试题 必备面试题: 1.什么是深度学习?为什么它会如此受欢迎? 3.深度学习与机器学习有什么区别? 4.深度学习的先决条件是什么? 5.选择哪些工具/语言构建深度学习模型? 6.为什么构建深度学习模型需要使用GPU? 7.何时(何处)应用神经网络? 8.是否需要大量数据来训练深度学习模型? 9.哪里可以找到一些基本的深度学习项目用来练习? 10.深度学习的一些免费学习资源。 最后附上深度学习的相关面试问题有哪些? 深度学习模型如何学习? 深度学习模型有哪些局限性? 前馈神经网络和递归神经网络之间有什么区别? 什么是激活特征函数? 什么是CNN,它有什么用途? 什么是池化? 简述其工作原理。 什么是dropout层,为什么要用dropout层? 什么是消失梯度问题,如何克服? 什么是优化函数?说出几个常见的优化函数。 以上题目答案详解: https://www.tinymind.cn/articles/608 Python常见面试题 100+Python编程题给你练~(附答案) https://www.tinymind.cn/articles/3987 10个Python常见面试题,这些弄不明白不要说学过Python! https://www.tinymind.cn/articles/376 Google人工智能面试题 必备面试题: 求导1/x。 画出log (x+10)曲线。 怎样设计一次客户满意度调查? 一枚硬币抛10次,得到8正2反。试析抛硬币是否公平?p值是多少? 接上题。10枚硬币,每一枚抛10次,结果会如何?为了抛硬币更公平,应该怎么改进? 解释一个非正态分布,以及如何应用。 为什么要用特征选择?如果两个预测因子高度相关,系数对逻辑回归有怎样的影响?系数的置信区间是多少? K-mean与高斯混合模型:K-means算法和EM算法的差别在哪里? 使用高斯混合模型时,怎样判断它适用与否?(正态分布) 聚类时标签已知,怎样评估模型的表现? 为什么不用逻辑回归,而要用GBM? 每年应聘Google的人有多少? 你给一个Google APP做了些修改。怎样测试某项指标是否有增长 描述数据分析的流程。 高斯混合模型 (GMM) 中,推导方程。 怎样衡量用户对视频的喜爱程度? 模拟一个二元正态分布。 求一个分布的方差。 怎样建立中位数的Estimator? 如果回归模型中的两个系数估计,分别是统计显著的,把两个放在一起测试,会不会同样显著? 以上题目答案详解: https://www.tinymind.cn/articles/98 苹果人工智能面试题 必备面试题: 有成千上万个用户,每个用户都有 100 个交易,在 10000 个产品和小组中,用户所参与有意义的部分,你是如何处理这一问题的? 为了消除欺诈行为,我们对这些数据进行预筛选,如何才能找到一个数据样本,帮助我们判断一个欺诈行为的真实性? 给出两个表格,一个表格用来存储用户 ID 以及购买产品 ID(为1个字节),另一个表格则存储标有产品名称的产品 ID。我们尝试寻找被同一用户同时购买的这样一个成对的产品,像葡萄酒和开瓶器,薯片和啤酒。那么,如何去寻找前 100 个同时存在且成对出现的产品? 详细描述 L1 正则化和 L2 正则化二者之间的区别,特别是它们本身对模型训练过程的影响有什么不同? 假设你有 10 万个存储在不同服务器上的文件,你想对所有的文件进行加工,那么用 Hadoop 如何处理? Python 和 Scala 之间有什么区别? 解释一下 LRU Cache 算法。 如何设计一个客户——服务器模型,客服端每分钟都可以发送位置数据。 如何将数据从一个 Hadoop 聚类传递给另一个 Hadoop 聚类? Java 中的内存有哪些不同的类型? 你是如何处理数百个标题中的元数据这一繁琐任务的? 在数据流和可访问性方面,如何在隐藏时间帧内进行测量?其中在隐藏时间帧内,核心超负荷将计算机能量重定向到 cellar dome 的过度复杂文件系统的边界结构。 你最希望拥有的超能力是什么? 如果你有一个时间序列传感器,请预测其下一个读数。 使用 SQL 创建 market basket 输出。 你有没有过心理物理学实验的经验?(Research Portfolio based question) 你在表征方法上的专长是什么?通常使用什么?你是如何在研究中使用它,有没有什么有趣的结果?(Research Portfolio based question) 如何进行故障分析? 检查一个二叉树是否为左右子树上的镜像。 什么是随机森林?为什么朴素贝叶斯效果更好? 以上题目答案详解: https://www.tinymind.cn/articles/139 THU数据派 THU数据派"基于清华,放眼世界",以扎实的理工功底闯荡“数据江湖”。发布全球大数据资讯,定期组织线下活动,分享前沿产业动态。了解清华大数据,敬请关注姐妹号“数据派THU”。 入门 Python深度学习机器学习面试 181 相关数据 亚马逊 机构 深度学习 技术 数据分析 技术 池化 技术 逻辑回归 技术 面试实战课课程大纲 最后我们附上这一系列课的课程大纲,让大家一窥这门课的精髓内容。 北美留学生求职面试实战课——课程大纲 面试官评分标准以及解读 留学生面试常见问题以及解决方案 以为面试考的是口音 对面试公司本身和职位的工作内容没有清晰认识 不了解面试题表层背后的深层含义 面试答案给出的例子逻辑混乱 对面试题目不够熟悉 轻视提问环节的重要性 核心面试问题 自我介绍 Tell me about yourself. 为什么想要来这家公司 Why this company? 职业规划是什么 What is your career goal? 为什么想要做这个职位 Why this position? 为什么我们要雇佣你 Why should we hire you? 进阶面试问题 如何描述优点 Strengths 如何描述缺点 Weakness 错误以及失败 Mistake/Failure 如何描述成就 Accomplishment 团队合作 Team 高阶面试问题 沟通/说服/关系 Communication/Building Relationships 领导力 Leadership 时间管理 Time Management 解决问题 Problem-Solving 商业头脑 Business Acumen 专业水平 Technical Capabilities 情景面试问题 多样性和包容性 Diversity and Inclusion 分析解决问题的能力 Analytical Thinking and Problem Solving 团队合作 Teamwork 求知欲 Intellectual Curiosity 工作道德 Integrity 韧性和动力 Tenacity and Drive 判断力 Judgement 真实面试录音讲解 学员面试:安永 EY-Hirevue 视频面试 学员面试:普华永道PwC 税务部 电话面试 学员面试:毕马威 KPMG 咨询部 电话面试 学员面试:德勤 Deloitte 暑期实习生 电话面试 学员面试:高盛Goldman Sachs 投行部 电话面试 优秀导师面试:Capital One 数据分析师 电话面试 优秀导师面试:Holihan Lockey 金融咨询 电话面试 课程部分内容展示 面试实战课特色: 帮助熟练掌握面试中90%的问题 面试英文表达实现质的飞跃 多专业多行业多角度强化训练 实战演练指导,让你从小白变身offer收割机 课程赠送福利: 全套独家四大及500强名企面试资料汇总 90%常见面试题答案 专属课程社群,导师互动答疑 求职咨询,职业规划,简历评估 美国10大行业招聘面试内幕揭秘独家录制视频合集 留学生必修求职微课堂面试networking大全 长期求职护航服务 本期福利 时长一小时的 面试实战课 每个公司都会问的 “Why this company” 你真的会回答吗? 这个问题的花式问法又是什么? 本节课告诉你 回答此题 需要避开的坑 以及 最完美的答题思路! 扫描下方二维码,添加小编 回复【面试课】 即可领取! 如果对面试课感兴趣,也欢迎前来咨询报名! メディア掲載 多くのメディアに 取り上げて頂いております。 AIZINE AI秋田犬によるサービス? 日本経済新聞 あなたの身近にやってくる3つのAI エコノミスト 世界のIPOは9兆円超 NHK Eテレ 人間ってナンだ? 超AI入門 AINOW AIが搭載されたアプリまとめ ペトハピ 猫の癒しをAI化した「猫型AI」アプリ applica 課金で会話相手が美少女に! やる気ラボ 開発者にこの想いをぶつけてみた BSテレ東 ”救世主”か “怪物”か 始動!AI進化論 アプリノ ひとりでも寂しくない!AI対話アプリ3選 キャリコネニュース きのこたけのこ論争 アーバン ライフ メトロ きのこ・たけのこ論争再び? BSジャパン 日経FTサタデー9 RBB TODAY 「SELF」と会話する生活 Techable 「SELF」に感じる未来 ledge.ai AI(人工知能)搭載アプリ ガジェット通信 「SELF」に感じる可能性 AINOW AIサービスマップ レタスクラブ 癒し系の友人を作ってみない? ビジネスジャーナル 生身の女性はもはや不要? IoT Today 自分の一番の理解者はAI? Appliv 未来を感じた人工知能アプリ10選 Appliv 2016年ベストエンタメアプリ インサイド リアルな彼女に近いコミュニケーション CNET SELF、AI搭載のコミュニケーション Mac Fan ロボットが癒してくれる人工知能 J-CAST トレンド年間アクセスランキング ​ ビジネスのためのAI IBM Watson 2018年国内AIソフトウェアプラットフォーム市場調査において 、IBMが売上額シェア第1位へ IDC Japanレポート公開中 出典:IDC Japan, 2019年7月「国内AIソフトウェアプラット フォーム市場シェア、2018年:パラダイムシフトがもたらす 市場活況とベンダー間競争」(JPJ44583019) IBMと提携 プログラム ポートフォリオ 協力する 必要なときにサポート ビジネスパートナーとしてサポートを受けて、 クライアントへのサポートを改善します。 ​ AI と MATLAB フォームの始まり サイト内検索 Search フォームの終わり MATLAB ではじめる AI AIセミナーの対象となる職種(企業・個人) 獲得できる知識スキル 業務において、AIを何処にどう活かせるかがわかるようになる G検定に対応 AIのプロジェクトを進めるための知識とプロジェクトの進め方 獲得できる技術スキル 機械学習、ディープラーニングの仕組みと活用方法 機械学習のアルゴリズムと活用方法 クラス分類、異常検知、回帰予測(数値予測)、 クラスタリング、画像認識ができるAIの作成方法 機械学習用のデータ作成方法 AIセミナーを受ける 前提スキル 前提スキルは必要ありません。どなたでも学べるわかりやすいセミナーです。 AIビジネスセミナー の特長 セミナー受講後、 すぐにAIのプロジェク を進めることができます。 AIの知識を身につけても、実際にそれをビジネス(業務) に活かせなければ意味がありません。「ビジネスに直結するAI攻略セミナー」は、 AIをビジネス(業務)で利用することを重要視した内容となっています。 ビジネスに直結する 実用性の高い知識に 絞って学習できます。 AIの知識は非常に幅広く、それを体系的に学ぼうとすると非常に多くの時間を費やします。「ビジネスマン向けAI完全攻略セミナー」はビジネスシーンで必要とされる知識に絞ったカリキュラム構成としています。 専門用語などがわからない方 でも、全く心配はありません。 AIの知識は、数学、統計、プログラム、データエンジニアリング、 データサイエンスなど多岐にわたり、専門的になりがちです。 AI研究所では、講師について「わかりやすく教える能力」 に優れているかどうかを重視し、厳選しています。 技術的な内容や専門的な言葉は慣れない方にとっては理解 しがたいことが多いのですが、AI研究所のセミナーでは誰に でも理解できるように、わかりやすく丁寧にご説明します。 AIビジネスセミナー 講師プロフィール AI研究所 最高技術責任者 三谷 大暁 2016年 株式会社VOSTの最高技術責任者に就任。 AIに関するコンサルティング業務の一貫として、 オンサイトでのAI教育セミナーを実施 。AIを用いたサービス構築のための入門教育や 、AI技術者の早期育成を目的とした教育プログラムを実施している。 受講者の方へ AIについて知ることが、AIを活用していくことへの第一歩です。 文系・理系問わず、誰にでもAIを使いこなせるようになるためには 、AIのことをトコトンわかりやすく、深く理解できる場が必要だと考え、 AIセミナーをプロデュースしました。 あなたにとってAIプロジェクトの第一歩として、ぜひご受講ください! AI研究所 シニアエンジニア ガブリエル パブロ ナバ メキシコ生まれ、2002年に留学生として来日し、 2007年に東京大学で博士の学位を取得。現在はロボットビジョン、 音響信号処理、AI・マシンラーニング技術のアドバイザーまたは研究開発パートナー として大手企業や中小企業のサポートに従事。過去にはNTT基礎科学研究所、 ソニー株式会社、ソニーLSIデザイン、 ダブル技研株式会社でリサーチエンジニアとして活動。 受講者の方へ 私が大学で学んでいた頃に比べると、最近では研究が著しく進み、 様々な問題がAI・機械学習によって解決できるようになってきています。 同時に、機械学習フレームワークの種類や機能も増え、 プログラミングをしなくても実装できるツールも増えてきました。 AI・機械学習を活用し、一緒に新しい問題にチャレンジしましょう! AI研究所 技術顧問田中 泰史 エンジニアとして自動運転や強化学習の研究開発に従事した後、 フリーランスのロボットクリエイターとして活動。現在は、 4脚移動ロボットやロボットアームなどを製作しており、 設計・プログラムなどロボット製作に必要なすべての工程をこなす。 夢は「楽しいロボットライフを満喫する」。 受講者の方へ 一言でAIといっても様々な分野がありますし、 目標に向かっての一つの解決策だと思っています。 私はロボットに興味があるので、その中でも強化学習という分野を追っています。 どのような技術がどのように役に立っていくのかを見て、 一緒に新しいものを作っていきましょう! AIビジネスセミナー受講者の声 ·実際にAIを作成するセミナーは斬新 昨今、AI関連のセミナーは多数開催されており、玉石混交の感がありますが、実際にAIを作成するタイプは斬新でした。かつ、適度に既製品を使って作成するため、プログラミングの専門知識がなくても、AIの作成プロセスが仮想体験できました。(東京都 H.K様 男性) ·画像認識AIの作成までできるとは驚き 大変興味深く拝聴いたしました。知識がまったくゼロの状態から、AIの基本的な仕組みの理解とDeepLearningによる画像認識AIの作成までできて驚いています。非常に効率的でわかりやすい説明に感謝しています。(千葉県 片井信介様) ·十分にdeepな内容 AIの仕組みがとても良く理解できた。講義内容も面白く、長時間だったが飽きることなく終わることができた。入門ということだったが十分にdeepな内容で、AIの可能性を示唆してくれる内容だった。今回、サプライズ講師の小池氏の講義は興味深く感銘を受けた。特に「AIの民主化」というキーワードに刺激を受け、何かできないかと考えを巡らし始めるきっかけを貰うことが出来た。休憩時間などで、質問にも丁寧に答えてくれるなど、対応も良かった。(東京都 H.S様 男性) ·AIを活用したサービス開発に役立つ これまで様々なセミナーに参加してきましたが、個人的に一番満足できたセミナーでした。プログラミング関係に疎い私でも理解でき、自分でもプログラミングに携わりたい・作りたいと思いました。今後、弊社において、AI技術を活用したシステムの開発及びサービスの提供を進めていく上で、どのような準備が必要なのか、どのようなサービスを提供できるのかを確認することができました。講師の教え方は非常にわかりやすく、親切丁寧でした。(香川県 G.O様 男性) ·費用対効果の高いセミナー ボリューム大で、費用対効果の高いセミナーでした。AI対応人材の促成栽培に資すると感じました。(東京都 山中雄一郎様) ·AIの活用方法がイメージできた AIについてわからないことが多かったのですが、AIの仕組みについて丁寧に説明をしてもらえたので、AIをどう活用していくべきかがイメージができるようになりました。Azure MLを使用することで実際にAIを作成でき楽しかったです。ありがとうございました。(大阪府 黒川博志様) ·予想を上回る充実した内容 予想を上回る充実した内容で助かりました。今回のセミナーを通じてもう少し勉強してAIプログラミングに挑戦したいという気持ちになりました。躓いた時にはプログラミングのセミナーでお世話になりたいと思います。(長野県 佐山俊之様) 受講企業一覧はこちら AIビジネスセミナー活用事例 取締役会にて、人工知能を活用した取り組みが事業計画として立案されたことにより、社内に研究会が立ち上がり、人工知能を活用する具体案の策定を進めていました。しかし、メンバー全体で「人工知能」に対するイメージや、具体的に何ができるのかという理解度にばらつきがありました。収集したビッグデータをどのように活用したらいいのか、そもそもビッグデータを本当に活用できるのか分からないという問題を抱えていました。 「ビジネスに直結するAI攻略セミナー」を受講したことで、人工知能の概要や全体感、何ができて何ができないのかということがわかり、人工知能に対する過度な期待が払拭されました。 その後、「AIコンサルティングサービス」を利用することで、解決すべき社内の問題や、効率化したい部分などのテーマを抽出し、それが人工知能で解決できるのかをアドバイスしてもらいました。来年度の事業計画が決定し、データの収集とモデルケースの作成がスタートしています。 切削加工機を自動的に動かせないかということで、AIによって切削用のデータを作成するCAMの自動化ができないかということを思いながら勉強できるところを探していました。 「ビジネスに直結するAI攻略セミナー」に参加したことで、ディープラーニングでどこまでできるのかがわかりました。また、クレジットカード審査や画像認識のAIをその場で作るワークショップまで1日で体験できたので、実感を持って「AIってここまでできるんだ、こうやって作るんだ」というのを理解することができました。 その後、セミナーの内容を元に実際に「AIによる自動見積り」システムを作成しました。このシステムにより、造形時間と造形金額の見積りの自動化が実現し、受注までのスピードが上がってその分コストを下げた提案が可能になりました。 受講企業一覧はこちら たった1日のセミナーで、AIのプロジェクトを 進められるようになる カリキュラム 午前の部 <10:00~12:00> AI基礎知識/AIの作成に必要となるデータや設定項目を学習する 人工知能の歴史 人工知能の活用事例 AIをビジネスで活用するためには 人間の知能をコンピュータ上で再現するには メールスパム判定の仕組み 「機械学習とは?」AIとプログラミングの違い ニューラルネットワークとパーセプトロンについて AIを作るために必要なデータについて 機械学習の種類と特徴について 機械学習の仕組みと設定項目について ディープラーニング理論と活用方法 午後の部 <13:00~17:30(休憩30分)> AIの作成方法と様々な機械学習の実践的スキルを習得する クレジットカード審査が可能な人工知能の作成方法 高度な画像認識ができる人工知能の作成方法 畳み込みニューラルネットワークを用いた機械学習(ディープラーニング) プログラミング言語を使用した機械学習について 機械学習用ライブラリの各種特徴について 外部のデータセットやアプリの活用方法 作成したAIをサービスとして利用する方法 機械学習アルゴリズムの種類と特徴 学習データ数や演算時間といった特徴の違いについて ロジスティック回帰、SVMのクラス分類の特徴 ニューラルネットワークを使用した回帰予測 決定木・ランダムフォレストの特徴 ランダムフォレストを使用した予測と要因分析 K-meansの手法と特徴について K-meansを使用したクラスタリングの方法 都道府県の面積と人口データの分析 One Class SVMとPCAの特徴と使い分けについて One Class SVMとPCAを使用した異常検知 統計分析と機械学習の特徴 ​ テキストプレゼント セミナー受講後、復習できるように充実した内容(120ページ以上のスライド抜粋)のセミナーテキストを進呈します。 ​ 個別相談に対応 セミナーで学んだ内容を業務で活かしていただくために、個別無料相談チケット(60分)をプレゼントしています。セミナー開始前後や休憩時間にご利用いただけます。 ​ レベルアップ保証制度 AI研究所は、セミナーを受講することによりAIに関する技術や知識が向上することを保証しています。万が一セミナー内容にご納得いただけなかった場合には全額返金保証します。※ ※セミナーの内容にご満足いただけなかった場合はセミナー当日、終了時にセミナー講師にお申し出ください。後日、事務局から返金手続きのメールを送付させていただきます。返金対象はセミナー当日に返金のお申し出をいただいたセミナーのみとなります。また後日、返金の受付はご対応いたしかねますのであらかじめご了承ください。 よくある質問 人工知能やプログラミングについて全くの初心者ですが、セミナーの内容についていけますか? 人工知能やプログラミングについて予備知識がなくても安心してご受講いただけるセミナーとなっております。 支払い方法について教えてください。 クレジットカードまたは銀行振込となります。また、法人様に限り請求書払いが可能です。請求書払いの場合は基本的に翌月末までのお支払をお願いしております。 領収書は発行されますか? 発行いたします。お申し込みの際の備考欄に領収書発行ご希望の旨と宛名をご記載ください。 AIビジネスセミナーの持ち物について教えてください。 当日はパソコンを使用しますので、ご持参ください。数量に限りはございますパソコンの貸し出しも1台2,000円(税抜)でおこなっております。 キャンセルポリシーを教えてください。 開催4日前までのキャンセルはキャンセル料が発生いたしません。開催3日前以降のキャンセルの場合、キャンセル料(全額)が発生いたしますのであらかじめご了承ください。※ 開催4日前の18時以降のご予約のキャンセルはキャンセル料(全額)が発生いたします。 AIビジネスセミナーに持参するパソコンのOSはMacでも大丈夫ですか? MacとWindowsどちらでも大丈夫です。 パソコンに何かソフトやアプリをインストールする必要はありますか? 特にインストールするソフトやアプリはありません。Azure MLはブラウザ上で動作するシステムですのでインストールは不要です。 会場にWifiはありますか? ご用意がございます。有線LANのご用意はございません。 どの程度のスペックのPCを用意すればいいですか? クラウドサービスを使用するため、webブラウザが動作するPCであれば高機能なPCである必要はございません。 会社のパソコンを持ち込むため、セキュリティが心配なのですが。 外部のWifiにつないでインターネットができる環境をご用意ください。また、アクセスできるURLが限定されている場合、以下のドメインにアクセスできるように設定をお願いします。 ※ Internet Explorer以外のGoogle Chrome等を推奨します。 Microsoft Azure ML https://studio.azureml.net/ 弊社に訪問していただきセミナーを実施していただくことは可能でしょうか? 出張セミナーも受けたまわっております。詳しくはお問い合わせ ください。 開催スケジュール/お申込み セミナー概要 開催スケジュール [満席] 2020/2/25(火) 10:00〜17:30(開場:9:30) [満席] 2020/3/4(水) 10:00〜17:30(開場:9:30) 2020/4/6(月) 10:00〜17:30(開場:9:30) 料金:48,000円(税別) 効率的な予算活用にバウチャーチケットを是非ご活用ください。 バウチャーチケットは、セミナー受講料の支払いに使用できる電子的な前売りチケットです。 本年度の予算を利用して、次年度に研修を実施したい企業様にもおすすめです。 バウチャーチケットのお申し込みはこちら 会場:東京都千代田区内神田3-24-3 VORT内神田ビル6F [会場詳細 ] 持ち物:当日はパソコンを使用するのでご持参ください。 ※パソコンの貸し出しは1台2,000円(税別)で行っています。 ※セミナーの日程・地域が合わないお客様はこちら ※パソコンをレンタルされるお客様はこちら ※セミナー最少開催人数:4名(最少開催人数に達しなかった場合には中止となる可能性があります。) デジタル時代の新しい価値流通を実現する デジタルツールをもっと使いこなすためのノウハウの流通取引プラットフォーム デジタル技術の活用に対するアドバイス・スポットコンサルが必要な方 相談案件を登録する(登録無料) 隙間時間を活用してデジタルコンサルを実施したい方 アドバイザーになる(登録無料) スポットで相談を頼めるデジタルコンサルタントのプラットホームです デジタル技術活用をもっと手軽に デジタル分野の技術はクラウド・サービス化が進み、従来のように「基本構想」から「開発」「テスト」といったプロセスを踏むよりも、「使いながら」「直していく」ものが多くなりつつあります。 ​ そのような中、企業ではデジタルツールの活用ノウハウを持った人材に不足する傾向にあり、 「本」や「web」を見てもなかなか素早く活用するには至れないケースが多くなりつつあります。 ​ そのような企業・担当の方の「ちょっと聞きたい」「相談する人が欲しい」というニーズに答えるために ​「デジキク」は「スポットアドバイザー」を提供するという新しい「価値」をお届けいたします。 相談案件を登録する(登録無料) ​よくある案件:例 RPAの使い方 ​定期的なアドバイス ​RPAをやってみたいが、どの業務にどう活用していいか?上手く整理できないので、サポートして欲しい 事例価格: 50,000/回 案件登録 ​マーケティング ​週1回の定期サポート デジタルマーケティングツールの選定と実行のアドバイスをしてくれるディレクター的なサポートが欲しい 事例価格: 200,000/月 案件登録 店舗販促 ​定期的なアドバイス 店舗向けの集客をやってみたいが、ツールの使い方も含めてアドバイスして欲しい 事例価格: 15,000/回 案件登録 ​スポットアドバイザーがデジタル技術の活用を支援 デジタル技術の活用経験者がスポットであなたの企業のデジタルコンサルタントとして活躍します ​経験者によるノウハウ デジキクでは、コンサルティング経験者もしくはユーザー企業でのデジタルツールの活用経験者がそのノウハウをスポットのコンサルタントとして提供いたします 様々な支援方法 対面でのサポートに加えて、メールや電話会議などの遠隔でのサポートの方法などバリエーションを持った支援方法にて提供いたします ​非公開の取引 案件や相談依頼は非公開で扱い、 ​マッチしたアドバイザーにのみ情報を公開しますので、プライバシーや企業の重要秘密は守られます デジタル領域を専門で実施してきた コンサルティングの専門家がマッチング オーダーメイドのマッチング 相談内容や依頼回数などが具体的でないが、アドバイザーの相談を受けたい。もしくは、継続的にサポートしてくれるアドバイザーを選定したい場合において、当サイトのプロフェッショナルコンシェルジェが、案件の内容のヒアリングから候補者のマッチングまでトータルにサポートいたします。 メールのやり取りによるマッチング 相談したい内容がある程度明確である、アドバイザーに依頼するべき事項が明確である場合については、当サービスに登録いただいた内容をもとに、当サービスより候補者のリストをご提示いたします。 その中で、依頼者様との要望に沿ったアドバイザーを決定いただきます。 相談案件を登録する(登録無料) 隙間時間を活用して ​デジタルコンサルタントになる スポットコンサルで自分の知識と価値を再確認する インターネット技術・クラウド・モバイルデバイス・デジタルマーケティング・AI・RPAなど様々なデジタルテクノロジーが出現しいち早く導入を成功し効率化を実現する企業が出始めています。 ​ あなたが、既にプロジェクトでデジタル技術を活用した経験をお持ちでしたら、その知識や経験を導入を隙間時間にデジタル人材の確保に苦戦する企業にスポットでコンサルしてみませんか? ​ ​副業OKな企業に所属している場合は隙間時間の副収入として、副業NGな企業にお勤めの場合は自己の能力の研鑽の機会として報酬は寄付することも可能です。 アドバイザーになる(登録無料) デジキクの特徴と強み デジタル分野で活躍してきたコンサルタント・デジタルマーケティングエンジニアが アドバイザーとして運営することによる高度なマッチングを実現します。 ​またコンサル経験がない事業会社のデジタル経験者にはコンサルタントのノウハウを 提供することでアドバイザー品質の向上に努めていきます。 コンサルや​ 現役のデジタル経験者 アドバイザーは現役のビジネスマンでデジタルのプロジェクト経験者およびコンサルがアドバイザーとして、デジタル技術の活用知見をスポットアドバイザーとして提供します コンサル手法の ​トレーニング提供 コンサルティング経験がない事業会社の方にも安心なコンサルティングの方法・アドバイザーメソッドを提供することでアドバイザー品質を持続的に維持いたします デジタル技術の ​キャッチアップ研修 常に新しいデジタル技術への対応するため、テクノロジーソリューション提供会社主催の技術研修を提供していくことでアドバイザーのノウハウ向上に努めます アドバイザーになる(登録無料) アドバイザーネットワークを活用する デジタルテクノロジーを提供する企業の方へ デジタルソリューションは従来のオンプレ型からクラウドによるサービス提供のモデルに変わりつつあり、ユーザーが気軽に始められる一方で、その利用方法が上手く浸透しない場合にはすぐ解約されるリスクに晒される環境になりつつあります。 ​ また、当初の導入段階においても、デジタル感度の高いユーザーの利用に止まり全社規模での利用にならないケースが多い状況です。 ​ ​デジキクでは、デジタルクラウドサービスの伝道師として、アドバイザーへの貴社の技術の研修プログラムを提供することでデジタルソリューションの理解促進のためのご支援を実施いたします。 オンライン教材提供 、高度IT分野の教育プログラムを開発、「機械学習」「ディープラーニング」は法人向けに、「人工知能基礎」「G検定実践トレーニング」「デジタルマーケティング」は法人向け・個人向けに提供しています。 ※法人契約は、個別にお問い合わせください。契約後、法人管理者にクーポンコードを送付しますので、管理者から各受講者へクーポンコードをお伝えいただき、コースの「購入」にお進みください。 ※法人契約でのお支払い方法は、基本的に契約月締切/翌月末払いとなります。個人契約でのお支払い方法は、オンライン決済となります。 法人契約のメリット 法人契約にて、一括でのご契約、お支払いが可能。受講期間延長なども適宜対応します。 まとまった人数の受講で、ボリュームディスカウント適用も。 社内、部内の受講生全体の進捗を確認する管理機能を搭載。 法人契約のフロー 1.受講希望情報の送付 受講希望のコース、人数、利用開始希望タイミングなど、ご連絡ください。 2.契約書類送付 弊社より、法人サービス利用規約と、1に対応した見積書兼利用申込書を発行させていただきます。 3.確認、捺印手続き 貴社内で2の書類についてご確認いただき、よろしければ、貴社記入欄にご記入、ご捺印いただき、弊社にお送りください。確認できた時点で、契約締結とさせていただきます。 4.受講開始 弊社よりご利用開始日までに、2に応じたコース、人数のクーポンコードを発行させていただきます。受講生ごとにクーポンコード利用の上、受講開始してください。 5.請求書の発行 受講開始後、弊社より請求書を発行させていただきます(請求タイミング、入金日などは、契約毎に異なります。個別にお問い合わせください)。 オフライン講座対応 弊社が対象とする、AI、IoTなど高度IT分野の講座について、個別にオフラインで対応させていただくことも可能です。なお、これまでに下記のような講座を、企業、自治体などで、開設させていただきました。ご関心お持ちの方は、お気軽にお問い合わせください。 機械学習ブートキャンプ ロボットを作って学ぶ IoTブートキャンプ まるごと学ぶ IoT x AI x システム 構築塾 パートナー連携教育サービス 弊社では、高度IT分野のオンライン、オフラインの教育コンテンツを活かして、パートナー各社と連携した、各種教育関連サービスを開催させていただいております。 ·IoT、AI時代に突入!今、求められる人材育成 ~社会が変わる、人が変わる~ 株式会社日本能率協会コンサルティング様と共同で、製造業を中心とした経営幹部、人事部門、製造部門の方々向けに、共同セミナーを東京、大阪で開催させていただきました。 · 機械学習ブートキャンプ パーソルキャリア株式会社と共同で開催する、短期間で「即戦力」として活躍できるIT人材を育成するためのプログラム。修了後には就職支援サービスまでをワンストップで受けることが可能です。 ご関心お持ちの方は、お気軽にお問い合わせください。 お問い合わせ ​資格 JDLA認定プログラム 弊社の教材は、日本ディープラーニング協会の「JDLA認定プログラム」の認定を受けております。同協会がディープラーニングを実装するエンジニアの技能を認定するE資格(エンジニア資格)「JDLA Deep Learning for ENGINEER 2018」受験のために、「JDLA認定プログラム」の修了が必須となっており、弊社の「機械学習」「ディープラーニング」両方の修了と、所定の補足教材を受講することで、受験が可能になります。 日本ディープラーニング協会とは 日本ディープラーニング協会(理事長:松尾 豊 東京大学大学院工学系研究科 特任准教授、英称:Japan Deep Learning Association、通称JDLA)は、「ディープラーニングを中心とする技術による日本の産業競争力の向上」を目的に2017年に設立され、zero to oneはその設立時からの正会員です。ディープラーニングを事業の核とする企業および有識者が中心となって、産業活用促進、人材育成、公的機関や産業への提言、国際連携、社会との対話など、産業の健全な発展のために必要な活動を行っています。 「人材育成」については、同協会のコアの活動の一つと位置付けられており、4.8万人とも言われる、2020年までに必要な「AI関連人材」(みずほ総研調べ)の育成に向けて、検定、資格試験を実施しています。E資格(エンジニア資格)「JDLA Deep Learning for ENGINEER 2018」は、その核となる資格として、ディープラーニングを実装するエンジニアの技能を認定しています。 【参考】一般社団法人日本ディープラーニング協会 コース一覧 Courses 人工知能基礎 JDLA資格試験対応 機械学習 (JDLA資格試験対応) JDLA資格試験対応 ディープラーニング (JDLA資格試験対応) デジタルマーケティング G検定実践トレーニング https://www.jdla.org/ AINOW (http://ainow.ai/ ) Ledge.ai (https://ledge.ai/ ) 検定・資格概要 ディープラーニングに関する知識を有し、事業活用する人材(ジェネラリスト)と、ディープラーニングを実装する人材(エンジニア)の育成を目指します。各々に必要な知識やスキルセットを定義し、資格試験を行うとともに、協会が認定した事業者がトレーニングを提供します。各々年二回実施予定。日進月歩する技術であることから、検定・資格実施年毎に実施年号を付与する。 試験について 学習のシラバス JDLA認定プログラム 合格者の声 試験について 直近の試験日程 JDLA Deep Learning for GENERAL 2020 #1 概要:ディープラーニングを事業に活かすための知識を有しているかを検定する 受験資格:制限なし 試験概要:120分、小問226問(前回実績)の知識問題(多肢選択式)、オンライン実施(自宅受験) 出題問題:シラバス より出題 申込期間:2020年 2月3日 (月) 申込開始予定 試験日: 2020年 3月14日 (土) 13:00より120分 受験料: 一般 12,000円+税 学生 5,000円+税 申込: G検定受験サイトよりお申し込み(クレジットカード決済またはコンビニ決済) 受験サイト:https://www.jdla-exam.org/d/ お申し込みはこちら JDLA Deep Learning for ENGINEER 2020 #1 概要:ディープラーニングを実装するエンジニアの技能を認定する 受験資格:JDLA認定プログラム (※1)を試験日の過去2年以内に修了していること (※2) 試験概要:120分の会場試験にて、108問(前回実績)を出題 試験会場:全国の指定試験会場から、お申し込み時に選択 (※3) 出題問題:シラバス より、JDLA認定プログラム修了レベルの出題 (※4) 申込期間:2019年12月20日(金)0:00~2020年2月10日(月)23:59 試験日:2020年2月21日(金)、22日(土)今回開催より選択可能な時間枠が増加しました。受験予約画面にて空席表示される時間枠のうちご希望の時間帯をお選びください。 受験料:(※5) 一般 30,000円+税 学生 20,000円+税 JDLA賛助会員 25,000円+税(※6) 申込サイト:https://cbt-s.com/examinee/examination/deeplearning.html 注釈(※)の詳細はこちら お申し込みはこちら 団体経由でのお申し込みはこちら 今後の試験予定 過去の試験情報 JDLA Deep Learning for GENERAL 2017 JDLA Deep Learning for GENERAL 2018#1 実施レポート 各種受講者情報や受験動機、アンケートなどをレポーティング。 JDLA試験実施レポート 201912版 学習のシラバス JDLA Deep Learning for GENERAL 2019 #3 人工知能(AI)とは(人工知能の定義) JDLA Deep Learning for GENERAL 2019 #3 人工知能(AI)とは(人工知能の定義) 人工知能をめぐる動向例題 例題 探索・推論、知識表現、機械学習、深層学習 人工知能分野の問題例題 例題 トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ 機械学習の具体的手法例題 例題 例題 代表的な手法、データの扱い、応用 ディープラーニングの概要例題 例題 例題 ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU ディープラーニングにおけるデータ量 ディープラーニングの手法例題 例題 例題 例題 活性化関数、学習率の最適化、更なるテクニック、CNN、RNN 深層強化学習、深層生成モデル ディープラーニングの研究分野例題 例題 画像認識、自然言語処理、音声処理、ロボティクス (強化学習)、マルチモーダル ディープラーニングの応用に向けて 産業への応用、法律、倫理、現行の議論 ●G検定テキスト 深層学習教科書 ディープラーニング G検定(ジェネラリスト) 公式テキスト 日本ディープラーニング協会が執筆した公式テキスト。最新シラバス「JDLA Deep Learning for GENRAL 2018」に完全準拠しており、各章末には練習問題も。 詳細 JDLA Deep Learning for ENGINEER 2020 #1 応用数学 線形代数 確率・統計 情報理論 機械学習 機械学習の基礎 実用的な方法論 深層学習 順伝播型ネットワーク 深層モデルのための正則化 深層モデルのための最適化 畳み込みネットワーク 回帰結合型ニューラルネットワークと再帰的ネットワーク 生成モデル 強化学習 深層学習の適応方法 開発・運用環境 ミドルウェア 軽量化・高速化技術 より詳細なシラバスはこちら: JDLA_E2020シラバス ※過去のシラバスはこちら: JDLA_E2019シラバス JDLA 認定プログラム 推薦図書 AI白書 2019 (編)独立行政法人情報処理推進機構 AI白書編集委員会 角川アスキー総合研究所 詳細 人工知能は人間を超えるか ディープラーニングの先にあるもの 角川EPUB選書(著)松尾 豊 KADOKAWA 詳細 深層学習 機械学習プロフェッショナルシリーズ (著)岡谷 貴之 講談社 詳細 ディープラーニング活用の教科書 (監修)JDLA (編集)日経クロストレンド 日経BP社 詳細 ビジネスパーソンのための人工知能入門 (著)巣籠悠輔、マイナビ出版 詳細 AIをビジネスに実装する方法 「ディープラーニング」が利益を創出する (著)岡田陽介、日本実業出版社 詳細 ロボット・AIと法 (著)弥永真生ら、有斐閣 詳細 JDLA認定プログラム JDLAでは、ディープラーニングの理論を理解し、適切な手法を選択して実装する能力を持つ人材を育成する講座を、JDLA認定プログラムとして認定推奨しています。いずれかの認定プログラムの受講を修了すると、E資格の受験が可能になります。 ※お申し込み・お問い合わせは各認定プログラムの実施事業者までご連絡ください。 ​ 認定番号:00001 現場で使えるディープラーニング基礎講座 講座形態ハンズオン@東京、大阪、名古屋、オンライン運営会社スキルアップAI株式会社詳細ページhttps://www.skillupai.com/deep-learning ​ 認定番号:00002 機械学習オンライン/ディープラーニングオンライン 講座形態オンライン運営会社株式会社zero to one詳細ページhttps://zero2one.jp/#courses このプログラムは以下の事業者からも受講できます 株式会社ドリームキャリア ディープラーニングエンジニア トレーニングプログラム 株式会社 On And On E資格対策講座オンライン ​ 認定番号:00004 AI_STANDARD AIエンジニア育成講座/AI_STANDARD E資格試験対策講座 講座形態オンライン運営会社株式会社STANDARD詳細ページhttps://ai-std.standard2017.com/ このプログラムは以下の事業者からも受講できます 株式会社富士通ラーニングメディア 機械学習実践講座/深層学習実践講座/E資格取得対策講座 株式会社NTTデータ ユニバーシティ AI_STANDARD for Engineer ※非公開(NTTデータグループ関係者のみ) NTT ラーニングシステムズ株式会社 機械学習実践講座/深層学習実践講座/E資格取得対策講座 株式会社SB C&S 機械学習実践講座/深層学習実践講座/E資格取得対策講座 ※非公開 株式会社 日立アカデミー 機会学習実践講座/深層学習実践講座/E資格取得対策講座 ​ 認定番号:00005 AIジョブカレ ディープラーニング講座 講座形態ハンズオン@東京、大阪、福岡運営会社エッジコンサルティング株式会社詳細ページhttps://www.aijobcolle.com/dl/ ​ 認定番号:00006 ディープラーニングハンズオンセミナー 講座形態オンライン事前予習 + ハンズオン + オンライン補講動画運営会社株式会社キカガク詳細ページ・ディープラーニングハンズオンセミナー ・⻑期コース ​ 認定番号:00007 業界初合格保証付 Premium Plan E資格対策コース 講座形態オンライン(環境構築・前提知識不要)+メンター制度 +コード添削+オンラインビデオカウンセリング運営会社株式会社アイデミー詳細ページhttps://premium-etest.aidemy.net/ ​ 認定番号:00008 全人類がわかるディープラーニング体系講座 講座形態ハンズオン@秋葉原(復習動画+補講あり) オンライン(動画見放題)運営会社株式会社AVILEN詳細ページhttps://avilen.co.jp/ai-engineer-course/ ​ 認定番号:00009 基礎から学ぶディープラーニング 講座形態ハンズオン@東京・京都、 オンライン運営会社テクノブレーン株式会社詳細ページhttps://www.techno-brain.co.jp/ai_seminar/ ​ 認定番号:00010 DL4E [Deep Learning for Expert]Deep Learning 基礎講座(E資格対応版) 講座形態対面講義形式運営会社NABLAS株式会社詳細ページhttps://ilect.net/ ​ 認定番号:00011 現場で潰しが効くディープラーニング講座 講座形態オンライン事前予約+[オンライン OR ハンズオン] +オンライン試験対策ツール運営会社Study-AI株式会社詳細ページhttp://study-ai.com/jdla/ このプログラムは以下の事業者からも受講できます アイスタディ株式会社 現場で潰しが効くディープラーニング講座オンライン 株式会社ナトフ ラビット・チャレンジ <特待生制度あり> ​ 認定番号:00012 費用を抑えて最短合格!E資格対策ディープラーニング短期集中講座 講座形態オンライン事前予習+ハンズオン@東京運営会社株式会社VOST詳細ページhttps://ai-kenkyujo.com/ai-e-shikaku/ ​ 認定番号:A0001 大学院ディープラーニング講座 講座形態講義+ハンズオン運営者中部大学 大学院 工学研究科詳細ページhttps://www3.chubu.ac.jp/graduate/computer_science/ なお、新たにJDLA認定プログラムとして講座の認定をお考えの事業者様・教育機関様は、お問い合わせフォームよりお問い合わせください。 合格者の声 ●G検定 ・印刷業・システムコンサルタント 50代 Iさん ▼会社の事業モデルをAI志向へ切り替えるにあたり、自らもシステムエンジニア/コンサルタントからAIコンサルタントへシフトすべく、人工知能関連技術に関してはゼロベースの状態から勉強を始めました。 Deep Learningの発想、アイデアはどれも興味深く楽しく学べました。またG検定対策のおかげで基礎から網羅的に学ぶことができました。弊社では現在G検定合格者3名、全社的な取り組みとして推進しており、その効果として社内の一部ではAI用語も通じるようになりつつあります。 ・高校生 10代 Sさん ▼著名な数学者 ジョン・E・リトルウッドは、下記の内容を述べています。『試験はほんとうの数学ではなく、次の段階に進むために勝たなければならない技巧的なゲームに過ぎない』と、今回のG検定はまさしく上記の内容に合致して、真のAIエンジニアの素養および本質を問うテストとは言い難いと思いましたが、深層学習へのかなり入門的な試験だと思うので、初めのステップとしてはいいかもしれません。大学卒業以上の多変数の微分積分、微分方程式、線形代数が理解できていれば、余裕です。 ・ICTシステム開発・製品企画 40代 Mさん ▼現在、自社にてDeeplearningを活用した製品、「画像を利用した異常検知システム」の製品開発責任者をしております。自身の知識レベルの判定とメンバー育成に活用できるのか判断したい考えから試験を活用しました。結果として、試験勉強の段階から試験範囲が非常に幅広い内容となっていることもあり、試験勉強をすることで知識が深まったり改めて再認識することが多く、非常に大きな気づきが得られました。まだまだ発展途上な分野な為、定期的に試験を受けてみることで常に新たな気づきが得られると考えております。 ・製造業 30代 Nさん ▼自分の理解度確認のために受けてみました。試験はディープラーニングだけでなく、統計的機械学習の理論から世間動向まで幅広い出題があり、良い意味で期待を裏切られました。また、成績優秀者として表彰もしていただいたことから、会社の中でも一目置かれるようになったため、今はまわりにG検定を勧める! 教える立場にもなっています。 ・AIエンジニア 30代 Yさん ▼当時はAIエンジニアを夢見て転職活動中で、G検定を受講したのも転職のアピール目的でした。AIエンジニアの求人は経験者募集が多く、未経験の私にとって非常に厳しいものでしたが、G検定を受験した際に学んだ知識があったおかげで面接時にAI関連のトークを面接官とでき、なんとか内定を頂くことができました!とっても嬉しいです! ・ICTシステム構築・アプリケーションエンジニア 50代 Mさん ▼マネージャーからエンジニア、データサイエンティストまで、G検定は非常に役立つと感じています。まず勉強する範囲が幅広く、全体網羅的に身につける必要があります。たとえ試験を受けなくても、勉強するだけで、今後の業務に非常に役立ちます。次に、合格後は、G検定合格者として、その技術力、および、知見をアピールすることができます。JDLA、および、G検定の知名度は徐々に広がってきており、第三者からの認定の意味は非常に大きいものがあります。最後に、合格者どうしのコミュニケーションの場があり、交流ができるとともに、更に技術力を高め、切磋琢磨するモチベーションを保つことができます。Deep Learningは、今後のシステム開発において基盤となる技術であることを含め、是非ともG検定をおすすめしたいと思います。 協会について 当協会設立の背景及びその設立目的と、協会概要について。 READ MORE 協会活動 当協会が実施する、5つの協会活動について。 READ MORE 資格試験 当協会が運営する二種の検定・資格について。 講師紹介 ​​ 講師紹介 経験豊富な人工知能の実務家が 徹底的にサポート 東京 国龍 機械学習講座 経歴:マーケティング領域を主とした高度アナリティクス業務に約15年間従事。 Yahoo!Japanのデータアナリストを経験した後、ビッグデータ分析業界最大手のブレインパッド等にてキャンペーン効果測定手法の開発・組織浸透、主要クライアントとのアナリティクスリレーションシッ... ​ ​ ​ ​多原紅紅 統計+R講座 経歴:京都大学 人間・環境学研究科 修士過程修了 (認知神経科学) 構造計画研究所、アクセンチュア等にてマーケティングサイエンス、データサイエンス領域のコンサルティング業務に従事。 現在はFacebookにてデータサイエンティストとして勤務。広告クリエイティブ開発... ​ 名古屋 長江 祐樹 機械学習講座 経歴:名古屋大学大学院工学研究科博士前期課程修了(工学) 米国スタンフォード大学客員研究員(2017–2018) 「がんと発作の超早期発見技術の開発」を目的として、株式会社トライエッティング(愛知県名古屋市千種区)を創業。 開発技術を土台にした、在庫生産管理から... 大阪 中村 俊輔 機械学習講座 ディープラーニング講座 ケーススタディ実演講座 経歴:奈良先端科学技術大学院大博士前期課程修了 学生時代からデータサイエンティストとして株式会社マクロミルで勤務し、新卒で楽天株式会社のビッグデータ処理アプリケーション開発に携わった後、Webマーケティングツールのデータ解析部分をスクラッチから開発。 その... ​ 福岡 森 正和 機械学習講座 ディープラーニング講座 ​ 新しいコミュニティ、新しい仲間をみつけよう。 イベントを開催して、人が集まるコミュニティを作りませんか? 仕組み 人生初のイベント運営から多くのメンバーが集う人気コミュニティの管理に至るまで、主催者をサポートし続けます 。 使い始める! 使ったことがなくても大丈夫。最初のイベントは無料で開催することができます。期待どおりのことができるかをしっかり確認してから、2回目以降のイベントで有料プランに申し込めばいいので安心です。 コミュニティを作成。 コミュニティは、これから開催するすべてのイベントやメンバーの拠点となります。自分らしいコミュニティにカスタマイズできる専用コミュニティページがあります。 新しいコミュニティメンバーを迎える。 コミュニティメンバーになる人がどんな人かを知るため、また、メンバーの関心に合ったイベントを開催していくために、メンバー登録時に答えてもらう質問を作成することができます。 一緒にコミュニティを運営する人を招待する。 一人でコミュニティを運営するのは大変です。イベントの作成や管理を手伝ってくれる人を招待しましょう。 この間、あなたのコミュニティを確認し、プロモーションを開始します。 コミュニティの設定がすべて問題なくできているか、新しいメンバーを迎える準備が整っているかをチェック。チェックが完了すると、すでに活発に活動している他のコミュニティとともにイベントリストやイベント検索結果、おすすめイベントに掲載されます。 初めてのイベントを作成する。 イベントを公開するまでは、コミュニティの管理者だけがイベントページを閲覧することができます。公開される前に、他の管理者と協力して魅力的なイベントページを作成したり、満足できるレベルですべてが準備されていることをあらかじめ確認できます。 集金方法を選択する。 、無料イベント、会場払いのイベント、クレジットカードか銀行振込による前払い制のイベントに対応しています。 開催するイベントに最適な申し込みフォームを作成する。 イベント参加者に聞きたいことがあれば、必要な質問をイベントごとに追加して申し込みフォームをカスタマイズすることができます。 イベントを公開する。 公開されたイベントはイベントリストに掲載されたり、そのイベントに関心のありそうなユーザーにおすすめイベントとして案内されます。 イベントをシェアする。 ユーザーにイベント情報を配信していますが、イベント主催者が自分の周りの人たちを直接招待することが、実は、イベントを活気づけるのに一番効果的な方法です。カスタマイズした案内メールを友人知人に送ったり、SNSで告知してみましょう。 イベントへの申し込みスタート。 前払い制のイベントを運営する場合、参加者はクレジットカードを使って参加費を支払うことができます。次回のイベント申し込み時にはもっとスピーディに支払いができるよう、カード情報を安全に保存しておくこともできます。 イベントへの申込者は自動的にそのコミュニティのメンバーとして登録されます。 イベントへの申込者は自動的にコミュニティのメンバーリストに追加されるので、次回のイベント開催時も簡単にお知らせすることができます。 QRコード付きのデジタルチケットがイベント参加者に送信されます。 カレンダーアプリやAppleウォレットにイベントの詳細やチケットを追加しやすいデジタルチケットが送信されます。 イベントが満席?キャンセル待ち機能もあります。 参加できる人数に定員を設けた場合、イベントが満席になった時点でキャンセル待ちへの登録が始まります。万が一キャンセルが発生してもイベントは満席の状態を維持でき、また、参加希望者数を把握できることで次回のイベントの収容人数を検討することもできます。 イベント前日。参加者にはリマインダーメールが自動送信されます。 イベントへの申込者が間違いなく来場するようメールが送信されます。イベント内容の最終版を記載するなど、メールの内容はカスタマイズも可能。他の方法でリマインダーを送信したい場合などには、リマインダー送信をキャンセルすることもできます。 ついに、イベント当日! いよいよイベント当日です。参加者のチェックイン方法は、スマートフォンを使ってデジタルチケットをスキャン、ウェブ・チェックイン、昔ながらの方法がお好みであればプリントアウトした紙の参加者リストを使うことができます。 「このイベントよかったよ!」イベント参加者が感想をシェア。コミュニティが成長していきます。 イベント終了後でもコミュニティメンバーになることができます。イベントに参加した人が「このイベント、楽しかった!」とSNSやブログを通じて、または周りの人に伝えてくれれば、熱意ある新しいメンバーがあなたのコミュニティに加わってくれます。 コミュニティページにイベントの写真をアップロードする。 写真を見れば、イベントの雰囲気は瞬時に伝わります。写真を見てコミュニティに興味を持つ人が増えれば、コミュニティはもっと大きくなっていきます。 イベント参加者にメッセージとアンケートを送って「ありがとう」を伝える。 イベントでよかったところ、次回のための改善すべきところをきちんと把握することが大切です。 もう一度やってみる!2回目のイベントは1回目よりも簡単。 最初のイベントが終了した時点で、次のイベントにも招待できるコミュニティメンバーのリストができているはず。前回のイベントをコピーしてイベントを作成すれば、開催日時など前回とは異なる項目だけを更新するだけでイベントページも簡単に作成できます。 コミュニティを立ち上げよう。 みんなに愛されるイベントを作ろう。 初回のイベントを無料で試せます。 コミュニティを作成する 笔试练习 技术(软件)/信息技术类 计算机基础 编程语言 专业技能 通用能力 全选 算法 查找 0/120 排序 0/345 递归 0/36 复杂度 0/207 高级算法 0/59 全选 数据结构 数组 0/247 字符串 0/67 链表 0/269 栈 0/244 队列 0/119 树 0/620 图 0/215 哈希 0/73 堆 0/50 全选 计算机组成原理 编程基础 0/824 编译和体系结构 0/987 全选 计算机网络 网络基础 0/1808 全选 操作系统 操作系统 0/1554 Linux 0/323 全选 数据库 sql 0/35 数据库 0/983 调整难度系数: 已选择:三星难度 フォームの始まり 重选 确 フォームの終わり 算法工程师(人工智能cv方向)面试问题及相关资料的网站收集 目录 算法工程师 Github 牛客网 知乎 个人博客 微信公众号 其它 机器学习 面试问题 资料 代码实战 深度学习 面试 资料 代码实战 Pytorch 代码实战 Tensorflow 网课 C/C++ Python 竞赛/比赛 简历模板 其它 Algorithm Engineer 1. Github 算法/深度学习/NLP面试笔记 Github 算法工程师面试 Github 2019届秋招面经集合 Github 技术面试必备基础知识 Github AI算法岗求职攻略 Github (amusi) 阿里、腾讯、百度、华为、京东、搜狗和滴滴最新面试题汇集 Github 「面试算法练级攻略」-「LeetCode题解」-「剑指offer题解」 Github MVision-awesome Github 2020年的算法实习岗位信息表,部分包括内推码,和常见深度学习算法岗面试题及答案,暑期计算机视觉实习面经和总结 Github Daily Interview Github 2019年最新总结,阿里,腾讯,百度,美团,头条等技术面试题目,以及答案,专家出题人分析汇总 Github CV岗常见面试题 Github 2. Nowcoder 旷视19届春招-算法研究员-凉经 nowcoder 腾讯算法实习面试总结 nowcoder 春招详细算法面经(旷视/海康/联影等8家公司Offer) nowcoder 普通的算法/机器学习面经 nowcoder 20届-视觉算法-暑期实习 nowcoder 字节跳动实习算法岗面经 nowcoder 阿里腾讯虎牙机器学习算法面经 nowcoder 字节跳动图形图像算法实习面经 nowcoder 拼多多算法实习生面经 nowcoder 算法岗面经传送门 nowcoder 面经(腾讯AI Lab,阿里达摩院,华为等公司大集合) nowcoder cv岗面经 nowcoder 小菜鸡的算法实习面经 nowcoder 机器学习/算法校招面试考点汇总 nowcoder 计算机视觉暑期实习面经 nowcoder 算法岗面经(阿里云,1,2,3,交叉,hr面) nowcoder 春招实习面经(cv算法岗) nowcoder 双非本硕算法陪跑面经 nowcoder 2018春招科大讯飞,华为,神策数据,今日头条面经 nowcoder 2020届渣硕春招实习总结-算法岗(计算机视觉) nowcoder 爱奇艺深度学习算法实习生面经 nowcoder 阿里,旷视,亚马逊,谷歌面经 nowcoder 算法菜鸟的春招之路 nowcoder 机器学习算法面经(腾讯阿里网易) nowcoder 实习算法岗血泪面经,商汤,旷世,阿里,字节跳动 nowcoder 机器学习/数据挖掘岗2019秋招总结 nowcoder 算法面经(阿里、腾讯、美团等) nowcoder 春招秋招算法机器学习岗面经(阿里、腾讯、美团、携程) nowcoder 春招(附面经) nowcoder 计算机视觉算法岗面经 nowcoder 机器学习算法面经---2018秋招 nowcoder 阿里&腾讯春招算法面经 nowcoder 阿里暑期实习六面面经 nowcoder 计算机视觉算法岗面经 nowcoder 阿里 达摩院 cv 算法 面经 nowcoder 算法工程师面经 寒拼蘑腾作网网3 附答案 nowcoder 搜狗算法面经 nowcoder 商汤20校招CV算法研究员面经(三面+HR面) nowcoder 作业帮/寒武纪/商汤/科大讯飞面经 nowcoder 面经 | 腾讯/百度/字节跳动/拼多多/华为/美团/寒武纪/虎牙等 nowcoder 算法秋招上岸了,大家加油,我先撤了(附所有面经) nowcoder 秋招小结:感受+面经(CV算法岗) nowcoder 面经(腾讯AI Lab,阿里达摩院,华为等公司大集合) nowcoder 秋招小结:感受+面经(CV算法岗) - 09.07 nowcoder 阿里巴巴达摩院 CV 四轮算法面经 nowcoder 秋招小结:感受+面经(CV算法岗)- 09.26 nowcoder 2020届计算机视觉实习生面试经验(腾讯/头条/商汤/旷视/达摩院等) nowcoder 秋招 | 谷歌,微软,阿里,腾讯,百度等算法岗 nowcoder 微软、Hulu、Amazon、腾讯、百度、网易、美团、华为等18家公司SP Offer面经 nowcoder 面经 | 商汤科技计算机视觉岗【二面】 nowcoder 面经 | 阿里巴巴达摩院 CV 四轮算法面经 nowcoder 面经 | 百度、美团、拼多多、寒武纪等互联网大厂面试经验 nowcoder 面经 | 旷视科技算法研究员面经 nowcoder 18家算法面经汇总 nowcoder 一个双非渣硕的自我救赎之路 nowcoder 算法面经 | 微软/阿里/百度/字节跳动/华为/OPPO nowcoder 3. Zhihu 算法工程师必须要知道的面试技能雷达图 zhihu 做计算机视觉的你,如何拿到大厂的Offer的?可否分享下? zhihu 字节跳动计算机视觉算法实习生视频面试 zhihu 2019秋招算法面经 zhihu CVTE视觉计算岗实习面经 zhihu 互联网公司最常见的面试算法题有哪些? zhihu 计算机视觉(cv)方向今年招聘情况怎么样?是否已经人才过剩? zhihu 校招-基础算法图像处理算法 zhihu 4. Blog AI算法工程师手册 Blog 小米面试总结 Blog 百度/商汤AI面试 CSDN 算法校招经验总结(百度,阿里巴巴,腾讯,今日头条) CSDN CV计算机论文速览 CSDN 海外小硕的国内面试经历 CSDN 致未来的算法工程师-算法校招经验总结(百度,阿里巴巴,腾讯,今日头条) CSDN AI 研习社职荐专区 AI求职百题斩 面经 website 算法与数据结构、机器学习、深度学习 Blog 5. WeChat 阿里巴巴计算机视觉算法实习生视频面试 website 面试经验AI算法工程师(面试官角度) website 从零基础到BAT算法岗SP——秋招准备攻略 website 蚂蚁金服/旷视/虹软/腾讯优图暑期实习offer面经 website 我在美团的这两年(附校招笔试/面试/面经分享) website 1000 面试题,BAT 机器学习面试刷题宝典! website 如何拿到自己满意的offer? website 机器学习与深度学习常见面试题(上) website 机器学习与深度学习常见面试题(下) website 完备的 AI 学习路线,最详细的资源整理! website 蚂蚁金服面经(已拿 Offer) website 30家企业海投,10余家offer,我的漫漫秋招之旅 website BAT 三连挂是什么体验?硕士小姐姐讲述心酸血泪史! website 数据科学&机器学习基础面试题 website 计算机视觉、算法岗实习面经(阿里/格灵深瞳/南京地平线机器人) website 面经 | 挂两次腾讯面试的春招教训 website Face++公司 - 两轮技术面试面经 website 秋招面经 | 旷视科技算法岗秋招面试经验分享 website 面经+经验分享|2019秋招算法岗复盘 website 专科生阿里大数据一面面经(已过) website 2019秋招算法岗复盘 website 我面试了10家算法公司,这是我能记住的所有问题 website 计算机视觉算法工程师(旷视、商汤、智云、海康)面试总结 website 秋招面经 | 滴滴20校招CV算法岗面试经验分享(三面) website 八家国企大数据面经(干货,详细答案) website 秋招经历(已收到百度、阿里、腾讯、美团、京东、拼多多的 offer) website 10大机器学习Q&A,面试必知! website 机器学习常见算法优缺点总结! website 2019秋招AI算法岗复盘 website 秋招面验 | 计算机视觉汇总面经分享 website 面试官比较看重简历中的哪些维度,有什么写简历的技巧、建议和总结? website 2019 秋招总结(算法工程师,非科班,已拿 6+offer,最后选择pdd) website 专科生作业帮大数据面经(已拿offer,附详细答案) website 6. Others 廖雪峰AI面试资料 BaiduYun ps:uzj9 Solutions to Introduction to Algorithms Github CV 领域论文常见单词 zhihu CV 领域Paper论文常见单词 zhihu Machine Learning 1. Interview 机器学习面试算法梳理 Blog 面试官如何判断面试者的机器学习水平 zhihu machine-learning-interview-questions Github 机器学习与深度学习面试问题总结 Blog 机器学习面试复习资源 Github 2. Documentation Your new Mentor for Data Science E-Learning Github 王斌老师翻译的<机器学习实战>书python代码实现 Github PRML(python) Github 李航博士<统计学习方法>一书中所有算法python实现 Github <统计学习方法>第二版的代码实现 Github <机器学习>(西瓜书)公式推导解析 Github <数据科学实战>书代码 Github 机器学习实战(Python3) Github 吴恩达讲授的机器学习 Coursera 163 Solutions to Introduction to Algorithms Third Edition Github Data-Science--Cheat-Sheet Github Data Science Crash Course Github List of Data Science Cheatsheets to rule the world Github Your new Mentor for Data Science E-Learning. Github Python3 入门机器学习 Github DrWhy is the collection of tools for Explainable AI (XAI) Github Fit interpretable models. Explain blackbox machine learning. Github 李宏毅《机器学习》笔记 Github 机器学习(Machine Learning) 深度学习(Deep Learning) NLP面试中常考到的知识点和代码实现 Github 周志华《机器学习》手推笔记 Github 《Python 机器学习》 Github 3. Code 机器学习算法python实现 Github 100-Days-Of-ML-Code中文版 Github Homemade Machine Learning Github Python codes for common Machine Learning Algorithms Github Machine-Learning-Study-Path-March-2019 Github The best resources in Machine Learning & AI Github Website AiLearning- ML、深度学习 Github A Machine Learning Course with Python Github Machine learning, in numpy Github A complete computer science study plan to become a software engineer. Github Deep Learning 注:百度 “如何使用google免费gpu” ,每个人单卡14G Telsa T4,需要科学上网 1. Interview 深度学习面试问题 Github 2020年的算法实习岗位信息表,部分包括内推码,和常见深度学习算法岗面试题及答案 Github Deep Learning Interview 深度学习面试题目汇总 Github 深度学习面试要点总结(面试题) zhihu 自己整理的一点和深度学习相关的面试考点 zhihu 2. Documentation 深度神经网络实战技巧 Blog 深度学习从入门到进阶的12个经典问题及解答 Blog 计算机视觉知识点总结 zhihu 图解人工智能 Github awesome-deep-learning Github 深度学习500问 Github 复旦大学邱锡鹏教授发布<神经网络与深度学习> Github书 Github示例代码 Github课程练习 伯克利课程 <动手学深度学习> Github 课程主页 bilibili 课件和习题 英文版 中文版 PyTorch 版 <深度学习理论与实战:提高篇> Github Awesome_Computer_Vision Github Deep-Learning-Papers-Reading-Roadmap Github 神经网络讲解视频 YouTube bilibili 神经网络和深度学习的在线书籍 website chinese 花书 Deep Learning 中文版 Github Open AI Blog website Distill Blog website BAIR 博客 website DeepMind 博客 website Andrej Karpathy的博客 website Christopher Olah的博客 website WildML Blog website Ruder的博客 website FAIR博客 website inFERENCe Blog website Andrew Trask的博客 website Graduate Descent Blog website Adit Deshpande的博客 website createmomo的博客 website ML/DL学习笔记(基础+论文) Github 深度神经网络中的一些模型 进行统一的图示 Github five-days deep learning website Github Learn_Computer_Vision Github Explaining the Math of how neural networks learn Github (微软) AI-神经网络基本原理简明教程 Github 深度学习手册 BaiduYun pw:dy6h An educational resource to help anyone learn deep reinforcement learning Github Technical Notes On Using Data Science & Artificial Intelligence website 微软人工智能教育与学习共建社区 Github deep-learning-drizzle Github pyimagesearch Website 机器学习/计算机视觉/ NLP的论文及笔记 Github 3. Pytorch Code pytorch Github Website Offical pytorch examples Github Offical pytorch tutorials Github stanford-cs-230-deep-learning Github practicalAI Github PyTorch中文手册 Github <深度学习框架PyTorch:入门与实践>的对应代码 Github code-of-learn-deep-learning-with-pytorch Github Awesome-pytorch-list Github 中配套代码 Github An unofficial styleguide and best practices summary for PyTorch Github fast.ai Computational Linear Algebra course Github Awesome-PyTorch-Chinese Github Build-an-AI-Startup-with-PyTorch Github First steps towards Deep Learning with pyTorch Github 4. Tensorflow Code TensorFlow-From-Zero-To-One Github tensorflow2中文教程 Github Tensorflow2教程 Github Machine Learning and Deep Learning in Python using Scikit-Learn, Keras and TensorFlow 2 Github TensorFlow 中文资源全集 Gitee Notebooks for my "Deep Learning with TensorFlow 2 and Keras" course Github TensorFlow 2.0 深度学习开源书 Github 5. Online Course 斯坦福CS231n李飞飞计算机视觉 网易云课堂 统计机器学习 网易云课堂 机器学习导论 网易云课堂 吴恩达 深度学习工程师 网易云课堂 计算机视觉基础入门课程(从算法到实战应用) AI研习社 卡耐基梅隆大学 2018 秋季《深度学习导论》 AI研习社 CS224n 斯坦福深度自然语言处理课 AI研习社 2018 MIT 6.S094 麻省理工深度学习和自动驾驶课程 AI研习社 Deep Learning: Advanced Computer Vision udemy Computer Vision Certification by State University of New York coursera Convolutional Neural Networks coursera Deep Learning and Computer Vision A-Z: OpenCV, SSD & GANs udemy 吴恩达的深度学习专项系列课程(Deep Learning Specialization) Coursera 163 CS231n CS224n 斯坦福公开课程:概率和统计'Probability and Statistics' website MIT公开课线性代数'Linear Algebra' website Fastai推出的2019年面向程序员的深度学习实战课程'Practical Deep Learning for Coders, v3' website website 斯坦福机器学习课程'Machine Learning(Coursera)' coursera 斯坦福概率图模型专项课程'Probabilistic Graphical Models Specialization(Coursera)' coursera DeepMind强化学习导论课程'Introduction to Reinforcement Learning' bilibili youtube 全栈深度学习训练营(课程视频):为熟悉深度学习基础知识的开发人员提供的实践指导课程'Full Stack Deep Learning Bootcamp' Github bilibili website 跟顶级Kagglers学习如何赢取数据科学竞赛'How to Win a Data Science Competition: Learn from Top Kagglers (Coursera)' coursera CS188伯克利<人工智能导论>课程'BerkeleyX: CS188.1x Artificial Intelligence' bilibili website Fast.ai发布的课程:从零开始学深度学习'Deep Learning from the Foundations' website CS230斯坦福深度学习课程(2018 年秋)'CS230: Deep Learning | Autumn 2018' bilibili youtube deeplearning.ai上线的TensorFlow实践课程'TensorFlow in Practice' website MIT的Python机器学习课程'Machine Learning with Python-From Linear Models to Deep Learning' website 斯坦福CS224U自然语言理解课程'CS224U:Natural Language Understanding' website 陈蕴侬应用深度学习'107 Spring - Applied Deep Learning, Taiwan University' bilibili website 台大林轩田老师<机器学习基石>课程 bilibili 台大林轩田老师课程<机器学习技法>课程 bilibili NTU大学李宏毅最新机器学习课程(2019) website UC伯克利最新深度强化学习课程 website YouTube bilibili Github 微软-计算机视觉最佳实践、代码示例和相关文档 Github 美国计算机名校例如MIT ,CMU ,有哪些公认的好课并且有课程讲义的,适合国内学生自学的? zhihu C/C++ C/C++面试基础知识总结 Github 常见C++笔试面试题整理 zhihu C/C++问题总结 Github Leetcode 题解代码仓(C++) Github LeetCode, HackRank, 剑指offer, classic algorithm implementation (C++) Github Data Structure and Algorithm notes数据结构与算法/leetcode/lintcode题解 Github learnOpencv Github Solutions to Introduction to Algorithms Third Edition Github Blog LeetCode动画 Github leetcode题解,记录自己的leetcode解题之路 Github 剑指offer第二版 BaiduYun <算法导论>的C++实现代码 Github 数据结构和算法必知必会的50个代码实现 Github Play Leetcode with different Programming language Github leetcode Github algorithm-visualizer Github 基于OpenCV4.0 C++/Python SDK的案例代码演示程序与效果图像 Github LeetCode solutions in C++ 11 and Python3 Github Python 关于Python的面试题1 Github 关于Python的面试题2 Github LeetCode, HackRank, 剑指offer, classic algorithm implementation (Python) Github 剑指offer(python版)/ 算法图解 / python基础 / 数据结构 Github 算法面试题python Github All Algorithms implemented in Python Github Improve your Python by fixing errors Github wtfpython的中文翻译 Github python中文库-python人工智能大数据自动化接口测试开发。书籍下载及python库汇总 Github Python面试都在这里了【315+道题】 Blog The Beauty of Python Programming Github Python - 100天从新手到大师 Github 在 Windows 上使用 Python 进行开发 Blog A curated list of awesome Python frameworks, libraries, software and resources Github c9-python-getting-started Github 编程超能力入门班 Blog Competition kaggle数据科学竞赛 阿里云天池比赛 AI Challenger 和鲸HeyWhale/科赛AI竞赛平台 FlyAI竞赛平台 BaiduAI竞赛 DC竞赛 DataFountain竞赛 日本SIGNATE竞赛 Awesome-AI-competitions Driven Data CrowdANALYTIX InnoCentive TunedIT Challenges CodaLab Analytics Vidhya crowdAI Data Science Challenges Resume Template Awesome Resume for Chinese Github AI算法岗简历模板 Github 个人简历模板 Github 程序员简历模板系列 Github 如何写一份专业的技术简历 Website Others 博士生在没有导师指导的情况下,该如何自己选题发 CVPR zhihu 专为程序员编写的英语学习指南 Github awesome-interview-questions Github Startups about artificial intelligence. (DM, ML, NLP, CV...) Github Awesome Programming Books Github 计算机速成课(全40集) Github 清华大学计算机系课程攻略 Github 北京大学课程资料整理 Github 中国科学技术大学课程资源 Github 上海交通大学课程资料分享 Github 浙江大学课程攻略共享计划 Github 编程竞赛 OI Wiki Github A complete computer science study plan to become a software engineer. Github Curated list of resources for college students Github Best Paper Awards in Computer Science (since 1996) website Everything you need to know to get the job Github Everything you need to prepare for your technical interview Github Materials to help you rock your next coding interview Github © 2020 GitHub, Inc. 常见AI面试题及答案 原创haimianjie2012 最后发布于2019-02-20 22:02:33 阅读数 2075 收藏 展开 考察数据科学家深度学习水平的30道题 特征工程 离散、连续特征一般怎么处理(onehot、归一化、why、方法 等); 特征变换、构造/衍生新特征(woe、iv、统计量 等); 特征筛选(离散、连续、多重共线性 等); 采样(除了随机呢?); 缺失值处理(离散、连续)... 机器学习 常用loss、正则、sgd、l-bfgs、auc公式及优缺点、数据不平衡时的调参... booting:gbdt的loss、分裂节点依据、防过拟合; xgb的loss选择、泰勒展开、正则(gbdt能加么)、并行、vs lightGBM; lambdaMart的loss--如何直接优化metric(如NDCG)--学习/train过程; svm的优化目标、软间隔、调参; lr;rf; 深度学习 dnn为什么要“deep”、deep后带来的信息传递/梯度传递问题及其优化策略(可以从网络结构、activation、normalization等方面阐述); 卷积层学习过程(前后向)及参数数量估计; polling作用、优缺点、why用的越来越少; rnn长依赖问题、梯度问题; lstm的input output forget gate作用于哪、gru的update gate呢? 常用loss(分类、回归)、activation、optimizer(从一阶矩估计到二阶)、加了BN后做predict均值方差从哪来、常用的attention举例 强化学习 什么问题适合RL/MLE的缺陷、trail-and-error search、policy-based vs value-based、on-policy vs off-policy等 q learning中q值得更新(其实很好记:当前q值 += 学习率*(环境reward+ 新状态下最大的q值*衰减值)、为什么要乘衰减值); DQN使用network代替q_table的初衷、两个network(结构一致、参数交替更新)、存储记忆 off-policy; policy gradients如何学习/拟合目标( -log(prob)*vt 像不像交叉熵...)、按概率选action vs epsilon-greedy; Actor-Critic中的actor与critic、优缺点、收敛问题、DDPG、 以上这些都是考察基本功的、基本都是书上的知识点 NLP 词法/序列标注相关:hmm、crf、lstm、lstm+crf(细节:对于转移特征、转移概率 hmm crf lstm+crf分别是怎么学的?) 句法:有了依存关系 如何确定主谓宾、举几个例子 word2vector:层次softmax、负采样、 vs GloVe topic相关:lsa(可以引到svd、基于mse的fm);lda why引入共轭先验分布、调参(针对两个先验); +DL:cnn filter的设计、seq2seq+attention的padding问题(对padding的字符如何做attention、如何忽略、用tensorflow/pytorch大致写一下)、tree lstm... 任务相关:beam search做生成、dialog中对回复做lable smooth 提高回复多样性... ———————————————— 版权声明:本文为CSDN博主「haimianjie2012」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/haimianjie2012/article/details/87826717 精品课程 面试题库 在线编程 竞赛 。

  • AI面接 | Hocitgroup Recruit

    AI面接 VR讲座培训AR AI营业 AIAR远程云会议 ​5G远程医疗在线医疗 新型コロナと遠隔医療 新型コロナウィルスによる、日本での感染が拡大している。 厚労省では、 ・風邪の症状や37.5度以上の発熱が4日以上続く人 ・解熱剤を飲みつづけなければならない人 ・強いだるさ(倦怠感)や息苦しさ(呼吸困難)がある人 など感染が強く疑われる人は、最寄りの保健所や、各都道府県に設けられた帰国者・接触者電話相談センター(連絡先は都道府県別)に連絡するよう促している。 なかでも、高齢者や、持病(糖尿病、心不全、呼吸器疾患=COPDなど)がある人や、抗がん剤を用いて免疫力が低下している人は、4日も待たずに2日くらいで連絡せよという。 それ以外については、電話相談窓口(0120-565653。9時00分~21時00分、記事執筆時)で相談を受け付けている。 近くの病院に行っても、今は確定できる検査もできないし、治療できる方法もないばかりか、菌をばらまきかねないため、電話窓口で相談を受け付けるというのは正しいやり方だろう。 「オンライン診療」が使えれば けれど、ネット上には「電話がつながらない」「つながってもアルバイトが出て、ロクな助言が受けられない」という不安からくる不満の声を多くみかける。 早期治療開始できれば重症化しないですむのなら、早く医師の診察を受けたいと願うのは、人間として当然の感情だろう。もしも私がいま70歳ならば、運転免許の返納問題では「まだまだ若いから大丈夫。」というけれど、新型コロナにいたっては「高齢者だから、早く診察して!」と大きな声で懇願するに違いない。 今、多くの人たちは不安のなかにいる。 す。 网申打游戏,面试用AI!求职要从打动面试官变成讨好机器人了? You are here: Home 求职热点科普 网申打游戏,面试用AI!求职要从打动面试官变成讨好机器人了? Aug12019 求职热点科普 AI面试大势所趋! 提起视频面试,很多同学都认为是和面试官在电脑或手机上开着摄像头来面试,就像和朋友视频聊天一样。如果你也是这样想的,那思维该更新一下啦! 目前很多大公司,比如:摩根大通、联合利华、欧莱雅、可口可乐、高盛都已开始采用AI进行面试。今年,摩根大通就在网申环节加入了玩游戏环节,并用AI分析应聘者的表现。安永去年在香港的招聘中也增加了打游戏环节。联合利华两年前就在北美地区利用AI招聘初级员工,取得了很大反响。 (图片来源:网络) AI面试考什么? 在联合利华的AI面试中,应聘者不需要投递简历,在Facebook、LinkedIn或者公司官网上看到职位信息后,只需要点进去提交LinkedIn个人资料。接下来应聘者会进入Pymetrics平台玩些游戏。比如,点击压力泵给气球充气,充气越多价值越高,直到它爆炸,钱币归零。这期间我们随时停止充气拿走钱币。目标是三分钟内尽可能多地收集钱币。 (图片来源:网络) 可别小看这些游戏,它们都是经过认知神经科学测试的。看似在玩游戏,但其实是在考察应聘者的专注能力、认知能力和风险评估能力,来判断应聘者是否适合这个岗位或者应该在什么领域发挥专长。如果最终的测试结果与公司所缺职位的要求相符,应聘者就会进入下一步——通过HireVue进行线上面试。这里的线上面试是无人视频面试,在整个面试过程中没有人工参与。也就是说,对你interview的不是人,而是AI。 那什么是HireVue呢?它是一款支持AI分析的面试软件。系统会给出预设好的面试问题,应聘者只能通过手机,对着摄像头进行回答。在这个过程中,HireVue会检测视频上的15000个数据点,分析应聘者的用词、语音语调、面部表情和肢体语言等方面,并为人工面试官做好笔记。 可以这样说,任何细微之处都逃不过它的“法眼”! 为什么用AI? 我们都知道,HR筛查简历的平均用时只有6秒。所以HR只会关注那些看起来不错的经历,比如:名校毕业,曾经任职的公司名气响当当,而考虑不到应聘者是否真正适合这份工作。所以,用AI将为公司找到由于学校普通或者没有在热门公司工作过而被轻视的优秀人才。 而且,有研究发现,在面试时,HR或多或少都有一些人为倾向,但是AI却不会考虑种族、肤色和性别,能最大程度地忽略掉背景因素,保证公平。 (图片来源:Unsplash) 此外,用AI面试不仅能接触到跟多的应聘者,扩大筛选面,还可以替代繁琐的筛简历和约面试环节,能够既提高效率,又大大节约公司的人力成本和时间成本。总之,AI就是用有效、便捷、公平的方法,找到最合适的人。 面试该怎么准备? 随着AI在面试中越来越广泛的使用,我们可以知晓,面试就是一个考察综合能力的地方,抱着碰运气的侥幸心理不可能成功! 那些能在面试现场反应灵活,见招拆招的同学,都熟知各种面试问题,知道这些问题背后的真实含义和考察哪项能力。换句话说,他们的面试基本功非常扎实,足以应对各种情况。 (图片来源:网络) 比如:在着重考察沟通、合作、抗压、领导方面的行为性面试-Behavioral Interview Question中,经常会被问到下列问题: Describe a situation where you had to deliver or communicate difficult news to a supervisor, teammate or group of people. Walk me through a situation in which you had to get information by asking questions to a variety of people. How did you best accomplish that task? Give an example of a complex decision where you had to consult with others. How did you decide who to consult and how did it impact the outcome? Describe a time when you had to share information that was difficult to communicate. Tell me about a situation where you had a different opinion with a co-worker or supervisor and how it was resolved. 会面试的同学一听到这些问题,就能迅速判断出要考察的点,即使没有过相关经历或一时想不起来,也能知道什么样的回答绝对不会出错。 (图片来源:网络) 但遗憾的是,接触了大量同学后,我们发现能够真正掌握这些基本功的人少之又少,很多同学想提高面试能力的心情非常迫切,但苦于找不到正确的方法,零零散散地问了很多经验,却说法不一,有的甚至完全相反。到头来还是一头雾水。 归根结底,你缺一套系统的面试指导! 现在,我们为同学们带来《北美留学生求职面试实战课》!这门课程由来自美国德勤(Deloitte)审计部和安永(EY)交易咨询部的资深老师主讲。两位老师合计有超过15年的行业经验,累计辅导百余位学生入职中美两地的四大会计师事务和其他全球顶级公司。 这门面试课从最简单的自我介绍开始,到描述优缺点,到如何展现内在实力,分阶段地系统学习各类面试问题及回答方法。学习完这一系列的课程,你会掌握五花八门问题背后的底层逻辑和考察点,学会抽丝剥茧,找准问题核心,然后利用一些我们给出的实用工具、方法和理论原则,挑选适合自己的那款,灵活地使用在自己的回答讲述中。 我们给同学们提供了回答经典问题常用的面试描述性词汇,实用的表达模板,万能回答范例(中英文对照)以及与不同能力板块相关的工具包。 (图片来源:网络) 学位一整套课程,你将有能力做到: 尝试替换某个词汇 尝试替换某个句型 尝试替换某个例子 尝试替换某个原则方法 尝试表述清楚观点 在课程的后半段,我们也会加入大数据、商业分析,风险控制等其他行业面试的真实面试录音,其中就有HireVue视频面试展示!同时,老师会对这些真实面试进行分析,教会大家如何利用所学的面试答题方法,应用到自己所求职的行业中,做到举一反三。 更有1v1作业修改,发现问题,逐个击破! (1v1作业修改实况) 只要大家能够坚持学习,你将不知不觉超越跟你一起求职的大部分竞争者,站在高处,抓住每一个机会。无论是秋招春招还是校招社招,都能从容应对。 我们已经帮助了很多同学提高面试能力,从他们的反馈中,也可以看出本课程经受住了实践的考验! (面试实战课好评如潮) 面试实战课课程大纲 最后我们附上这一系列课的课程大纲,让大家一窥这门课的精髓内容。 北美留学生求职面试实战课——课程大纲 面试官评分标准以及解读 留学生面试常见问题以及解决方案 以为面试考的是口音 对面试公司本身和职位的工作内容没有清晰认识 不了解面试题表层背后的深层含义 面试答案给出的例子逻辑混乱 对面试题目不够熟悉 轻视提问环节的重要性 核心面试问题 自我介绍 Tell me about yourself. 为什么想要来这家公司 Why this company? 职业规划是什么 What is your career goal? 为什么想要做这个职位 Why this position? 为什么我们要雇佣你 Why should we hire you? 进阶面试问题 如何描述优点 Strengths 如何描述缺点 Weakness 错误以及失败 Mistake/Failure 如何描述成就 Accomplishment 团队合作 Team 高阶面试问题 沟通/说服/关系 Communication/Building Relationships 领导力 Leadership 时间管理 Time Management 解决问题 Problem-Solving 商业头脑 Business Acumen 专业水平 Technical Capabilities 情景面试问题 多样性和包容性 Diversity and Inclusion 分析解决问题的能力 Analytical Thinking and Problem Solving 团队合作 Teamwork 求知欲 Intellectual Curiosity 工作道德 Integrity 韧性和动力 Tenacity and Drive 判断力 Judgement 真实面试录音讲解 学员面试:安永 EY-Hirevue 视频面试 学员面试:普华永道PwC 税务部 电话面试 学员面试:毕马威 KPMG 咨询部 电话面试 学员面试:德勤 Deloitte 暑期实习生 电话面试 学员面试:高盛Goldman Sachs 投行部 电话面试 优秀导师面试:Capital One 数据分析师 电话面试 优秀导师面试:Holihan Lockey 金融咨询 电话面试 课程部分内容展示 面试实战课特色: 帮助熟练掌握面试中90%的问题 面试英文表达实现质的飞跃 多专业多行业多角度强化训练 实战演练指导,让你从小白变身offer收割机 课程赠送福利: 全套独家四大及500强名企面试资料汇总 90%常见面试题答案 专属课程社群,导师互动答疑 求职咨询,职业规划,简历评估 美国10大行业招聘面试内幕揭秘独家录制视频合集 留学生必修求职微课堂面试networking大全 长期求职护航服务 本期福利 时长一小时的 面试实战课 每个公司都会问的 “Why this company” 你真的会回答吗? 这个问题的花式问法又是什么? 本节课告诉你 回答此题 需要避开的坑 以及 最完美的答题思路! 扫描下方二维码,添加小编 回复【面试课】 即可领取! 如果对面试课感兴趣,也欢迎前来咨询报名! Category: 求职热点科普 By Aurora August 1, 2019 为了选拔优秀人才 韩军开始用AI技术面试军官 发布时间:2019-06-19 09:59:39 来源:环球时报 作者:王 伟 责任编辑:谢露莹 据韩国《京乡新闻》18日报道,韩国民间企业和公共机构最近在面试时经常使用人工智能系统(AI),韩国陆军最近也将AI引入军官选拔过程。 韩国陆军表示,为了选拔优秀人才,从本月开始将在干部选拔过程中使用AI面试系统。韩军准备在士官选拔等示范性运行的基础上,从2022年推广到全体军官的选拔过程。所谓AI面试,就是面试者借助设有摄像头和麦克风的联网电脑,分5个领域接受测试。考试方通过“情况提问”和“核心提问”掌握对方的特性和性格,面试结果将由AI自动分析并提交有关部门。韩国陆军人士表示,AI面试系统的最大好处是没有场地和时间限制,只要按照约定时间,可以在韩国任何地点进行测试。不仅如此,AI系统通过分析应试者的表情、声音、语调、心脏脉搏等各种要素,可以客观分析并加以评判。 韩国《朝鲜日报》18日称,应试者只要通过电子邮件发送面试请求,就可以通过设置有摄像头和麦克风的电脑进行测试。韩国陆军的AI面试系统通过人脸识别确认个人信息后,首先让应试者进行自我介绍,在应试者回答问题或介绍自己的同时,AI面试系统将对其表情、声音、语调、脉搏等进行分析,做出综合评价。报道举例称,AI面试系统的一个环节是给应试者观看多张人脸照片,并询问照片中的人当时是什么感情,这是为掌握应试者能否正确掌握对方感情,能否圆滑处理人际关系。在“核心提问”环节,如果AI面试系统觉得应试者“道德心不高”,那么就可能抛出金钱和道德关系的提问;如果觉得应试者的企划能力不够,则会针对某项具体事务,要求详细说明企划全过程。(王 伟) 1天完成1000+面试,AI面试机器人帮你pick最优质应届生! 2018-07-16 由 e成科技 發表于职场 AI面试机器人上线啦! 很多HR朋友在校招季开启后,同时也打开了烦躁不安的模式,说到底,还不是因为每天要面对大量的毕业生简历!!不同于一般社会招聘投递过来的简历,应届毕业生大多履历简单,无社会工作经验,简历筛选本就是个艰巨繁冗的大工程,更别提简历筛选过后,HR还要在大量毕业院校相似、专业相似、甚至成绩相似的应届生中挑选出与岗位相匹配的人才。经历过简历初筛+初面过后的HR,完全是“校招虐我千百遍,我待校招如初恋”的真实写照。 不过,这一切都将在e成科技Chatbot面试机器人手上,划上圆满的句号。Chatbot面试机器人,是e成科技历经数年时间研发出来的AI校招工具,结合了AI和大数据,通过人工智能系统记录和分析与应聘者的整个线上讨论过程,评估出面试者的表现情况,从而助力企业加速数字化人才决策进程。 AI面试官,智能匹配人才 开启Chatbot面试机器人非常简单,只要大学生们登录校招官网,完成简历投递,并扫描职位后方的二维码,就能直接与e成的Chatbot面试机器人进行初轮面试了。 Chatbot面试机器人的厉害之处,可不只运用AI那么简单。Chatbot面试机器人会把和大学生面试的整个对话过程记录下来,进行语义解析。它采用的是微信原生的语音识别技术,支持语音对话。基于大学生的语音特征,Chatbot面试机器人将建立个性化的词条语言模型,持续优化识别效果,提高个性化词条识别准确率。而语义解析,是基于AI实现信息提取,通过云计算的精准算法达到筛选目的。在语义解析的过程中,Chatbot面试机器人还增加了面试者情绪、情感等多方面的分析,能够更准确地评估出面试者的表现。 e成科技Chatbot机器人面试流程比起真人面试,精简又有效。大致可分三大环节: 1. 智能面试,多维度考查大学生职业能力 校招季,应聘者数量将是平时的好几倍,不分时间不分地点,投递过来的简历多的分分钟让HR朋友们怀疑人生。加上没办法全天候守在电脑前筛选简历、通知面试,安排初试,无法一一面试每一个候选人,生生错过优秀大学生的案例时有发生,令人扼腕不已。 e成科技的Chatbot机器人面试官就能避免这种“惨案”的发生。Chatbot机器人面试官通过语音对话的方式,从候选人个人素质,沟通能力,团队合作能力,创新能力等方面,多角度提问,从对话的过程中了解候选人的职业能力,实时评估出该面试者是否匹配岗位要求。 不仅如此,Chatbot机器人面试官还可同时面试上千名应届生,极大缩减了公司的招聘成本。 2. 智能性格测评,高效挖掘大学生潜在匹配因素 实际面试过程中,同一岗位的应聘者由于学校、专业、成绩等各方面水平基本相差无几,根本无从选择,让HR头痛不已。 e成AI校园招聘解决方案为了解决这个难题,在Chatbot面试机器人中内置了大量专业性格测试题库,通过性格测试来甄别符合企业价值观、符合企业招聘岗位需求的候选人,帮助企业做出最佳的人才匹配。 HR可根据企业需求,自主选择所需要的题目内容,测试候选人的综合素养、综合能力,包括人品、修养、勤奋度、责任感、协作精神等,评估该应届生能否在入职后达到企业期望目标,能否融入团队,给企业带来价值贡献。 测试结束后,测试结果将实时通过可视化结果形式传达给HR和应届生,直观展示应届生的性格特征。 Chatbot面试机器人还非常“贴心”:如果应届生条件匹配岗位要求,顺利通过了面试,Chatbot面试机器人会很快安排真人HR的正式面试;如果不匹配,会向应届生推荐其它适合的岗位。 3. 智能雇品,校招初面中建立雇主品牌形象 众所周知,雇主品牌作为企业品牌的一部分,许多求职者也是雇主“产品”的消费者。良好的雇主品牌能传递企业文化和价值观,并吸引符合核心价值观的匹配人才加入企业。在人才选拔初期,HR和应届生深入接触,这个阶段往往是给潜在员工留下良好印象、提升雇主品牌的最佳时机。 然而,e成科技了解到的实际情况却是,大多数企业并没有意识到雇品形象在校园中的影响力,直接导致校招过程中投递量少,无法满足企业的招聘目标;其次,很多应届生直至面试结束,对企业和岗位仍是一知半解。因此,在潜在员工中树立雇主品牌形象,成为了校招过程中不可或缺的一步。 基于此,e成科技Chatbot机器面试官提供公司背景、公司文化等信息供面试者阅览,在校招初始阶段,就给潜在员工植入企业雇主品牌形象,让面试者更了解公司的同时提升了雇主品牌形象,吸引更多优秀人才加入。 Chatbot面试机器人,具备机器学习能力 对于功能性AI语音助手而言,每天得到的数据可能是几十万个一模一样的“给我开灯”“帮我定闹钟”“现在几点”,这些数据的训练值非常低,可以算是无效数据,所以,给出的回复无非都是教科书式回答。 而e成科技Chatbot面试机器人实现的,不是简单的任务型对话,它以云数据为基础,具有机器学习能力。语料信息库中,存储的不只是产品设计师设定的回答,还有一部分回答是机器在自我训练及学习中逐渐形成的。在和面试者对话的过程中,不仅支持在庞大的语料信息库里抓取原有数据,还可以对有价值的语料信息进行结构性重组,让面试者忘记自己正面对着“机器人”面试官。 从大学生投递简历的那一刻起,Chatbot面试机器人的系统迭代就进入了良性循环,它越符合面试的需求,黏性将越高,获得的校招数据就更多,从而形成一个完美的闭环。 经过e成科技Chatbot面试机器人的初步面试,能够识别重复投递的简历以及不同工作岗位的简历,可为HR节约面试时间,将HR从大量重复性的、耗时的且毫无成就感的初步面试工作中解放出来。 Chatbot面试机器人是e成AI校园招聘解决方案中功能性最强的工具之一,不仅能够帮助HR大幅提高招聘效率,进一步推动企业品牌形象的建立,更能助力企业提升人才决策的准确性及客观性。这也正是e成科技提供AI校园招聘解决方案的出发点所在,希望能在校园招聘中助HR一臂之力! 获取更多智慧招聘有关信息,请关注HR服务公众号(微信号:hrservices)。 點我分享到Facebook e成科技智能招聘平台,助力武汉新洲区复工复产 2020-02-25 18:03TOM 受疫情影响,在经历了漫长的“春节假期”后,全国各地的企业开始有序复工复产,然而,尽管当前疫情防控出现积极变化,但当前疫情形势依然严峻复杂,防控正处于最吃劲的关键阶段,身处疫情“风暴眼”的武汉企业,接到了再度延迟复工的通知。 2月20日,湖北省政府发布通告,省内各类企业先按不早于3月10日24时前复工。涉及保障疫情防控必需(医疗器械、药品、防护品生产和销售等行业)、公共事业运行必需(供水、供电、油气、通讯等行业)、群众生活必需(超市卖场、食品生产和供应等行业)及其他涉及重要国计民生的相关企业除外。 疫情严峻,涉及疫情防控和国计民生的企业肩负重任,仍需尽快复工。目前的形势下,武汉企业复工压力重重:一是做好复工后全面防控工作压力大;二是外地务工人员返城难,导致人手短缺,劳动力不足;三是招聘难,疫情导致传统招聘会、线下招聘无法开展,人员缺口难以补齐。 为减轻当地疫情防控和国计民生相关企业复工压力,武汉市新洲区人力资源与社会保障局启动复工招聘计划。据了解,新洲区政府与人力资源科技公司e成科技合作,搭建“零接触”的线上智能招聘平台,以小程序为载体,在AI技术的助力下,为用人单位和求职者搭建线上连接的招聘/求职平台,助力群众就近就业,企业尽快复工复产。 求职者只需登录公众号,即可完成浏览岗位、投递简历、AI视频面试和查看投递记录的全流程操作;企业则可享受搭建个性化雇主主页、发布岗位、接收简历、面试筛选、录用的线上“一条龙”服务。 疫情中崛起的企业级SaaS工具 哪些可以解决远程办公难题? • 2020年02月28日17:44 • 速途网 疫情爆发将许多行业、企业带入寒冬,但远程办公软件从中脱颖而出,企业级SaaS突然成为刚需。企业为抗击疫情,保护自己,保护员工,启动远程协同办公模式,并转型线上开展数字化营销,努力把疫情的影响降到最低,同时抓成本管理,把该降的成本降到最低,为迎接复工、回归正常运转打下坚实基础。 企业要实现远程办公,最迫切的需求就是如何保证员工在家的情况下,正常沟通与协作。按照场景来看,远程办公的主要场景包括实时会话、事项审批、产出协作、成果确认和远程音视频会议,以及开展在线营销和在线招聘等业务,此时,各类企业级服务SaaS云平台成为企业远程办公的得力助手!。 当然,对于很多企业或是个人而言,并没有太多远程办公的经验,办公效率很有可能因此大打折扣。现在跟大家分享三类高效好用的远程办公工具, 轻松解决远程协同中的“沟通、流程、跨地域”这三大难题 ,而且所有只需通过互联网、电脑、手机即可登录使用,同时它还允许企业根据自身需要扩大和缩减其支出、按需定制。 在线协同办公工具:钉钉、企业微信 以阿里钉钉和腾讯的企业微信为代表的轻量化、SaaS化协同办公工具,因为提供包括考勤打卡、线上审批、音视频会议、云盘等大量实用的标准功能,备受中小企业的青睐。且其开放平台中还提供大量第三方厂商的微应用,以满足企业各职能部门的业务线上化需求。 远程办公首先要解决的就是大家到底有没有上班的考勤问题,而钉钉最大的优势就在于拥有人性化的智能考勤机制,可以随时随地了解团队的状态,让出勤的人员一目了然;同时,它有着简单易用的移动审批功能,可以快速处理请假等事项。 而钉钉的DING功能,可以通过电话、短信多种方式,快捷地群发通知和紧急公告,所有员工都可以第一时间接收到,一次最多可群发10000人。在疫情防控期间,用这个功能在企业间群发消息再合适不过。 说到微信,大家肯定并不陌生,无论是生活中还是工作中,最为常用的沟通软件就是微信了。而企业微信,最大的使用优势就是与微信相通,方便与客户之间互发消息。 此外,企业微信在文件协作方面也大有作用,它的微文档功能,可供个人创作或与同事共同编辑的文档和表格,企业和创作者可设置文档的内外部访问权限,而最重要的是文档修改会实时更新,同事间共享无需多次传输。 在线营销获客工具:易企秀 疫情期间,企业过去的线下市场营销手段难以为继,线上营销正成为企业获取销售线索和新客户的主要手段,如数字化营销、在线服务等,提升客户体验,以客户为中心,进行业务模式转型,开辟新的业务流,增加收入才是硬道理。 疫情催化的新营销模式,需要企业开始建立自己的品牌私域流量池,将以往通过线下门店、网站、APP,社交媒体账号、小程序、用户群、个人微信号等收集到的用户信息重点维护,并在通过这些渠道分发传播企业营销信息。老用户消费这些内容时与企业互动,转发分享,形成二次传播裂变,并带动新用户,存量带增量,循环往复。 而对于这种传播模式,易企秀提供了一整套新媒体平台的客户互动的全流程在线化方案。企业使用易企秀的创意工具自己生产各种营销内容,且营销形式不单单有H5,还有长页、图片、表单、视频、互动、小程序等多种形式,并且简单好用制作快,只需选择心仪模板,就可以快速制作企业专业的营销作品。 在创意展示方面,易企秀汇聚平台10000+专业设计师创意,在线输出优质模板50万+,并推出创意云会员,每天只需七毛钱,就能轻松搞定各式创意设计物料。特殊时期,消除远程办公带来的不便,以最具亲和力和最具创意的形式,开展轻量级创意自营销。 内容是营销之本,连接产品与用户,易企秀致力于打造人人会用的创意设计平台,赋予每个人创意设计的力量,为企业打造高效的创意内容生产与协同,助力企业高效营销获客。 在线招聘工具:北森No-FTF 人才是公司增长的重要驱动因素,人力资源部门在企业长期发展中占据重要地位,但同时往往也是企业中受疫情影响最为严重的部门之一。人力资源管理的相关工具,主要应用于员工招聘、入职流程、人力资源管理、薪酬福利管理、员工关怀、灵活用工等场景。其中,无接触式远程招聘的解决方案、灵活用工平台都能够有效缓解企业在期间招聘难、用工难的问题。 北森针对疫情时期企业员工招聘、员工调查方面的特殊需求推出No-FTF(No Face to Face)招聘解决方案。这是北森基于ATS SaaS服务及PaaS生态服务,专门为企业应对疫情打造的一体化在线招聘办公方案,在无需面对面的情况下即可完成招聘推广、宣讲、人才获取、筛选、测评、考试、视频面试/AI面试、评价、聘用、报到等全招聘流程,实现招聘网络办公和数据智能化驱动,远离病毒工作。 其中,视频面试能够打破空间局限,即开即面,覆盖面试场景丰富,自由选择,同时支持技术类面试,远程考察编程能力;AI面试基于强大技术架构和模型,主要用于海量候选人筛选,无需面试官参与,实现千人千面的个性化面试,自主帮助企业高效精准考察候选人。 虽然身处特殊时期,但企业都在积极开展在线业务,提升在线收入,或是线下业务环节线上化,尝试开展在线营销获客、在线提供服务等,以应对业务呈现的强在线化趋势,在挑战面前,新的商业模式和数字化工具是走出困境的重要力量。 数据科学家常见的五个 SQL 面试问题 首页 > 财经新闻 > CSDN 来源:CSDN 发布日期:2020-02-28 15:34 浏览:3次 作者 | Alexei Ledenev 翻译 | 天道酬勤,责编 | Carol 出品 | CSDN云计算(ID:CSDNcloud) 在任何以数据为中心的工作中,对SQL有深刻的理解都是成功的关键,尽管这不是工作中最有趣的部分。事实上,除了SELECT FROM WHERE GROUP BY ORDER BY之外,还有更多的SQL方法。你知道的功能越多,操作和查询所需的内容就越容易。作者希望在本文中学习和交流以下两件事:1)学习和教一些基本功能以外的SQL函数;2)探讨一些SQL面试练习问题。* 本文中的问题仅来自Leetcode 问题1:第二高的薪水 编写一个SQL查询用于从Employee表中获取第二高的薪水。例如,给定下面的Employee表,查询应返回200作为第二高的薪水。如果没有第二高的薪水,则查询应返回null。---- -------- | Id | Salary | ---- -------- | 1 | 100 || 2 | 200 || 3 | 300 | ---- --------1)解决方案A:使用IFNULL,OFFSETIFNULL(表达,alt):如果为null,则ifnull()返回指定的值,否则返回期望的值。 如果没有第二高的薪水,我们会使用它返回null。OFFSET:offset与ORDERBY子句一起使用可忽略指定的前n行。这会很有用,因为你希望获得第二行(第二高的薪水)| Id | Salary | ---- -------- | 1 | 100 || 2 | 200 || 3 | 300 | ---- --------2)解决方案B:使用MAX() 此查询表示选择的MAX薪水不等于最高薪水,这等于选择第二高的薪水。SELECTIFNULL((SELECT DISTINCT SalaryFROM EmployeeORDER BY Salary DESCLIMIT 1 OFFSET 1), null) as SecondHighestSalaryFROM EmployeeLIMIT 1 问题2:重复的电子邮件 编写SQL查询以在名为Person的表中查找所有重复的电子邮件。---- --------- | Id | Email | ---- --------- | 1 | a@b.com || 2 | c@d.com || 3 | a@b.com | ---- ---------1)解决方案A:子查询中的COUNT()首先,创建一个子查询来显示每封电子邮件的频率次数。然后子查询在计数大于1的地方被过滤。SELECT EmailFROM (SELECT Email, count(Email) AS countFROM PersonGROUP BY Email) as email_countWHERE count > 12)解决方案B:HAVING子句HAVING是一个子句,从本质上讲,你可以将WHERE语句与聚合(GROUP BY)结合使用。SELECT EmailFROM PersonGROUP BY EmailHAVING count(Email) > 1 问题3:温度上升 下面给定一个天气表,编写一个SQL查询来查找与其之前(昨天)日期相比温度更高的所有日期的ID。--------- ------------------ ------------------ | Id(INT) | RecordDate(DATE) | Temperature(INT) | --------- ------------------ ------------------ | 1 | 2015-01-01 | 10 || 2 | 2015-01-02 | 25 || 3 | 2015-01-03 | 20 || 4 | 2015-01-04 | 30 | --------- ------------------ ------------------解决方案:DATEDIFF() DATEDIFF是计算两个日期之间的差,用于确保我们将今天的温度与昨天的温度进行比较。 简单来说,查询是选择给定日期的温度高于昨天的温度的ID。 SELECT DISTINCT a.IdFROM Weather a, Weather bWHERE a.Temperature > b.TemperatureAND DATEDIFF(a.Recorddate, b.Recorddate) = 1 问题4:部门最高薪资 下面的雇员表中包含所有雇员。每个员工都有一个ID、一个薪水,还有一个部门ID列。---- ------- -------- -------------- | Id | Name | Salary | DepartmentId | ---- ------- -------- -------------- | 1 | Joe | 70000 | 1 || 2 | Jim | 90000 | 1 || 3 | Henry | 80000 | 2 || 4 | Sam | 60000 | 2 || 5 | Max | 90000 | 1 | ---- ------- -------- --------------下面的部门表包含公司的所有部门。---- ---------- | Id | Name | ---- ---------- | 1 | IT || 2 | Sales | ---- ----------编写SQL查询来查找每个部门中薪水最高的员工。对于上述两个表,你的SQL查询应返回以下行(行的顺序无关紧要)。------------ ---------- -------- | Department | Employee | Salary | ------------ ---------- -------- | IT | Max | 90000 || IT | Jim |90000 || Sales | Henry | 80000 | ------------ ---------- --------解决方案:IN子句 IN子句允许你在WHERE语句中使用多个OR子句。例如,WHERE country =Canada或country =USA与WHERE country IN(Canada,USA)相同。 在这种情况下,我们希望过滤部门表来仅显示每个部门的最高薪水(即DepartmentId)。然后,我们可以将两个表连接在一起,其中DepartmentId和Salary在已过滤的Department表中。 SELECTDepartment.name AS Department,Employee.name AS Employee,SalaryFROM EmployeeINNER JOIN Department ON Employee.DepartmentId = Department.IdWHERE (DepartmentId , Salary)IN( SELECTDepartmentId, MAX(Salary)FROMEmployeeGROUP BY DepartmentId) 问题5:互换座位 玛丽是一所中学的老师,她有一张座位表,上面存储着学生的姓名和相应的座位ID。列ID是连续的增量,玛丽想为相邻的学生互换座位。你可以编写SQL查询来输出玛丽的结果吗?--------- --------- | id | student | --------- --------- | 1 | Abbot || 2 | Doris || 3 | Emerson || 4 | Green || 5 | Jeames | --------- ---------对于样本输入,输出为:--------- --------- | id | student | --------- --------- | 1 | Doris || 2 | Abbot || 3 | Green || 4 | Emerson || 5 | Jeames | --------- ---------注意:如果学生人数为奇数,则无需更改最后一个座位。解决方案:CASE WHEN可以将CASE WHEN THEN语句视为编码中的IF语句。第一条WHEN语句检查行数是否为奇数,如果行数为奇数,请确保ID号不变。第二个WHEN语句为每个id加1(例如,1,3,5变为2,4,6)同样,第三个WHEN语句将每个id减1(2,4,6变为1,3,5)SELECTCASEWHEN((SELECT MAX(id) FROM seat)%2 = 1) AND id = (SELECT MAX(id) FROM seat) THENidWHEN id%2 = 1 THEN id 1ELSE id - 1END AS id, studentFROM seatORDER BY id以上就是所有的解决方法,如果有不清楚的地方或其他意见,欢迎评论告诉我们! 【End】在中国企业与「远程办公」正面相遇满月之际,2月29日,CSDN 联合广大「远程办公」工具服务企业共同举办【抗击疫情,科技公司在行动】系列之【远程办公】专题线上峰会活动:中国「远程办公」大考。 扫下方二维码或点击阅读原文免费报名直播 抽取奖品 与大牛交流想提前了解峰会详情,可加小助手微信csdnai,回复远程办公,进直播群推荐阅读 ☞疫情病毒全部“抹杀”?用数据模型来解读传播抑制的效果差异!☞两成开发者月薪超 1.7 万、算法工程师最紧缺!| 中国开发者年度报告☞华为诺亚、北大提出GhostNet,使用线性变换生成特征图,准确率超MobileNet v3 | CVPR 2020☞真实版“删库跑路”?程序员蓄意破坏线上生产环境!☞新知识点!一文告诉你如何调试运行在Docker容器中的远程Node.js应用程序☞远程办公是一阵“过渡风”还是会“继续燃烧”? 2020,把简历投给谁? 2020-02-28 11:16疫情 简历 求职 来源丨华商韬略(ID:ID:hstl8888) 作者丨徐艳丽 保心态,保就业,保持眼界。疫情不绝对是找工作面试的阻碍,更不是企业招聘人才的阻碍。 " 史上最难 " 春招? AI 面谈、无接触招聘来了 高校春招," 金三银四 ",即将到来的应届毕业生春招最关键的两个月,今年看起来充满了不确定性。 2020 年,中国高校毕业生达到创纪录的 874 万人,比去年增加 40 万人。与此相对的是宏观经济下行叠加新冠肺炎疫情影响,造成2020 年春节后应届生新增岗位规模同比降幅 49%。 [ 1 ] 这一增一降,越发加剧了僧多粥少的就业负担,# 史上最难春招 ## 这届毕业生找工作有多难 # 接连成为网络热门话题。 ● " 看今年这样,找工作难,考研人多,出国也难,我为什么今年毕业?" ● " 投了几十份简历了,零 offer,还有救么?" ● " 往年金三银四,现在连招聘会都开不了,在家里只能蹲在厕所里接面试。" ● " 工作难找,工资下滑,今年毕业的我注定要成为 2020 年炮灰吗?…… " 2 月 12 日国务院联防联控机制发布会上,教育部明确表示在疫情有效缓解之前,暂停教育系统举办的各类高校毕业生现场招聘活动,大力推进网上就业服务。 一面是零售、餐饮、出行等原本吸纳大量社会民生基础岗位的行业遭受冲击、缩编缩招;另一方面,往年人头攒动的校园宣讲、现场招聘工作全部停摆。 一场疫情加速催生 " 无接触 " 招聘。 湖北、江苏等地积极牵头高校与企业对接网络招聘会;哈尔滨工程大学紧急联系用人单位开辟短视频招聘、短视频面试; " 大学之城 " 武汉,80 多所高校 30 万应届毕业生暂时无法回校,在第三方招聘网站上与企业 " 空中双选 "。 平安、阿里、腾讯、网易、OPPO 等规模性招聘企业纷纷开启远程面试、电子签约通道。平安新 E 家 App 中上线 AI 面谈功能,从面试、培训、入司审核到最终上岗直接实现全程无人化,7 × 24h 随时可操作。 疫情释放行情 互联网、保险等产业最具潜力 猎聘大数据显示:2020 年 1 月 1 日 -2 月 7 日,在餐饮、零售、旅游甚至互联网电商等领域出现就业回落之际,在线教育、生活服务、医药医疗、企业级应用等疫情概念产业的人才需求迅速增涨。 应届生要不要追随这些新风口下的新机会?是先找一个三个月内最不愁吃饭的行业还是五年十年内最有价值潜力的行业? 哪些企业能赢到最后?哪些职位潜藏着逆袭机遇? 困难当头,危、机交织,一份简历就是赌一个产业的未来。这种种复杂、纠结与抉择像极了 17 年前那场更为严峻的 " 非典 " 春招。 2003 年,我国高校自 1999 年大扩招后第一届学生毕业,应届生达到 212 万人,比 2002 年增加 67 万!但受全球互联网泡沫余震影响,社会用人需求几乎没有增长。 飙增的毕业生、有限的岗位兜头撞上了 " 非典 "。那一年,北京有 10 万年轻人不要户口、不要档案涌进城市谋生,台湾七成毕业生 " 家里蹲 ",联想一场招聘会引来 2000 名毕业生求职。 那一年的阿里,五百多名员工全部因非典被隔离,很多人说阿里巴巴命尽于此。马云在家里急到抓狂,刚上线的淘宝四处招不到人。 那一年携程营业额剧降 70%,全国笼罩在 SARS 病毒恐惧中,没人住店、没人出行,梁建章做好了被收购的打算。 那一年的平安与整个国内保险业被推上风口浪尖,一面是各地保险企业因疫情导致 3、4 月寿险保单数量几近腰斩,平安人寿上海分公司代理人从 2.4 万人急剧流失到 1 万人; 另一面是保监会规定医疗保单不得擅自将 " 非典 " 从条款责任中删除,各家保险公司接连赔付多起 " 非典 " 病例,压力骤增。 [ 2 ] 按短期眼光看,2003 年的阿里、携程和平安,都是处于巨大不确定性中的求职黑天鹅。 但正是在这一年,数万名年轻代理人加入平安人寿,迎难而上开展打电话、做回访等服务,增加客户接受度和认可度;1200 名携程员工拿着 60% 的工资,轮岗坚持在一线为客户服务;一名叫王磊的上海交大毕业生加入刚上线 3 个月的淘宝,浙大计算机系陈丽娟在电视上看到长相奇特的马云大谈电商,忐忑地投出了简历。 这批逆势而动的年轻人在赌什么? 赌国民经济崛起大势之下,旅游、消费产业短暂休克后一定会迅速复原,赌疫情过后国人健康意识会给保险业带来巨大机遇,平安等保险企业一定会触底起飞,赌互联网电商在中国一定有未来,马云错不了。 2003 年 7 月,SARS 结束后,中国旅游与保险需求双双迎来报复性反弹。 携程三个月创收 5800 多万,年底在纳斯达克敲钟;全国人身险保费第一次站上 3000 亿大关,每 6 个买寿险的中国人就有 1 个是平安客户,2004 年平安登陆港股创造亚洲最大 IPO 记录,与集团共甘苦的 1.9 万名员工获得股份激励。 当年慧眼识金的人赌对了。 淘宝创建 2 年后超越易趣成为中国电商老大。王磊和与他同年入职的王帅、倪行军摇身一变成为阿里巴巴合伙人,陈丽娟从产品经理一路登顶阿里副总裁。十年后阿里上市,这些人身价皆成千万上亿。 那些在 2003 年 " 非典 " 短期冲击下离开保险业的人错过了一个腾飞起点。21 世纪,中国将有 800 多万年轻人争相进入抢夺保险黄金二十年。 ▲来源:保险行业公开数据整理 / 华经艾凯 2003 年,平安在人才管理上大胆探索新型代理人培育模式,为三年后的 " 健康人海 " 集团军作战储备人才,业务上开展老客户回访、在线促单服务,为疫情后的业务爆发埋下先机。 从 2003 到 2019 年,平安保险营收由 701 亿到 11688 亿,净利润从 21 亿增至 1494 亿,年均增速 31%。十几年来,平安代理人的收入一直保持在行业 2 倍水平,很多代理人经过多年奋斗后实现财务自由。 2020 黄金 offer: 那些当下和未来被看好的就业金矿 同样的就业环境,同样的宏观经济波动,有人看到 " 史上最难 ",有人从冰层表面下发掘到那些具有延时爆发需求的就业富矿,发掘那些重视人才价值、产业实力过硬、可持续发展势头远大的就业潜力股,押中未来。 17 年前那些低开高走的故事和一击即中的机遇,今天还存在吗? 旅游、零售、消费业在新冠肺炎疫情下再次受到冲击,资本市场以连续跌停传达对保险板块的不看好,部分行业巨头市值、人气下滑,连某些互联网科技领域都出现了唱衰声。这些看起来都像是 2020 年春招的黑天鹅。 17 年前的经验表明,越是因疫情短暂利空、疫情后必然反弹的行业,越是在危急时刻积极储备人才、磨砺业务、具有坚强组织体系的企业,越可能蕴藏着 2020 年的黄金 offer。 2018~2020 年,在国内部分高科技板块因美国打压出现人才缩招之际,华为发起备受争议的百万年薪精英计划。截至 2019 年底,华为仅在清华、北大等国内 6 所顶级高校中招聘的人数已达 2000 人。 去年底,腾讯发布第四期犀牛鸟精英人才培养计划,尽管宏观经济不利,腾讯自三年前已开始以校企联合方式从世界 100 余所高校招募机器人、AI 医疗、量子计算等前沿领域人才,集全球资源打造企业人才壁垒。 保险行业更是重演了 " 非典 " 时期的以攻为守、以危为机。 在疫情隔离形势下,短期内传统线下业务无法运作,但疫情是一堂深刻的风险教育课,它让所有民众切身感受到健康和保障是多么重要,会将目光更多地聚焦到保险上来。 行业专家表示,2003 年 " 非典 " 之后健康险保费连续数月 100%-300% 的高增长,如果此次新冠肺炎疫情 3 月底前能基本控制住,预计二三季度会是健康险集中爆发的时机。 中国平安首席保险业务执行官陆敏反馈,平安保险代理人最近已经发现工作比平时还忙," 这是一个好现象,等于我们在积累客户,这些年来平安在科技方面投入,到了今天正好发挥作用。" ▲依托企业数字化优势 平安代理人实现线上科技化办公的一天 据了解,受益于多年科技金融布局和数字化技术支撑,平安代理人队伍目前已整体有序过渡到线上化经营模式。依托直播、视频 / 语音会议等网络平台,代理人早夕会、培训、客户服务及增员招聘等各项业务从未中断。 原本被视为疫情下的保险 " 空窗期 ",反而成了窗口期,保险巨头争相布局人才先手棋。 与阿里、腾讯的扩招风向一样,2020" 史上最难 " 春招,平安 " 优才计划 " 坚定增员不动摇。所谓优才计划,是平安人寿坚持 8 年的一项针对优质经营管理人才的长期储备工程,根据个人潜质和职业目标,加入平安的优才享受专项资源与培训支持,培养其成为高绩优人才和专业团队管理者。 伴随疫情调整,今年平安的招聘工作全面转为线上培训,云面试和网签规模创新高,AI 面谈官面试覆盖率达 100%。以新 E 家为主平台、以优才计划为主阵地,平安在 2020 年春招期间面向全社会开放机会,大量吸收毕业生就业。 危急时刻多打粮食 为明天播种 平安、华为、腾讯、阿里、携程……不论在 2003 年还是 2020 年,为什么形势越艰难、大厂越增员? 2 月 21 日平安发布 2019 年报,集团营收首破 10000 亿大关,归母净利润 1494.07 亿元,同比增长 39.1%,相当于去年日均盈利超 4 亿。 网络财报发布会上,戴着口罩的马明哲为万亿平安战车定调:" 我们并不满足我们当前取得的进步,平安应该走在市场变革的前列。" 在疫情带来的不确定性下,平安开启深化寿险主业的全面改革,未来十年再为科技、人才追加 1000 亿投入。为什么一定要在、且敢于在寒冬涉水过河,马明哲给出了一个目标和四个自信: 平安人寿的改革目标,不仅是成为规模最大的人寿公司,而且要成为行业标杆、成为新型人寿保险经营模式的领先者。上半年的疫情有负面影响,但更多是机会。 ● 平安人寿拥有超过 25 年经验、在市场上有良好记录的、最丰富经验的管理团队; ● 拥有市场上最优秀的代理人队伍,其产能过去二十年,一直是行业两倍水平; ● 拥有强大的综合金融产品体系,去支持业务员增加收入、开拓更广阔的职业计划; ● 拥有强大科技能力的支持。 因此,改革一定可以成功。 四项自信中有三项是对平安人才队伍的自信,这是过去 25 年人才价值最大化建立的竞争力。 以人为最大资产,以极致求精的产品、服务为最大武器,一家行业巨头选择在拐点期进行深水区改革、逆势增员扩员、大力提升科技,这是以当前的最难过、最紧迫、最阵痛,换取将来雨过天晴时最快最强的起跑发展,从人才、产品产能、市场斗志各方面提前播种。 这种深夜熬鹰的危机思维,不仅熬出了越打越强的企业,也熬出了一批批优秀作战人才。 以平安优才计划为例,截至目前,平安优才梯队中有四成是本科以上学历,其中不乏顶级名校毕业生、海归。这批优质年轻队伍在平安组织培训体系下成长迅速,构成了平安系统内一股极具活力、战斗力的力量。 据平安寿险官网公布的优才计划应届生案例,新员工在零保险从业经验的情况下,公司为其无保留安排全套培训流程、封闭式训练与晋升激励制度。从试用期基础岗开始,伴随从主任、高级主任、资深主任一直到营业部经理甚至总监,优才员工能建立起从无到有的专业管理竞争力,同时也可以获得多达几十项的丰厚团队管理奖金。 "3 个月的时间我月收入提升到了原收入的 3 倍。"一位优才员工表示。 在业务产能、个人收入与晋升速度方面,平安优才是普通人才成长速度的 2~2.5 倍,一个毫无经验的毕业生,经过平安系统化、科学化培训和自我历练下,平均 1 年就能成长为年薪 30 万的主任级管理人员。 不论保险业还是其他行业,不论是过去还是现在,事实证明,一家企业始终保持为明天播种的超前和乐观视野,危急时刻惜才、育人是企业与人才最大的双赢。越是形势艰难,企业越要抓住这种机遇广积粮草、打赢周期战,而求职者更要以长远眼光抓住这些富有潜力的产业机遇、规划一个价值最优的前程。 以平安、阿里、腾讯等为代表,这批在 2020 年所谓 " 史上最难 " 春招下抓紧扩充人才储备、转型变革的企业,在以实际行动创造优质岗位、促进就业稳定的同时,更是在为此次疫情过后新一波跨越式增长和企业长效发展吸纳生力军。 参考资料: [ 1 ] 数据源:BOSS 直聘《2020 年春节后十天人才趋势观察》 [ 2 ] 《保险公司急推新险种 不得拒赔非典》北京青年报 张艳丽 2003-04-29 END [本文作者华商韬略,i黑马授权转载。如需转载请联系微信公众号(ID:hstl8888)授权 2020年教师招聘笔试教综模拟题及答案解析85 作者: 情感读本 发布时间: 2020年02月28日 13:41:19 2020年教师招聘笔试教综模拟题及答案解析85 2020-02-28 10:29 教师网 [您的教师考试网] 2020年教师招聘笔试教综模拟题及答案解析85 一、单项选择题(每小题只有一个正确答案) 1.为了改进和完善教学活动而对学生学习过程和结果进行的评价是( )。 A.诊断性评价 B.形成性评价 C.总结性评价 D.相对评价 2.发生在教学过程之中,旨在发现学生学习中存在的问题,帮助教师调整和改进教学的评价是( )。 A.初始性评价 B.诊断性评价 C.终结性评价 D.形成性评价 3.终结性评价和形成性评价相结合,是新课程评价体系的重要特征之一,选出有关理解中错误的一项( )。 A.关注结果的终结性评价,是面向“过去”的评价,关注过程的形成性评价,则是面向“未来”、重在发展的评价 B.传统的重视结果的终结性评价,将学生获得答案的思考与推理、假设的形成以及如何应用证据等摒弃在评价的视野之外,从而不能促进学生养成科学探究的习惯和严谨的科学态度与精神 C.只有关注过程,评价才可能深入学生发展的进程,加强对学生持续发展的有效指导并最终完成学生的发展 D.终结性评价和形成性评价各有自己的长处和作用,不可偏一废一,当前要做的是将二者结合起来,实现评价重心的转移 4.高老师是一名青年教师,在实际教学过程中,为了解教学活动的效果,除学校统一举行的期中和期末考试外,她还会对学生日常学习过程中的表现、所取得的成绩以及所反映出的情感和态度等方面进行评价,这属于( )。 A.形成性评价 B.诊断性评价 C.总结性评价 D.定量评价 5.“矮子里找高个”“水涨船高”是一种( )。 A.相对评价 B.绝对评价 C.定性评价 D.定量评价 6.在教育心理学的发展进程中,提出反思性教学研究是在( )。 A.初创时期 B.发展时期 C.成熟时期 D.完善时期 7.在教育中,教师根据教育心理学理论,不仅可以正确分析,了解学生,而且可以预测学生将要发生的行为或发展方向,并采取( )。 A.有效的教学,提高教学质量 B.相应的干预或预防措施,达到预期的效果 C.一系列措施,提高学生素质 D.有效的方法,改善教学成果 8.20世纪初,我国出现的第一本教育心理学著作是1908年由房东岳翻译,日本的小原又一撰写的( )。 A.《教育实用心理学》 B.《教育心理学》 C.《教育心理大纲》 D.《教育心理统计》 9.教育心理学研究认为学生这一要素主要是从两个方面来影响学与教的过程,第一是群体差异,第二是( )。 A.年龄差异 B.能力差异 C.个别差异 D.性别差异 10.下列有关教育心理学发展的历史事件中,属于初创时期发生的事件是( ) A.1903年,美国心理学家桑代克出版了西方第一本教育心理学专著 B.西方教育心理学吸取儿童心理学的心理测量的成果,大大扩充其内容 C.布鲁纳发起课程改革运动,教育心理学自此重视探讨教育过程和学生心理 D.计算机辅助教学(CAI)的研究与应用 责任编辑:郭爽 <上一页12下一页 互联网面试方法论:概述与筹备篇(上) 阿润 职场攻略 17小时前 1.62K 0 0 虽然受到疫情影响的,但是传统的金3银4又到了,我会从一个大的时间角度来讲一下如何应聘面试找到好工作。后面会讲简历和面试的方法。但是这些都是表达技巧,治标不治本,我们讲讲面试从底层上要注意什么。 面试的本质是什么:尽快判断应聘者价值和职业需求是否吻合。双方迅速判断对方价值的一个方法。迅速是因为面试就是一个短时间判断双方需求和能力是否匹配,这包含薪资,工作环境的潜力等等。俞军《产品方法论 》里面讲了交易,我们可以把面试看成一个交易:企业职位(包含企业知名度+职位的潜力+薪资等)来交易你的能力。 当然新人(在校学生)和职场人面对应聘方法和策略是不同的,我这里会分开讲。但是有些底层的内容我会统一讲,下面的内容顺序都会先新人再讲职场人。 1、互联网公司如何招聘员工 要想能够找到心仪的工作首先要明白企业是如何招聘的,内部机制是什么样的。我从2014年开始招聘产品,运营,增长,对于头部企业和中小型公司都有很丰富的招聘和面试经验,面过的应聘者不下几百人。让我讲应聘,我会先讲企业内部的招聘机制是什么样的。这样方便大家换一个角度来看待。 招聘是一个漏斗和搜索树,很多应聘者抱怨自己投了简历没人看,其实只有头部公司所有的资源都会向这个公司聚集,非头部公司,都需要自己去打开搜索树去捞简历,招聘人对中小公司真的是很痛苦。 这里我们都说一下,如果是头部公司,其实基本靠内推或者硬指标筛选就够了,内推指的是内部人员推荐,硬指标指的是这个应聘者本身是头部其他公司核心业务的人员。直接社会上投递炮灰的可能性很大。大公司喜欢校招,因为绝大多数的中层岗位,一个有潜力的新人成长会很快的。何况新人从新手成长起来,忠诚度和可塑性角度来说性价比最高。所以进一个头部企业BAT,TMD最好的方式是校招。 但是一般的公司都会采用所有的渠道来搜索应聘者的信息。对于中小企业找到一个“合适”的应聘者也是很难得。一方面标准定太高,会导致企业的限制条件圈选不到人。和朋友聊过一个中型企业要招聘一个增长官,懂数据获取,懂运营,懂增长,懂产品,我说这种人足够进头部公司了,这不是钱给多了可以解决的问题,能有这能力也会更看重职业前景。所以中小企业更看重合适。头部企业看中最优。 以下我们着重讲下职场招聘的招聘机制。 1.一般公司的招聘流程 很多应聘者只考虑自己应聘的流程,如果我们反向思考,还是会发现很多信息。 作为负责公司招聘6年的产品增长同学,我概述下招聘流程: 招聘流程 内部流程:用人方设定标准,撰写JD工作介绍——沟通HR该岗位人员特点,以及该岗位的背景知识(以备电话邀约应聘人问询)——HR 初筛,将潜在简历给到业务部门——业务用人方来细筛——反馈给HR安排面试。 面试流程:HR沟通——主面1(直属领导)——主面2(部门领导)————HR面试,主面1面和2面都可以是交叉面,即最终有三轮主面,比如直属领导+部门内部高级专业技能的职员。(公司一般交叉都会涉及到定级和尽量排除主观因素等方面的考虑) 一般情况下工作介绍都是用人方写的,然后发给HR发到招聘网站上。但是还是可以通过行文的规范,标点的错误,例如顿号、冒号、分号使用。大小写iOS Android 等来看待公司认真的态度,这和他们看我们简历是一样的,我们也可以从文法,语气,以及对业务的描述,粗略的判断面试官和整个公司的氛围。你甚至可以通过上面许诺的福利,去和HR印证来看待一个公司是否讲信用。 一般社招HR发布职位简历,确实会存在15~20秒看一个人简历的情况。我和HR主管配合过多次,基本上会从工作年限,学历,职业履历,职位,关键词,薪资,6个大的维度去筛选,要知道HR不是业务人员,他们并懂得专业知识,所以只能从硬指标上面来做作筛选。这也就是为什么社招直投大公司会炮灰的原因,因为HR关不好过。所以说职业履历某种程度等于你职场的学历。为什么不从小公司捞人,因为概率上讲出牛人的概率太低了。在这里能够起到杠杆作用的是关键词,以及简历的表达形式,这个我们会在简历撰写篇详尽来讲。 2.一般公司如何获得应聘信息 虽然之前在中小型公司,我们社会人脉不一定足够大,但是我还是优先考虑内推。第一是我觉得专业度很高的朋友, 他能看得上的人一定不差,其次是这本身有一层信用担保,它极大的降低了我招聘的成本。目前看我职场上招聘成功的案例,内推占的比例还是很大的。超过半数。 2、(面试前)面试是一种厚积薄发,但是也可以临阵磨枪 之前沟通过很多人,他们把面试当成了一个聊一聊,沟通一下这么一个事情。但这种态度是完全错误的,首先出发点的态度就有问题,结果一定不会好,毕竟面试不是聊一聊是一个迅速做价值判断额事情,那么就需要我们着手准备,充足准备。我比较喜欢经纬中国张颖讲创业者拉投资的那个过程,和面试很像。第一,搞清楚自己的特点,复盘到足够好,第二、开始面试从小公司到大公司,爬坡型面试,争取每个都要面上。态度一旦变化,面试状态都不一样。第三,面试三个以后,复盘自己的面试。之后再开始面试公司,以此循环,尽量在面试过程中安排好后面的面试,大型公司接offer要谨慎,不要出现拿了offer又不去的情况。 职场人与新人如何厚积薄发 在这里我特别提一下之前带我的师父的一个观点,他认为应聘是一种长时间的复盘,从金3银4开始面试前,他一般会从去年的10月份开始准备面试,复盘自己的工作(前提是你不频繁换工作),拓展人脉,设定可能去的公司,看看能不能通过一些活动认识公司内部的人,然后内推,之后就是在这个阶段充电补充自己。准备是一定周期有强度的训练。 新人也是一样的,现在B站也好,三节课也好,太多的入门培训的课程了,要先实习,多做专项训练,任何一个面试成功其实是长时间积累的结果。 但是很多人看到这里会说你现在写这文章都2月底了,马上金3银4,我怎么办。我这不说了嘛,也可以临阵磨枪。种下一个树最好的时间是十年以前,其次是现在。 无论是厚积薄发还是临阵磨枪都按照这个套路来 1.新人/职场人 明确自己的赛道 无论新人还是职场人,第一件事儿,你要进入哪个行业和赛道,或者你现在在哪个赛道,对于新人来说这决定了你后续的发展方向和是否可以干下去以及薪资收入。对于职场人来说你的竞争优势就在这里。 很多人说我是做互金的,所以我就继续做金融业了。这个角度是错误的。还是要拆开了细看,我建议9年以下的互联网人(学习能力强,很成功的互联网人除外)都可以用这个AB面来看。你到底在做什么。我觉得互金可以继续做SKU类的互联网公司,如果你在互金中做支付或者资产供给相对专业的内容,那么可能你还真的只有继续做互金了。所以要从抽象上看自己所做的内容。 比如我自己分析一下自己,我之前做飞信、是在A1这个区域,之后做在线教育,在A2这个区域,在之后做电商在B1这个区域。那么我基本上会确定自己做的是A2 和B1的区域,同时我的发展一直靠近销售不靠近供给,toC经验比较丰富,靠近运营,数据,我自然的职业规划和我的竞争力都靠近增长。 现在我又在一个LBS调度的公司工作,比如我之前面试美团,很多人认为这个就跨越了我说的这个AB面,其实不是这样,还是要细看,我是做用户推广的,对于我来说运力和快递小哥,都是封装好服务,如果我是做核心调度的LBS,那么我的后续工作会继续靠近这个LBS相关的工作。 对于职场新人来说可能你们可选的范围会比较大。但是也可以从抽象的角度来看待。一般靠近后台比如支付,订单,ERP,结算等内容都会比较强调严密的逻辑,在比如AR,VR,搜索,AI,硬件又属于比较专业的领域复用性不太强。具体行业和职业具体分析。 新人来说主要还是看性格和潜力适不适合,个人不太建议太看重薪水。 送一张2017年行业独角兽给到新人做职业判断。 2.新人/职场人 明确自身的优势,能力模型 了解了赛道就要看自己的能力模型是不是符合这个赛道了,有意愿求职的多 看看招聘网站的工作信息,一般信息分为两部分(岗位描述+岗位要求)多看岗位要求,就明白各个level级别的能力模型了。自己梳理一下这个模型看看自己在哪些方面不足,那就从你开始准备面试的时候充电。准备永远不晚。还是那句话:种下一个树最好的时间是十年以前,其次是现在。 在这里需要强调一下,其中能力模型优先提升思维,后提升用具能力。举个例子交互设计师应该在准备面试时候多看交互思维的书,少看《15天搞定axure》。因为面试官和行业认为提升认知远比使用工具难。 3.新人 展示亮点,而非一腔热血 面试过很多新人,或者转行做产品经理的人,因为之前没做过产品经理,所以他们理所当然的认为没啥需要准备,来了就是聊吧,请各位站在面试官的角度上来看这种人我很难做判断。 就算是没做过产品经理,你能不能做做竞品分析,带几份自己满意的竞品分析来,你能不能模仿几个APP或者网站画一下原型,提一些改进方案。你能不能……你能做的事情很多。我后续可以写下你能准备什么。 如果新人只是一腔热血,我这边很难判断你到底给你机会能不能立即适应岗位。很多面试的新同学说给我个机会,我会好好学的。拜托,这是公司不是学校啊,你去产品经理培训班,你得给我钱啊,我这还得给你发工资。一个新手的产品经理公司付出的薪资是大于他的产出的。所以公司录用新人,主要看他的成长速度。后面把钱赚回来。 4.职场人 做好复盘为简历和面试提供弹药 职场的复盘重要性,不光是抽象方法论和迭代自己的工作流程,也为了面试时候更好的阐述自己的项目和提供数据和论据证明你牛x。很多中小公司做完一个功能,就很快的进入下一个功能。然后当你去面试的时候你就在不停的讲功能,逻辑推断,场景。可是拜托,到底数据好了还是坏了。用户反馈是怎样的。哪怕给我一个定性分析呢。没有?那你就是样品经理。 复盘也是应对面试官那句:如果再让你做一遍你会怎么做,会考虑啥。这就是看你有没有复盘的习惯。 6.职场人日常有机会做做面试官 如果你是职场人,我建议你多去参加到你公司的招聘中去,我之前就鼓励我团队的同学去面试,或者我非常支持他们去旁听。也是一种切磋和学习。做一名面试官。这样有两个好处。 1)具有面试官视角,每次面试都是你思考别人产品的机会,同时你可以不断复盘你的思维模型,如何审视甚至搞懂别人的产品。如何判断一个产品经理是否牛X。哪些问题是牛x问题。这对于你来说可以判断未来的面试官的能力。其次他有助于你了解如何去做面试介绍。也有助于你建立一个审视自己的产品的思维模型,因为审视别人和自己的产品思维模型,底层是一致的。总之好处太多了。 2) 市场公允价值在哪里,你面试的多了,他们会告知你他们期望的薪资,你就知道你这种能力大概市场上值多少钱。这也是为啥我鼓励我的团队成员去面试。看到牛人,要的薪资高,他们就有了努力的方向和学习的榜样。 3、(面试前)如何让自己简历被目标公司浏览 本质讲从招聘网站投简历是最笨的方法,效率最低,大众渠道竞争最激烈,且一个企业判断你的成本太高。 如何让公司浏览到你的简历,就需要两点:好的简历+足够好的推荐渠道,来降低这种面试的成本。 下面我们讲三个方法来提高简历被公司浏览的概率。 1.通过社交人脉做杠杆 六度分割理论,朋友的朋友可能在大公司,通过内推来进行,当然最好是你的朋友本人就在大公司,且他对你还比较认可。因为通过朋友的朋友,可能这种热情度会下降。推荐的力度也会下降。我之前讲了我内推的经历,内推我的同学直接把我的简历给到了用人方老大手上。这就超越了很多的竞争对手。 内部推荐主要解决的是信用担保的问题,我也很相信内推,毕竟有推荐人做担保,这个交易成本就降低了很多。 2.参加活动拓展人脉 现在回想起来很多内推我的朋友都是分享会,互联网什么会认识的。我可能是分享者,也可能是参与者,总之这是一个认识人的好机会。如果说社交人脉是一个现有的朋友圈,那么参加活动就是拓展人脉圈,我不太信微信的点赞之交。还是要见过面,喝过咖啡的真实人交流后才能去让他们推荐。 3.守正出奇,用好微信群,脉脉,领英,知乎 最后一种方法属于非朋友的推荐,用好微信群,脉脉,领英,知乎,主动联系去求职也争取能和面试官决策者有一个交流这是最好的。特别是一些微信群,还是可以帮助到你去找工作的。至少他是一个帮助你认识你目标公司人,进而内推的一个方法。最后再强调一下: 本质讲从招聘网站投简历是最笨的方法,效率最低,大众渠道竞争最激烈,且一个企业判断你的成本太高。还有四条底层的招聘概述与筹备,它们内容如下: (面试中)如何降低面试中面试官对你判断的成本。 (面试中)快速判断面试官的需求以及能力 (面试后)复盘和判断去哪家公司。 补充内容,不同工作年限,不同层级的产品运营增长人如何做面试准备。 至于简历,面试,以及具体的复盘,我会在后续的文章中更新…… 最近我组建了一个面试简历微信群,同学都在疫情期间充电备战后续的面试,包括复盘自己的工作以及梳理技能点,充电自己。希望你看了这篇统筹文章能够开动起来。想进群接受指导加我微信。 本文由 新媒体运营 作者:阿润 发表,其版权均为原作者所有,文章内容系作者个人观点,不代表 新媒体运营 对观点赞同或支持,未经许可,请勿转载,题图来自Unsplash,基于CC0协议。 分享: 生成封面 赞0 上一篇:产品需求:“重要”和“紧急”到底先做哪个? 下一篇:通过案例分享,聊聊“电子合同”功能设计 江边的旱鸭子 首页 归档 分类 关于 招聘 搜索 微软中国招聘,期待你的加入 身为武汉人,这段时间一直在关注并为家乡加油,很感动看到公司也陆续做出一些人文关怀举措,践行了我们的企业文化。 TL;DR 微软中国海量招人啦,Web 前后端、算法、设计等等职位都缺人!通过官网 筛选出你喜欢且自认为适合的工作,邮件我,我来给你靠谱的建议、内推你并持续帮你跟进后续进展直到你拿到 offer。 为什么找我内推?我是如何帮助候选人面对来自微软的机遇?在我的『内推心得分享』 中给出了答案。 在微软工作是一种什么样的体验? 先看看我软小姐姐(转自微博 @好奇的 S 妞 )录的视频吧, VLOG 『程序媛的一天』。 再来说说我自己的一些感受: 作为开发,微软的硬件环境还是相当不错的。入职时工位就准备好了 Dell 双屏幕和 Humanscale 的支架,一台大概 Dell Precision 5820 Tower Workstation 等级的主机,一台 Surfacebook2。此外无需审批即可申请几台 VM 开发用,系统从 Windows Server 到主流 Linux distributions 都有,尝试新技术、玩 side project 的宽容度比互联网公司高很多。此外员工都有 Visual Studio Subscriptions,那些软件序列号啥的就不提了,Azure 每个月有 150 美刀的额度,可以干很多事情了哈哈。 作为员工,公司的福利也不错。苏州这边每层楼都有一台 Jura 全自动咖啡机、一台雀巢胶囊咖啡机,热的茶饮料好几种换着喝,冰柜里汽水、豆奶、茶饮料、牛奶等等也是无限喝。楼下的篮球、足球、网球场是公司修的,只对员工开放,不用抢场地真的是美滋滋。工会每个月提供健身费,以及一年三千多的培训费用。其他互联网公司有的福利巨硬基本都有,在这就不提了。 微软上海的福利,请看(转自知乎 @韩骏 )分享: 15 天全薪年假,15 天全薪病假,6 周的全薪陪产假 (根据工作年限,年假最高可提升到 20 天) 两台 4K 高清显示器 + 高性能台式机 + Filco 机械键盘必须是标配。根据工作内容,还可以选择配 MacBook 或者 Surface Book 每天都有新鲜的水果,如果是柚子之类的水果,茶水间阿姨会帮你一个个剥好。:P 无限的零食供应 (肥宅快乐水,健康椰子水,果汁,咖啡 —— 用的是星爸爸豆子哟,养生枸杞茶应有尽有) 多方位的休闲环境 (园区内 GYM,八块腹肌不是梦,瑜伽舞蹈 A4 腰;广阔的大草地可以踢球⚽️,足球 / 篮球场 / 网球场上赛一把,战斗友谊更紧密; Game room 街机厅,让你放松我们是认真的; K 歌房、跳舞机谁还不是个宝宝;台球、乒乓球、foosball、影音厅,带娃上班 so easy ) 丰富的节日活动 ( Family Day,Ice Cream Day…)(前两年的 Family Day 是让员工带着家属去迪士尼嗨哦~) 多达几十班的遍布全上海的班车,上下班通勤也绝不是什么问题 2019 年暑期实习生除了有导师指导做项目外,也有多姿多彩的业余活动可以参加,例如最近公司举办的全球 Hackathon 大赛,苏州办公室就有九十多个项目。这是今年的欢迎套装~ 找 Joou 内推又是一种什么样的体验? 我是一名 Web 前端开发工程师,非猎头或 HR。所以我没有 KPI 之类的压力,也不会忽悠你来面试。我更关心你是否喜欢职位、是否符合职位要求,因为只有你成功入职后我才有 reward。 关于海外的职位,可以帮你投,但过程会复杂一些。国内主要负责亚太区的招聘,如果你本身在海外,同时对某个海外职位感兴趣,我可以找 HR 问问看 Local HR 的信息,与那边的 HR 对接咨询具体的情况后再行动,有的职位能看到但可能已经有一些候选人在 pipeline 中甚至已经到 offer 阶段。 关于内推的过程以及心得,我专门写了一篇『博文』 详细介绍。如果你有意加入微软,推荐你花几分钟时间阅读。即便你不找我内推,相信你也能从中了解微软基本的面试流程与要求。 联系方式 luckyjoou ## gmail.com 开放职位 好了废话这么多,来看看最近有哪些机会。 这里会介绍目前我所知道的空缺,对于这些职位我可以快速找到相关负责的同事并推动面试流程进行。 如果你在这里没有看到心怡的职位,千万不要灰心,请通过微软招聘官网 查看更多海量岗位。微软是一家全球市值名列前茅的公司,对各类人才的渴望超出你的想象。 下面会定期更新目前开放的职位,不过还是请在看到钟意的职位后尽早与我联系哈,有的职位可能上周开放这周就招到人了;) 2019.2.18 Product Sub Team Focus Role City Years of Experience English Azure Core dev Dev Shanghai 7Y+ middle Azure Core dev Dev Shanghai 1Y+ Middle Azure Azure Cloud service, NoSQL Engineering, Data Analyst for Service and Customer Intelligence PM Shanghai 7Y+ Strong Azure Core dev Dev Shanghai 1Y+ Strong Azure Core dev Dev Shanghai 1Y+ Strong Azure Core dev Service Engineer Shanghai 2Y+ Strong Azure Core dev Dev Shanghai 5Y+ Strong Azure Core dev Service Engineer Shanghai 7Y+ Strong Azure Better have Java experience and elastic search experience. Search product within Database.5+ years working experience is preferred Dev Shanghai 2Y+ Middle Azure Data_ETL SSIS DEV Shanghai 2Y+ Middle Azure ETL or data related product experience Dev Shanghai 2Y+ Strong Azure MySQL (Database Service) on Azure,build the localized service in Azure for China market Dev Shanghai 0Y+ Middle Azure Web UX developers for Azure Data Catalog, Azure Data Factory, All of those are big data / modern data warehousing cloud services, and all the UX job openings require web UX DEV knowledge and skills. Front-end Dev Shanghai 3Y+ Middle Azure built solutions Dev Shanghai 2Y+ Middle Azure software development experience, preferably in a distributed online/cloud services in OOP such as C#/C++/Java. Good knowledge of network technologies such as TCP, HTTPS/HTTP2 and DNS. Dev Shanghai 1Y+ Middle Azure Strong expertise in web application, JavaScript, Typescript, HTML, CSS and at least one popular web frontend framework like Angular/React/Vue or equivalent,better have experience in Big Data Platform-Frontend Dev Beijing 1Y+ Middle/Limited Dynamics 365 Modernizing the supply chain with unified, advanced warehouse and inventory management to improve fulfillment, material sourcing, and logistics. Manage the entire feature process from the very beginning to the end. Moving to DevOps, you will also be required to participate into daily support, directly work with customers and partners to resolve their instant and urgent issues. Dev Shanghai 2Y+ Strong Dynamics 365 software design and programming experience with languages like C/C++/C#/Java/Python required. Willing to work on .Net Experience with web technologies, such as JavaScript/TypeScript/HTML/React preferred. Dev Shanghai 1Y+ Strong Dynamics 365 software development Dev Shanghai 1Y+ Middle Dynamics 365 Azure Container Registry/Azure App Configuration/Azure Signal R Service/Azure DevTest Labs dev Shanghai 1Y+ Strong Cognitive Services data modeling related engineering experience. Dev Beijing 1Y+ Middle-Strong Cognitive Services Core dev Dev Beijing 3Y+ middle Cognitive Services own docs.microsoft.com, which has millions of developer users Company-wide engineer system for content publishing and hosting Dev Shanghai 5Y+ Middle M365 M365 cloud security, intrusion detection, intrusion network security, etc. Backend Engineer, Nice to have security experience or willing to learn this domain for a long time. Big Data Cloud service experience is a plus Dev Suzhou 1Y+ Strong M365 HA/Store Dev Suzhou 1Y+ Strong M365 Migration team: O365 data migration, 1+ years experience, backend dev Dev Suzhou 1Y+ Strong M365 Engineering system EM Suzhou 10Y+ Strong M365 Engineering system Dev Suzhou 0Y+ Strong M365 EverGreen Dev Suzhou 1Y+ middle M365 App Fabric - Fleet Dev Suzhou 2Y+ Strong M365 OS&SKU Dev Suzhou 1Y+ Strong M365 Capsense Data Scientist Suzhou 2Y+ Strong M365 O365 drop box: management platform Dev Suzhou 1Y+ Strong M365 HA (High availability) & Store Data Scientist/Dev Suzhou 2Y+ Strong M365 O365 Data Analysis EM Suzhou 10Y+ Strong M365 O365_Substrate Management Platform Dev Suzhou 2Y+ Strong M365 HA & Substrate Management Platform and Azure convergence EM Suzhou 10Y+ Strong M365 O365 Protocols Dev Suzhou 1Y+ Strong M365 Service Auth/Active Directory (AD) Dev Suzhou 1Y+ Strong M365 AD TEAM: DIRECTORY, Distributed system services or NoSQL storage is nice to have background Dev Suzhou 1Y+ Strong M365 Mobile app development Dev Suzhou 2Y+ Middle M365 IDEAs/CFR:M365 Insights, Data Engineering & Analytics team Dev Suzhou 1Y+ Strong M365 Information Protection,Anti-spam and security features for the enterprise-level service known as Exchange Online Protection (EOP) ,2 years+ working experience Dev Suzhou 1Y+ Strong Sharepoint Enterprise Search, 2 年以上 Dev Suzhou 1Y+ Strong Sharepoint PM PM Suzhou 7Y+ Strong Sharepoint SharePoint SRE Dev Suzhou 5Y+ Strong Sharepoint Onedrive Mobile (Android/iOS) Dev Suzhou 2Y+ Strong Sharepoint Search EM Suzhou 10Y+ Strong Sharepoint Migration Dev Suzhou 5Y+ Strong EMM 0~6 years dev experience, CV must be English version Dev Suzhou 0Y+ low EMM 7+ years working experience, EM Suzhou 7Y+ Strong EMM Dev experience Dev Suzhou 1Y+ Low EMM C#, Java, TypeScript, C++, or any other object-oriented programming languages DEV Suzhou 5Y+ middle MMX Mobile App for Edge (Android/iOS) Dev Suzhou 5Y+ Low Cortana MSAI-Microsoft Search assistant Intelligence, Provide some AI experience in M365 product PM Suzhou 5Y+ Strong STCA AI Platform (Front-end) Dev Beijing/Suzhou 1Y+ Low STCA Technical PM, and To B, or AI or open source PM Beijing 5Y+ Strong Bing Area IT Manager IT Manager Beijing 10Y+ Strong Bing Designer Beijing/Suzhou 5Y+ Strong Bing Carina Dev Beijing/Suzhou 3Y+ Low Bing Bing platform, large scale distributed system, core dev Dev Beijing/Suzhou 5Y+ Low Bing MP/News EM Beijing 10Y+ Strong (保留过往半年内的职位,有部分删减,仅供参考) 2019.11.28 苏州 O365 热招中 ! C+AI,上海 2019.11.05 欢迎关注 O365 和移动端(Outlook & MMX)的机会!如果没有中意的岗位欢迎邮件我沟通了解更多详情。 O365 MMX AI Bing D365 SharePoint MSRA DevDiv Sub Team Focus Role City Working year English Mobile app development, Android/iOS Dev Suzhou 1~10 Strong Engineering system Dev Suzhou 1~10 Strong EverGreen Dev Suzhou 1~10 low HA/Store, 1+ years experience. Dev Suzhou 1~10 Strong Migration team: O365 data migration, 1+ years expereince, backend dev. Dev Suzhou 1~10 Strong AD team: DIRECTORY, Distributed system services or NoSQL storage is nice to have background, 3+ years experience. Dev Suzhou 1~10 Strong Information protection, anti-spam and security features for the enterprise-level service known as Exchange Online Protection (EOP), 2 years+ working experience. Dev Suzhou 1~10 Strong IP/Transport team, 3+ years experience. Dev Suzhou 3~15 Strong 首页 互联网新闻 阳光理政 政务 经济 文化 教育 旅游 体育 健康 财经 电力 体彩 汽车 网上剧院 影像互联网 美丽互联网 ​ 财经 >>消费资讯 >> フォームの始まり フォームの終わり 传奇世界sf网站 2020-02-29 03:36:13 来源:槐荫房产网 分享到: 考拉加入阿里(来源:CB Ins传奇世界sf网站ights) 各大企业也在加紧行动。 第二个是品牌力,牌排队入驻产品力意味着Think different的创新和工匠精神的打磨,牌排队入驻但产品可以被对手复制再通过价格、渠道、营销以及商业模式等等手段去降维打击。3、后暴涨林清传奇世界sf网站轩:绝处逢生转危为机。 企业年龄越大,全球开放招商经历大风大浪越多,越有灾情应对经验。考拉加入阿里有的企业不得不裁员过冬。疫情成为中国经济的分野 2003年SARS疫情发生时,牌排队入驻中国刚刚传奇世界sf网站加入WTO,经济高速增长,人口红利正处鼎盛,互联网方兴未艾。后暴涨原标题:如何化解疫情危机?这五位企业家的答案惊人一致。因为数字化,全球开放招商其智能屏已支持千楼千面的个性化投放,并与阿里实现数据打通,形成品牌行为到消费行为的闭环。 另一个是数字化,考拉加入阿里对于58到家来说就是在线化,不需要人与人接触做很多事情,比如基于数字化系统矩阵实现在线挑阿姨、在线签约、在线面试。虽然中国消费市场规模大,牌排队入驻中产群体日益庞大,牌排队入驻消费升级正在进行中,但是人口红利、流量红利以及贸易红利消失却是在疫情前就在发生,且在疫情后会继续发生的。商业模式上,后暴涨HireVue目前的业务线包括职前测试、后暴涨AI面试、在线面试、游戏评估、编程测试等,价格按照客户所需的功能模块和需求量进行定制,有年费订阅制和按使用量收费两种收费方式。 从更深层的角度,全球开放招商许多科技公司都没有太多实物资产,人才就是它们最大的资产,比竞争对手更快速的招募到优秀的人才,是公司赢得竞争的关键。HireVue的游戏化测评,考拉加入阿里图源:HireVue官网 情感计算。AI面试几乎不需要额外的人工参与,牌排队入驻因此可以被看做自动化人才匹配的一环,主要面向大规模、结构化的招聘初筛场景。视频面试则更像是专用版的即时通讯工具,后暴涨候选人与面试官可以实现协同面试,后暴涨主要的价值点在于满足面试双方异步沟通的需求,是比较直接的线下面试替代方案,相对来说,更适用于招聘中后期。 展开全文 不过,视频面试并不能帮助人力资源服务商建立核心竞争力,很多公司在自主研发的同时也采用合作接入的方式来完善视频面试模块。传奇世界sf网站因为一场肺炎,它被推上了舞台。 在此次受疫情影响非常大的春季校招中,部分学校的线下双选会变成了AI面试间,像实习生、专员等初级岗位都采用了AI初面。在我们看来,远程面试只是无接触招聘中的一个环节,其适用性仍有很大局限,远没有到爆发的时候。传奇世界sf网站此外,在入职前后,企业都可以通过设置聊天机器人,向求职者介绍企业文化和岗位信息、为企业员工提供诸如报销、休假等行政事务的咨询服务。因此,远程面试虽然还存在问题,但确实是我们应该用力拥抱的变化。 在国内,该垂直领域的服务商有滴孚科技、e成科技、魔镜(猎聘旗下AI面试产品)、近屿智能等。从视频面试到AI面试 视频面试是AI面试的前身,摄像头伴随着PC、手机等终端的普及是视频面试得以进行的基础,而音视频技术的不断优化则是发展的关键。传奇世界sf网站尤其在招聘的前期筛选阶段,面对海量的申请,HR 需要完成简历筛选、意向预沟通、面试约面、简历验真等,这相当耗费时间精力,也是最需要提高效率的工作。然而,远程面试类产品肯定不是为了减少接触而设计的,提效降本才是它的主要目的。 将AI引入视频面试环节,需要将人力资源的经验和理念沉淀成一套公式,得以让机器以自动化的方式筛选人才。远程面试只是无接触招聘流程的一个部分,从收集简历到offer发放的一系列过程需要HR部门对内跨部门沟通,对外多方协调。 如果发现员工入职之后的表现存在一些共性问题,就需要考虑调整招聘匹配模型的相关参数,使模型更加精准。一家完全数字化招聘的公司和用传统方式招聘的公司比,在招募人才的速度、给人才的体验上几乎是完全碾压式的。 通过包含这三个部分的模型,可以对岗位和候选人进行不同层面侧重的解析和匹配。实际上,人力资源部门的数字化转型是很多公司一直在实践的事情,疫情促进了面试的数字化,从而带动了整个人力资源数字化的进程。 目前,提供在线视频面试产品的企业主要有以下四类: 专业视频面试提供商:海纳、全面、赛码、牛客。在招聘、入职的过程中,玛氏中国通过对比引入人力资源数字化系统前后的工作时间,并根据员工的时薪算出节省的成本,最终向全球总部拿到了数字化项目的预算。两者的应用场景略有不同。HireVue的客户案例显示面试产品多用在服务业中销售、客服等岗位,图源:HireVue官网 不够人性化,适用于面试前期。 2016年起,联合利华就开始在全球利用算法筛选简历、并且设计了三轮AI面试进行候选人初筛。直观来看,人资数字化可以让HR从繁琐且低价值的行政事务中解脱出来,让他们有可能从事更多的创造性工作,诸如提高组织效率、更好地进行人才管理等。 中国的AI面试产品整体处于比较早期的水平,与国外相比也有一定差距。在这一方面,e成科技已经将这些要素融入面试环节中。 HireVue创始人在一次采访中指出,2009年是HireVue发展的转折期,此前五年公司在商业化方面可以说是完全失败的,在这一年里,最重要的契机是由于全球金融危机,裁员潮引发了组织内部对高效益团队建设的方式思考以及市场上求职竞争情况的加剧——企业想要用更少的招聘成本去应对增多10倍的候选人申请,因此对结构化的视频面试需求开始增加。传奇世界sf网站在这种普遍观望的态度下,1对1或1对多的在线视频面试还是更容易接受一些。 为了更多方面考察候选人,AI面试可以不仅局限于视频问答交互这种单一的形式,HireVue推出的面试形式还包括游戏化测评、模拟邮件写作等。以AI面试服务商滴孚科技为例,公司的面试工具壹面提供的AI面试题包括基础专业技能和综合素质两个方面。成都某教育机构也认为,视频面试可以通过眼神、表情姿态等,感受到求职者的情绪变化和态度,比电话面试靠谱。人力资源服务商的核心价值来自于将HR的知识和经验与创新的技术的结合,为雇主更高效的获取、匹配和筛选人才。 通过在53个国家部署多种语言的AI面试,联合利华的招聘周期缩短了75%,在一年内节省了超过100万英镑,并且增加了16%的雇员多样性。三是基于长期积累的用户行为和评测数据训练而成的机器学习模型,主要面向用户行为。 要做到对候选人性格、情绪、动机等心理状态的分析,需要对面试过程中候选人的微表情、语速、眼神活动、肢体动作等进行视觉和语音识别,然后进行分析处理。我们暂且先按照这个估计来做比较,2019年人力资源SaaS巨头Workday仅前三个季度的的营收为25亿美元,而视频会议软件Zoom在2019年Q3的营收为4.35亿美元,增速保持在90%左右。 这种迅速增长的趋势很容易让人联想到此时的国内,不过在这之前,HireVue早在04年连摄像头都没有普及的时候就开始进入这一领域,产品和技术都已经比较成熟。传奇世界sf网站零售连锁品牌热风(Hotwind)选择AI面试来招聘门店导购,由于门店店长招聘的人员良莠不齐,总公司希望通过AI面试将招聘标准规范化,减少主观偏见的同时将招聘底线提高。 根据国外媒体的报道,HireVue单次面试的价格在25至175美元之间,2016年一家利用HireVue招募了700名雇员的公司年费在25000美元左右。除此之外,面试官形象定制、定制化部署等额外的增值服务类型。在面试的中后期,使用AI面试的企业还是会让面试官与候选人当面沟通,做出最后的录取决策。例如,在Moka推出的智能化招聘管理系统中,就有类似协同面板的功能,HR可以在上面和候选人、面试官以及外部猎头预约时间和推进招聘流程。 AI面试被接受原因之一是因为其采用客观标准评价候选人,具有公平性,但另一方面机器学习本身确可能产生偏见。智联、前程无忧、BOSS直聘、斗米等招聘平台利用该技术唤醒潜在候选人,提高求职者和雇主的撮合效率。 数字化招聘也是让企业在人才竞争中提高战力的武器。传奇世界sf网站在国外,AI面试的代表性企业是美国的HireVue。 视频面试在国外已经发展了十余年,此次算是在疫情中临危受命,在国内还是一种较新的方式。玛氏中国P&O团队就成功的向全球总部证明了其的必要性。 俄製AI機械人任面試官 每日篩選面試1500人 香港時間 2018年04月27日(五) 18:00     Vera大大加快篩選候選人及面試工序。(互聯網圖片) 1/2 大型公司聘請職員,需從大量的應徵信中挑選合資格的人,再安排面試,這過程往往耗費人力資源部門大量人力物力。俄羅斯一間公司推出一款人工智能(AI)機械人,不但能從海量應徵者中挑選合適人選,每日更可面試高達1500人,增加公司招聘人手的工作效率。 該款名為「Vera」的機械人,透過AI技術,從多個大型招聘網站中搜尋申請人的簡歷,再根據相應工作的要求,篩選出適合的候選人。Vera之後會打電話給候選人,自我介紹,並道明自己是AI機械人,問對方是否正在找工作。若對方答是,Vera就會透過電話或視像聊天方式,為候選人面試。 面試過程長約8分鐘,完畢後Vera會將候選人和面試資料傳送到人力資源部,由該部門作最後決定是否聘請。據報Vera在面試過程中,跟候選人的對答對確度高達82%,而且每日可面試多達1500人。相反,如果這過程全以人手進行,人力資源部每日要打100個電話,才能找到20名適合的候選人。 研發Vera的公司共同始創人科斯塔列夫(Alexei Kostarev)表示,AI面試官只是加快了篩選應徵者的工序,是否聘請最後仍是由人決定,故此認為並 不會搶人類飯碗。 你永远不知道你的面试官是人还是…人工智能。AI面试官来了,笔者为我们总结了相关的攻略,一起来看看~ 社畜们的演技巅峰,大多数时候不是奉献给了各种甩锅,就是用在了应对面试官身上。 不过,现在想要凭借“立人设”混过面试环节,可没那么容易了。 自从人工智能火了之后,许多企业面试的接力棒也被交到了AI手里,让一众“面经十级”的求职之路被扼住了命运的后颈皮。 从去年开始,许多校招季的金字招牌也都纷纷在面试环节中增加了AI面试/Digital Interview。不少招聘平台更是以智能面试系统为业务增长点,扮演起了技术传火者的角色。 而对于应聘者来说,知道自己将要面对的是AI这个不知疲惫、么得感情,还明察秋毫的“拦路虎”,恐怕不少人都会感到亚历山大。 尤其是应届生,以往还有学长学姐们的言传身教指路,可面对“AI面试官”这个新事物,市面上还真没太多有效经验可供参考。 今天就来聊聊,AI面试的考察边界到底在哪里,以及怎样“攻略”它。 AI泛滥背后,用人机构的阳谋 如果你看到心仪的企业或岗位需要先过AI这一关,不要方张,战略上藐视、战术上重视,往往是“攻略”下AI面试官的前提条件。 之所以这么说,是因为市面上有太多借AI之名、行宣传之实的“金主爸爸”。 其中,以最贴近大众规模市场的快消品领域为重灾区。最先在校招等环节中打出“AI面试”招牌的,大多都是这类,比如食品饮料(可口可乐)、日化用品(宝洁、联合利华)等等。 一方面,这些企业岗位大多没有特别的专业限制,又身披跨国500强的光环,简历筛选压力非常大; 同时,校招也是一次非常好的在年轻人中“博关注”的好时机,很多公司都会打出“寻找未来管理者”的口号,竞争极其激烈,Open Question、AI面试、游戏测评等创意型招聘方式也能有效地帮助其扩大自身地影响力,强化品牌形象。 这也决定了,其AI面试系统需要满足两个核心诉求:第一,推出的时机是不是够快,这样才能在宣传上“先声夺人”;第二,数据的多样性和算法的鲁棒性是不是够高,以避免因歧视、通过率等引爆应聘者的负面情绪。 因此,这些品牌企业所采用的AI面试解决方案,大多是经由第三方算法公司结合市面上一些较为成熟的AI技术应用打磨而成的体验。 这意味着,AI面试系统只能在初步粗略筛选上起到一定的辅助作用,很难从根本上决定能不能得到offer,反而能规避初面时面试官基于感性判断(如颜值、口音、毕业院校等)所带来的偏差,让更多人岗匹配的应聘者拥有机会; 而另一方面,基于深度神经网络模型的训练逻辑,以及当前NLP、人脸识别、情感算法等的技术天花板,也让应聘者有机会针对AI系统的考察点按图索骥、逐个击破。 下面我们不妨来一一认识一下这些能力不同的特殊面试官。 攻略难度一星:问答AI面试 这种产品往往是将NLP自然语言理解技术与声音识别算法相结合,以问答形式来获取一些岗位匹配相关的关键信息。 日本人才公司En Japan就让即将毕业的大学生对着一台只会发问的手机,进行了长达一个小时、一问一答的面试,包含126个问题。眼见求职者到最后已经被虐的无语凝噎了…… 此类“面试官”一是借助声音算法,统计语音、语调等,对应聘者的反应速度、心理情绪等进行分析;另外借助NLP算法,对回答进行关键词和语义分析,结合与企业业务和岗位需求的相关问题,比如快消品必问的“宝洁八大问”及其变种,进行匹配度的初始判断。 面对这些仅凭声音与语言特征来选人的面试官,由于其参数都是人为设定的,预先剔除了一些隐含的感性偏好,因此在判断上也会相对公正,攻略起来也能有的放矢。 首先我们知道,这些面试软件大多是提前设置好问题和答案的标准问题。比如前面提到的En Japan测试软件,就是收集了往期15年的面试问答训练而成,主要涉及了基本信息、工作技能、性格特征等。 与人类面试官有时还会聊聊家常缓和气氛,或是提出刁钻问题施加压力等不同,AI面试系统往往只会一板一眼地交互和提问,只要在参加面试前多做功课,了解用人机构的企业文化、用人理念,是快节奏、重创意还是全球化等,合理调整和并有意识训练自己的语音,就能够规避许多意外状况的发生。 同时, 就和高考前老师反复提醒“字写得漂亮能多得印象分”一样,在回答AI问题时最好也投其所好,尽量使用一些符合机器逻辑来组织语言。 由于AI主要是基于语音实时转移、关键词提取匹配、语义理解来判断求职者是否和岗位描述想匹配。因此,搞清楚一些必要的硬指标hard skill,并有针对性地在陈述中适当点到一些关键词,比如领导力、国家级项目、转化率、团队意识等等,更有助于AI的匹配和筛选。 只要按图索骥,也许会觉得AI比现场面试更easy呢。 攻略难度二星:视频AI面试 如果你看中的企业实力更强、或者更懂技术,那么正面撞上视频AI这样的进阶版面试官,概率也就更大了。 简而言之,视频AI面试就是在智能问答的基础上,AI还会实时分析应聘者的面部表情、肌肉动作等,来判断应聘者的答案真伪、性格倾向,多维度考察候选人是否接近企业的理想人选。 听完不少同学的心恐怕凉了半截,岂不是连翻白眼、东张西望之类的表情语言也有可能“出卖”自己了,现在去看点《lie to me》(微表情心理学为主题的美剧)之类的还能抢救一下吗? 想要攻略这样懂得察言观色的面试官,除了必备的网络检查、仪容仪表(见人类面试官也是要注意到吧喂),恐怕还得从技术认知上打场有准备之仗。 可以放心的是,利用AI实现面部表情的情感识别,在算法上还不具备充分的科学依据,即使是微软、谷歌、IBM这样的AI巨擘,其情感识别算法也并不严谨,应用到招聘场景中很可能产生严重误导。 因此,求职软件监测情绪过滤求职者的做法也被视为是不恰当的。比如偶尔的皱眉并不等于“愤怒”情绪,也不意味着面试者必然具备难以合作等特质。视频面试更多发挥作用的地方,其实是识别那些表现最好的人。 以高盛、摩根大通、毕马威、联合利华、欧莱雅等大型集团所采用的HireVue或Sonru为例,其原理就是通过对15000个特征的识别,包括选择的语言、运用的语汇、眼神表现、声音大小等等,再将这些特质综合起来,根据以往“成功”候选人的特征数据库,判断一个人的反应、情感和认知能力等。最后借由排名算法,让一定比例的最优秀候选人进入下一轮。 据了解,目前希尔顿集团已经利用其算法面试了43000多个职位,在全球范围内,HireVue系统每个季度都提供100万次面试和超过15万次录用前评估。 而正如其技术负责人所说,“人类语言、肢体语言和表达的极端复杂性,需要对算法偏见和潜在有害影响非常非常小心”,如果客户在一些题目中把90%的求职者都筛掉了,那就说明“考察点的范围过小”,并会对此作出改变。 了解了这个视频AI面试的基本原则之后,会发现并不需要对AI小心翼翼、锱铢必较。我们固然可以找到一些投算法所好的小tips,但更建议大家照常发挥,因为每一点习惯都可能影响你未来工作的愉悦感。 比如只有10%-30%的分数权重是由面部表情决定的,其他大部分则取决于面试者的言语表现。在语汇中,多使用一些符合目标企业偏好的特征词。求职者喜欢说被动词还是主动词,常用“我”还是“我们”,是否频繁使用技术性词汇等,会影响系统对匹配度的评估。 再比如声音的音调,如果有的人说话真的很慢,可能不适合从事电话咨询之类的工作,而如果太快用户也来不及挺懂。运用同理心找到心仪岗位最适合的状态,或许“感觉”比数据更靠谱。 攻略难度三星:会读心的AI 听到这里是不是已经感受到社畜的凄凉了?先别急着悲伤,如果你“不幸”面试的是读取你的社交网络的AI面世系统,那你只能在算法之下“裸奔”一圈之后,去买个彩票安慰一下自己了。 在这一关,AI往往会根据一些复杂数据来分析求职者的日常行为,进而推导出其与岗位的匹配度。 就在前不久,加州初创公司Predictim就利用NLP技术和计算机视觉技术,对保姆岗位应聘者的Facebook、Instagram和Twitter历史进行扫描,进而预测她们是否可能欺负或骚扰他人,是否可能对儿童态度恶劣等等。 当然,这样的面试官很快就被业界联合抵制了。 Facebook认为该公司违反了一项禁止开发人员使用这些信息审查求职者的禁令,因此大大限制了该公司在脸书和Instagram上获取用户数据的途径; Twitter也中断了Predictim对其API的访问,理由是禁止其将Twitter数据用于监控目的; 类似的算法风险也曾发生在求职平台LinkedIn身上,原因是第三方网站HiQ收集了LinkedIn的数据,以预测员工可能在何时离职。 之所以科技大厂们都态度鲜明地与此类AI面试系统划分界限,主要是一是机器学习无法可靠地解释语调和言语中的细微差别,比如讽刺或笑话,在面试场景中应用十分不稳定;同时此类算法还无法监督,即具有黑箱性,一些原本可能敬业的员工很可能在不知道原因或无法做出解释的情况下失去工作机会。 另外,将面试成功的决定性因素交给AI,显然也不符合技术伦理。 如果一个企业出于决策者偏好/偏见,直接采用小范围、单一化的数据集进行训练,AI面试的公正性也就荡然无存了,甚至还可能加剧企业在年龄、种族等的歧视和排斥问题。 正如加州大学洛杉矶分校(UCL)人机交互教授安娜·考克斯(Anna Cox)所说,“任何数据集都会有偏差,这将排除那些真正擅长这项工作的人。” 小结 目前看来,让AI分析招聘面试过程中的复杂要素,还是一个争议中前行的未来。 不过,技术的车轮正在加速。IBM就宣布要使用Watson(沃森)主动搜索内部培训系统的数据,了解员工培训以及学习情况,判断他们是否具备升职潜力,以此进行内部考核。而从这样相对结构化的数据中推倒到面试招聘环节,或许也在向广大求职者们走来。 可以说,过去我们看到一些机械化程度高、数据结构化的领域,文书、翻译、识别等被AI取代。如今,面试这样充满交流的感性色彩的领域也未能幸免。 所幸的是,技术的魔法正在 越来越多大公司用 AI 来面试,到底靠不靠谱? 公司 2019-10-23 15:43 5 评论 AI 越来越聪明,让很多人开始担心是否会被人工智能取代自己的工作。实际上绝大多数人类的工作暂时无法被 AI 取代,但 AI 却可以决定你是否获得一份工作。 在美国,酒店、金融等行业使用 AI 进行面试已经十分普遍,当中包括希尔顿、联合利华和高盛等大公司,已经有超过 100 万求职者接受了 AI 的面试,一些大学甚至开设一些培训课程来帮助学生如何在 AI 面试时表现更好。 这些公司主要使用的 AI 面试系统,大都是由视频面试公司 HireVue 开发的。 HireVue 一套标准的面试时间为 30 分钟,包括 6 个问题,但从中可以得出 500000 个数据点,算法将参考这些数据来评估面试者的表现。 其中最知名的,大概就是HireVue了。 HireVue是一家企业AI面试服务提供商。据其官网介绍,全球有超过700家公司都在使用他们的视频面试系统,甲骨文、英特尔都是他们的客户。 用AI替代HR,这靠谱吗? HireVue声称,他们的技术能帮助招聘公司在最初阶段就面试更多候选人,并且提供更加可靠、客观的评判指标,没有人为偏见。 但许多技术专家对此提出了质疑,伦敦大学学院的人机交互学教授Anna Cox就说: 任何数据集都会存在偏见(biases),这样的系统很可能会把实际上擅长这份工作的候选人拒之门外。 AI面试官看什么? 面对一个AI面试官,你需要做些什么呢? 有位纽约皇后区的小伙,选择穿上衬衫,打好领带,藏进隔音工作室,甚至关掉了空调系统——不让一丝背景噪音影响AI对他的面试打分。 事实上,像HireVue这样的AI面试官,无论面试者的行为举止在它眼中是好是坏,它都不会给出反馈。 求职者要做的,就是坐在电脑或者手机的摄像头前,回答预设的问题,整个面试的时长大概会在30分钟左右。 HireVue的系统结合了语音识别软件和面部识别软件,在面试过程中,会采集求职者的表情、动作,分析收录的声音细节,比如用词和语调。 而后,这个AI系统会生成一份关于求职者的评分报告,包括“个人稳定性”,“学习意愿”,“问题解决能力”等指标。 并且,根据职位要求,AI面试官会最终把求职者划分成高、中、低三个等级。 虽然雇主仍可以选择关注排名靠后的候选人,但很显然,选择了AI面试官的公司,还是会优先采纳AI的建议。 一石激起千层浪 且不说这样的分析到底科不科学,只是,AI面试官真的能做到公平公正吗?毕竟看上去绝对理性的AI,翻车也不是一回两回了。 此前,亚马逊用于给求职者简历打分的AI,就被曝出在训练中自己学会了“重男轻女”。 尽管HireVue强调他们已经删除了会导致AI模型出现偏差的数据点,但他们以商业保密为由,系统算法始终未经第三方独立审查。 面对一个人类面试官,你能从和对方的眼神交流中获得反馈,但当你面对的是一颗摄像头和它背后的AI,它到底在想什么,可就没人知道了。 连摄像头的摆放,都会变成了一个问题。角度太高,会不会让AI觉得自己过于霸气?角度低了,谁知道AI会不会觉得这个求职者畏畏缩缩呢? 虽然只是被用在面试的初期阶段,但这样一个系统的存在,还是激起了巨大的反对声浪。 有网友讽刺道: 在这个天才的系统中,斯蒂芬·霍金教授大概只能去杂货店看后门了。 许多网友认为这根本是“伪科学”,看看面相就能知道谁能胜任工作了? 纽约大学AI Now研究所的联合创始人Meredith Whittaker也直言:这是伪科学。 想要证明这个系统真的有用?网友提议应该让HireVue去做个简单的测试: 应该让公司的在职员工来扮演求职者,看看HireVue系统的打分跟他们实际的绩效匹不匹配。 我敢打赌HireVue不敢做这样一个简单的实验。 但在反对声中,也有人认为,AI系统的引入其实使得整个招聘体系更人性化了。 联合利华的首席人力资源官Leena Nair就表示,AI系统帮助HR们摆脱了“惯性”,使得企业雇佣的员工更加多元化了。 还有网友建议,想要获得信任,像HireVue这样的公司应该让他们的算法更加透明化。 为了防止歧视,“去偏见”的过程应该开源。在多样性成为常态的全球环境中,人们需要更多地了解用于训练算法的人类数据。 但争议再大,HireVue都实实在在地给联合利华这样的公司节省了一年超过100万英镑(约合914万人民币)的招聘费用。 希尔顿则借助这样的AI系统,把平均招聘周期从42天缩短到了5天。 就在争议声中,不久前,HireVue又获得了一笔来自私募股权投资巨头凯雷集团(The Carlyle Group)的投资。 不只是HireVue 其实,AI涉足人力资源管理,已经不是一天两天。 亚马逊用来给求职者的简历标星打分的AI被叫停之后,又搞了一个AI监工来给员工工作效率评级,决定该不该解雇一个员工。 IBM的AI系统Waston,能够通过研究员工资料和做过的项目,分析员工表现,预测员工潜力。 在瑞典,也有一家初创公司Furhat Robotics,致力于制造世界上最会社交的机器人。造出来干什么?当HR啊。 这家初创公司和瑞典斯德哥尔摩最大的招聘公司之一TNG联手,打造了一个名为Tengai的招聘专家机器人,旨在克服招聘过程中HR的潜意识偏见。 甚至连学校,都开始用AI管理学生。据俄罗斯卫星网报道,俄罗斯莫斯科钢铁合金学院EDCrunch University中心主任努尔兰·基亚索夫表示,俄罗斯将从2021年开始,启动大数据识别高校学习成绩差的学生,根据AI的建议,决定是否将其开除。 随着技术的发展,AI将HR们从繁重的筛选工作中解放出来,提高效率,已成趋势。 只是在这个过程中,如何创造更加公平公正的AI,仍然是需要探讨的课题。 你觉得36氪首发 | 人工智能面试工具「壹面」与「实习僧」达成战略合作,将合作推出“AI面试功能” 菁玲 · 2019-12-31 未来将智能给予学生有关面试的相关建议,辅助和提升学生的应聘求职能力 36氪获悉,今日,人工智能面试产品壹面已与实习僧签署战略合作协议,双方将围绕人工智能技术与招聘求职场景的结合展开全面合作。 36氪曾介绍过 ,壹面是一款人工智能面试工具,为上海滴孚人工智能科技有限公司(简称滴孚科技 )旗下产品,可以AI真人面试官替代传统面试官,在HR初面环节完成对候选人的预沟通信息采集、初面以及结果评估工作。 实习僧 是36氪自2016年起就一直密切关注的校园招聘求职平台,目前已经成为中国头部的实习生招聘求职平台和结合人工智能帮助大学生职涯成长的平台。 据介绍,此次双方合作,壹面将针对实习僧及其平台用户的需求,结合自身的AI应用研发和产品能力,以合作形式在实习僧推出“AI面试功能” ,求职者可随时随地进入面试,帮助提高企业HR招聘效率并降低学生求职门槛。 实习僧将基于自身资源积累,帮助壹面进一步优化算法模型,推动人工智能面试及相关智能服务在在实习生、应届生招聘与求职场景的应用落地。 值得一提的是,壹面介绍称,伴随整个AI面试产品的迭代升级,未来也将智能给到学生有关面试的相关建议,辅助和提升学生的应聘求职能力。 据了解,双方目前正在进行产品与技术的对接,“AI面试功能”将于2020年3月在实习僧正式上线,届时将为每年超过1500万求职学生和25万家招聘企业提供智能服务。 除实习僧外,壹面与北森为战略合作关系,已支持数十万人进行AI面试,目前正在与科锐国际旗下“睿聘”实现产品对接,与SAP正在进行技术对接。 融资方面,壹面曾于2019年11月获鸿仁资本三千万元Pre-A轮融资,更早曾获千万元天使投资及科大讯飞生态入股。 呢? 无接触招聘季:进击中的 AI 面试 视频面试是AI面试的前身,摄像头伴随着PC、手机等终端的普及是视频面试得以进行的基础,而音视频技术的不断优化则是发展的关键。 2020-02-20 09:21 36氪 菁玲 小希 无接触撬动远程面试需求 远程面试在过去并不是什么热门的领域。因为一场肺炎,它被推上了舞台。 BOSS直聘发布的数据显示,春节后10天视频面试次数是19年秋招旺季首周的20倍。在线教育是比较集中采用视频面试的行业雇主。杭州某在线教育机构的HR李先生表示,公司主要招聘的教师岗位,目前就是通过线上面试来进行。因为招聘老师本来就需要试讲,所以改成视频面试也影响不大。成都某教育机构也认为,视频面试可以通过眼神、表情姿态等,感受到求职者的情绪变化和态度,比电话面试靠谱。 另一方面,某AI面试厂商向36氪透露,在疫情爆发后,其官网浏览量日均破万,预计3月面试调用量较之前将上涨8-10倍。在此次受疫情影响非常大的春季校招中,部分学校的线下双选会变成了AI面试间,像实习生、专员等初级岗位都采用了AI初面。 然而,远程面试类产品肯定不是为了减少接触而设计的,提效降本才是它的主要目的。在我们看来,远程面试只是“无接触”招聘中的一个环节,其适用性仍有很大局限,远没有到爆发的时候。 本文,我们在介绍当下热点领域的同时,更希望帮您梳理的是,什么样的招聘解决方案是未来长期的发展趋势。 从视频面试到AI面试 视频面试是AI面试的前身,摄像头伴随着PC、手机等终端的普及是视频面试得以进行的基础,而音视频技术的不断优化则是发展的关键。 将AI引入视频面试环节,需要将人力资源的经验和理念沉淀成一套“公式”,得以让机器以自动化 的方式筛选人才。在AI面试中,面试官由人变成了AI机器人,候选人的面试表现也可以通过算法进行自动分析和打分。 两者的应用场景略有不同。AI面试几乎不需要额外的人工参与,因此可以被看做自动化人才匹配的一环,主要面向大规模、结构化的招聘初筛场景。视频面试则更像是专用版的即时通讯工具,候选人与面试官可以实现协同面试,主要的价值点在于满足面试双方异步沟通的需求,是比较直接的线下面试替代方案,相对来说,更适用于招聘中后期。 视频面试在国外已经发展了十余年,此次算是在疫情中”临危受命“,在国内还是一种较新的方式。58同城 的一份报告中提到,接近半数的企业招聘者对视频面试持保守态度,34%的招聘者未使用过视频进行招聘。在这种普遍观望的态度下,1对1或1对多的在线视频面试还是更容易接受一些。毕竟,一下子就拿AI来代替人类面试官真的有点超前。 目前,提供在线视频面试产品的企业主要有以下四类: 专业视频面试提供商:海纳、全面、赛码; ATS:Moka、北森、daydao; 即时通讯产品:QQ、微信、钉钉; 视频会议产品:Zoom、TeamViewer。 四类产品都能满足基础的1V1视频面试需求,相较于即时通讯产品和视频会议产品,专业视频面试服务商一般在流程上更加全面,包括利用短信和邮件通知候选人,候选人凭码进入面试界面,面试平台有小程序 、App以及官网多种选择,以及面试中增加面试录屏功能,便于回看候选人表现。ATS类的面试模块则可以与整个人才管理体系打通,面试通知和面试结果录入都可以集中在一个平台进行流程化操作 。 不过,视频面试并不能帮助人力资源服务商建立核心竞争力,很多公司在自主研发的同时也采用合作接入的方式来完善视频面试模块。招聘服务商Bello表示,视频面试更多是云厂商的比拼,对于智能化招聘服务商来说发力点少。在线招聘平台拉勾也在近期上线了视频面试功能,其底层的视频模块采用的是第三方平台,保证面试时的稳定性、低延时,而平台更多从产品设计方面去引导HR和求职者更好的使用新功能。 人力资源服务商的核心价值来自于将HR的知识和经验与创新的技术的结合,为雇主更高效的获取、匹配和筛选人才。尤其在招聘的前期筛选阶段,面对海量的申请,HR 需要完成简历 筛选、意向预沟通、面试约面、简历验真等,这相当耗费时间精力,也是最需要提高效率的工作。 基于对30857名HR的调查,三茅网的《2019 年中国HR 生存发展现状》白皮书中指出,HR最花时间 的工作分别为招聘(寻找简历、邀约、面试)和行政事务。 解决上述问题的关键是精准匹配和自动化流程。e成科技首席数据官邬学宁告诉36氪,他们的智能人岗匹配技术模型包含三部分,一是结合专家和业务经验组成的人工规则,主要考察通用素质;二是基于简历和其他人力资源数据的行业和人才知识图谱,主要考察知识技能;三是基于长期积累的用户行为和评测数据训练而成的机器学习模型,主要面向用户行为。通过包含这三个部分的模型,可以对岗位和候选人进行不同层面侧重的解析和匹配。 精准岗位推荐也是基于匹配技术,这对岗位画像和人才画像的要求更加高,需要大量的简历、测评以及结果数据(是否被允许进入下一轮)进行模型训练。智联、前程无忧 、BOSS直聘、斗米等招聘平台利用该技术唤醒潜在候选人,提高求职者和雇主的撮合效率。 依靠AI完成简历筛选是第一步,在大规模招聘中,简历筛选后的候选人数量依然可观,更多简历之外的信息还需要通过笔试、面试来获取。AI面试机器人介入的通常就是这个环节,它扮演的角色更像是一个在人工面试前,维度更立体的综合评测筛选。 以AI面试服务商滴孚科技为例,公司的面试工具壹面提供的AI面试题包括基础专业技能和综合素质两个方面。候选人与AI面试机器人进行实时交互问答,在过程中,通过语音识别和视觉算法对候选人的表现进行分析,最终基于人岗匹配模型进行打分。 AI面试适用于有大量初筛需求的公司,目前看来酒店业、金融业以及其他大型企业都是比较清晰的客群。对这些企业来说,初筛的效率对招聘进度的影响程度很大。2016年起,联合利华 就开始在全球利用算法筛选简历、并且设计了三轮AI面试进行候选人初筛。通过在53个国家部署多种语言的AI面试,联合利华 的招聘周期缩短了75%,在一年内节省了超过100万英镑,并且增加了16%的雇员多样性。 AI面试也被用于销售、导购等岗位的招聘,这类工作通常只需要做基础技能面试题。零售连锁品牌热风(Hotwind)选择AI面试来招聘门店导购,由于门店店长招聘的人员良莠不齐,总公司希望通过AI面试将招聘标准规范化,减少主观偏见的同时将招聘底线提高。 在国外,AI面试的代表性企业是美国的HireVue。在国内,该垂直领域的服务商有滴孚科技、e成科技、魔镜(猎聘旗下AI面试产品)、近屿智能等。 中国的AI面试产品整体处于比较早期的水平,与国外相比也有一定差距。以下几点是可供参考的进步方向: 形式丰富性。为了更多方面考察候选人,AI面试可以不仅局限于视频问答交互这种单一的形式,HireVue推出的面试形式还包括游戏化测评、模拟邮件写作等。 情感计算。要做到对候选人性格、情绪、动机等心理状态的分析,需要对面试过程中候选人的微表情、语速、眼神活动、肢体动作等进行视觉和语音识别,然后进行分析处理。在这一方面,e成科技已经将这些要素融入面试环节中。但国外公司的数据收集和分析都更加全面。像HireVue一场面试30分钟的面试下来可以从15000+个不同的维度(包括肢体语言、语言模式、眼神活动、做题速度、声音大小等)得到关于候选人的500000个数据点。 机械感。AI面试对候选人来说是反传统的,容易引起不适,如何最大程度避免候选人因此而影响面试表现的情况,减少机械感是不可避免的问题。在这一方面,壹面通过设立真人形象,运用语音合成技术希望打造一个类真人的面试体验。 算法道德问题。AI面试被接受原因之一是因为其采用客观标准评价候选人,具有公平性,但另一方面机器学习本身的确可能产生偏见。譬如经过对一组具有性别偏见的选择数据的学习,AI在判断倾向上也会带有这种偏见。这一点在国内被讨论还比较少,但随着AI应用的不断深入,问题早晚会暴露。HireVue的做法是通过人工介入评估模型,在保证预测准确率的前提下,删去具有偏见的考虑因素,以保证最终结果的公平性。 AI面试有商业模式的局限 视频面试及AI面试是HR SaaS赛道非常细分的领域,美国占有该市场绝大多数份额。对中国来说,这些方案几乎是全新的。 美国公司HireVue是做AI面试模块最领先的公司之一,目前该公司为高盛、联合利华、希尔顿等大型企业提供AI面试的解决方案。迄今为止,HireVue共完成了6轮融资。 HireVue创始人在一次采访中指出,2009年是HireVue发展的转折期,此前五年公司在商业化方面可以说是“完全失败的”,在这一年里,最重要的契机是由于全球金融危机,裁员潮引发了组织内部对高效益团队建设的方式思考以及市场上求职竞争情况的加剧——企业想要用更少的招聘成本去应对增多10倍的候选人申请,因此对结构化的视频面试需求开始增加。也是在这一年,HireVue获得了来自Peterson Ventures领投的100万美元融资,将团队扩张到了百人。 从HireVue的增长历史也可以看出,09年金融危机后企业开始重视和认可AI面试带来的效益,HireVue的营收增长也进入了快车道。这种迅速增长的趋势很容易让人联想到此时的国内,不过在这之前,HireVue早在04年连摄像头都没有普及的时候就开始进入这一领域,产品和技术都已经比较成熟。 长期来看,我们认为在疫情结束后市场回归理性的阶段,真正能为企业实现降本增效的优秀产品才能生存下来。如果只是借着疫情的热度仓促搭建了产品,并没有及时的更新和完善自己的面试模块,会很快被洗牌出局。 商业模式上,HireVue目前的业务线包括职前测试、AI面试、在线面试、游戏评估、编程测试等,价格按照客户所需的功能模块和需求量进行定制,有年费订阅制和按使用量收费两种收费方式。根据国外媒体的报道,HireVue单次面试的价格在25至175美元之间,2016年一家利用HireVue招募了700名雇员的公司年费在25000美元左右。 国内的AI面试厂商大多以面试调用量为主要盈利点,收费方式有按分钟、面试次数以及套餐订阅等方式。除此之外,面试官形象定制、定制化部署等额外的增值服务类型。与HireVue相比,国内AI面试厂商价格相对较低,根据36氪对相关企业的访谈,国内(不限次数)套餐中一般包含测评和面试两个部分,价格在6-15万人民币之间。 AI面试本身是一个强工具属性的SaaS模块,一般需要与ATS系统或者招聘平台进行集成使用。目前看来,具备AI面试功能的厂商有两种发展方向,一是专注垂直领域研发,以“AI面试”模块作为产品,向第三方平台开放接口;二是以整套ATS系统作为产品,“AI面试”是其中的组件。模块产品的典型代表是壹面,ATS整体方案的代表是e成科技。 根据国外市场调查网站Owler提供的数据,作为视频面试的先驱,HireVue的年营收在2020年大概在6500万美元。我们暂且先按照这个估计来做比较,2019年人力资源SaaS巨头Workday仅前三个季度的的营收为25亿美元,而视频会议软件Zoom在2019年Q3的营收为4.35亿美元,增速保持在90%左右。对比其他服务商,专注于面试、职前测试模块可能会让公司的产品更专业,但是从资本市场角度看,过于细分的市场和无法形成闭环的业务很难有规模。 事实上,从HireVue近两年的产品动向中也可以看出,HireVue正在以增加业务线的方式扩大收入规模,并走向美国以外的市场。 同时,AI面试本身适用的企业有限,影响垂直业务的渗透率的进一步提高 适用于中大型企业。国外市场营销数据公司Enlyft的统计数据显示,HireVue大多数客户为1000人以上的大型企业(占比58%),30%是中型公司,11%是小型公司(<50名员工)。这样的情况无非是ROI比较高的原因:首先,大公司收到的简历太多,需要HireVue来卡掉一些不适合的候选人。其次,大公司的招聘流程和IT系统比较完善,有资金和技术去使用更先进面试模块。 适用于低门槛、高竞争岗位,不适用于高级岗位。AI面试对于有大量申请者的初级岗位招聘是更有效的,这类岗位包含两类:一是以销售、教师、服务人员为主的低门槛岗位;二是面向应届毕业生(或实习生)的高竞争岗位,例如银行、投资机构、知名外企的校招。不过,AI面试并不适用于高级岗位的招聘。对于这些候选人来说,他们更加期待与决策层进行直接交流,要求他们进行视频面试反而是打击其积极性的做法。 不够人性化,适用于面试前期。虽然通过产品的设计可以提升候选人面试的体验,但从当前的技术看,AI面试官缺乏面对面交流时的实时反馈以及温度感。在面试的中后期,使用AI面试的企业还是会让面试官与候选人当面沟通,做出最后的录取决策。 对人力资源数字化提出更高要求 远程面试只是无接触招聘流程的一个部分,从收集简历到offer发放的一系列过程需要HR部门对内跨部门沟通,对外多方协调。要做到全流程无接触,需要整个招聘过程都是可顺畅推进的数字化的方案。例如,在Moka推出的智能化招聘管理系统中,就有类似协同面板的功能,HR可以在上面和候选人、面试官以及外部猎头预约时间和推进招聘流程。 招聘流程自动化还会涉及RPA(Robotic Process Automation)的应用,例如通过外呼机器人搜集候选人的求职意向、辅助新员工填写入职信息等。此外,在入职前后,企业都可以通过设置聊天机器人,向求职者介绍企业文化和岗位信息、为企业员工提供诸如报销、休假等行政事务的咨询服务。 评估招聘效果也需要持续的数字化追踪,这就涉及到核心人力的流程来完成整个闭环。如果发现员工入职之后的表现存在一些共性问题,就需要考虑调整招聘匹配模型的相关参数,使模型更加精准。 实际上,人力资源部门的数字化转型是很多公司一直在实践的事情,疫情促进了面试的数字化,从而带动了整个人力资源数字化的进程。不过,在推进落地过程中,可能会有数字化的价值难以衡量这样的阻碍。玛氏中国P&O团队就成功的向全球总部证明了其的必要性。在招聘、入职的过程中,玛氏中国通过对比引入人力资源数字化系统前后的工作时间,并根据员工的时薪算出节省的成本,最终向全球总部拿到了数字化项目的预算。 数字化招聘也是让企业在人才竞争中提高战力的武器。直观来看,人资数字化可以让HR从繁琐且低价值的行政事务中解脱出来,让他们有可能从事更多的创造性工作,诸如提高组织效率、更好地进行人才管理等。 从更深层的角度,许多科技公司都没有太多实物资产,人才就是它们最大的资产,比竞争对手更快速的招募到优秀的人才,是公司赢得竞争的关键。Google前第一副总裁韦恩罗森就曾说过,“在人才竞争中最厉害的一招是从对手那里挖到优秀人才,而同时必须让它留下平均水平以下的人。”一家完全数字化招聘的公司和用传统方式招聘的公司比,在招募人才的速度、给人才的体验上几乎是完全碾压式的。 总结下来,仅仅在面试过程中做改变,也许很难直接证明服务商的商业价值 ,但是把视频面试、AI面试放到成本节约、内部服务升级和企业人才竞争等的更大版图,我们能看到技术创新一个长期的趋势。因此,远程面试虽然还存在问题,但确实是我们应该用力拥抱的变化。 【本文为合作媒体授权投资界转载,文章版权归原作者及原出处所有。文章系作者个人观点,不代表投资界立场,转载请联系原作者及原出处获得授权。有任何疑问都请联系(editor@zero2ipo.com.cn )】 http://maka.im/pcviewer/5662621/FVHQXXHJ 近年来,韩国一些大企业逐渐盛行用人工智能(AI)对应聘者进行面试,这一趋势催生了全新的培训行业——专门教求职者如何“糊弄”电脑。 路透社13日报道称,这种以AI为基础的最新面试方式号称能做到“无偏见聘用”。只需屏幕前扫一下,程序算法就能对求职者的性格和情绪做出基本分析;随后通过人机互动,AI能进一步测试出面试者高达37种不同的能力。面对这种“没感情的面试机器”,不少求职者还未上阵就已心生畏惧。首尔职业咨询师朴成中表示,他在去年就举办过48场“AI面试”专题讲座,吸引许多大学生和毕业生前来取经。 随着求职竞争日益激烈,类似培训课程迅速抢占市场,仅3小时培训课程收费就高达10万韩元(约合人民币596元)。对此,求职者叫苦不迭——工作本就够难找了,现在还要额外花钱、花时间学习如何和程序算法打交道。韩国《中央日报》表示,AI只懂“数据分析”,却无法做到“识人”,它也看不到求职者的成长性,AI对求职者的评判应仅作参考 军事 财经 科技 汽车 娱乐 博览 更多 戴口罩已经成为疫情当下全民标配的动作,戴口罩虽然保障了安全,但对于使用人脸识别的用户来说就比较不方便了,基于人脸识别的原理,传统的技术在面部遮挡的情况下是无法进行有效识别的,针对这一问题目前腾讯优图已经通过AI技术实现了人脸识别,根据官方显示这套AI系统可以对戴口罩的员工进行有效的人脸识别,又能发现口罩佩戴错误人员,口罩佩戴识别准确率超过99%。 未佩戴口罩、口罩仅遮挡嘴部、口罩仅遮挡下巴、口罩未遮挡面部、正确佩戴口罩。 目前该功能已经通过腾讯云神图向公众开放,所有为政府部门、医疗机构等开发疫情服务,以及提供远程办公、教学等服务的开发者和服务商,都可以免费或以一定优惠额度享受服务,感兴趣的机构可以参看腾讯云官网。 据悉这套算法可以监测戴口罩的人脸,并且能够针对常见的五种戴口罩形态进行有效监测,同时对错误的佩戴方式进行预警。 戴着口罩也能人脸识别,腾讯AI取得突破 2 天前阅读 980 随着全国范围的陆续复工,公共场所人流或将持续升高。 守住口罩这道健康防线就显得至关重要,但人多了一些难题就会难上加难: 比如,谁偷偷摘下了口罩,谁戴错了,单靠人工排查怎么减少疏漏? 再比如,在高铁闸机等需要人脸识别 的场景,能不能不摘口罩实现人脸识别,降低感染风险? 针对这些难题,腾讯优图在近期成立的攻坚小组取得了突破,成功研发出了口罩佩戴识别专用AI。 这套AI既能对戴口罩者实现人脸识别,又能发现口罩佩戴错误人员,口罩佩戴识别准确率超过99%。 目前该AI能力正在上线,近期将通过腾讯云神图向公众开放。所有为政府部门、医疗机构等开发疫情服务,以及提供远程办公、教学等服务的开发者和服务商,都可以免费或以一定优惠额度享受服务,具体接入规则详见腾讯云官网 。 精准识别5种口罩佩戴情形 腾讯优图这套算法目前可实时检测戴口罩人脸、精准识别五种不同的口罩佩戴情形,并对未佩戴口罩或错误佩戴口罩的人员及时发现预警。 AI可精细识别的五种情形包括:未佩戴口罩、口罩仅遮挡嘴部、口罩仅遮挡下巴、口罩未遮挡面部、正确佩戴口罩。 AI可识别的5种戴口罩类型 目前,对有无口罩佩戴的识别准确率超过99%。企事业单位可以利用该技术及时检测员工情况,保障安全复工。 戴着口罩也能人脸识别 常规的人脸识别AI,在用户戴着口罩时基本会武功尽失。 而腾讯优图这套新AI,在实现戴口罩人脸和口罩情形检测的基础上,把戴口罩人脸识别的准确率提升到了和常规人脸识别接近的水平。 这就是说,即使戴着口罩,优图的AI也能实现人脸识别。 这个AI会利用优图人脸质量模型,先对人脸进行口罩遮挡判断,然后对遮挡区域进行信息提取。其中,口罩遮挡判断准确率目前已达99.5%以上。 优图自研的DDL人脸识别技术 不过,对于安全性要求极高的应用场景,比如支付场景,算法会基于口罩遮挡判断结果,引导面部遮挡严重的人员进行其他方式的身份验证。 对于社区人员管理和排查,腾讯优图还能结合人体识别技术(ReID)进行身份确认。 人体识别技术不完全依赖人脸识别,而是结合了着装、体态、发型等特征进行辨认。 目前,腾讯优图联合腾讯海纳已经联合在多个地区陆续落地相关技术,对传统人脸识别无法溯源的戴口罩出入者进行确认,大大提升了社区工作人员摸排登记外来人员的效率。 在这场全民抗疫的战争,我们相信AI将持续发挥它的价值,贡献不可磨灭的力量 近日,腾讯优图成功研发出了口罩佩戴识别专用AI,戴着口罩也能人脸识别,官方称,这套AI既能对戴口罩者实现人脸识别,又能发现口罩佩戴错误人员,口罩佩戴识别准确率超过99%。 目前该AI能力正在上线,近期将通过腾讯云神图向公众开放。所有为政府部门、医疗机构等开发疫情服务,以及提供远程办公、教学等服务的开发者和服务商,都可以免费或以一定优惠额度享受服务,具体接入规则详见腾讯云官网。 腾讯优图这套算法目前可实时检测戴口罩人脸、精准识别五种不同的口罩佩戴情形,并对未佩戴口罩或错误佩戴口罩的人员及时发现预警。 AI可精细识别的五种情形包括:未佩戴口罩、口罩仅遮挡嘴部、口罩仅遮挡下巴、口罩未遮挡面部、正确佩戴口罩。 AI可识别的5种戴口罩类型 目前,对有无口罩佩戴的识别准确率超过99%。企事业单位可以利用该技术及时检测员工情况,保障安全复工。 常规的人脸识别AI,在用户戴着口罩时基本会武功尽失。而腾讯优图这套新AI,在实现戴口罩人脸和口罩情形检测的基础上,把戴口罩人脸识别的准确率提升到了和常规人脸识别接近的水平。 这个AI会利用优图人脸质量模型,先对人脸进行口罩遮挡判断,然后对遮挡区域进行信息提取。其中,口罩遮挡判断准确率目前已达99.5%以上。 优图自研的DDL人脸识别技术 不过,对于安全性要求极高的应用场景,比如支付场景,算法会基于口罩遮挡判断结果,引导面部遮挡严重的人员进行其他方式的身份验证。 对于社区人员管理和排查,腾讯优图还能结合人体识别技术(ReID)进行身份确认。人体识别技术不完全依赖人脸识别,而是结合了着装、体态、发型等特征进行辨认。 目前,腾讯优图联合腾讯海纳已经联合在多个地区陆续落地相关技术,对传统人脸识别无法溯源的戴口罩出入者进行确认,大大提升了社区工作人员摸排登记外来人员的效率。 谷歌开源「AI手势识别」算法 ·2019-08-24 09:55·互联网 阅读:1374 谷歌公司的科学家们研究出一种新的 计算机视觉 方法,用于实现手部感知。该方案能够在实机实验中仅凭一帧图像识别出一只手(或者多只手)上的21个3D点位。只要在手机上就能进行实时追踪,并且还能同时追踪多只手,可识别遮挡。 实时手形与动作跟踪方案,一直是手语识别与手势控制系统中最为核心的组成部分,同时在部分增加现实体验中也扮演着重要角色。然而,现有技术往往因为遮挡或者缺乏对比模式等问题的困扰,无法提供理想的可靠性。 面对这一现实挑战,谷歌公司的科学家们研究出一种新的计算机视觉方法,用于实现手部感知。作为幕后推手,机器学习技术为提供了强大助力。根据介绍,该方案能够在实机实验中仅凭一帧图像识别出一只手(或者多只手)上的21个3D点位。与目前市面的手势识别技术相比,谷歌的全新技术不需要依赖台式机来计算,只要在手机上就能进行实时追踪,并且还能同时追踪多只手,可识别遮挡。 早在今年6月,谷歌就在2019计算机视觉与模式识别大会上公布了此项技术的预览版本。2月之后,谷歌于美国时间8月20日正式宣布将该技术集成于引入MediaPipe当中。MediaPipe是一套开源跨平台框架,用于构建多模应用机器学习流水线,可以处理不同模态(例如视频与音频)中的感知数据。该项目的源代码以及端到端使用场景目前都已经在GitHub上全面公开。 研究工程师Valentin Bazarevsky和Fan Zhang在博文他们的当中写道:“感知手部形状与运动姿态的能力,有望成为改善各类技术表现及平台用户体验的重要助力。我们希望将这种手部感知功能交付至更为广泛的研究与开发社区处,利用大家的力量共同促进创新用例的出现,刺激新的应用方式并开拓出前所未有的研究途径。” 据了解,谷歌的这一技术包含三套串联工作的AI模型:一个手掌探测模型(BlazePalm)用于分析框体并返回手部动作边框;一个手部标记模型(Landmark),用于查看由手掌探测器定义的裁剪后图像区域,并返回3D位点;一个手势识别模型,用于将之前计算得出的位点归类为一组手势。 BlazePalm:手部识别绝不像听起来那么简单。GlazePalm必须能够解决手部遮挡这一现实难题。为此,谷歌团队训练出一款手掌探测器BlazePalm——注意,是手掌而不是手部。他们认为,对拳头这类物体进行边界框描绘,在难度上要比跟踪手指低得多。具体地,BlazePalm可以识别多种不同手掌大小,具备较大的缩放范围,还能识别手部遮挡,能通过识别手臂、躯干或个人特征等信息准确定位手部。除此之外,这种方式还有另一大优势,就是能够很好地兼容握手等特殊场景,利用忽略其它宽高比条件的方形边框模拟手掌,从而将所需的3D点数缩减至以往的三分之一到五分之一。据统计,经过训练之后,BlazePalm识别手掌的准确率可以达到95.7%。 Landmark:在手掌检测之后,手部标记模型开始接管,负责在检测到的手部区域之内建立21个由手到肘的3D定位坐标。在训练当中,模型要求研究人员手动注释多达3万份真实场景下的图像,并立足多种背景对相应坐标进行渲染和映射,最终创建出高质量的合成手部模型。据统计,在经过训练后,算法的平均回归误差可降低到13.4%。 手势识别模型:流水线上的最后一步是手势识别,该模型利用关节旋转角度来确定每根手指的状态(如弯曲或伸直),并将手指状态集合与预定义的手势映射起来,进而预测基础的静态手势。Bazarevsky和Zhang介绍称,该模型能够识别来自多种文化(例如美国、欧洲与中国)的算数手势,以及握拳、“OK”、“摇滚”、“蜘蛛侠”等常见手势。 除此之外,这些模型也可以执行对应的单独任务,例如利用显卡进行图像裁剪与渲染,从而节约计算资源;并且,手掌探测模型只有在必要时才运行——因为在大多数时段内,后续视频帧内的手部位置只凭计算出的手部关键点即可推理得出,不再需要手掌探测器的参与。也就是说,只有当推理置信度低于某个阈值时,手部检测模型才会重新介入。 展望未来,Bazarevsky、Zhang及其团队还计划建立更强大且、更稳定的跟踪扩展技术,同时增加能够可靠检测出的手势数量,并考虑支持即时动态手势识别。他们总结道:“我们相信,这项技术的发布将为研究及开发者社区带来助力,帮助他们发现更多新的创意与应用方向。” 相关标签 谷歌 手势识别 研究型AI面试怎么过?Reddit网友谷歌面试经验分享 | 附资源 十三 2020-02-18 11:03:52 来源:量子位 十三 发自 凹非寺 量子位 报道 | 公众号 QbitAI 大多数学生在求职前,都会经历实习的过程,那么面试就必不可少。 Reddit上一位NLP领域研究生便提出了这样一个问题: 研究型实习岗位面试时,会被问哪些问题?这些问题主要考验自己的经验,还是对领域了解的程度? 想必这个问题也反映了大多数学生的心声。 那么Reddit网友又给出了怎样的答案呢? Reddit网友分享面试经验 网友hyhieu参与过第一届Google Brain Residents项目,他在评论中分享了面试经验。 首先,大多数所谓的“研究面试”(research interviews),意思就是“告诉我你过去的研究项目”。我认为诀窍在于吸引面试官的注意力,因为在面试过程中,没有足够的时间去做任何真正的研究。 做好应对一些尖锐问题的准备,比如,面试官可能会问“为什么你要在 NuerIPS 2019年的论文中使用 XYZ?我认为 UVW 效果会更好。” 其次,“软件工程”方面的面试问题几乎都是差不多的。虽然与AI没有太大的关系,但是他们还是会不断的问这些问题。你只要上 LeetCode,或者任何你喜欢的网站,解决足够多的问题就可以了。 我认为大多数研究人员并不关心你在“软件工程”上的表现。 网友mrpogiface近期在谷歌参加了面试,今年夏天将加入谷歌大脑团队实习,他分享道: 总共进行了3轮面试,都是在电话里。 第一次谈我的研究和论文,包括为什么这个领域很重要,还有什么未解决的问题,我做了什么,应用程序等等。这是最简单的一轮,因为我可以谈好几个小时,而且我喜欢我的研究。然后,被问到一些非常基本的机器学习问题,这些问题都是关于监督学习方面的。 第二次面试就看起来更像是普通的ML面试。他们询问了一个相当复杂的 NLP 问题。我讨论了当前 SOTA 的最基本的解决方案,更多的是技术方面的问题,但没有代码。 第三轮是一个普通的谷歌编码面试。 我的背景是数学,但他们没有问任何“棘手”的数学脑筋急转弯,也没有问任何离奇的数据问题。都是些非常标准的机器学习/深度学习的东西。 准备工作是很困难的。但如果你机器学习课程学得很好,并且已经阅读过文献研究等,应该是很容易通过面试的。 网友ajayrfhp还表示: 这非常取决于公司本身。一般都会考通用的机器学习、数学。公司并不希望你成为AI领域的全能专家。高级的面试问题会根据你的背景和参与过的项目量身定做。 资源分享 量子位也为大 家整理了一份与AI相关的教程和资源,希望能给你带来帮助。 哥伦比亚大学应用机器学习课程2020 博客:http://www.cs.columbia.edu/~amueller/comsw4995s20/schedule/GitHub :https://github.com/amueller/COMS4995-s20 视频:https://www.bilibili.com/video/av86820508 《剑指Offer》题目汇总&常考题总结(Python实现) GitHub:https://github.com/shenweichen/coding_interviews 免费中文深度学习课程,北大本科生同款 课程视频:https://www.bilibili.com/video/av88056282/ 课程PPT:https://pan.baidu.com/s/1dN4NUtDs-tXLvGyKEO1MFQ 提取码:126a 书籍推荐:《自然语言处理》 GitHub:https://github.com/jacobeisenstein/gt-nlp-class/blob/master/notes/eisenstein-nlp-notes.pdf 马上要进入春招阶段,无论是实习还是正式岗位,你准备好了吗? 传送门 https://www.reddit.com/ AI面试催生韩国新型补习班:面对摄像头练习用眼睛微笑 2020.01.20 11:56:24创事记 欢迎关注“创事记”微信订阅号:sinachuangshiji 文/蛋酱、张倩 来源:机器之心(ID:almosthuman2014) “微笑不要靠嘴唇,要从眼睛里透出来”,在 200 元一小时的补习班里,韩国培训老师这样传授面对“AI 面试官”的诀窍。对于那些待业已久的韩国年轻人来说,只要能通过大公司的 AI 面试,支付昂贵的补习费用根本算不上什么。 从公职考试、外语培训、练习生面试到房地产交易,只有想不到,没有找不到。在补习文化盛行的韩国,只要你需要,补习班都能给你补。 管理学专业的 Kim Seok-wu 正在演习 AI 面试流程。图源:路透社。 最近,由于很多韩国大公司在面试流程中用上了 AI,补习班也上线了一项新课程:教你怎么打(hù)败(nong)AI 面试官。 Park Seong-jung 在首尔江南区有一间职业咨询工作室,他的工作内容之一就是帮助学员通过 AI 面试。 他会对学生说:“微笑不要靠嘴唇,要从眼睛里透出来。”因为视频面试会通过人脸识别技术分析面试者性格,这点非常关键。至今,他已经辅导了几百个为了 AI 面试而报名课程的学生。在 Park 的工作室,这种课程三个小时的费用为 10 万韩元(约合人民币 592 元)。 如何面对没有感情的 AI 面试官? 通常来说,在 AI 面试的最开始,你需要面对电脑进行一段简单的自我介绍。在真人面试中,面试官也往往通过提出这样一个问题作为开始。 在此过程中,AI 系统会检测并统计面试者的“恐惧”、“喜悦”等面部表情以及措辞,同时判断面试者的词汇运用、眼神活动、声调变化等因素,包括一些细微的动作,哪怕只是眼皮跳动了一下。 接下来,AI 会问一些比较刁钻的问题,如“你和老板一起出差,结果发现他/她用公司的银行卡为自己买礼物,你会怎么说?”(这个 AI 学过公务员面试题库?) 此外,AI 面试官还会用一些“游戏化”的方式来评估面试者的性格和适应能力,为他们设置一系列测试。基于算法分析,系统可以得出该应聘者是否具备足够的抗压能力、团队协作能力以及是否具有职场需要的灵活性。 “通过这种『游戏化』的方式,雇主可以测试面试者身上的 37 种能力,以及该面试者是否适合某个岗位,”韩国一家软件公司的总经理 Chris Jung 说道。 准备这种面试不一定要单纯地背答案。“有些题目甚至没有『正确答案』,因为这些题是为了测试面试者解决问题的态度”。 以上这些听起来会像是非 AI 面试中常见的笔试环节,但不同的是,你所答的题目以及努力作出的表情,屏幕那一边没有真人在看,也不会有人去看。 一般来说,AI系统会根据面试者的表现裁定最终分数,这个过程没有人工参与。 所有环节结束后,AI 会综合以上每一个步骤的成绩,利用算法作出最终判断,通过测试的人才有可能进入人工挑选环节。 与真人面试不同的是,在面无表情的“AI 面试官”面前,不少人会感到前所未有的尴尬和焦虑,甚至可能几十秒都说不出话来。 “AI 不会像人一样,自然而然引出一些个性化面试问题。”一位面试者表示,“这种面试让人不太舒服……所以我需要报名参加 AI 面试的补习班”。 想进大厂,先问问 AI 同不同意 为了节省人力物力,全球的大公司似乎都在尝试用 AI 技术来筛选求职者。根据韩国经济研究所的数据,在韩国排名前 131 位的公司中,接近四分之一的公司正在或计划在招聘中使用 AI。 在韩国价值数十亿美元的补习班市场中,AI 面试辅导还只是一个小众市场,目前只有 SK Innovation、韩国现代建设等大企业引入了 AI 面试的流程,但 Park 称“这个市场增长迅速,而且收费不低。” 在中国,像联合利华 、欧莱雅、可口可乐 这样的跨国企业也已经引入 AI 面试制度。 在美国,求职者同样需要面对 AI 面试带来的压力。在杜克大学、普渡大学、北卡罗莱纳大学夏洛特分校等高校,职业辅导老师正在努力调查哪些公司已经使用 AI 进行面试,并将这些信息及应对方案告知学生。杜克大学职业指导中心副主任 Meredith McCook 建议学生对着自己笔记本电脑的摄像头进行练习,花时间和电脑对话。此外,杜克大学也提供相关的练习课程。 市面上最常用的 AI 面试技术供应商是 HireVue。这是一家总部位于美国犹他州的视频招聘平台公司,从 2014 年开始帮助许多 500 强企业筛选求职者。这些企业通常使用 HireVue 来招聘基层岗位员工,因为投递基层岗位的员工一般没有太多的工作经验。如果是管理层,显然有另一套选人标准。 HireVue 用户界面。 根据 Hire Vue 2018 年的数据,由于使用了 AI 视频面试和网上招聘,联合利华在 18 个月中省下了 5 万个工作时。 眼下,许多人都在讨论 AI 是否会取代人类的工作岗位,而 AI 面试官的出现似乎表明,在取代人类之前,AI 已经拿到人类能否胜任某项工作的表决权了。 面对这种“没有感情的面试机器”,杜克大学职业中心副主任 Meredith McCookh 表示:“AI 在面试中有一点令人担忧,它可以判断一个人的综合能力,但无法感知一个人的内心世界和求职者关于人生动力的来源。” 公司要用 AI 面试,我能拒绝吗? 虽然 AI 面试已经被越来越多的公司采用,但在技术透明度方面,相关监管和行业标准还远没有完善。 在使用 AI 进行面试的过程中,许多面试者感到非常困惑,不知道系统用何种标准评价自己,是否存在额外的偏见,因此对面试结果的公平性存疑。杜克大学的本科生 Sarah Ali 前前后后接受了 8 次 HireVue 的面试,但除了一份实习工作外,Ali 一份 offer 都没拿到,她现在非常困惑这个 AI 究竟如何评价自己。 HireVue 负责人曾在公开场合分享,平台面试分析中各项因素所占的比重。 此外,隐私性也是一大问题。去年 11 月,一家隐私保护方面的非盈利机构 EPIC 向美国联邦贸易委员会投诉了 HireVue,称其业务存在潜在性偏见,缺乏准确性和透明度。 为了应对这些问题,美国伊利诺伊州出台了一项“人工智能视频面试法案(Artificial Intellige nce Video Interview Act)”。该法案规定,对求职者进行 AI 面试的公司应做到以下几点: 1、提前告知求职者 AI 将参与面试过程,不得未经求职者同意擅自使用 AI 分析求职者的面试视频; 2、提前告知求职者 AI 面试系统的工作原理以及该系统用于评估求职者的哪些特质; 3、保护求职者隐私。不得分享求职者视频,除非被分享者具备判断求职者所适合职位的专业能力。而且,在收到求职者删除视频的请求之后,企业必须在三十天内进行删除; …… 该法案已于 2020 年 1 月 1 日生效,但实际作用还需要时间的检验。有人认为,这项法案的作用可能微乎其微。因为站在求职者的角度,你很难拒绝企业用 AI 进行面试的要求,否则可能直接被刷掉,结果得不偿失。 那么,如果必须要接受 AI 面试的话,你就要掌握一些小技巧,如回答尽量逻辑清晰、语法正确,做好表情管理等。 此外,一些公司也在积极研发帮助求职者应对 AI 面试的工具,如 Big Interview。这是一家专门研发面试练习工具和指导课程的公司,他们计划下个月推出针对 AI 面试的练习系统。 也许有一天,国内也会出现专门的补习机构,到时你愿意为这门课程买单吗? 美国首个人工智慧面试法案 伊州开始实施 中国日报2020-01-10 06:08:19 (综合报导)随著 AI 技术逐渐发展,民众及企业对 AI 的了解越来越多,也有越来越多企业尝试让 AI 参与公司决策,比如征才。AI 演算法可做的事很多,包括征才广告推广、简历筛选,乃至在影像面试分析面试者的脸部表情。 不过这整个过程对面试者来说都不透明,被演算法评价的一方并不知道系统如何分类、评分、排序。除了面试者不知情,演算法是否引入额外偏见、让面试过程不公平也有疑问。美国伊利诺伊州从 2020 年 1 月 1 日起实施的‘人工智慧影像面试法案’(Artificial Intelligence Video Interview Act),就打算开始插手这过程。 法案是美国所有州里首次实施的此类法案。法案目标是让面试者对这些基于 AI 面试工具的运转情况有更多了解。具体来说这法案有 3 项基本要求: 1。如果企业使用 AI 工具评价面试者和某个职位的匹配程度,那么企业必须明确告知面试者。 2。企业还需要向面试者解释这些 AI 工具如何执行,以及这些工具会把哪些常见性格特点当作评判依据。 3。要保护面试者的隐私,只有具足够专业知识或技术知识的人,才可以在面试后回看面试录影,且如果面试者提出要求,那么企业必须在提出要求的一个月内删除面试者的所有影像。 这项法案看起来是积极一步,但实际上,这个法案针对的 AI 种类非常有限,且也没有对企业如何使用 AI 提出任何要求,很难说法案实施能发挥多大程度的实际作用。 关注科技运用与人权之争的非营利组织 Upturn 高层 Aaron Rieke 对媒体表示:‘对整个征才流程来说,这能发挥的作用很小。’法案谈到用来分析影像的 AI 工具,但评价面试者的 AI 工具远不止和影像分析相关的那些。且法案也无法确保当你要求不让 AI 工具评价你,企业是否还会公正考虑你是否符合职位。‘所以,如果你要求法案赋予的权利,所要付出的代价是可能完全不再被企业考虑,这法案就发挥不了多大作用了。’除此之外,企业对 AI 工具的解释也可能是广泛、高度抽象,并不能帮助面试者理解。 網路 零組件 AI 人工智慧 尖端科技 生物科技 能源科技 財經 財報快訊 市場動態 人力資源 企業部落格 關於我們 廣告合作 首個「AI 面試法案」在美國伊利諾伊州實施,保護面試者的權利就這麼簡單? 作者 雷鋒網 | 發布日期 2020 年 01 月 09 日 7:45 | 分類 AI 人工智慧 , 人力資源 , 科技政策 隨著 AI 技術逐漸發展,民眾及企業對 AI 的了解越來越多,也有越來越多企業嘗試讓 AI 參與公司決策,比如徵才。AI 演算法可做的事很多,包括徵才廣告推廣、簡歷篩選,乃至在影像面試分析面試者的臉部表情。 不過這整個過程對面試者來說都不透明,被演算法評價的一方並不知道系統如何分類、評分、排序。除了面試者不知情,演算法是否引入額外偏見、讓面試過程不公平也有疑問。美國伊利諾伊州從 2020 年 1 月 1 日起實施的「人工智慧影像面試法案」(Artificial Intelligence Video Interview Act),就打算開始插手這過程。 法案是美國所有州裡首次實施的此類法案。法案目標是讓面試者對這些基於 AI 面試工具的運轉情況有更多了解。具體來說這法案有 3 項基本要求: 如果企業使用 AI 工具評價面試者和某個職位的匹配程度,那麼企業必須明確告知面試者。 企業還需要向面試者解釋這些 AI 工具如何執行,以及這些工具會把哪些常見性格特點當作評判依據。 要保護面試者的隱私,只有具足夠專業知識或技術知識的人,才可以在面試後回看面試錄影,且如果面試者提出要求,那麼企業必須在提出要求的一個月內刪除面試者的所有影像。 這項法案看起來是積極一步,但實際上,這個法案針對的 AI 種類非常有限,且也沒有對企業如何使用 AI 提出任何要求,很難說法案實施能發揮多大程度的實際作用。 關注科技運用與人權之爭的非營利組織 Upturn 高層 Aaron Rieke 對媒體表示:「對整個徵才流程來說,這能發揮的作用很小。」法案談到用來分析影像的 AI 工具,但評價面試者的 AI 工具遠不止和影像分析相關的那些。且法案也無法確保當你要求不讓 AI 工具評價你,企業是否還會公正考慮你是否符合職位。「所以,如果你要求法案賦予的權利,所要付出的代價是可能完全不再被企業考慮,這法案就發揮不了多大作用了。」除此之外,企業對 AI 工具的解釋也可能是廣泛、高度抽象,並不能幫助面試者理解。 HR 小姐姐是机器人?看欧莱雅如何拥抱 AI 面试官 奇点机智 关注 2019.05.13 21:00:21字数 1,377阅读 436 世界上最大最的化妆品企业欧莱雅在招聘环节正式拥抱了 AI,推出了 HR 对话机器人,帮助人力资源部门完成招聘环节的首轮筛选。 欧莱雅的 HR 团队每年会接收到大约 200 多万份候选人的工作申请。HR 筛选简历、打电话约面试的工作耗时又繁琐。如何从众多申请中,挑选出 1.5 万人录用,在提高效率的同时优化招聘体验 ,成为了欧莱雅人力部门的一大挑战。 HR 对话机器人的出现,简直是欧莱雅上百位 HR 们的福音。 基于自然语言处理技术和智能对话技术,通过对话提问,HR 机器人能够了解候选人的背景信息并对其资质进行智能筛选,自动淘汰不满足要求的候选人,并第一时间将筛选结果通知 HR,顺便帮 HR 跟入选的候选人预约面试时间。 很多问题是简历并没有覆盖,但 HR 是有必要了解的。除了对资质背景的核实了解,还有工作地点、薪资预期、入职时间、面试时间及形式等等,而这些问题,HR 机器人就可以替代 HR 来快速完成。 通过初步筛选的候选人,欧莱雅的 HR 机器人会继续发起价值观测试,基于 AI 算法模型,来进一步了解候选人与企业文化及价值观是否匹配。 “请讲述一个你曾经做失败的项目,你从中学到了什么?” “请讲述一个你跟跨文化团队合作的项目,你获得了什么经验?” “请讲述一次你的想法和你上司不一致的情况,你是怎么做的?” 通过以上三个问题,HR 机器人会将欧莱雅已有员工的回答与候选人的回答进行对比,并生成价值观匹配度分数,作为其中一个考核标准,来协助 HR 做招聘决定。 欧莱雅全球人力资源 VP Eva Azoulay 表示:“我们希望能节省时间,并把精力放在招聘的质量、体验和候选人的多样性上。AI 对话机器人是让我们加速完成这些挑战的最佳方式。” HR 机器人作为一个企业和候选人双向沟通的窗口,同样也接受候选人的花式提问。 “企业有多大规模啊,环境怎么样?” “岗位的业务部门是有哪个?leader 是谁?” “薪资范围是多少?有什么福利?” “经常加班吗?经常出差吗?” “公司可以带狗来上班吗?” 等等...... 这些五花八门的提问,HR 机器人能解决 80% 以上,HR 就不再需要重复回答每一个前来询问的候选人,释放了大量的时间和精力去做更有价值的工作。 据欧莱雅统计,一位 HR 从筛选简历、预约面试到进行电话面试,平均需要花费45分钟,而 HR 器人完成这些流程只需要4-5分钟。以一个实习项目为例,招聘机器人从 1.2万 候选者中快速筛选出80人,总共节省了200小时的时间。 除了招聘环节,对话机器人有助于加速 HR 部门很多其他环节的自动化升级,例如,新员工入职、员工培训、常见问答、报销、请假、自我评估和绩效考核等等。 在办公自动化的进程中拥抱对话机器人的企业,欧莱雅只是其中之一。可口可乐、宜家、麦当劳、 Delta 航空等众多国际大型企业都纷纷抓住了这个机遇。 奇点机智认为,企业在利用智能对话提升招聘和办公效率的同时,开始注重员工的工作体验及候选人的应聘体验。对话机器人在办公场景的应用已经成为了企业办公自动化水平的重要标准。 为了让更多企业搭上 HR 机器人自动化的快车,奇点机智推出的对话****机器人开发维护平台“对话流”,能够帮助传统企业像欧莱雅一样,为员工、应聘者打造流畅、个性化的 HR 对话机器人,释放 HR 50% 以上的时间精力。 企业 OA 系统与人工智能的结合,是企业办公自动化转型的必经之路。 随着越来越多的企业使用对话机器人,也许跟你聊天的 HR 小姐姐就是一个 AI。当你想向某个企业投简历时,不用再到招聘网站丰富简历进行投递,而是直接对 HR 机器人说一句“我要应聘”,就自动进入了机器人的首轮面试流程。 2020大学生村官面试热点:人工智能,AI未来可期 在线咨询 2020-02-23 19:00:46 来源:中公大学生村官考试网 2020京考面试公告预约 2020京考调剂指导直播课 京考面试分差计算器 京考面试岗位竞争人数及排名分差 2020京考招考信息汇总 京考面试课1元占座 京考职位检索 京面的礼物 面试测评 2020京考职位竞争比查询系统 2020京考入面分数线查询 2020京考群:429742792 大学生村官: 北京大学生村官考试,村官备考技巧,村考考试热点,本文整理2020大学生村官面试热点:人工智能,AI未来可期。更多大学生村官考试 信息,请关注大学生村官网 。 【热点背景】 8月29日,2019世界人工智能大会在上海世博中心召开,大会围绕“智联世界 无限可能”的主题,从技术趋势、应用落地、产业生态、人才培养和公共治理等多角度,对人工智能领域的前沿技术、重点行业和重要话题进行了深入探讨。此外,科技部副部长李萌还公布了最新一批国家人工智能开放创新平台名单,旷视、华为、小米等知名企业入选。本次世界人工智能大会设置了“高端论坛、主题活动、应用展示、智能体验”四大版块,体现出“三最一超”的特色。其中,大会首次设立的人工智能应用场景板块,成为了本次大会的核心亮点之一。该板块集中展示了“未来诊室”、“智能学校”、“政务大脑”、“AI园区”等新元素、新亮点,这反映出AI对上海经济社会发展的赋能效应。 【题目】 8月29日,世界人工智能大会成功在上海召开,本次大会可谓百花齐放,从教育,生活,医疗等方面给我们呈现了重重惊喜,有人说AI技术造福人类的日子不远了,也有人说AI还有很长的路要走,还有人说AI来袭,我们工作怎么办,对此,你怎么看? 【中公解析】 世界人工智能大会的召开,敲响了现代AI发展的重要钟声,这一场人工智能的战役,在无声中开始了。有人说AI造福人类的日子不远了,也有人说还早,更有人担心AI对工作的影响,而我认为AI将来造福人类的日子确实不远了,但是AI就好比互联网,它是一把双刃剑,良好的使用对我们有极大帮助,错误的使用也会带来巨大危害。 在大会上AI大放光彩,比如AI教育,有望解决教育资源分配不均等问题;AI医疗,有着更新医疗设备,加强医疗发现、解决病痛的能力;AI垃圾分类,会上的AI智能机器人几秒就能分辨可回收垃圾;AI艺术在会上更是令人侧目,在会上AI精灵变换各种形态,与真人共同表演了一个又一个精彩绝伦的节目,这是全新的艺术形式,将来也有望成为娱乐界的常态。 人工智能的发展是人类智慧的结晶,是科技发展的必然产物,它不仅仅能够给我们的生活带来不一样的色彩,更是在经济政治民生教育等多个领域注入了新的活力,以往难以解决的困难被解决了,以往拖累我们效率的因素被改变了,人工智能的发展未来可期。 有人说AI马上要造福人类的。是的,工业革命解放我们的双手,AI直接解放人类的大脑,将来人们将可以利用更多精力做更有意义的事,但是这条路并不是我们想象的那么简单,还有很多技术难题需要我们去攻关。其次,也是我们需要去思考的,它的确会给生活带来巨大改变,但可能随之而来的新问题该如何解决。 马云曾经在去年就推行过无人超市,一时间引起巨大争议。超市里的工作人员非常反对,很多人因为没受过正规教育,在超市维持一家人的生活,如果超市改成无人,那么超市里的收银员,理货员,配送小哥,称菜的大妈,将会统统失业,在社会造成巨大的动荡。而且无人超市如何保障监管,产品配送,产品质量,产品更换等等。除此之外,大家还在担心一个事情就是假如出了问题,后果由谁来承担,由机器人吗,不可能。而且由于人工智能的发展进入高速,相关的法律还没有完全到位,如果有人利用技术偷盗,抢劫,犯法,可能非常难以监控和管理。 种种问题表明,沉溺在现实的巨大成功往往会导致更大的灾祸,我们要防患于未然,逐步解决隐患,才能让AI成功融入人类的生活我们的世界。 AI可能会导致失业,那我们就创造一批岗位,比如机器的维修,制造,检查等。可能被不法分子利用会危害人间,我们就需要加强对新技术的监管和掌控。医疗可能出事故那我们就在事故之前对AI进行全方位的实验,争取将隐患扼杀在苗头之中,在当下技术与人类认知迅速发展的时代,AI造福社会的日子还会远吗? 村官备考过程中有问题?为您解决!→【在线咨询】 用 AI 面試你,OK 嗎?機器人累積 1200 萬次經驗,發現這些優劣點 27885 2019-10-24ifanr李超凡 MONOPOLY919 via shutterstock AI 愈來愈聰明,讓很多人開始擔心是否會被人工智慧取代自己的工作。實際上絕大多數人類的工作暫時無法被 AI 取代,但 AI 卻可以決定你是否獲得一份工作。 在美國,酒店、金融等行業使用 AI 進行面試已經十分普遍,當中包括希爾頓、聯合利華和高盛等大公司,已經有超過 100 萬求職者接受了 AI 的面試,一些大學甚至開設一些培訓課程來幫助學生如何在 AI 面試時表現更好。 這些公司主要使用的 AI 面試系統,大都是由影音面試公司 HireVue 開發的。HireVue 一套標準的面試時間為 30 分鐘,包括 6 個問題,但從中可以得出 50 萬個數據點,運算法將參考這些數據來評估求職者的表現。 ifanr 在接受《華盛頓郵報》的採訪 中,HireVue 表示這套系統會分析求職者在面試過程最細微的細節,比如面部表情、眼神接觸,還能「感受」到求職者的興奮程度,最終將求職者面試成功的可能性分為高、中、低三個等級。 HireVue 的分析界面 Business Insider HireVue 的首席技術官 Loren Larsen 表示 ,80%~90% 的評估都是基於運算法對候選人語言和口頭能力的分析,運算法可以識別 350 種語言特徵,並針對不同職位調整評估的標準。比如在招聘醫生時可能會偏向使用更多專業詞彙的求職者,而對於銷售的職位來說,說話語速、面部表情等就顯得重要得多,系統可以根據運算法分析評估個人面對生氣的顧客時的表現。 目前 AI 主要用於面試的初選,最終決定面試者是否被錄取的還是人類。 HireVue 認為沒有感情的機器反而能減少免面試官在面試時基於口音、外貌和性別等主觀因素帶來的偏見,以確保更多符合職位要求的求職者獲得機會。 人類天生就是矛盾的,會將他們的主觀性注入到評估中。但 AI 可以毫無偏差地將面試的內容數進行數據化處理。 滑手機時,來聽本書吧!經理人為你兩周精讀一本書,點此立即體驗>> HireVue 在 2014 推出了 AI 面試的服務,據稱目前已經全球已經有 700 多家公司透過這個系統進行了近 1200 萬次面試,不久前還獲得了凱雷投資集團(Carlyle Group)一筆巨額投資。 ifanr 酒店業巨頭希爾頓收益管理和客戶中心的職位,現在大都通過 HireVue 的 AI 系統進行招聘,這讓這些職位的平均招聘時間從 6 周縮短到 5 天,希爾頓全球招聘副總裁 Sarah Smart 表示這套系統重新構建了希爾頓的招聘流程,更加快速地篩選合適的候選人。 hotels-in-cebu.com 消費品市場巨頭聯合利華則通過 AI 系統省下了 10 萬個小時的面試時間,每年能省下 100 萬的招聘成本,該公司的首席人力資源官 Leena Nair 認為這套系統幫助他們擺脫過去的刻板印象,招聘到更加多元化的員工。 不過很多求職者還是很不太適應 AI 面試官,康乃狄克大學的畢業生 Nicolette Vartuli 擁有優異的的學業成績,儘管她專門研究過 HireVue,但還是沒有被理想的公司錄用,她感到很失落,但她無法得知 AI 對自己的評價,也無法詢問 AI 自己怎樣才能做得更好。 芝加哥大學的大三學生 Katherine Li 通過 HireVue 獲得了高盛投資銀行的實習機會,但她仍然表示面試過程「有點令人不安」,因為無法得知如何給 AI 留下深刻印象,無法從 AI 面試官哪裡獲得即時反饋。 杜克大學的經濟學教授 Emma Rasiel 經常為在華爾街求職的學生提供建議,他表示愈來愈多學生對於 AI 面試感到不安,學校的論壇已還出現了針對 HireVue 的面試指南,Rasiel 認為這種與計算機螢幕交流的模式,更容易讓人產生焦慮。 Convenience Store News 對於 AI 面試是否真的會更加高效,很多業內人士也提出了質疑。紐約大學 AI Now 研究所的創始人認為,透過運算法來識別臉部表情和情感,現階段還沒有充分的科學依據,反而可能會帶來更多的誤導。 倫敦大學學院人類電腦互動教授 Anna Cox 表示 ,運算法會更青睞那些擅長影音面試的人,任何數據集都存在偏差,這可能會排除掉那些在實際工作中表現優秀的人。 情感研究實驗室 微軟位於蒙特利爾的研究實驗室的研究人員 Luke Stark,同樣對於 HireVue 可以根據求職者語調和詞組來評估他們的性格特徵表示質疑,因為當今最好的 AI 系統也不能很好地理解人類的情感和意圖。 究竟 AI 未來會有多大程度能決定我們的工作,現在還不確定。但是隨著 AI 在現實的應用愈來愈多,AI 正在根據大數據和深度學習不斷優化和升級,而人類也必須適應更多新的人機交互模式,來找到和 AI 相處的最佳方式。 (本文出自 ifanr ,作者:李超凡) 延伸閱讀 3.2 秒就找到合適候選人!下次找工作,你的面試官可能不是人了 HR 不能只是發薪水、收履歷、統計出勤!跟瑣事相比,人資更該做的兩件事 從最強單兵晉升團隊掌舵手,店長如何引出團隊潛能,不再攬下所有工作 这一步提醒:提高警惕,识破虚假招聘、避免上当受骗!查看 企业入口 学生登录 | 注册 校园招聘 首页 找全职 找实习 宣讲会 求职攻略 职业锚 AI面试纯看脸?80%的学生因为这样被淘汰… seven 2018-11-05 越来越多的公司采用视频+AI面试的方式。 这对外地求职党算是利好消息,免去了不少人飞机来回的辛苦和花费。但另一方面,面对镜头的时候,往往很难自如的表现。再遇到根本没有感情的机器,感觉分分钟就会凉凉。 比如说今年秋招中,联合利华、欧莱雅,可口可乐,达能都采用了AI面试/视频面试这一环节。根据Office Team的调查显示,在过去几年使用视频面试的公司从14%陡增致63%。投行界大佬高盛、瑞士银行、摩根大通,陆续开始使用视频面试的形式进行首轮面试。 (联合利华的视频面试和可口可乐的AI面试) 所以今天我们就来讲讲,这些令人头大的视频面试该掌握哪些破题要点。 AI面试/Digital Interview 最专业的AI面应该算是联合利华使用的Hire Vue,有超过15,000个特征可用于识别表现最好的人物。这些包括你选择的语言,你运用的词汇,眼神的活动,做题的速度,声音的大小...等等。它能够分析每个问题的答案,并且重点关注关键词,身体语言和语调。HR 随后进行查看,选择成绩最好的候选人。 另外一种则是提前录制好的视频提问,比如Digital Interview 或是 Pre-recorded Video Interview。一般情况下,每个问题你有一定的时间限制作答。 像今年的达能就是40分钟回答4道题,题型和宝洁八大问类似,还是需要手打出来。而像前两年的高盛,则是很标准化的5道behavioral问题。这些题都是可以提前准备的。 ▌如何准备AI面试/Digital Interview 1. 找到破题点,提前准备 就算是AI面试,它的参数也是人为设定的。所以,你的答案应该要偏向于这个公司的招人偏好,以及预估可能出现的问题。比如说快消里面一定会有宝洁八大问的变种,比如说: 举一个能够体现你领导力的例子。 举一个例子体现你的主观能动性,最先发起的一个活动 与别人冲突的时候你会怎么办 2. 注重逻辑和细节 因为不是人工筛选,所以你必须符合英文/中文的语句逻辑才能够轻易识别出来,要点就是:搞清楚主谓宾的顺序并运用W-STAR法则来回答,尽量减少不重要的信息,此外还要适当点到一些关键词,像:领导力,合作,解决了XX问题,转化率高达。 因为不是面对面进行,所以视频面试中动作和表情的细节的就尤为重要。在录制的过程中,你没有那么多的时间去思考一个完美的答案,相比现场的面试,视频面试要做更多的准备。 实时视频面试 这类面试除了没有在现场外,其他的和线下面试差别不大。比如说最近欧莱雅HR 面就使用的skype,又比如说宝洁专门为留学生提供的视频面试。可能是一对一,也可能是一对多。 公司除了使用skype之外,还有google hangout,zoom等。另外,一些公司也可能用自己的系统来进行视频面试,以方便来记录和查询。通常情况,公司会事先把视频账户的链接或者账号名发给你。 ▌实时视频面试前的准备工作 1、面试练习 在网络摄像头或镜子前面练习,不要面无表情,也不要太夸张。表情要自然,面试官才会更容易看到你的反应。 2、面试准备 至少打开电脑十分钟,并检查网络摄像头和录音功能是否正常,还要检查电池和互联网 连接,并确保你有任何可能要参考的笔记或简历在附近(但是最好不要入镜),关闭计算机上的所有其他应用程序,最好关机。检查视频帐号的名称:用户名最好不要是数字或者奇怪的昵称。 3、环境准备 包括光线、视频构图、确保面试背景干净整洁(可以找个大白墙)... 4、外表准备 仔细选择你的衣服服装,不要穿颜色过于扎眼随便的衣服。同时注意一下,虽然视频面试只看上半身,下半身也不要穿的太随便了,对整个人的气质都有很大的影响。 ▌实时视频面试中如何表现 研究表明,视频面试中的有效交流部分:55%来自于面部/身体语言,38%来自于语音语调,7%来自于你到底说了些什么。能不能拿到offer完全取决于你的演技有多好! 1、眼神交流 在面试过程中保持良好的眼神交流有助于展现你的自信,也能让面试官更好地来了解你。你可以把你的视频摄像头放置在面部前上方,不要过高或者过低,选一个美美的角度。保持头部在视频范围的正中,眼白不要露出太多,眼神也不要有躲闪。 2、避免多余的小动作 一些面对面交流时大家都感觉挺正常的一些小动作,会在视频里被夸张化,更引起面试官的注意。比如,用手托着下巴,玩头发,摸脸等等,尽量避免。 3、保持适中的语音语调 尽量平和有条理,在说到重点的时候有适当的语音强调,不要显得太无聊。注意距离麦克风的距离,避免喷麦的同时还要保持适当的音量。 4、视频面试常见的问题 视频面试通常是传统面试中的第一轮面试所问的问题,在面试之前必须准备: 自我介绍 谈一谈你的个人经历 为什么选择我们/为什么要雇佣你(Why you / Why me?) 性格特点:优缺点、擅长的事、特征... 行为问题:最有成就感的事、如何怎样克服困难、如何体现自己的领导力... 总的来讲,如果能做到对面试的规则和技巧足够熟练,被面试官pick并非难事。反之,没做好万全的准备,碗里的offer也会飞了! 来源:微信号 offer-1 首页 区块链资讯 区块链知识 您当前的位置: 牛咯网 > 区块链 > 区块链资讯 > 正文 在世界500强面试你的,是只AI 时间:2019-11-14 09:07:05 编辑:牛牛 来源: 浏览:59次 这不是未来。全世界有100多万求职者经历了人工智能面试官的冷眼旁观。 也许其中最著名的是海瑞 弗。 用人工智能代替人力 资源 可靠吗? 但许多技术专家对此提出质疑。伦敦大学学院人机交互教授安娜·考克斯说: 人工智能面对 人工智能面试官,你需要做什么? 事实上,像海瑞弗这样的人工智能面试官不会给出反馈 ,不管面试官的行为在他们眼里是好是坏。 HireVue 的系统 结合了语音识别软件和面部识别软件。在面试过程中,它将收集求职者的表达和行为,并分析收集到的声音细节,如单词和语调。 根据工作要求,人工智能面试者最终将把求职者分为三个等级:高、中、低。 一块石头激起一千层波浪 此前,亚马逊用来给求职者评分的人工智能被披露在培训中学会了“重男轻女”。 面对人类面试官,你可以从与他人的眼神交流中得到反馈,但是当你面对一台相机和它背后的人工智能时,没有人知道它在想什么。 虽然它只在面试的初始阶段使用,但这种制度的存在引起了极大的反对。 在这个天才系统中,斯蒂芬·霍金教授可能不得不去杂货店看看后门。 纽约大学人工智能研究所的联合创始人梅雷迪思·惠特克也直言不讳地说:这是伪科学。 应允许公司员工 担任求职者,以查看HireVue系统分数是否与他们的实际表现不匹配。我打赌他不敢做这么简单的实验。 联合利华首席人力资源官莉娜·奈尔(Leena Nair)表示,人工智能系统有助于人力资源人员摆脱“惰性”,让员工的就业人数更加多样化。 为了防止歧视,“去偏见 ”进程应该是开放源码的。在以多样性为准则的全球环境中,人们需要更多地了解用于训练算法的人类数据。 在这种人工智能系统的帮助下,希尔顿将平均招聘 时间从42天缩短到了5天。 人工智能不仅参与人力资源管理,而且不再是一两天。 IBM的沃斯顿人工智能系统可以通过研究员工数据和完成的项目来分析员工绩效和预测员工潜力。 这家初创公司与瑞典斯德哥尔摩最大的招聘公司之一TNG联手,打造了一款名为腾盖的招聘专家机器人,旨在克服人力资源在招聘过程中的潜意识偏见。 随着科技的发展,人工智能将人力资源人员从繁重的筛选工作中解放出来,提高了效率,这已成为一种趋势。 关注图像处理,自然语言处理,机器学习等人工智能领域。 欢迎关注微信公众号 一份AI公司应聘指南: AI 从业人员如何在面试中引起注意? 倚窗听花落 9月前 阅读数 54 0 这篇文章是专门为那些想利用人工智能解决有趣问题的人写的。 过去 8 个月里,我参加了谷歌 DeepMind、Wadhwani 人工智能研究所、微软、Ola、Fractal Analytics 等多家公司的面试,应聘数据科学家、软件工程师和研究工程师等职位。在这个过程中,我不仅有机会与许多厉害的人物打交道,还能审视自己,了解面试官在面试过程中真正想要什么。我相信,如果我以前有这方面的知识,就可以避免许多错误,并以更好的方式做好准备,这也是我撰写此文的动机,希望本文能够帮助别人找到理想的工作。 毕竟,如果人生(至少)三分之二的时间都在工作,那么最好找一份值得的吧。 本文的灵感源于我和一个三年级学生的讨论,他认为从事 AI 的人很难通过校园招聘找到满意的工作机会。此外,我在为面试做准备的时候,发现人们使用了大量资源,但根据过去几个月的经验,我认为对于大多数 AI 从业人员,很多基本资源都是不必要的,文末列出了所需资源的最简清单。本文首先介绍如何在面试中引起注意,然后我提供了一份可以申请的企业和初创公司名单,接着是如何在面试中取得成功。我根据个人经验,增加了一个我们应该为何努力工作的部分。最后是准备工作所需的最少资源。 注意:对于那些在等校园招聘的人,我想补充两点:首先,我要说的大部分内容(可能除了最后一点)都与你无关。但是,第二点是,正如我之前提到过的,校园招聘的工作机会大多是软件工程岗,与人工智能没有交集。所以,这篇文章是专门为那些想利用人工智能解决有趣问题的人写的。此外,我还想补充一点,我并没有通过所有面试,但我想这就是失败的意义——它是最伟大的老师。本文提到的事情可能并非全都有用,但这些都是我的经验,我不知道还有什么办法能让它变得更有说服力。 一、如何在面试中引起注意 老实说,这一步最重要。让社会招聘变得如此艰难和疲惫的原因是如何让招聘人员在收到的众多申请中仔细查看你的个人资料。与公司内部人员建立联系可以让你很容易地获得推荐,但一般而言,这一步可细分为三个关键步骤: 1. 做好相关准备 即准备好领英档案、Github 档案、个人网站以及一份精心打造的简历等材料。首先,你的简历应该非常整洁和精炼。可以根据 Resume Revamp 来规划简历,它包含我想说的所有有关简历的内容,我自己也一直用它作为参考。至于简历模板,Overleaf 上提供的一些格式很不错。我个人使用 deedy-resume ,以下是预览: 如上图所示,一页可以有很多内容。但是,如果你要写的内容不止于此,那么上述格式的直接效果不会太好。你可以在这里找到多页格式:https://latexresu.me/ 。下一个要点是你的 GitHub 资料。很多人仅仅因为它不像 LinkedIn 那样具备「谁看过你的资料」选项,而低估了它的重要性。人们真的会看你的 GitHub,因为这是验证你 CV 中提及项目的唯一方式,鉴于人们现在在自己的职业资料中添加了很多与各种流行词相关的噪声。尤其是对于数据科学来说,开源意味着把使用的很多工具、实现的不同算法、各种学习资源都开放出来了。我在之前的文章里 谈过开源的益处和如何从头开始创建自己的 GitHub。最低要求是: 创建一个 GitHub 账号; 为自己做过的项目创建一个 repo; 添加关于如何运行代码的清晰文档说明; 为每个提及函数作用、参数意义、格式和脚本的单个文件添加说明文档。 第三步是大部分人缺少的,即在招聘网站上展示自己的经历和个人项目。制作个人职业资料表示你非常严肃地考虑进入某领域,在真实性上加了很多分。此外,履历(CV)通常会有空间限制,可能会缺失一些重要细节。你可以在个人职业资料中深入介绍这些细节,推荐对项目/思路进行某种形式的可视化或其他展示。创建一份职业资料非常简单,有很多免费平台,通过拖放功能就可以实现这一过程。我个人使用 Weebly,这是个广泛使用的工具。开头有 reference 更好。有很多不错的例子,不过我参考了 Deshraj Yadav 的个人网站,制作了我自己的 : 最后,很多招聘者和创业公司开始使用领英作为招聘平台,领英上有大量好工作。除了招聘者之外,担任有影响力职务的人在领英上也很活跃。因此,如果你可以吸引他们的注意力,你就有机会进入面试。 此外,维护个人资料也是必要的,这样人们更有意愿与你联系。领英的一个重要部分是搜索工具,如果你想被看到,那么你的资料中必须有相关关键词。我更改了很多次,进行了多次评估,才有了一份不错的个人资料。你还应该请同事或领导为你的技能背书、写推荐语。所有这些都会提高你被注意到的几率。领英和 Github 个人资料指南,可参考:https://career-resource-center.udacity.com/linkedin-github-profiles。 这看起来太多了,但是记住,你不必要一天内或者一周、一个月内完成。这是一个过程,一个不会结束的过程。起初设置好一切肯定需要你付出精力和时间,但是一旦完成,你就只需要定期更新条目就可以了,这种方法不仅容易,而且还可以随时随地谈论自己,不用刻意准备,因为你对自己已经有了清晰的认知。 2. 确保真实性 我见过很多人犯下这样的错误,他们的个人资料出现在多个不同的职位之外。我认为,更好的做法是先确定自己真正感兴趣、乐意做的事情,再寻找相关机会,而不是反过来。AI 人才供不应求的现状给你提供了机会。花一些时间按上述做法定期更新资料能够使你对自己有一个全面的认知,帮助你及早确定方向。此外,你无需对面试中可能被问的不同问题准备答案。大部分答案在你谈论自己真正热爱的事情时会自然而然地出现。 3. 人际关系网 完成 a 和 b 之后,人际关系网将真正帮助你达到目的。如果你不和别人沟通,那么你可能错过很多好机会。每天联系新的人是很重要的,如果不能面见,那就在领英上沟通,这样过些时候,你就拥有了强大的大型人际网络。 人际关系不是联系别人为你写推荐信。我最初经常犯这个错误,直到读了 Mark Meloon《Climbing the Relationship Ladder to Get a Data Science Job》 一文,他在这篇文章中谈论了通过率先提供帮助来构建真实联系的重要性。构建人际关系过程中另一个重要的步骤是展示自己。比如,如果你擅长某事,在博客中写出来,然后在 Facebook 和 LinkedIn 上分享这篇博客。这样不仅能够帮助到别人,还能帮助到自己。 一旦你拥有了足够强大的人际关系网,那么你被人看到的几率将大大提升。你不会知道你关系网中的一个人是否喜欢、如何评价你的博客,这或许可以帮助你接触到更广泛的受众,包括寻找像你这样具备某方面专业知识的人才。 二、可以申请的企业及初创公司名单 我将按字母顺序呈现该列表,避免带来优先性方面的误解。但是,我会在我个人推荐的那些公司上面加上*。本推荐列表基于以下因素:使命陈述、人员、人际互动、学习范围。多于一个的*是完全基于第 2 和第 3 个因素而加的。 Adobe Research *AllinCall(由印度理工学院孟买分校校友会创建) *Amazon Arya.ai *Facebook AI Research: AI Residency Program *Fractal Analytics(以及 Cuddle.ai、**Qure.ai) **谷歌(Brain/DeepMind/X):AI Residency Program 高盛 Haptik.ai **HyperVerge——由印度理工学院马德拉斯分校校友会创建,他们正在与世界各地的客户合作,为现实问题开发人工智能解决方案,创始人包括在该校创立著名计算机视觉小组的人 IBM Research *Intel AI labs(强化学习) **Jasmine.ai——由在密歇根大学获得博士学位的印度理工学院马德拉斯分校校友会创办,他们致力于会话智能研究。而且他们的资金很充足。他们正在寻找能尽快加入班加罗尔办事处的人:https://docsend.com/view/xff9hwr 摩根大通; *Microsoft Research:印度实验室 1 到 2 年研究员职位 ,AI Residency Program MuSigma Next Education niki.ai *Niramai:由之前在施乐研究公司的员工组成,致力于使用热成像技术进行乳腺癌早期筛查 Ola *OpenAI *PathAI Predible Health Qualcomm *SalesForce Samsung Research *SigTuple *Suki:为医生设计的 AI 语音助手。近期,它筹集到大量资金,可能很快会在印度开设办事处 *Swayatt Robotics:开发适应印度交通条件的自动驾驶汽车 **Wadhwani AI:由亿万富翁 Romesh Wadhwani 和 Sunil Wadhwani 资助,他们的目标是成为 AI 领域的第一个社会公益组织 *Uber AI Labs & Advanced Technologies Group:AI Residency Program *Umbo CV:使用计算机视觉的安全性 Uncanny Vision Zendrive 三、 如何赢得面试 从你走进房间的那一刻起,面试就已经开始了。从那一刻到进行自我介绍之前可能会发生很多事——你的肢体语言及微笑问候起着很大的作用,尤其是当你去一家初创公司面试时,他们非常关心这一点。你要知道,尽管对于你来说面试官是陌生人,但对于他/她来说你也是陌生人。所以他们可能和你一样紧张。 把面试看作是你和面试官之间的对话,这点非常重要。你们俩都在寻找对双方都有利的结果(mutual fit)——你在寻找一个优秀的工作场所,而面试官在寻找一个优秀的共事者。所以,确保你对自己感觉良好,同时保证对话的开场令人愉悦。要做到这一点,最简单的方法就是微笑。 面试主要有两种类型——一种是面试官带着准备好的问题来面试,不管你的个人资料如何,他/她都会问你这些问题;另一种面试基于你的简历。我从第二种面试开始解释。 第二种面试的开场白通常是“可以简单介绍下自己吗”。关于这个问题的回答有两个大忌——谈论你在大学的 GPA 或详细介绍自己的项目。理想的回答应该控制在一两分钟左右,简要说明你做过些什么,内容并不局限于学术。可以谈谈你的爱好,比如读书、运动、冥想等,也就是谈论任何有助于定义你的东西。然后面试官会把你在自我介绍里谈到的一些东西作为他下一个问题的引子,开启面试的技术部分。这种面试的目的是为了检验你写在简历上的内容是否真实: 任何一个真正解决了某个问题的人都能够从多个层面来回答它。他们能够进入黄铜轨道,不然就会卡住——Elon Musk 这个过程中会出现很多问题,比如可以采取什么不同的做法,是否可以用「X」代替「Y」,会发生什么情况等。此时,了解在实现过程中通常做出的权衡很重要,例如,如果面试官说使用更复杂的模型会取得更好的结果,那么你可以说实际上需要处理的数据较少,这会导致过拟合。在一次面试中,面试官给了我一个案例研究,涉及为一个真实用例设计算法。我注意到,面试官非常喜欢我以下面的流程来展开讨论: 问题 > 1 至 2 个之前的解决方案 > 我的解决方案 > 结果 > 直觉 另一种面试其实只是为了测试你的基本知识。不要担心问题太难。但它们肯定会涉及你应该掌握的所有基本知识,主要基于线性代数、概率、统计、优化、机器学习和/或深度学习。「你需要准备的背景知识」一节中提到的资源应该够用了,但请确保不要遗漏其中的任何一点。这里的关键是你回答这些问题所花的时间。因为它们涵盖了基础知识,所以面试官希望你最好能够立即作答。所以,请做好相应的准备。 在整个过程中,对你知道和不知道的事保持自信和诚实是很重要的一点。如果某个问题你确定不知道,直接说不知道,而不是发出“啊”“嗯”的声音。如果某个概念真的很重要,但你觉得很难回答,面试官通常会很乐意给你提示或指导你找到正确的解决方案(这取决于你在面试开始阶段表现如何)。正确理解面试官的提示并据此找到合适的解决方案是一个很大的加分项。尽量不要紧张,避免紧张的最佳方法就是微笑。 现在我们来到面试结尾,即面试者问你是否有什么问题。人们很容易认为面试结束了,并回答没有问题要问。我知道很多人被拒绝,就是因为这最后一个问题。如前所述,被面试者不只你自己。你也在探索你与这家公司双方是否都适合。因此很明显,如果你真的想加入一家公司,你肯定对公司文化或他们对你的期望角色等有疑问,甚至只是简单地对面试者感到好奇。你总是能从身边的事物中学习到东西,你要确保给面试者留下你对他们团队真的感兴趣的印象。我对面试者提出的问题是他们对我的反馈。这给了我很大帮助,我仍然记得每一个反馈,并真的融入到日常生活中。 以上。基于我的经验,如果你坦诚、具备相应能力、真正关心面试的公司,并具备合适的思维模式,那么你应该适合所有要求,很快拿到 offer。 四、我们应该为什么而努力工作 我们处于一个充满机会的时代,可以做自己喜欢的事情。你只需要努力成为该领域最优秀的人,就会找到一种实现它的方法。正如 Gary Vaynerchuk 所说: 对 AI 研究来说,这是一个伟大的时代。如果你真的对此充满激情,那么你可以做的事情有很多很多。你可以赋予那些被忽略的人力量。我们一直抱怨身边的问题,而从来没有一个时代像现在这样普通人也可以做为此做些什么,而不是仅仅抱怨。Jeffrey Hammerbacher 有一句名言: 我们这一代最杰出的头脑都在拼命思考如何吸引人点击广告。 利用 AI 能做的事情远超我们的想象。有很多非常棘手的问题,需要像你这样极其聪明的人来解决。你可以让很多人的生活变得更美好。是时候放弃「酷」的事情,或「看起来不错」的事情了,认真思考,做出明智的选择。 五、你需要准备的背景知识 所有数据科学面试中会出现的问题基本上都包含在四个大类中:计算机科学、数学、统计学和机器学习。 计算机科学: 算法和数据结构 InterviewBit NPTEL IIT Delhi 的课程 操作系统: https://medium.com/the-aspiring-programmer-journal/the-10-operating-system-concepts-software-developers-need-to-remember-480d0734d710 《Operating System Concepts》的三、四、五、七章 GeekForGeeks 上的操作系统 : 面向对象编程:你会被问及如何设计一个系统,例如一个铁路售票系统。此时你需要和面试者讨论他们的需求,需要创建多少个类,每个类包含哪些变量与方法,如何使用继承(如 Engineer 和 Scientist 类都是 Employee 类派生的)等等。这些知识来源于实践。你可以在这里找到一些基本术语的解释:https://medium.com/dot-net-tutorial/oops-interview-questions-with-answers-for-freshers-b2a568ed364b 数学和统计 如果你不了解深度学习背后的数学知识,你要找一些学习资源。 参考内容 谷歌与 MIT 联袂巨著:《计算机科学的数学》开放下载 从入门到高阶,读懂机器学习需要哪些数学知识(附网盘) 这是一份文科生都能看懂的线性代数简介 当然,Ian Goodfellow 等人的《深度学习》中第二、三和四章的数学已经足以应对面试中这类理论问题了。如果你没有时间,我也对其中的一些章节概念进行了总结 ; 如果你已经学习了有关概率的课程,数学问题应该不在话下了。有关统计学的问题可以参考:https://www.quora.com/How-should-I-prepare-for-statistics-questions-for-a-data-science-interview-What-topics-should-I-brush-up-on/answer/Dima-Korolev?share=ac534713&srid=oEqx 机器学习 在这里,问题的种类完全取决于你面试的岗位。如果你遇到了传统型的机器学习面试。那么有关机器学习的基础知识就必不可少,下面的一些课程可能对你有所帮助: 吴恩达的 CS229 课程: http://cs229.stanford.edu/ 加州理工教授 Yaser Abu-Mostafa 的机器学习课程:https://work.caltech.edu/telecourse.html 重要的话题包括:监督学习(分类、回归、支持向量机、决策树、随机森林、逻辑回归、多层感知机、参数估计、贝叶斯决策规则),无监督学习(K-means 聚类、高斯混合模型),降维(PCA)。 如果你申请的职位更加高级,那很可能会被问到有关深度学习的问题。在这种情况下,你需要非常了解卷积神经网络(CNN)和循环神经网络(RNN)及其变体。想要明白这些,你需要对深度学习的基础知识有所了解,CNN/RNN 是如何工作的,目前存在哪些架构,以及这些架构改进背后的动机都是什么。在这一方面,我们没有捷径——必须花时间了解它们。对于 CNN,我推荐斯坦福大学的 CS231N 课程,RNN 推荐 CS224N 课程。 Hugo Larochelle 的神经网络课程 也很有意思,适合快速上手; Udacity 也有于此相关课程 。 走出校门后,你的职业生涯将是一个自我实现的漫长过程。希望这篇文章能给你带来一些启发,并帮助你以更好的方式为下一次数据科学面试做好准备。 原文作者:Aman Dalmia 原文选自:Medium 编译:机器之心 译文地址:微信公众号“机器之心”(ID:almosthuman2014) 本文由 @机器之心 授权发布于人人都是产品经理,未经作者许可,禁止转载。 题图来自 Pixabay,基于 CC0 协议 来见识一下联合利华的AI面试 来源:义乌人才网 时间:2018-03-12 作者:义乌人才网 浏览量: 10 在过去一年多里,联合利华在北美地区试行利用人工智能招聘初级员工。在这个招聘过程中,先由算法筛选简历、进行初试,大概要过了三轮应聘者才开始与真人有联系。从2016年7月到2017年6月,AI的应用逐渐扩散到全球68个国家的招聘环节。到目前为止联合利华已经用15种语言为超过25万名候选人进行过面试服务。 想象有一天,游戏打得好,就可以拿到offer?联合利华与数字人力资源服务机构Pymetrics和HireVue合作,把这个畅想实现了。 你或许是在Facebook、LinkedIn、Muse等平台或直接在联合利华官网上看到招聘启示,各种不同岗位里恰恰有一个让你觉得十分契合,于是点击进去提交LinkedIn资料,告诉他们这个岗位我喜欢。 之后你会被引导进Pymetrics的平台,花二十分钟玩一个游戏。比如,点击压力泵给气球充气,充气越多价值越高,直到它爆炸,钱币归零。这期间我们随时停止充气拿走钱币。目标是三分钟内尽可能多地收集钱币。 或许不少人面试的时候看到游戏会以为遇到恶作剧。其实你不知道这个游戏在对你的风险评估能力做测试。Pymetrics首席执行官FridaPolli解释,这些游戏中贯穿着认知神经科学的黄金标准,有的是测试候选者专注能力,有的则能看出阅读能力和情感领悟。 但即便知道了用意也不代表候选人可以掌控测试结果。一个谨慎的候选人从每一个气球中拿出少量的钱以避免失去,这并不比一个冒险的候选人试图把每一个气球限制在极限上更好。答案没有对错之分,它只是评估你是否适合这个岗位或者应该在什么领域发挥专长。 当游戏这一关通过筛选,你要接受一场没有面试官的视频面试。问题是既定的。需要一部手机或者一个平板电脑来配合。 觉得很简单吗?战胜棋圣的人工职能当然不会这么好应付。HireVue的视频面试要的不仅仅是你完美的对答,看下面就知道了。 这场视频面试同样是为智能分析提供素材,作答时的关键词、语音语调会被记录成数据,还包括你的表情举动也成了分析对象。所有细微之处都逃不过它。 经过以上两轮筛选,智能算法会把契合的候选人挑出来最终交给经理。这也是这场面试中唯一有人工介入的环节。你会被邀请到联合利华的办公室来进行一天的工作体验。假如招聘人员认可你,就会在面试后不久收到offer。 联合利华先是用这套方法招实习生,发现体验不错,于是上升为招聘初级员工使用。 联合利华北美人力资源副总裁Mike Clementi说他们还在努力提升体验,让求职者在这个过程中可以有愉快的体验。(不但让你玩,还要让你玩得开心,总觉得哪里不对。)而且Clementi在接受媒体采访时表示,智能招聘极大地提高了企业多样性和成本效率。过去二十年里Clementi他们用传统的方式进学校、收简历、人工筛选约面试。但现在,招聘有可能变得更帅一点。 联合利华是全球最大消费品公司之一,从1890年代利物浦附近一家杂货店,到2017年市值1500亿欧元,联合利华在全球范围拥有17万名员工。现在在人才市场上,联合利华试图寻找一种新的方法来让招聘变得更有质量。 哎,等等……这是不是HR招聘职能即将被替代的讯号? 爱可可爱生活老师微博机器学习教程、资料、工具、面试题汇总 彦祖 2018年10月30日 作为 AI 界知名网红,爱可可爱生活老师长期在微博上分享 AI 论文、学习资料、数据集以及笑点奇怪的图片和视频,吸引了大量开发者和学术青年的关注。我从爱可可老师发布的微博中挑选了大量有价值的内容并做了粗浅的分类,主要包括教程、工具、资源/数据集、面试集、写作指导这几个类别,涉及机器学习、神经网络、数据科学、量子机器学习、Python 学习、科学论文写作等多个方面。本文所列举的资料大部分为入门指导、实战项目分析和一些经验之谈,适合广大的机器学习开发者以及对 AI 有兴趣的开发者参考学习。 教程 Ian Goodfellow对抗机器学习教程 https://www.youtube.com/watch?v=3-qazNQS2JU 200+机器学习/NLP/Python最佳在线教程汇总 https://medium.com/machine-learning-in-practice/over-200-of-the-best-machine-learning-nlp-and-python-tutorials-2018-edition-dd8cf53cb7dc Keras教程:Keras/深度学习/Python起步指南 https://www.pyimagesearch.com/2018/09/10/keras-tutorial-how-to-get-started-with-keras-deep-learning-and-python/ Kaggle 项目实战(教程) = 文档 + 代码 + 视频 https://github.com/apachecn/kaggle Python“黑魔法”实现集锦 https://github.com/alexmojaki/sorcery 视频课程:机器学习基础 https://www.youtube.com/playlist?list=PLnZuxOufsXnvftwTB1HL6mel1V32w0ThI 各个主题的最佳教科书 https://www.lesswrong.com/posts/xg3hXCYQPJkwHyik2/the-best-textbooks-on-every-subject Kaggle的免费Python教程 https://www.kaggle.com/learn/python R语言教/学课程资源集 https://github.com/rstudio-education/rstats-ed 图深度学习文献集锦 https://github.com/naganandy/graph-based-deep-learning-literature 新书草稿:机器学习数学基础 https://mml-book.github.io/ 免费书:统计学导论 http://onlinestatbook.com/Online_Statistics_Education.pdf AAAI 2018视频集锦 https://www.youtube.com/playlist?list=PL_9a5ic6GUim0HB71cILHmQwfdKiwZ-MG Andrew Ng经典机器学习课程作业Python 版 https://github.com/dibgerge/ml-coursera-python-assignments Standford CS231n 2017课程学习总结 https://github.com/mbadry1/CS231n-2017-Summary 动手学深度学习 http://zh.gluon.ai/ Kaggle出品的小型数据科学系列课程 https://www.kaggle.com/learn/overview ICML 2018教程集锦 https://www.bilibili.com/video/av27369761/ Python 3教学课程(Jupyter notebooks) https://github.com/jerry-git/learn-python3 (Python)白手起家机器学习 https://github.com/eriklindernoren/ML-From-Scratch IPN:Randal Olson的机器学习初学者实例教程 http://nbviewer.jupyter.org/github/rhiever/Data-Analysis-and-Machine-Learning-Projects/blob/master/example-data-science-notebook/Example%20Machine%20Learning%20Notebook.ipynb 机器学习实践入门教程 https://www.kaggle.com/kanncaa1/machine-learning-tutorial-for-beginners '准备秋招学习笔记'、 https://github.com/CyC2018/Interview-Notebook 数学严谨的机器学习指南 http://vdisk.weibo.com/s/AoN5oNkBMvB_ Jupyter notebooks for teaching/learning Python 3 https://github.com/jerry-git/learn-python3 深度强化学习免费实例教程(Tensorflow) https://github.com/simoninithomas/Deep_reinforcement_learning_Course 斯坦福CS230深度学习课程资料 https://cs230-stanford.github.io/ 60 天深入掌握强化学习 https://github.com/andri27-ts/60_Days_RL_Challenge 威斯康星大学机器学习课程 http://pages.stat.wisc.edu/~sraschka/teaching/stat479-fs2018/#schedule Python深度学习入门 https://towardsdatascience.com/deep-learning-with-python-703e26853820 Learning Math for Machine Learning https://blog.ycombinator.com/learning-math-for-machine-learning/ 从零开始应用机器学习的逐步指南 https://machinelearningmastery.com/start-here/ CMU课程:深度学习导论(Fall 2018) http://deeplearning.cs.cmu.edu/ 工具 Tensorflow深度学习算法集 https://github.com/xiaohu2015/DeepLearning_tutorials Jupyter的Matplotlib交互图表扩展 https://github.com/matplotlib/jupyter-matplotlib 用Python实现的机器人相关算法 https://github.com/AtsushiSakai/PythonRobotics python-cfonts https://github.com/frostming/python-cfonts 创建动画图形的简单方法(数据科学工具集) https://towardsdatascience.com/simple-method-of-creating-animated-graphs-127c11f58cc5 GitHub最受欢迎深度学习开源项目排行榜 https://github.com/mbadry1/Top-Deep-Learning 通过在语义文本空间上嵌入图像实现视觉特征的自我监督学习 https://github.com/lluisgomez/TextTopicNet 用PyTorch 0.4实现的YoloV3 https://github.com/andy-yun/pytorch-0.4-yolov3 Python sample codes for robotics algorithms. https://github.com/AtsushiSakai/PythonRobotics Repo for the Deep Reinforcement Learning Nanodegree program https://github.com/udacity/deep-reinforcement-learning PyTorch模型训练库 https://github.com/ecs-vlc/torchbearer 量子机器学习资料 https://github.com/krishnakumarsekar/awesome-quantum-machine-learning 开放数据集大列表 https://skymind.ai/wiki/open-datasets 用来评测词向量+迁移学习方法的开源工具库 https://github.com/IndicoDataSolutions/Enso Video Object Segmentation with Re-identification https://github.com/lxx1991/VS-ReID Java神经网络开发框架 https://github.com/neuroph/neuroph 【文字游戏强化学习训练/验证环境】’TextWorld https://github.com/Microsoft/TextWorld 100 Times Faster Natural Language Processing in Python - iPython notebook https://github.com/huggingface/100-times-faster-nlp PythonRobotics: a Python code collection of robotics algorithms https://arxiv.org/abs/1808.10703 资源 今日头条中文新闻(文本)分类数据集 https://github.com/fateleak/toutiao-text-classfication-dataset (日文数字图书馆)青空文库(Aozora)数据集 https://github.com/aozorabunko/aozorabunko 图像检索资源列表 https://github.com/willard-yuan/awesome-cbir-papers 经典机器学习算法示例集 https://github.com/masinoa/machine_learning 异常检测相关资源大列表 https://github.com/hoya012/awesome-anomaly-detection 图像检索资源列表 https://github.com/willard-yuan/awesome-cbir-papers 将Tensorflow中编写的数值计算模型映射到FPGA合成设计的开源工具 https://github.com/danielholanda/LeFlow GAN医学图像处理相关资料大列表 https://github.com/xinario/awesome-gan-for-medical-imaging 自然语言处理(NLP)最新进展/相关资源跟踪大列表 https://github.com/sebastianruder/NLP-progress “resources I wish *I* had when I started a PhD” by Matt Hauer https://threadreaderapp.com/thread/1021179403680862218.html 深度学习:理论与实验代码集 https://github.com/roatienza/Deep-Learning-Experiments 面试 AI面试热门问答集 https://medium.com/acing-ai/top-ai-interview-questions-answers-acing-the-ai-interview-61bf52ca34d4 关于Python的面试题 https://github.com/taizilongxu/interview_python 数据科学与机器学习面试问题 https://towardsdatascience.com/data-science-and-machine-learning-interview-questions-3f6207cf040b 深度学习面试问答集 https://www.youtube.com/watch?v=JYMKEM5c7PU 写作 有助于科学家提高写作效率的十条简单规则 https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1006379 高校日常学术工作保持高效的十条建议 https://threadreaderapp.com/thread/985780112112091141.html (硕士)论文写作技巧资源大列表 https://github.com/ocean1/awesome-thesis 为影响而写作:如何准备期刊文章 https://medicine.umich.edu/sites/default/files/content/downloads/WritingResearchPaper_Ibrahim_0.pdf 数据科学写作实用建议 https://towardsdatascience.com/practical-advice-for-data-science-writing-cc842795ed52 经验分享 - 国内+硅谷独角兽面试,offer 分享 关注用户 roger-shen 发布于 3 个月前 1.1k 阅读 今年上半年正好通过猎头联系,我面试了阿里钉钉和字节跳动的职位。钉钉是在杭州总部,字节是新建的 Lark 事业部,对标 Slack,在硅谷。最近又是 HR 联系,面试了硅谷的几个独角兽公司:Nuro,Zoox,Standard Cognition。如果没有意外,应该最近便会入职 Nuro。我现在在 FB。 工作,距离上次跳槽差不多三年的时间。三年里我觉得最大的收获是获得了管理的经验,对部门的决策过程,performance review 和 office politics 有了一些了解。关于 IC/Tech Lead vs Manager 的职业发展过程,我打算另开一篇。这里主要想分享下 startup 和大公司面试体验的异同,国内公司和硅谷公司面试体验的异同,和关于选择公司的一些看法。 1、关于面试: 由于面试的还是技术职位,所以算法,数据结构,系统设计都是必不可少的。巧就巧在不久前正好 leetcode 的 co-founder 联系了我,想要制作一门编程课程。经过聊天,我们关于刷题方法论和准备面试的心得体会一拍即合,于是决定和他们合作录制了数据结构的专项刷题课程,所以也相当于自己复习了一遍主要模块,使得整个准备流程大大缩短。这次准备我前后大致就做了 20 道题目,所以不是很典型,完整的准备资料不如参考我老婆写的这篇(https://leetcode-cn.com/circle/article/BCRG4D/ )。我从 Leetcode co-founder 那得知,这个中文网站的技术架构远远优先于 leetcode 英文主页,所以在线测评速度会更快更稳定。而对于公司高频面试题的排序算法,也是中文版好于英文版。 面试流程方面: 钉钉和字节都是远程面试。国内公司主要看重工作经验相关的内容,钉钉就面了一轮简单的算法,其他都是聊项目。而字节基本完全都是聊项目,聊设计。但其实面试的难度并不低,而且一些简单的经验性问题立刻就能判断 candidate 有没有做过相关的内容。我面试的职位是视频会议组,所以就单单一个估算端到端延迟,就可以排除一堆浑水摸鱼的了。我个人还是比较喜欢这样的面试方式,但是对面试官准备题目的要求反而高于问算法题。就面试体验而言,字节的体验远好于钉钉。字节都是提前邮件约时间,HR 发提醒,面试官准时出现。而钉钉则随意的多,HR 在钉钉里拉个群就开始讨论面试时间,面试官经常 last minute 变化或者晚 15 分钟以上打过来。可以理解公司在快速发展期,比较忙,但是给 candidate 的体验就不太好了。公司文化方面字节也和硅谷公司更像,infra 和中台支持全公司的各条业务线,多媒体架构组也是服务全公司所有业务线。钉钉则继承了阿里的江湖气质,言必称花名,时时强调加班,奋斗,创造未来的鸡血观,个人不是很喜欢。面试完我自己的感受是:国内公司的人才和技术实力在很多方面已经不输硅谷了,那么从海外想回国发展的机会窗口可以预见会越来越窄。并且个人相信在 AI 方面国内必将反超。在开源架构的大背景下,数据量就是 AI 的核心。国内所有***全线接入Face++的时候,美国还在大力限制个人信息采集,推行 GDPR 及相关法案,准备告大公司垄断。当然,技术和技术伦理是两方面的事,这里仅仅涉及纯技术发展而已。 硅谷这几家面试流程就标准化很多,一轮电面,一天 onsite。standard cognition 是一家 YC backed computer vision company,主要是做基于摄像头方案的无人超市,对标 Amazon Go。Onsite 包括算法,文化面,设计和一轮 candidate presentation,讲之前做过的一个项目,主要是考察业务深度和表达能力。Zoox 和 Nuro 都是无人车公司,Nuro 侧重于送货,Zoox 则是想要打造从造车到运营的完整生态,自比苹果。Zoox 有一轮数学物理面,还挺有意思。 小公司的好处是在面试之后有一轮高管面试,SC 见了 CEO,Zoox 见了 CTO Jesse,Nuro 面了国人老大 JZ。可能是我面试表现比较好,Zoox 的 Jesse 在得知我签了 Nuro 之后还直接发短信到我手机,又约谈了一次,还邀请我去三番体验了他们的无人车。通过这些流程,我对行业有了一定的了解,下面就谈谈关于行业的抛砖引玉。 2、关于选择公司: 对我个人而言,面试是跳槽过程中最容易的部分了,毕竟现在工作也不错,面试时候真的是本着去看看行业的心态,所以表现的也不错,所有技术轮估计都是 strong hire。但是选择公司,选择行业,真的是花了很多时间去研究。这里分享下我的决策过程。 行业选择: 我的目标是选择未来 2~5 年有比较大发展机会的行业。国内两家公司都是做 to C 的视频会议系统,属于在成熟行业中做存量和增量的生意,有非常清晰的变现手段和模式,基本就是按部就班往前推进。而无人车则完全属于未知领域,难度在于边界情况的长尾效应,以及法规,民众接受程度,可靠性陷阱等等。对于新兴技术,一般先参考 Gartner 技术曲线判断行业的发展位置。Gartner 曲线上有两个阶段是可以挣大钱的,一个是触发期到膨胀期,就是所谓的吹泡泡阶段,比如 15-16 年的 VR,17-18 年的无人车,17-18 年的区块链/空气币,这个阶段热钱非常多,但是适合创业而不适合进去工作,而且大部分触发期的技术你个人可能都没听说过,等到听说的时候一般都到了膨胀期的末期。曲线上另一个阶段是幻灭到复苏期,阶段的特性是大规模并购,暴雷,被大公司收购。这时候分为两个结局,一蹶不振和规范化发展。前者基本就是骗局破裂,或者发现这个技术根本走不通,后者则是迈向成功的路径。个人觉得无人车明年就是幻灭到复苏的转换,drive.ai 倒闭,若干大并购,头部效应逐渐产生。另外一些让我乐观的因素在于无人车做的是减法,简化了体验,运营和提高了效率,并且从人力成本单调增加的行业转到了由摩尔定律主导的硬件成本必然下降的行业上。与此相比的 VR 则做的是加法,需要客户额外掏钱买另外的设备,学习不一样的用户体验,其推广难度反而更大。而且我觉得目前无人车已经 too big to fail,投资,车厂,人才,供应链,在这些所有因素的推动下,必然会产生一些有意义的运营方式。无人车并不是大多数人理解的随便一招就能根据地图从 A 点跑到 B 点,甚至科幻化地说我买辆无人车,自己不用的时候可以让车自己出去跑出租。现在的技术当然做不到这点,也不需要。Uber 在三番有70%的单都在有限小区域内完成,维加斯估计 80% 单就是在 Strip 的一头到另一头,所以并不需要有 general autonomy。个人觉得在中大型城市内能看到 scale up 的可能性,就会彻底转向复苏期。 细分赛道: 无人车从具体层级上大致包括车厂,Lidar/Radar/senser 等感应器件,无人车技术,无人车应用。正如 AI 和云计算一波涨的最欢的是 NVidia,我始终最看好 sensor 层级的公司们,铁打营盘流水兵,不管上面应用和技术怎么换,都得从这条路过,简直就是高速上的收费站。可惜我技术背景实在和它们没有交集。其次就是自动驾驶技术,绝大多数自动驾驶技术公司要么面向车厂,要么面向服务。主要面向车厂的比如百度,比如 Cruise,Argo.ai,主要是提供技术给车厂,想做车里面的操作系统。面向服务的包括 Nuro,Uber,Lyft,主要是采取代工手段和车厂合作,自己挣服务运营的钱。Zoox 是个特例,他们采取最激进的策略,造车对标特斯拉,无人车技术对标waymo,运营对标 Uber。从赛道上看我看好做服务的公司,不看好面向车厂的公司,主要原因是 L4/L5 的驾驶技术基本路线图都是 Lidar 加 DNN,但是目前 Lidar 成本太高,样子太丑,车厂并没有动力去真正去采用这样的技术。这里有个小插曲,Elon Mask 大力反对Lidar的解决方案,主推摄像头方案,我觉得也是因为刚才说的这点。特斯拉既不能完全脱离无人驾驶这个未来卖点,也不敢直接往车上加 128beam 7 万多美金的 Lidar,所以只能靠嘴炮解决问题。做服务的公司只要计算单体经济,然后 scale up 就行,一般服务业的毛利率都高于车厂卖硬件,更不用说有摩尔定律加持,所以可以 justify 成本问题。当然对于竞争,能否获得垄断利润等因素,通过跟业界大佬们的聊天我也形成了自己的观点,这里就不展开了。 决定公司: 通过对行业的分析,我个人预测的 timeline 是 1~2 年能够看到无人车小规模服务上线(waymo 最近在亚利桑那其实已经上路服务了,但没有完全开放给大众),5 年左右可以实现城市级别的服务,7-10 年可能可以看到家用车开始考虑无人驾驶的潜力。基于这个判断,我需要在 Zoox 和 Nuro 之间选一家。Nuro 目前在休斯敦和 Kroger 合作,有 5 个 zipcode 进行无人车送货,包括几辆自己造的完全无人车,已经达到了 “无人车小规模服务上线” 的程度,所以我觉得服务成熟度方面反而是和 waymo 在一个级别。我还真从 zillow 上找了个地址,点了个外送,远程 “体验” 了下无人车送货服务。而且从服务的性质(只要有一个 zipcode 能开,就能上线提供服务),车的成本(一个 lidar,低速,估计不需要100beam 以上),技术上难度的优化(在车的操作方面不需要特别考虑乘坐体验,可以绕路,靠边等待远程人工指示)等方面,都不失为找到了一个好的切入点。Zoox 我觉得盘子铺的有点大,员工中有 Nvidia 的自动芯片大佬,法拉利的造车大佬,uber的运营大佬,加上1000个人的团队,一切都指向更高的burn rate。光光pay roll一项开销估算就不低于2亿美金一年,更不用说前期造车成本,和服务上线前的造车成本。特别是他们的车据报道还是L5级别的无人车,顶上 4 个 Lidar,连方向盘都没放,个人觉得过于激进。当然,其实我觉得要成的话最终都是 Zoox 的自己造车,自己运营模式,但是就 zoox 目前的资金规模看,尚不能支持他的 roadmap。最近 pre-C 轮 200m 的可转债,说明资本市场对此也不是特别买账。从各个角度看 Nuro 的渐进方式更符合我个人的风格,而且对于一个 startup,活下来是最重要的,runway 要够长,所以我选择了 nuro。zoox如果能把所有目标完成,至少 100x,那不如先让他们 10x 看看情况再说。最终起决定性作用的是,因为 nuro 离家近啊!! 3、关于待遇: 记得刚入职 FB 的时候组里 E7 的国人大哥和我聊起待遇,非常直白地告诉我了他的收入范围,有句话我觉得还是挺有道理的 “都是老中有什么好藏着掖着,有挣钱的机会就一起争取。待遇也就是个 data point,分享点信息方便大家做判断”。所以我也分享下我个人了解到的信息。 3 年前我 Facebook 的 offer 是 E5,那时候有 3 年的工作经验,工资180k,拿了 700k 的股票和 100k 的signon,属于 E5 的最高范围,甚至高过了不少 E6 的 offer。而且那时适逢特朗普选上总统,股市大跌,FB 股价 120多。加上我的 performance 不错,数年累计的股票价值使得我离职的话也会损失不少。 钉钉给到了 P8,现金部分 100 多万人民币一年,股票 4 年给了钉钉的 100 万美金价值的股票。 字节因为在硅谷,HR 表示 match 不了现在 FB 的待遇,所以就也没有谈下去。主要可能是我面的职位不在他们急招的 list 上。 Standard Cognition 很有诚意地给了他们公司最高的工程师等级,base 到了 220k,1m价值期权,我估计都有继续往上谈的空间。Director 说如果期权想再往上加他可以试试去董事会批,但是我还是更看好无人车的发展,所以就和平分手了。 Zoox 正常的 band 一般是 40-50w 价值的 RSU,我是照着翻倍要求 HR 的,最终的确批准给我 out of band,HR manager 最后说我的 offer 在同级别是公司给出的 Top3 he has ever seen。也是非常有诚意 Nuro 因为是我最终要去的公司,不太方便公开分享,如果有要去面试,或者拿到 offer 的朋友可以私信我。反正基本也就在这个 range 毕竟硅谷是个造梦的地方,纸钱要么归零,要么变黄金。尤记得当时面试 WhatsApp,我上 glassdoor 搜搜面经。看到有个人在收购前一年拿到了 offer,最后嫌钱少没去,真正错过了一个亿。。。所以如果这几个我没去的公司日后发达了,那我只能说:大哥,求带啊!求内推!:) 关于下一个话题: 下一篇肯定想和大家探讨下在硅谷科技公司的上升路径。 我现在深刻地了解到美国公司内部分成 IC track 和 management track 是有背后逻辑的,它们在技能上完全是两个不同的路径。大多数人觉得技术好了自然就能、或者应该转管理,manager/tech lead 一定是组里技术最强的,其实根本不是,也不需要是这样。我还可以谈谈我在 FB 的 likes and dislikes,或者关于在公司学什么,做什么能够使得自己跳槽的时候更有竞争力等等。当然,除了职场,我还有很多其他感兴趣的话题,比如投资,炒房,玩车,都可以探讨一下。之前出版了一本关于准备编程面试的书,最近打算和朋友再写一本,主要是针对在校学生对于科技行业从业的潜在疑惑。 缘起在于之前看的一本小说,硅谷是个什么谷,里面说到:“大多数中国学生在大学之前都只有一条路,在这条路上你跑得越快,获得的鲜花掌声就越多。然而,等进入社会,发现前面的路突然变成了千万条。你反而失去了方向,踌躇不前。” 个人深以为然。 如果你有想了解的话题,欢迎留言。 21 收藏 关注文章 分享 下一篇: v滚滚滚 © 著作权归作者所有 6 被AI程序面试是一种怎样的体验? 引力空间站2019-01-28 19:491014 分享 有句话叫“伸手不打笑脸人”,现在AI招聘程序也认为很有道理。在面对AI“面试官”时一定记得全程保持微笑,从筛选结果来看,AI程序对微笑应聘者的评分显著高于板着脸的应聘者。想通过第一关见到真人面试官,先学会微笑就对了。 被AI程序面试是一种怎样的体验? 目前的AI面试辅助工具一般的应用场景基本是在首轮面试的筛选上,面试者在进入真人面试之前,先要通过计算机系统的问答测试。 要想见到真人面试官,先过AI关 首先,会有一套申请人跟踪监控系统,对应聘者的简历进行搜索和关键字匹配,看看是否符合职位描述中的需求。然后,聊天机器人对应聘者提出一系列问题。 这些问题都可以用是/否来回答,比如,你家里有网可以在家办公吗?回答“是”的应聘者可以得到进一步面试机会。但接下来的面试者仍然不是真人,而是一款预测性的AI应用程序,名为HireVue。 “这实际上属于一种单向面试,面试者会被问到5-7个问题,从面试者给出的答案来判断TA是否友善,是否充满活力等。面试者需要在HireVue的视频平台上输入答案。 接下来就是算法的事情了。算法会分析面试者使用了多少代词,是不是保持微笑,使用什么风格的语言等等。 该系统的客户之一,希尔顿集团的CTO Loren Larsen表示,这个工具可以检测视频中多达25000个数据点,分析面试者的用词、语音、面部表情等。 Larsen对每个候选人的分析结果与其个人工作能力的关联做出了分析。“应聘人需要具备哪些能力、技能或特质?在确定了这些之后,接下来可能就是将友善度也作为一种特质。“当人们对他人或环境表现出友好时,他们会微笑,所以我们的系统将这一点也加入了考察范围。 但是,是不是面带微笑,这一点成了应聘者能不能获得这份工作的决定性因素了吗? AI招聘攻略:保持微笑很重要,但也不会因为皱个眉就被刷 从某种程度上说,确实是这样的。这就是Yes/No的事情。自2014年以来,希尔顿集团一直在使用这款AI招聘工具,利用其算法面试了43000多个职位。其中有大约2/3的候选人没有见到一个真人就被筛掉了,也就是答错了就拜拜的节奏。 不过,其实这个技术并不会真的给出类似Yes/No的答案,而是会返回一个分数,和SAT考试分数差不多,是一个百分比排名,反映的是你在同时参加面试的候选人中的相对位置。 在综合分析大量数据时,不会因为你的一个微笑或一皱眉就丢了工作之类,而是只会让你的分数稍微上下波动一下。只有10%-30%的分数权重是由面部表情决定的,剩下的大部分取决于面试者使用的语言。 Larsen认为,人类招聘人员不会考虑的事情,其实AI面试程序也不会考虑。实际上,这些分析过程“比真人面试时所获得的那种天生的直觉”要更加复杂。 “其实如果是换了真人来面试职位,”Larson说,“也会注意到同样的事情,”比如,这个人友善吗?能够很好地代表我们的品牌吗?“至少,让算法来做这件事,招聘人员可以利用更大规模的数据集。” 在HireVue考察的25000个数据点中,大多数雇主都不会对这些数据点进行全面分析。“最终结果中包含哪些数据点,取决于我们的实验证明哪些特质与特定职位获得的成功相关。”她说,这个过程中有五位来自产业界组织(IO)心理学家监督。 目前,对候选人的评估结果不对本人公布,Larson希望在未来几个月内添加这个功能。 “AI面试官”:数据集更大,偏见更少 对于没见到真人面试官一面就被刷掉的28000多名职位申请者而言,这些报告结果可能会对他们有所帮助,尤其是那些具有不同文化背景的员工。 比如,亚洲移民常用的面部表情可能就与美国白人不同,这可能会影响系统的评估结果。此外,HireVue的语言分析一开始就是语音-文本的转换,有时可能会对来自美国南部的人的口音产生偏见。 Larsen表示,这款工具的主要目标之一就是在招聘时消除这类偏见:一个重要的方法就是大幅扩大行为数据集的规模,将个人偏见尽量排除在外。正是出于这种考虑,HireVue建议其他客户不要将考察点的范围进行大幅度缩减。 “我们对这种偏见和潜在有害影响必须非常非常小心。”他指出,如果最终客户在这道环节把得分90%以下的求职者都筛掉了。那可能是“没有设立足够数量的考察点。“ 对于通过AI系统筛选的43000多人来说,一个积极的作用是他们都发现了自己是否能更快地完成工作。从商业角度来看,也能让用户大大减少填补空缺职位所需的时间。这是一个巨大的商机,而且其影响范围不仅仅限于那些在面试中被AI程序刷掉的人。 原文链接:https://mp.weixin.qq.com/s/wnYvYqvspzrCW7NaRzg-Rg 下一篇:算法工程师必须要知道的面试技能雷达图 上一篇:Python面试之麦穗人工智能“爬虫工程师实习生” 人工智能怎么面试的 楼主:林小笑 专业度:35 2018-04-25 15:25:59 人气 (771) 评论 分享: 说到人工智能面试,相信听说过的小伙伴很多,真正经历过人工智能面试的可就没几个人了。上周五,前程无忧在苏州举办的主题为《科技引领未来,智能鉴别的人才》的沙龙,了解到人工智能面试在企业人才管理 中的应用。今天,就让小编为你解开人工智能面试的神秘面纱吧。 人工面试是什么样的? 上图就是一个AI人工智能面试的界面,机器可以分析文字叙述,进行人工智能解析、并对候选人的能力进行打分。 什么时候会遇上人工智能面试? 大部分时候,人工智能面试,主要是针对招聘量大的时候,帮助人力资源部门节约时间。但是由于AI人工智能面试,可以用来择优,也可以用来劣汰,所以除了招聘,企业还会在员工晋升,绩效考核等环节用上人工智能面试。所以,哪天你在职的状态下参加了人工智能面试也不觉得奇怪哦。 人工智能面试对于候选人来讲有什么好处? 比起人工的判断,机器其实更准确更公平。AI面试像尺子一样,衡量标准是一致的。而人进行的面试会受到多重心理因素的影响,颜值、面试官当时的心情等等都可能影响面试结果。对于AI来说,就不会有这样的问题。最极端的情况下,人工智能面试即使是错也是错得完全一致。 人工智能面试的原理是什么样的? 人工智能面试,听起相当有科技感,仿佛机器人就取代了面试官。但是第一位分享嘉宾,在人工智能管理领域有近10年研究的Hopkins,却告诉大家,面试是一个利用STAR法则收集面试者与工作相关的具体信息和能力的过程,而人工智能面试就是把线下的STAR换成线上的STAR。 人工智能有5大分类,分别是自然语言、专家系统、图像识别、神经网络、机器人,目前能成熟使用的只有自然语言和图像识别。由于人工智能面试主要是通过语言进行人才评估,所以技术上的实现并不难。人工智能面试的重点其实是在组织行为学的层面,人工智能面试就是组织行为学和人工智能是天然的结合。 人工智能面试是如何保证结果的准确的? 企业进行人工面试的过程主要是:数据收集组织评估-专家设计初步建模-验证评估讨论修改-文字模型输入AI-AI建模并调试上线-沟通确认实施应用这些步骤。这个过程是专业而复杂的,精英君举个栗子,便于大家理解: 比如领导需要HR找个灵光聪明的人,如何要用人工智能的方式来面试候选人,就需要对这个职位的要求进行AI建模。我们先让领导回答两个问题:你觉得企业里哪些人在你眼里是灵光聪明的?同时这些人做了什么让你觉得 灵光聪明?并以这些信息来建立人才模型。建立出的模型就是这个职位的人才画像,机器再依照候选人与人才画像的对应程度进行打分。目前做的针对性测试则显示人工智能面试的信效度误差在3%以内,信效度能做到几乎和人一致。 标签: 管理 相关关键词: 品质管理 企业管理咨询 企业管理论坛 赞 收藏 举报 AI乔治 博客园 首页 新随笔 联系 订阅 管理 随笔 - 41 文章 - 0 评论 - 15 技术面试老是有劲使不出,该怎么办? 又到了一年金三银四,回想到很多年前我刚参加工作时的面试经历,那时都是呆呆地等着面试官问问题,被问到一些自己并不熟悉的问题时要不就是思考半天也切不中要点,要不就只能无奈地回答并不清楚了。其实不管是经验不足的初级开发,还是面临更高要求的资深开发,在面试上都会有一样的困扰:如何在掌握的知识有限的情况下,完成好一场高质量的面试呢? 本文最适合以下几种情况的同学参考: 知识面有限的初学者 希望首次加入大公司的开发同学 面临技术深度要求的开发同学 虽然文中主要以后端开发为例介绍技术面试的准备方法,但是和其他岗位的面试也有相似之处,其他朋友也可以作为参考。 两个悲剧的面试故事 小黄去年刚从计算机专业毕业,但是感觉对技术掌握得还不够,就又报名参加了一个培训班,年底刚从培训班毕业,怀揣着精心准备的简历,想到杭州闯一闯。今天上午到了一家装修还不错的公司面试,感觉这家公司窗明桌净,办公桌前都是Mac笔记本加双屏显示器,比昨天面的那家外包公司可好多了,心想一定要好好发挥抓住这个机会。 老王工作五六年了,今年刚从一家不小的公司出来,公司效益不好,年底裁员了,不幸老王在年前的最后一次裁员名单中中奖了。虽然短期内也没什么太大的经济问题,但是之前拿到offer的都是一些没上轨道的小公司,跟之前待过的公司比总感觉是明珠暗投不太甘心。这次面试的公司看上去还满正规的,如果能进去,就算不涨薪,但是心理上落差总是小一点。 小黄按部就班地说完了自己准备的项目介绍,然后面试官就照着简历问了起来。“你熟悉MySQL数据库?”,“对”,“唔...那你能说说MySQL常用的有哪几种存储引擎吗?”,“啊?什么是存储引擎?”。小黄心想,昨天复习了面试宝典里的数据库索引,老师说这个是要点,面试官怎么不按常理出牌呢。“你简历上写了使用过Kafka消息中间件?”,“嗯,对的”,“那你能说说Kafka的拉模型和其他推模型消息中间件的区别吗?”,“...”,“今天面试就到这里,有后续的话HR在一周内会联系你的”。 老王在隔壁的会议室里坐了下来,面试官让老王先介绍一下自己最近比较有代表性的项目,老王大概说了说自己这两年做的一个平台的功能。面试官问:“在这个项目过程中你有碰到什么印象比较深的技术难点或者业务难点吗?”,老王想了一想,感觉一下子有点想不起来。面试官继续问:“刚才你介绍的项目里有说到XXX功能,那在YYY异常情况下如果处理ZZZ问题呢?”。老王心想以前也没考虑过这个,那我就直接现场推敲一下吧,“这里要先这样,对了,那里要那样,不对,这里还有一种情况”。十分钟过去了,老王还在原地兜着圈子,而且丝毫没有停下来的意思。面试官只能打断老王换了一个问题:“那你能介绍一个你有过深入了解的技术吗?”,老王:“我好像这几个都了解一点”。“那关系型数据库中的聚集索引和非聚集索引有什么区别呢?”,“好像这两个的存储方式有点不同,非聚集索引开销会大一点”,“那么为什么非聚集索引开销会比较大呢?”,“这个问题好像要涉及操作系统之类的知识,有点太深了”。40分钟后,老王也结束了面试。 程序员何苦为难程序员? 为什么面试官老是会问一些莫名其妙的问题?我怎么可能了解计算机方面的所有问题呢?为什么他问得这么深,写代码的时候能有什么用? 之前我在一次失败的面试之后总是感觉有点不舒服,我感觉我的水平也是挺不错的,为什么到了面试就总感觉发挥不出,而且老是被“虐”呢?下面我们一起来想想办法。 该怎么办?不打无准备之仗! 如何完成好一场高质量的面试?这是我们在文章一开头提出的问题。首先我们要知道,我们掌握的知识一定是有限的,不管学到了多少,仍然还会有不知道的知识。特别是对技术深度有要求的资深开发岗位,想要面面俱到几乎是一个不可能的任务。但是为什么有些人就能很轻易地拿到offer呢? 首先,我们分析一下一场面试的结构。 面试的结构 一般技术面试都会分为四个部分:项目介绍/自我介绍、技术能力问答、综合能力问答、反向提问环节。而其中前三个部分对面试的成败影响最大。首先,面试一般都会以项目介绍/自我介绍来进行切入,其实技术面试的自我介绍主要也是介绍自己的项目经验。然后会穿插着对技术能力和综合能力的评估,一般这一步都会由之前的项目介绍引申出来。 一般来说,面试官在每个环节希望了解的主要是: 1、项目介绍——基本背景、擅长的业务领域、解决问题的能力、技术层级 2、技术能力问答——技术深度、分析能力、抽象能力、学习能力 3、综合能力问答——工作素养、协作能力、学习素养 虽然看上去眼花缭乱的非常多,其实核心关注的就是几点:技术好、好合作、主动性强。 对于大部分面试官来说,一般也不会做太多事前准备和细密的事后分析,大多都是靠一个大概的印象来做出判断的。所以面试的一个诀窍就是:突出亮点。一旦面试中有让人印象深刻的亮点,其他方面只要不是太差一般面试就十拿九稳了。 单点突破 但是很多读者应该和我以前一样,觉得自己好像也没什么亮点啊,总感觉没什么特别的可说。但是通过总结和准备,我相信每一个人都可以有自己的亮点,而且是很多个亮点。 首先,我们可以通过总结来得到一份优秀的项目介绍。关键点就在于不能光介绍项目完成的需求,因为这些对于面试官来说并没有什么价值,毕竟我们面的是开发岗位不是产品岗位:)在项目介绍中,我们应该明确描述我们在项目中解决的问题,包括技术难题和业务难题。如何表述可以参考一下现在流行的STAR法则,即在什么情况下(Situation),面临一项什么样的任务(Task),采取了什么样的行动(Action),达到了怎样的结果(Result)。这样的表述可以很好地展示自己的解决问题能力,充分显示了自己在工作中的主动性。 然后,我们还可以通过准备来深挖几个在工作中比较重要的技术点作为“技术亮点”展示,这指的不是仅仅通过“面试宝典”来准备的肤浅的理论知识,而应该是能做到真正的言之有物、切中工作要点的实践性的深入知识点。这一步是本文所有面试准备技巧中唯一对技术水平有要求而且是要求很高的步骤,技术水平不够的朋友可能发愁怎么准备,技术水平比较高的朋友可能又会疑惑到底什么是实践性的深入知识点。大家不用担心,我已经为大家准备好了学习材料或者说是参考样例。大家可以加我的后端架构交流学习群:552391552,里面已经为大家准备好了面试和架构学习视频资料,欢迎大家加群讨论面试问题与技术上的交流与学习。通过学习或参考工作经验较丰富者的总结文章我们可以更容易地获得自己的技术亮点。 实践性的深入知识点的最大特点就是:工作中会使用且可以层层深入形成问题链条。关系型数据库是后端开发离不开的技术,而数据库索引又是程序中的SQL语句执行效率的关键,大家可以通过我之前编写的一系列数据库索引相关的文章来了解一个实践性的深入知识点到底长什么样。后续我也会不断更新更多浅显易懂的高阶技术,有兴趣的朋友可以持续关注一下。下面的文章主要以知识点讲解为主,需要具体的一系列相关面试题的朋友可以在文后留言,如果人数比较多我会考虑另外写一篇文章讲解具体的面试题并链接到对应的知识点。 连点成面 但是有了准备之后,我们怎么能防止面试官问出很多超出我们准备范围的“奇怪”的问题呢?这就需要我们有效地引导和填充整个面试的过程。一般一场技术面试会在40分钟到60分钟,如何完成好一场技术面试的关键就在于如何用亮点来充满这40到60分钟。 一般一个技术亮点会包含一系列层层递进的内容,所以可以问出大概三到五个问题。如果发现面试官不知道应该如何追问,那么你可以简短一些地把后续知识点一次性介绍完。一般这些问题都说完时间就过去了十到十五分钟,而项目介绍和相关的问答会占用大概10分钟。如果我们准备了两个技术亮点,加上前后的一些非技术性问题和反向提问,那么基本上一场面试就圆满地结束了。 那么如何让面试官问出自己想问的问题呢?这就需要我们准备好一个“剧本”了。 首先,面试的开场一定是项目介绍,可以将我们准备好的技术亮点与项目介绍中解决的技术难题结合起来,这样面试官基本都会根据这个点继续往下追问。 其次,我们还可以对简历内容进行特意的编排来诱导面试官主动提出我们准备好的问题。例如在简历中把擅长的技术放在更靠上的位置突出显示,并且增加更多的深入解释。这样不仅可以引起面试官的注意,还能使简历显得更有技术含量,更容易通过筛选。 最后,还可以厚着脸皮主动提出自己对某一个领域比较了解,尝试询问面试官对这一部分有没有兴趣。 通过上述这三点,基本上80%以上的面试就能够顺顺利利地圆满完成了。 问题总结 在掌握了面试的技巧之后,我们再来看看之前小黄和老王到底犯了什么错误,我们也能避免踩坑。 初级开发小黄的问题: 1、惜字如金,没有充分回答问题; 对于面试官提出的“是否用过”“是否了解”这样的问题,应该补充上能够证明自己是内行的解释。 2、等着面试官提问,没有主动地引导。 我们应该主动将问题引导向自己擅长的方面。 资深开发老王的问题: 1、项目经历没有准备; 只讲了项目的功能,而不讲过程中遇到的业务难点和技术难点。 2、过分纠结细节,但是表述又不流畅; 3、问题抓不住重点,从细节开始推敲,反反复复。 表述复杂问题时应该从宏观到微观。先从比较高的层次入手,划分大的模块,确定模块间的交互,然后再逐个模块地细化细节。这样不仅自己能够更容易地解决问题,而且面试官也更容易理解,避免发生即使回答了正确答案但是面试官也不认同的情况。 牛客网疫情期间推出远程视频面试免费服务,助力企业在线招聘 作者: 发布时间:2020-02-12 17:41:54 来源: 我要评论 疫情当前,相信大家都过了一个特别“宅”的新年。随着工作日的到来,我们又接着体验了一把“在家办公”,过了一阵“穿着睡衣敲代码”、“和家人做同事”、“上一秒下班,下一秒上床”的魔幻生活。除了员工返岗进程受疫情冲击外,素有“金三银四”之称的春季招聘也被疫情打乱了节奏。不论是校招还是社招,目前最令HR头疼的问题莫过于如何开展面试。 为携手企业度过难关,将面试搬到线上,和候选人来一场“无接触”面试,牛客网将为1万家企业每家免费提供价值1万元的远程视频面试服务,免费申领期至2月29日截止,活动赠送服务有效期至6月30日。 01 功能齐全,满足多种场景: ·代码考核:牛客网视频面试支持考察编程题,候选人写下的代码同时出现在面试官的界面中,候选人的编程思路一目了然。 ·文件演示/屏幕共享:牛客网视频面试支持文件演示/屏幕共享,便于候选人分享满意的作品集,面试官页可以直接展示准备好的面试题目。 ·简历查看/笔试成绩:牛客网视频面试支持在面试界面内查看候选人的简历、笔试成绩报告,不需一手持简历一手看屏幕,面试同时结合笔试情况,更准确了解候选人的优势与不足。 02 集中视频面试,牛客网辅以现场管理功能 牛客网为线上集中面试配备现场管理功能,并在字节跳动、快手、360等大客户服务中取得显著效果,第一时间解决各类问题,提高面试效率,HR掌握当下面试场次的实时状况。 03 业内领军,保证面试无阻: · 视频面试系统由工程师自主研发,更为存在限制的企业、校园网络环境定制开发,确保系统稳定。 · 视频面试服务器在全国多个城市乃至全球布局,根据双方所在城市调用,以确保面试流畅。试想一下,当面试双方都在上海,却要调用北京的服务器,势必没有直接调用上海的服务器来得流畅。 · 服务器动态扩容,承载得了同时视频面试的高并发量,面试系统同时大规模使用依然不崩不卡,并能做到全部进行无损录音。 · 牛客网在每年春秋招之前全面测试网络安全,实现网络安全稳定可靠,确保信息保密。 · 牛客网论坛已上线AI面试产品,大量学生的练习更是AI面试产品升级的过程,确保在投入使用后真正帮招聘官提高效率。 抗疫期间,为实现无接触招聘,线上面试将是未来一段时间的面试形式。牛客希望和更多企业一起,成为招聘线上化的先行者,共度难关,携手向前。 郑重声明:中国软件资讯网站刊登/转载此文出于传递更多信息之目的 ,并不意味着赞同其观点或论证其描述。中国软件资讯网不负责其真实性 。 IDER 沉淀我所学习,累积我所见闻,分享我所体验 Primary Navigation Menu Home 2 我的四次Facebook面试经历 On Monday In Programming Life(程序人生) , Tangential Speech(漫话杂谈) Tagged Android , Binary Search , Facebook , Interview 我的四次Facebook面试经历 在 FB 已经工作了已经快三年了,在这段日子里我学到了很多也成长得很快,一切似乎都有序地推进着,可回过头看加入 FB 的过程却有些一波三折。翻看邮件记录,我总共面了 FB 四次:头两次面完后我被拒了,第三次拿到了Offer但换成我拒了他们,直到第四次才达成一致加入进来。 第一次面试是在研究生刚毕业的时候,那会儿社交网络正火,对于 FB 和 Twitter 这些比较热门的公司都会收到很多简历,所以对于New Grad来说申请的门槛却要高很多,我也尝试网上申请但都石沉大海。 后来是通过 Interviewstreet (网站现在已经更名为 HackerRank 了)这个在线程序测试平台才拿到了面试机会。当时 Interviewstreet 上的题库很小但难度很高,只要做完8道题就可以解锁网站上公司申请功能。我当时只是觉得在上边做题很有趣,就一直不停地钻研着,也要感谢一位学长在题目解法上给了我很多的指点让我更快地领悟了各种算法的真谛。在艰难地完成了8道题后,我就随便点了网站上包括 FB 在内的几个知名公司提交了申请,我也没有觉得会有下文只是继续在上边做题来努力提高排位。 在我去 Seattle 面试 Amazon 的路上,我收到了 Interviewstreet 给 FB recruiter的引荐邮件。这让我感到非常惊喜,立刻表达了我强烈的兴趣,然后顺利安排了电话面试。电面一共面了两题,第一题很快就解决了,但是第二道关于二分查找的变体我却卡在了条件检查上了,最后是通过电子邮件把最后的答案发了过去。在邮件里我还把我写二分法的博客链接 贴了上去来表达我是懂这个算法,好在面试官给了我 onsite 的机会。 因为那时候在忙着毕业的事情,还要带家人在美国游玩,所以把面试安排到了一个月以后。也因为如此,我并没有能够充分地去准备面试。 在去面试的前一周,我又飞了一次 Seattle 去面 Amazon,因为前一次的面试表现可能并不太出彩,所以他们又换了个组来面。周三飞去,周五飞回,周末跟朋友聚会做毕业离别,周一飞去 SFO,周二面试。因为 Syracuse 去这两个城市都没有直飞,所以飞机做了很长时间,体力的消耗也是巨大的。现在想想其实当时应该直接从西雅图飞到三番去,这样就不用东西部来来回回的了。 Onsite面试的问题都比较基础,有一道关于二叉树的问题,在第一次亚马逊onsite的时候我被问了一模一样的,虽然我有看解答思路,但是这次我又没能给出最优解,就这么“挂在了树上”。其中一轮是 behavioral 的面试,因为之前其实对 Facebook 并没有太多的了解,用的也很好,刚毕业也懵懵懂懂的,英语表达也欠流利,所以能感觉出来我的回答完全没有打动面试官。只是记得最深的问题就是“What do you want to change Facebook?” 所以在后来的时候我一直在思考这个问题。 第一次面试也就此结束,但也能感觉到其实那2012年加入Facebook其实也并不是太难,当时他们还刚刚上市获得巨大融资所以会疯狂扩张,其实是加入的最好时机。只可惜我没有抓住。 第二次面试在2013年7月,当时也在第一家公司工作又一年了其实也蛮适应的,也认识了一些人来帮我推荐,所以又拿到了一次面试 Facebook。而且因为我已经在湾区了,所以电面也直接安排成 onsite 的形式,只是只有一轮算法类的。 其实当时被问的问题并不难,只是有些刁钻,只要想到点子上实现就只是简单的排序后再遍历计数。可是我却一直卡在那里想不清楚条件应该是什么,所以没有能够完成。最后是面试官告诉了那个解题的要点是什么,听完我一下子恍然大悟,但为时已晚。当时如果多问些问题求提示可能会好很多。 第三次面试 Facebook 的过程就特别的戏剧化,2014年底那儿其实刚进 Twitter 的 Android 组才半年,Facebook 的 recruiter 主动联系了我提供机会,我想试着面面看了。第一次安排电面后,我因为一些个人原因不能参加,于是提出推迟到半个月后,他们也非常乐意地帮我重新安排了面试时间放在那个中午12点。 接着,我就安排好了那天请假在家好进行电话面试,也跟太太说了那天我会有空在家。结果太太中间为了预约了牙医的问诊,我当时好像想反正那天在家就去看看牙齿吧,而看牙时间也是在中午。于是那天我就去看牙了,完全忘记了有面试的事情。直到我躺在牙医的躺椅上,才隐约想起来我好像留在家里是有其他什么事情,一下子从椅子上惊起跟医生告别开车往回家赶。更不巧的巧合是,我的手机还没电关机了,所以也没有办法在路上接到面试官的电话来说明原因。 等我回到家,充上电开启手机时,面试的时间已经过去15分钟了。我便给recruiter打电话希望让对方联系上面试官再打给我。面试官也很友好,很快有打了过来,我们就正式开始了面试过程。因为时间的关系,我记得好像也没有打开电脑去做题目,只是简单了聊了些我的技术背景,为什么想加入 Facebook,面试题也只是口头说了一下思路。之后便按时结束了面试。 这次电面虽然看起来并不合理也不算合格,但是还是拿到了 onsite 的机会。一个月后我开车去了 Facebook 总部,四轮面试正常的2轮 Coding 1轮 System Design 和1轮Behavioral。除了一轮 Coding,其他的基本都发挥着跟我 level 对应的水平,没什么出彩的地方也没有重大失误。 那轮 Coding又是二分查找的变体,当面试官出完题后我先给出了线性的解法,时间复杂度 O(n) 空间复杂度 O(1)。很快面试官就问能不能再优化,我想空间上已经到极限了,只能是时间上的优化,但达到 O(1) 是不可能的,就只能是 O(log n),要达到这个时间水平就只能用二分,而题目也正好是个数组。整体思路上都是对的方向,只是我纠结在那条件判定没能理清逻辑,最后没能完成代码。 一周后 recruiter 就打来电话通知结果,也反应出是一轮 coding 不够好,希望能够加面一轮。由于11月底和12月都是假期比较多,所以那轮面试被安排到了2015年一月初。加面虽然只有一轮,但也是onsite形式,那次面试官是 manager 职位的,考察重点就明显放在写代码的能力上,而不像之前那个比较年轻的工程师钻在解法技巧上。所以问了三道题目都比较简洁明了,我也很轻松地完成了三道题目的代码。 很快又过来不到一周,recruiter 就发来邮件确认了 offer letter。只是当时在 Twitter 的 Android 核心组学到了很多,想在 Android 方面继续深造,而 Facebook 提供的职位只是 General Engineer 会偏向产品,所以就表示了歉意没有接受offer。 之后每个月,recruiter 都会发邮件来询问我的情况和意向,我们一直保持着交流,甚至在对方离开 Facebook 加入另一家科技公司后还有一起聚餐交流,当然也是想招我过去。之后我的 case 被转给了 Facebook 的另一个recruiter,依然会时不时地发邮件关心我的情况。 第四次面试是在2015年底,当时 Twitter 裁员了,虽然我没有失去工作,但是在那段事件里的任务开展得并不太如意,也害怕再一轮的裁员,于是就开始寻找新的机会。联系了 Facebook 的 recruiter,他们表示之前的 offer 依然有效,只需要重新确定入职时间。但我表达希望能获得 Android Engineer的职位,由于在 Facebook 这是不同的方向,有不一样的面试流程,所以他们又帮我转给了 Android 的 recruiter,所以就需要重新面试。只不过因为我已经过了coding的部分,所以没有电面,onsite也是只有两轮,针对 Android 的 Design 和 Behaviorial 各一轮。 面试也是比较中规中矩,面试官都很友好,能感受出Android上的知识和技术都很丰富。其中一位还留下了邮箱给我,在我进入 Facebook 之后还保持着交流,对我从开始的选组到后来的工作适应都提供了很多指导。 就这样我正式加入了Facebook,回看面试的过程再结合自己在公司里做面试官时的过程,其实不能感觉出 Facebook 对于初级工程师的招聘要求并不是特别的难,都是比较基础性的问题,主要考察写代码的能力。当然能不能拿到 offer 有时还要看当时对于该职位的需求有多大,这一定程度上看运气。比如近前几年对于 Android 的需求很大,最近对于 AI 和 ML 的工程师招收很多。如果想要拿到高 level,对于coding的要求还是一样的基础,只是主要考察的要素都集中在 design 和 behavioral上,考察的点也更将广泛。 在我成为Facebook里面试官的后,我也秉承着我面试时 Facebook 面试官对我的友好和面试侧重。比如有个电面的人因为时差弄错了时间让我在面试室等了半个小时,在 recruiter 重新建立联系后我也很乐意地在当天晚些时候重新面试了对方;还有一次 onsite,对方在算法上并没有准备好再加上是最后一轮比较累了,首道简单的问题也完全答不上来,我便不再追加问题而是坐下来回答对方感兴趣的问题并灌输 Facebook 的好。 后端技术栈学习路线与面试技巧指北 苦逼的码农|53小时前000 这是我一个朋友「敖丙」关于讲解后端技术学习路线以及面试技巧地直播,推荐个大家哦!众所周知,后端技术包罗万象纷繁复杂,并不是简单学习一门编程语言就可以。随着用户的增长、平台架构的升级,分布式、高性能、高并发、缓存、海量数据、算法、各种框架都源源不断涌现在各位程序员面前,后端技术栈变化可谓相当大。刚刚准备从事技术领域的同学很容易找不到自己的方向,从而迷失在代码中,学了几年仍然觉得自己学艺不精。 学习路线往往是学习技术的入门指南,大厂面试技巧更是众多小伙伴进入职场前的关键要领,机会从来都是给有准备的人的! 本次直播,我们很荣幸邀请到了百万阅读量“吊打面试官”系列文章、公众号“三太子敖丙”作者敖丙。他会结合自身经历在博文视点学院为大家分享后端技术栈学习路线与面试技巧。 直播主题 后端技术栈学习路线与面试技巧 讲师:敖丙 公众号:“三太子敖丙” 作者 《吊打面试官》系列文章 作者 直播时间:2月28日 20:00 直播大纲 电商架构各环节技术栈解析与学习思路 程序员需要了解的互联网前沿技术 大厂面试细节与一点职场建议 参与方式 扫描上方海报二维码,添加小助手微信后回复:技术栈。 小助手拉您进入直播群,获取直播链接。 进群后参与邀请有礼活动,获取免费畅销书。 直播过程中参与提问,也会随机抽取3名提问者赠送好书。 如果喜欢本文欢迎 在看丨留言丨分享至朋友圈 三连 热文推荐 AI检测即将发力:3万+疑似病例诊断,100+抗疫定点医院即将部署 逃不过复制粘贴,同样也逃不过Tesler定律 书单栏目两年沉淀,奉上50份最值得收藏书单 书单丨盘点5种最适合AI开发的编程语言 [原创]AI面试官来了,会为求才、求职带来什么新面貌? 面试是绝大多数上班族一定会有的经验,不管你身处哪个行业哪个领域。但如今在人工智能+深度学习+人脸识别等技术的结合下,已经有些第三方厂商推出AI面试官的软件系统,提供给企业作为挑选人才的工具。未来,决定人们是否能进去企业工作的不再是人类而已,还有看不到、摸不着的人工智能。 去年11月,在为期3天的2017美国人才发展协会(简称ATD)亚太年会上,有家台湾厂商展示了一项研究成果,他们将人脸识别技术与中国传统的面相学结合,用以判断面试者的人格、性向,及对新工作的兴趣程度。其实提供这类应用的厂商还真不少呢,以下就为各位介绍几家。 美国HireVue公司是一家提供线上招聘服务的平台,采用视频面试是这家公司的一大特色。HireVue以AI技术分析求职者的视频面试表现,还运用了心理学家Paul Ekman创造的“情感图谱”,可以动态分辨面试者一万种面部表情,连1/25秒反应的微表情也不错过。 HireVue经由长期、大量收集的面试视频数据,能够分辨求职者的意图、习惯、个性和人格特质,为企业减低雇用到那些为了得到心仪工作,会在面试时过度吹嘘自己能力及经历的人。国际知名的高盛集团就采用了HireVue的机制,让高盛从13万名求职者中有效率的挑选出4%的人获聘成为新员工,这为高盛节省了庞大的面试开支,也大幅缩短了招聘的时间。目睹高盛的成功案例,已经有更多大公司表示对HireVue的AI面试技术感兴趣,打算与HireVue合作。 有家叫做Talkpush的香港公司,也推出了AI面试官的服务,他们利用面试聊天机器人Chatbot软件,与求职者随时随地线上交谈,这些对话音频及视频经过Talkpush公司分析后,然后交与企业去筛选,企业再从中挑选2~3位合适的候选人进行第二轮面试,目前已经有50人左右经由此方式获得工作。 日本求职咨询公司Talent and Assessment利用智能手机或平板电脑与应聘者在线面试,该公司事先设定好一些关键字,AI面试官在询问面试者问题时,回答的内容若有出现这些关键字眼,系统会自动给与不同的分数,总分最后交给企业客户,作为筛选第二轮面试者的参考依据。 另有一家美国公司entelo,则是从主动分析人们发布在推特、Facebook、领英(Linkedin)等社交平台上的信息,从中判断其技能点与工作资历,然后生成数据给正在寻找人才的企业客户去进行匹配。这些大数据可预测哪些人可能会跳槽,也可以帮助企业客户比对出符合工作技能要求的潜在人选或是直接的求职者。截至去年6月底,Entelo已经签下与600多家公司合作的合同。与知名社交招聘平台领英不同的是,一般人无法在entelo平台上自行创建账号,所有的操作都是entelo在后台完成,人们能够做的只有要求Entelo删除自己的信息。 还有两家公司Fama与Talent Sonar,他们皆是运用机器学习及神经语言程序学(NLP),深度分析求职者在Facebook、Instagram等社交平台上的PO文、照片、关心的新闻及感兴趣的话题,来了解求职者是否适合企业文化,是不是种族主义者、性别歧视者,或是有暴力倾向、变态性格的人,以作为企业评估求职者的参考。为了减低企业招聘人员不自觉的偏见,Talent Sonar公司的软件会自动屏蔽求职者的姓名及性别。 目前市面上运用AI技术协助企业面试的系统大致有以下几种类型: 一、以文字为主 用搜集到的个人履历文件或是文字对话数据,进行文本方面的大数据分析,分析求职者是否胜任企业需要的工作专长或符合某些特质。 二、以聊天机器人为主 例如香港Talkpush公司的聊天机器人Chatbot,运用文字及语音聊天的互动过程,创造出求职者仿如身处面试对话的场景。求职者的对话都会被记录并进行分析,结果出炉后,供企业作为初步筛选的依据。 三、以语音数据为基础 分析面试者在对话时的遣词用句、相关语意、情绪。 四、以社交平台为基础 大量收集应聘者在各社交平台上的文字、图片、留言及对各种议题的观点。 五、以视频为基础 收集面试者回答问题时的所有表情变化及身体语言(Body Language),从这些肉眼难以察觉的表情及肢体反应,分析面试者的情绪及想法。 目前“AI面试官”还只是小众应用,但随着人工智能技术不断突飞猛进,精准度势必越来越高,导入的价钱亦会越来越低,加上大数据的全力帮忙,说不准哪一天就成了主流呢?关于真人跟人工智能在面试这个领域谁更客观,谁能更精准、有效的帮公司找到合适的员工,这个答案也许在情感面上,不少人会站在人类这一方。但是,在大数据时代,信息来源广泛又多元,搜集信息的技术也日益精进,储存信息、处理信息的成本也不断降低。大数据与AI结合,用来判别面试者的人格特质、真实面向、发展潜力,会不会比人类主观意识要客观多了? 特别是人类的时间、精力有限,面对大量涌入的求职履历,手上还有其他工作要完成的面试官们(不管是来自人力资源部门,还是职能部门的),没有那么多时间及注意力去好好审阅每一份履历表,所以很容易错失真正适合该岗位或是极具发展潜力的人才。 此外,人类非常容易受“感觉”影响;除了履历表上的学历(什么学校毕业的,最高学历是什么)、经历(待过什么大公司)会“先入为主”的影响面试官对求职者的看法之外,求职者在面谈过程给面试官产生的第一印象例如颜值,谈吐,穿着打扮,“同校、同乡、同好、前同事、同宗”等“五同”关系也易影响面试官。其他像是谈话内容、肢体语言、神情态度、眼神、临场发挥等也都会影响求职者在面试官心目中的评价。然后同一个求职者在同家企业通过首面,进入到二次或第三次面试时,会遇到不同的面试官,他们判断人的标准又会有各自的些许不同,于是另外一位面试官的“感觉”又一次主宰了求职者的工作机会。 而人工智能就没有这种困扰;首先它不会劳累,再多的履历信息都会一一看完。不但如此,人工智能还会从外部的文字、语音、视频、照片、评论、人际圈去搜集求职者方方面面的信息,然后汇整成一份不带丝毫感情的侧写(profile)分析,供企业择才时参考。求职者传统在面试时惯用的讨好、套近乎,或事先在家演练过的面试技巧 ,用在AI面试官身上不再讨巧、受用。 我们都知道AI在未来将取代很多人的工作,但因“面试官”本身并不是一项正式的职能岗位,在大多数的公司里它只是一个临时任务,所有职能部门有招聘需求时,部门内的资深人员或主管都有机会被派担任面试官,所以AI面试官的出现,其实将减轻许多人面试新人时产生的工作量及时间。对人力资源部门负责招聘业务的人来说,人工智能也有助于求职者的履历筛选及面试后的评估。 根据前面提过的HireVue公司内部统计,由AI面试官推荐成功的求职者,其能力普遍较由人类面试官选出的人要强,也让他们一家国际级的企业客户招聘时间,从过去需要的6周时间大幅缩短到只用了5天。所以,“AI面试官”站在企业的角度看,似乎是降低成本、提高效率与效能的绝佳工具。至于对广大想找工作、想换工作的人类们则不好说了。至少,想要靠忽悠、浑水摸鱼或是虚张声势的人,在AI的“明察秋毫”下将难以遁形。 龙游县三管齐下助力企业复工复产 一是“引增量、保存量”助力人力畅通。对机构或个人推荐新员工入职并依法缴纳社会保险费的,给予500 元/人的补助。对“一人不到岗,基本难复产”的关键岗位人员,补助100元/人;对纳入“白名单”管理,在“司机驿站”实行统一吃住管理的货车司机,补助每人100 元/天。开辟务工人员来龙专列专车,费用政府全程兜底,累计接回“云、贵、湘”等籍县外员工7600人。截至2月24日,全县累计复工6.5万人,其中新录用员工1.3万人。 二是“提额度、提速度”助力资金畅通。推出C位复工贷,县财政主管的昊诚融资担保有限公司为“亩均效益”综合评价C 类以上并于4月30日前获得批准复工的企业,提供最高 500万元的担保贷款额度。加强金融支持,县级政策性担保公司在原有担保费率基础上下调30%以上,政府转贷收费在原有基础上降低30%。在政策有效期内,企业为扩大防疫应急物资生产进行的技改投资,按照设备投资额大小给予不低于50%的补贴。加快政策兑现速度,对符合兑现条件的项目即时兑现;对建设周期较长的项目,根据项目的实际投资发生额,提前按比例进行扶持资金兑现。 三是“龙游通、企情通”助力智能管控。县财政出资在“龙游通”提前上线“知码开门”功能,以省市协查名单、隔离状态信息、基层网格排查等数据库为支撑,对“龙游通”实名认证人员生成独立二维码,实现本地人进出扫码、外地人进出“认证”。建设“龙游通+企情通”智慧平台,开发企业复工网上审批模块,减少企业跑腿时间。依托“龙游通”开设AI智能招聘交流会,创设“职播间”零接触面试,求职者和企业线上即可完成浏览岗位、投递简历、AI视频面试全流程操作。发挥15个省外劳务协作基地作用,组织外地新员工在“龙游通”面试应聘。目前,全县已有369家用工企业入驻“龙游通”平台,提供1.4万余个就业岗位。 AI乐器陪练、AI面试官纷纷上线!上海徐汇人工智能走进文化创意领域时间:2019-09-20 作为上海首个启动建设的人工智能发展集聚区域,上海市徐汇区已承接并布局了上海全市人工智能产业规模中的三分之一,而该产业的规模还在进一步扩大,一批新的人工智能企业正脱颖而出。 今天(9月19日),由徐汇区文创办、徐汇区文旅局指导,徐汇软件园主办的“人工智能+文化创意”跨界融合路演专场今在徐汇软件园举办。仓擎智能、青蓝赤壁、诠视科技、安麒智能、近屿智能等7个人工智能领域优质创新项目参加了本次路演,成功吸引了汇付创投、国泰君安创新投、科翔资本、徐汇科创投、英诺天使基金等六十多家投资机构代表。 徐汇软件园副总经理罗璇表示:作为中西文化交汇地、海派文化发源地、国家双创示范基地和上海科创中心重要承载区,徐汇在底蕴和传承上,有与人工智能高度契合的内在基因;在资源和生态上,有促进人工智能更新迭代的要素禀赋;在产业和功能上,有承接人工智能未来发展的基础实力。人工智能拥有强大的穿透力,已经深刻融入到各行各业、方方面面,尤其是在文化创意领域,人工智能已经成为推动文创产业发展的最大发动机,而文化、娱乐、内容行业正在成为继金融、医疗、制造业之后,人工智能最重要的应用领域。 目前,徐汇区围绕人工智能新高地建设“T计划”,打造人工智能的“AI生态+AI平台+AI产业+AI城区”。徐汇瞄准创新策源地、产业磁力场、应用试验田的功能定位,构筑人工智能的空间布局,人工智能发展进入“快车道”,欢迎创业者来到徐汇、共同发展。 路演环节,专注于无人驾驶AI平台的仓擎智能率先展开路演,该项目致力于无人驾驶技术、操作机器人技术、车队多智能车辆协同调度决策技术的开发与运用,投资人指出无人驾驶作为当下热门领域,市场应用对于核心技术的研发和应用要求都很高,如何保持项目的核心竞争力,技术是第一要义。 随后专注于专业音乐教育AI陪练系统的青蓝赤壁信息技术、从事空间感知与认知(vSLAM+AI)底层技术开发的计算机视觉的诠视科技、基于智能分拣机器人和智能视觉的固废处理及资源化解决方案的安麒智能、致力于医学影像人工智能解决方案的俪娃荷智能医疗科技、特色大数据服务商罗赛塔科技、人工智能(AI)学会会员的人力资源服务公司——近屿智能依次进行了路演。 活动现场,投资嘉宾依次和创业项目进行了沟通点评,围绕股权架构、商业模式、企业盈利模式、技术创新、市场发展等诸多方面展开探讨。嘉宾表示AI技术作为全新的生产工具,其应用领域广泛,如何更深入的使用人工智能,从而实现更高级别的数字化、信息化使用场景,是考量所有人工智能项目的共同标准之一。 此次活动,徐汇软件园推送的三家人工智能企业表现抢眼:AI得贤招聘官项目:中国唯一上线运营的人工智能面试招聘系统,产品可广泛应用于医疗、通讯、金融、银行、物流、教育、零售、快消、酒店、互联网、家政服务等行业。 AI乐陪练是一款涵盖所有西洋乐器的在线智能练习APP,帮助4~16岁青少年器乐练习,给予他们专业的练习指导;也是考级辅导的必备助手。同时可帮助家长充分了解孩子练习情况,彻底从陪练中解放出来。 仓擎机器人着重于在工业领域,主要进行物流仓储园区及限定场景里面中,物流搬运机器人多产品形态、多场景的人工智能技术研发和量产,目前正与国内知名的叉车企业——合力叉车合作,共同进行无人驾驶叉车的研究与应用。 此次活动的开展获得了创业者、投资人的一致好评。在徐汇区文创办、徐汇区文旅局指导下,徐汇软件园将持续常态化开展投融资对接和创业服务活动,推动创业者与资本市场、产业服务资源,行业资源的深入对接,也期待更多优质创业项目在平台崭露头角,促进人工智能+文化创意领域优质企业向徐汇聚集和发展,形成徐汇区文化创意新高地。 据了解,“徐汇区文化创意产业沙龙”系列活动,聚焦演艺艺术、设计、影视传媒、数字内容等文化创意重点行业,通过行业大咖分享、产业论坛、政策解读等多种形式,推广“海派之源”品牌,提升徐汇区文化创意产业园区服务能级,搭建区域内企业之间的沟通协作平台。 (来源:东方网 作者:程琦 ) AI面试官大人--驾到 文 | 职入龙门 每到招聘季,很多求职小伙伴就「组队」开始研究求职之路上的「第一关门神」--面试官大人! 坊间总是流传着他们与求职者在‘面试大战’中的各种惊奇新闻! 什么‘面试灭绝师太’‘面试测谎仪’等吓人头衔满天飞,让刚出校门的职场小白们产生一种不寒而栗的赶脚! 于是,大家为了能通过面试,纷纷购买世界500强企业人力资源大咖们面试攻略;或者干脆找某知名企业工作的师哥师姐帮忙打探,今年面试官的常用招数、喜好颜值星座、血型等信息! 大图模式 ​ ​ ​ ​ ​ ​ 然鹅,天不遂人愿! 很多求职者连与普通面试官斗智斗勇的事情还没搞明白!如今「招聘界」又出现更「可怖」的面试官新物种--AI面试官大人! 大图模式 AI面试官是什么鬼? 对,你没听错! 就是号称运用人工智能技术+深度学习+人脸识别技术等一切你听都没听过的技术名词包装出的「面试界大神人物」。 肩负‘从此告别人性偏见、工作漏洞。营造公平、高效选拔真人才’的神圣职责,横空出世! 大图模式 ​ ​ ​ ​ ​ ​ 面试界大神人物 据报道:2019年世界500强企业中率先引入AI面试技术的公司有可口可乐、联合利华、高盛、欧莱雅等。AI面试官可以通过超过15000个特征,含语言词汇、眼神、做题速度等。为公司选拔最适合的候选人。 而且全球很多第三方科技公司正在夜以继日的研发升级版AI面试官,以便满足全球企业和求职者的双向需求! 等于说:陆续还有更多优质、甚至比你亲妈还了解你的AI面试「大神」们,等待与各位求职者「接驾」哦! 大图模式 AI面试官感觉好难对付 既然求职形势如此「险峻」,我们「人类求职者」只好发大招:对AI面试官们知己知彼,才能百战百胜不! 毕竟你再牛,也是人类研究出来的!就不信找不到「弱点」 大图模式 积极了解对手 【敲黑板、划重点了!】“职入龙门”为朋友们分享,全球已经「服役」的AI面试官面试套路和独家应对干货策略哦! 大家认真做好笔记!这个招聘季,你就要「接驾」AI面试官哦! 01 中国AI面试官---美丽的Molly 大图模式 ​ ​ ​ ​ AI面试官Molly本尊 2018年2月中国AI面试官Molly就已经上线,半年内面试近万人!由上海近屿智能科技有限公司研发。 AI面试官Molly本尊:美丽女面试官随时在智能手机中等你。 面试地点:在家舒服面试(更多看公司安排) 面试形式:求职者扫企业二维码等待Molly面试;回答问题是语音+视频+文字等形式,最后形成分析报告呈交企业! 卖点:全年无休,敬业为每一位候选人提供公平竞争机会! 有小伙伴分享了Molly面试官的面试「魅力」: 1、新奇面试体验,马上发朋友圈告诉大家!! 大图模式 Molly面试官已经智能到,在线等你处理紧急事件哦,不要太贴心好吧! 2、朋友圈炸锅,年轻人对这种高大上、很舒适的面试很感兴趣! 大图模式 AI ?人工智能?这么高大上? 【“职入龙门”点评】作为中国职场人,我必须给AI面试官Molly点赞!不仅形象比岛国面试官好!而且在体验上也让求职者很舒服!更重要的是非常聪明!我都想找Molly面试了! 期待Molly 能有更加人性化的面试表现,服务更多求职者和企业。真正做到发明人倡导的那样:给每一位求职者公平的竞争机会! 02 岛国AI面试官 大图模式 岛国AI面试官 2019年3月14日,日本Talent and Assessmen公司研发的AI面试官已经成功使用。预计2020年约有5000位日本求职者「接驾」AI面试官。 AI面试官本尊:智能手机上界面乏味的app。 地点:随便。 形式:语音问答!AI面试官可继续智能出题。 大图模式 ​ ​ ​ ​ ​ ​ 面试时间:不固定。要1个小时。 大图模式 卖点:求职者不受时间和地点限制!面试结束生成详细评估报告呈交用人单位。 大图模式 自信的卖点 AI面试官的惊人战绩:工作敬业连问126个问题,直到把人类女孩问到「脑袋死机」。 不带这么「欺负」人类的! 【“职入龙门”点评】岛国AI面试官app界面,毫无设计感!不想评价! 另外,别说我听到126个问题会「脑袋死机」,连岛国人民都「吃不消」: 大图模式 岛国人民也「吃不消」 日本某媒体发起“AI面试官到底有用吗?”的话题。对全国20~60多岁的1348名男女开展调研。结果显示:9.6%的人回答「很好」。31.2%认为「还行吧」。59.1%的人对AI面试官的价值持否定看法和抵触情绪。 人类发明AI面试官,是为高效解决筛选优质人才的问题。不是为了显示AI面试官背后科学团队有多厉害! 还是要兼顾求职者的面试体验的!否则缺乏人性化的产品,再神奇也没长久市场! 03 米国AI面试官--HireVue 大图模式 HireVue面试官界面 HireVue是视频招聘领域「前辈」,成立于2004年总部位于美国。目前有联合利华、高盛、可口可乐、欧莱雅等企业使用HireVue面试官。 HireVue面试官本尊:一台智能手机+美观app界面。 地点:招聘公司指定场地。 形式:视频为主+文字等问答形式!但这位面试官更绝!手机中显示的不是题,竟然是你自己!看着自己回答问题,果然感觉很怪异! 大图模式 在手机中的HireVue面试官,其实是自己 卖点:以公司某职务优秀员工为分析模型,把对他的肢体语言、语调和关键词等数据整理提炼,成为AI面试官选择候选人的标准。 「HireVue小惊喜」:回答次数不受限制! 这点无疑让面试者找到了「通关突破口」!每道题你都有了充分思考和重复回答的机会。只要不超过面试约定时间,还是能机智应对的! 04 瑞典AI面试官 大图模式 瑞典TNG公司 AI面试官中造型最厉害的当属瑞典TNG公司。预计在2020年「服役」! 大图模式 瑞典AI面试官本尊 瑞典AI面试官本尊:人像模型+虚拟成像技术。应聘者可以与带有五官轮廓和表情的面试官进行面对面交流。 地点:公司指定地点面试。 形式:问答形式,和其他AI面试官相同。 卖点:消除面试中的无意识偏见。 大图模式 在瑞典73%的应聘者认为:面试官会在第一印象中对他们的种族、年龄、性别、外貌等产生主观歧视。所以TNG公司决定为求职者的公平面试机会而努力! (至于对付它的绝招,“职入龙门”暂时还没总结,因为它老人家要2020年上市!等到它大驾光临中国公司时,我在继续和大家分享!) 如何「接驾」AI面试官?“职入龙门”教朋友们见招拆招! 不管AI面试官如何神奇和有「外挂团队」支撑,都是基于一定算法逻辑的!我们只要知道他们的运算逻辑和面试特性,就有非常多的应对方法: 大图模式 应对HireVue面试官篇 【应对HireVue面试官篇】 1、找优秀高管或成功人士的演讲视频,学习语言和肢体表达。 举例:HireVue面试官就是以各职位优秀员工的行为、语言、神态等模式为筛选候选人标准。那求职者在面试前,就要提前找到应聘岗位的优秀人才视频资料(或找职场类脱口秀栏目学习)。特别要练习言语表达方式、语气声调大小。这些都是人工智能评估人才的参数。 2、对着镜子练习回答问题,可以很好克服HireVue面试的不舒适感。 反正都看惯了自己表演,面试时看到自己就不会觉得忐忑和不自然了。相信很多喜欢自拍(视频或照片)的朋友们会更快适应这种自然的表达方式! 3、回答问题一定要设置不限次数。 不要害怕回答错,更不要着急答完离开!你可以反复回答哦!只要没有超过面试时间,你每回答一道问题都要反复斟酌!毕竟到目前为止,能请得起HireVue面试官的都是世界500强企业! 所以,面试机会难得!朋友们千万要沉得住气与HireVue面试官PK! 【应对中国AI面试官Molly】 如果涉及到语音回答,求职者应提前练习用微信语音聊天功能,与朋友交流答题。锻炼自己的语言组织、表达、语速、声调等能力。 因为,以Molly为代表的AI面试官,主要靠声音识别来判断求职者的状态和答案正确程度。 所以,我回答问题的语速和声调越流畅、自信!Molly越会在分析报告中给我们高分哦! (注意:打字输入回答问题除外!如果涉及视频面试,请参考应对HireVue面试官篇) 大图模式 【应对未来所有AI面试官篇】 1、回答问题时保持情绪稳定 不管我们回答问题时是在陌生环境还是熟悉环境,在看不到对方的前提下,或是看着手机中的自己、或是要通过语音+文字的形式回答问题。 都会无形中增加自己的紧张和焦虑感! 特别是HireVue的视频面试体验,更会让没有对镜头练习过表达的朋友焦虑和不安! 看着镜头中的自己,又想让自己表情自然、好看!还要思考回答问题的逻辑!如果再碰上「刁钻」问题,则会显得脑子内存不够! 所以,想要通过面试,我们要锻炼自己在不同形式的面试中,深呼吸调节情绪、保持头脑清醒!这样我们才能快速反应,准确回答问题,更能展现自己迷人笑容,给人工智能传递个人稀缺价值的关键! 2、提前弄清楚应聘岗位要求、公司业务需求。 虽然求职者做不到拥有AI面试官都海量题库「外挂」,但身为人类,对目标岗位能涉及的问题的预判和分析能力还是有的!只要我们对应聘岗位「上心」准备,就不愁猜不到面试官的出题方向! 3、不急于回答问题,先思考问题到底要考察自己哪方面能力! 这点常识非常重要!AI面试官都给求职者很充裕的思考时间,所以,不能抢答!没人拼速度!一定要思考问题背后,到底在考察自己的哪方面能力?思考明白了再回答都不迟到! 4、面试前一定要检查设备和网络是否OK! 这是容易错失良机的「低级硬伤」! 想象你正在开心答题时,突然手机死机、网络扑街,你因此而错失大公司入职机会,会不会有种怀疑人生的感觉!所以,面试前千万检查好设备! 大图模式 “职入龙门”最后总结一下: 即将「接驾」AI面试官的小伙伴们,不管外界把它们宣传的如何神乎其神,在高等智慧的人类面前,都是「纸老虎」! 这么说,不是要你轻敌! 而是想分享一个思维逻辑:AI面试官的强大源于背后团队的技术支持和对无数样本的深度学习!其实这些能力本来就源于人类自身进化本能。 所以,当我们了解到市面上「服役」的AI面试官的面试套路后,就可以有针对性逐一「解锁通关新技能」! 而真正能「战胜」AI面试官的秘诀,永远只有一个:知己知彼百战百胜的必胜心态! 亲爱的求职朋友们,你们能接受AI面试官吗?欢迎大家评论分享你的AI面试经历 大咖锦囊】必收!四步解决你的跨境人才需求 作者:跨境眼 发布于:8小时前 0 0 1 有什么渠道能快速找到专业人才?如何实现高效的线上招聘!? 前两天,一个HR朋友找我吐槽,说最近面试效率低,而且什么奇葩都能遇到! 说视频面试有直接顶着鸡窝头的,甚至还有蹲在马桶上面试的。简直让人惊呆了! 本来公司就因为年前人才就有流失,再加上疫情的影响,给招聘带来的影响就更加大了。 经过小编调研发现,这并不是特例情况,而是很多公司都在反应同样的困境:不知道通过什么渠道招对口人才、面试效率低下、无法适应视频面试... 针对这些问题,跨境眼于上周,围绕了【疫情当下,跨境电商管理层该如何突破困局】这一主题展开了四场直播讨论。 其中就邀请到了来自深圳市佰思拓普电子商务有限公司的人力资源总监:涂强,为【如何在线上做高效招聘】做了干货分享,为了很多企业提供了有效的解决方案。 以下就是直播内容的总结,各位请拿好你们的小本本记起来哦! 一、跨境电商的招聘渠道 一般分为: ·高端岗位可以找猎头公司 ·一般社招通过:51job,智联 ·BOSS直聘 和 校招 二、让线上招聘更高效 1、不要把过多的时间用在线上打字沟通上; 2、加“微信”的目的,是承载面试场景和后续跟进; 3、善用工具 AI面试工具:e成,北森 三、线上招聘有哪些注意事项?** 1、常规流程不可少 包含:暖场、介绍、提问、结束; 2、消除候选人对新模式的紧张感很重要 不要直接说请不要紧张之类的话,因为在很多情况下面试者会越说越紧张的哦。 可以直接和候选人说,公司也是刚尝试视频在线的模式,如果在安排上有考虑欠周全的地方,欢迎他随时提出来; 3、让流程更紧凑,消除线上沟通不适感 可以考虑增加测评。 一对多面试,面试官发言顺序,问题的提纲大致理清楚,不要抢话,也不要冷场。 可以先发些公司的小视频给候选人,甚至有公司做了办公VR全景图,让候选人多了解公司,加强雇主品牌建设。 4、录用安全要做好 要做好候选人的健康跟进。 四、如何进行面试**** 在这里,涂哥介绍了一种“行为面试法”。 1、行为面试法的定义 是通过要求面试对象描述其过去某个工作或者生活经历的具体情况来了解面试对象各方面素质特征的方法。 对此可以理解为: (1)描述的是过去的行为 (2) 对行为描述的要具体 (3)目的是通过其描述的行为来了解其素质特征 过 去 的 行 为 是 未 来 行 为 的 最 好 预 言 ——Dr. Pierre Mornell 莫奈尔 接下来请带着自己的思考,判断一下下面的描述是行为描述么? 案例1 “每当我有困难结束一次业务洽谈时,我总是花几秒钟考虑一下目前的形势,看看我是否应该改变策略。我发现我的客户在不同时间的表现很不同。 诀窍是我可以从现场的讨论中脱身来看看客户是怎样的背景。这样一来,我就可以以客户的情绪来改变我的态度。用这个技巧总能帮助我战胜销售中的困难。” 案例2 “我一直都知道作为一个好的销售人员应该很有条理性。例如,当你有很多事情需要同时做时,你确实需要逼迫自己有条理性。 你不得不花时间准备“要做的事”核对单,承认自己有一些不重要的事不能做。对我来说,一个好的有组织的系统是防止意外的关键。” 案例3 “上周我处理了一个被我们开错支票惹恼的客户。我一听到他的声音就知道他不会轻易善罢甘休。我立刻道歉并告诉他会立刻尽全力为他解决问题。 这使我稍微平静了些,从而我能发现问题所在并研究找出解决方案。我10分钟内给他回了电话。通话结束前,他特意对我的快速反应表示满意。” 案例4 “去年通过我的努力使公司的采购成本降低了30%。年初的时候,公司新增了一条产品线,致使原材料采购的品类增加了几乎一倍, 原有的采购管理弊端一下子暴露出来,主要是采购数据库与财务数据库衔接的问题。 我找到财务部经理,与她一起分析了存在的问题,并说出了我的改进设想,主要是重新设计一个新的数据库来共同管理两个部门现有的数据库。 我们达成了一致,并共同写了计划书,详细分析投资回报,最后公司采纳了我们的建议。” 以上的回答,请比较是否符合行为面试法的理解,哪一个回答会更符合面试官对回答的期待呢? 2、行为面试法——STAR原则 举例:请讲出一件你通过学习尽快胜任新的工作任务的事。追问: (1)这件事发生在什么时候?--- --- --- --- S (2)你要从事的工作任务是什么?--- --- -- T (3)接到任务后你怎么办? --- --- --- -- -- A (4)你用了多长时间获得完成该任务所必须的知识? ---深层次了解 (5)你在这个过程中遇到困难了吗? --- --- ---顺便了解坚韧性 (6)你最后完成任务的情况如何? -- --- ---R 接下来是有关于追问技巧的介绍: 1、剥笋式提问和追问法:将模糊的语言一层层的澄清,直到做出准确判断 考察逻辑思维: 第一个问题:谈谈你大学最成功的一件事? 第二个问题:为什么这是你大学最成功的一件事? 第三个问题:那大学里印象最深刻的事是哪件事? 第四个问题:为什么最成功的事情不是印象最深刻的事情? 第五个问题:这其中的差别是什么? 这种提问和追问方式,是从大的问题开始问,从简单到复杂,越来越精准,越来越明确。 2、完整的行为描述包括一个明确具体的情景或任务、采取明确具体的行动、最终的明确具体的结果。 3、无效的行为表现描述 4、理论性问题与引导性问题 · 主要询问候选人的主观意见和理论。比如对某件事情的看法,或者他们一般会怎么做。理论性的问题是无效的,因为理论性的问题必然用理论性的回答来回应。 · 促使候选人提供他认为你期望的答案。这种提问方式通常暗示了一个正确的回应,鼓励候选人做出那种回应。 5、针对含糊、高调、空谈的回答,要追问: 6、善于聆听 如果应聘者提供的信息是真实,他将: · 第一人称 · 说话很有信心 · 明显的和其它一些已知的事实一致 如果应聘者提供的信息是谎言,他将: ·很难一针见血 ·倾向于夸大自己 ·明显在举止上和言行上延迟 ·语言流畅,但像背书 7、善于提问 【连串式提问】 向面试者提出一连串相关的问题,要求应试者逐个回答。这种提问方式主要是考察面试者的反应能力、思维的逻辑性和条理性。 例如:“你在过去的工作中出现过什么重大失误?如果有,是什么?从这件事本身你汲取的教训是什么?如果今后再遇到此类情况,你会如何处理?” 【假设式提问】 在这种提问中,主考官为应聘者假设一种情况,通过应聘者的反应和回答,来考察应聘者的应变能力、解决问题的能力、思维能力。 如:“如果你是那个肇事的司机,遇到这样的情况,你会怎样处理?” 【封闭式提问】 这是一种可以得到具体答案的问题。这类问题比较简单、常规、涉及范围小。 关于下面的一些情况常用封闭式提问: 工作经历:包括过去的工作职位、成就、工作成绩、个人收入、工作满意等。 学历:包括专业、学习成绩、突出的学科、最讨厌的学科、课程设置等。 早期家庭状况:包括父母的职业、家庭收入、家庭成员等。 个性与追求:包括性格、爱好、愿望、需求、情绪、目标设置与人生态度等。 【开放式提问】 所谓开放性提问,就是指提出的问题应试者不能使用简单的“是”或“不是”来回答,而必须另加解释才能回答清楚。 因此,主考官提出的问题如果能引发面试者给予详细的说明,则符合“开放式提问”的要求。 【压迫式提问】 一般来说,主考官要尽力为应试者创造一个亲切、轻松、自然的环境,以使应试者能够消除紧张、充分发挥。 但有些情况下,主考官会故意制造一种紧张的气氛,给应试者一定压力,通过观察应试者在压力情况下的反应,来测定其反应能力、自制力、情绪稳定性等等。 例如:“我对你此次的面试表现评价不 高。” 希望以上的干货总结能够帮到你~想持续获取干货资讯,可扫码关注↓↓↓ ❤️【福利】跨境眼网站帮助跨境圈20+好公司的发布招聘需求,目前已汇集100多个岗位啦 想参与招聘会的/想找工作的,都可看看哦! https://www.kuajingyan.com/article/10828 2020,AI算法岗,劝退还是继续? 来源:互联网 发布日期:2020-02-28 08:57 浏览:481次 值班编辑QQ:281688302 广告 2020,注定不易。大环境下,有不少企业正在面临灭顶之灾。然而所谓危机,危中有机,越来越多的企业家会反思自己的商业模型,对人力和人才的依赖度,如何保障企业在人力稀缺或者远程办公 的情况下仍然能有效的发展业务,这时候,企业家会注意到,AI 可能是一个不错的解决方案。借此契机,不少传统行业,也会开始为了求生,拥抱AI ,实现模式升级。 人工智能 行业,在特殊时期反而有机会抓住机遇,从以往的概念转变为发展趋势,并快速与各行各业融合,相关的招聘需求也会再度旺盛,岗位附加值愈加走高(据统计,岗位薪资达到了30K-50K/月,连续五年涨幅超200%)。 因此,AI 是未来几年内不错的职业选择。 但人工智能 是交叉学科,涉及到技术十分广泛,从业者也很难面面兼顾。如何选择方向呢? 就当下行业情况看,计算机 视觉(CV)和自然语言处理 (NLP)的成功案例最多,未来发展潜力也相对比较大,初学者可以重点考虑学习一下这两个领域的相关技术。 需要注意的是,人工智能 并不是纯软件 开发,简单地调用库函数 API,需要有一定的理论支撑和场景分析,否则,很有可能沦为调包侠。 近期,趁着自由时间比较多,整理了一套计算机 视觉和自然语言处理 的资料, 今天免费分享给大家。这套资料尤其适合: 近期想要入行 AI ,但熟悉具体细分领域情况的朋友; 备战 NLP、CV方向面试,没有系统的学习资料的同学; 希望从事 AI 方向的研究,但编程基础较薄弱的学生; 从事AI 领域工作,不希望仅仅停留在使用工具层面,想进一步突破的从业者。 学完你可以收获哪些? 掌握企业中应用的前沿技术,对深度学习 领域最新知识体系有更深入的提升; 深入理解 NLP 和 CV 处理问题的模型方法; 完善 AI 知识体系,查漏补缺; AI 岗位面试常见问题及应对策略。 本次视频的讲解人,是前 IBM 中国总部数据科学家高民权老师。 高老师曾先后就职于阿里巴巴、蚂蚁金服,同时也是 PythonChina 的特邀嘉宾,中国机械出版社特邀作者。高老师作为技术主管负责过多个重点 AI 项目,在人工智能 和 NLP 领域曾发表多篇论文与专利 。此次高老师受开课吧人工智能 学院邀请,特别录制了此次视频。需要的朋友千万不要错过! 此次视频分为 CV 和 NLP 两个部分,不同于市面上纯理论的介绍,而是将理论知识融入到实际代码项目中,非常难得,具体内容有: 计算机 视觉(CV) 01 CV&CNN详述(CNN和AI 、ML、DL之间的关系;CNN 的结构;CV 应用场景) 02 主流框架介绍;编程能力如何提升(学习网站及刷题方法);真实岗位要求及待遇;面试中项目相关问题及应对策略 03 图像处理操作方法(基本概念,常用技术);现场代码操作图像效果演示; 自然语言处理 (NLP) 01 基于规则的语言模型(语法定义、对话生成) 02 基于概率的语言模型(2-gram模型,概率估计方法) 03 项目实操演示(数据清洗,分词,模型预训练) 为了感谢粉丝们一直以来的关注,这里争取到了165名免费领取的名额。需要的朋友请速速扫描下方二维码,添加小助理微信领龋如果觉得视频不错,还可以跟小助理咨询其他合适的学习资料。 添加微信成功后,给对方发送消息【NLP】 或 【CV】 免费领取视频 领取人数较多 请耐心等待 注:小助理精力有限,这次为大家争取了 165 个免费名额,先到先得。领到干货后,认真学习,毕设、面试都用得到! 现在开课吧联合了众知名 AI 行业项目负责人,倾力打造了《人工智能 基础课》和《人工智能 专项进阶课》2 门课程,帮助有志于从事 AI 方向的同学快速提高自身开发能力,目前已服务 3000+ AI 人才,为结课学员提供优先推荐服务,提升职场竞争力。 最新一期课程即将开课,想要了解更多课程事宜的朋友可以添加上方微信咨询。 远程面试的38条实用技巧 陈皮网 2020-02-28 09:51:15阅读数:15 随着疫情逐步被控制,已有越来越多的企业开始复工。 复工后要面对的第一个难题就是:金三银四,怎么用远程面试去抓住更多人才?HRGO特意请来了远程面试专家Ella老师,给大家讲解了远程面试的详细技巧,并整理出这份《远程面试操作手册》,建议赶紧收藏。 01远程面试VS现场面试,优劣势详细对比 ①地域:远程面试没有地域限制,而现场面试要求在同一场地; ②设备:远程面试要准备视频设备、电脑或手机,同时要安装拥有视频功能的软件,现场面试没有设备要求; ③对象:远程面试主要针对中高端人才和应届的大学生,如果是中低端的求职者,比如说劳动密集型的企业,现场面试更适合; ④环节:远程面试一般使用在初面,起到筛选的作用,最终确定人选还是需要现场面试; ⑤精准:远程面试人像和声音有偏差,精准程度会比现场面试差; ⑥干扰:远程面试更容易受到外界的干扰,主要来自于设备、环境的干扰;现场面试受干扰程度较低; ⑦保留:远程面试可以录音、录像,可反复研究候选人的表现,评价更加精准;还可以把视频分享给其他考官,共同商议讨论,现场面试,没有这个优势。 ⑧结论:从这7个方面去分析,两者有利有弊,但目的都是一样的:为了招到与岗位相匹配的人才。 02 远程面试前你必做的准备 ① 设备准备 大型公司,招聘量大,总部和各地区HR人员众多,协调复杂困难。如果有条件,建议使用在线招聘系统,然后配合远程面试,进而完成面试的评价、面试的通知、人才库的管理等多个功能相结合,一体化解决招聘的问题。 中小型的公司,招聘量适中,预算有限,协同相对简单,没有系统化的要求,不管大公司还是小公司,需要的远程面试的工具是相同的,可以选择:QQ、微信、Skype、Zoom、以及特定的招聘视频软件等。 ② 双方的面试准备 环境:选择独立安静的办公室或者会议室,背景最好有企业的logo或者图片。 设备:建议用电脑端面试,网络、摄像头、声卡、麦克风、视频、软件都需要提前准备好,并检查设备是否可以录屏。 光线:光线对于视频面试的影响特别大,不要逆光。提前找好光源,最好让光源从正前方打过来。 坐姿:远程面试双方影像来自摄像头,面试时眼睛盯着摄像头,才能让候选人感觉你在看着他交流。 着装:虽然是远程面试,面试官也要正式的出场,必须正装,代表公司形象。 辅导其他面试官:HR必须要制作一个远程面试手册提供给其他面试官,方便他们熟悉远程面试。 通知候选人:在面试前给候选人发个邮件,附上一份远程面试手册,请候选人提前准备好电脑、视频、软件、网络要求、环境、服饰要求、面试的时间,测试设备等事项。 ③ 提前模拟预演 提前走一遍流程,和同事演练,把可能出现的问题都曝光出来。 从场地到电脑、网络、摄像头、音频、麦克风、光源、背景、坐姿等,多人协同时,辅导其他面试官视频面试的方法。 ④ 准备应急预案 远程面试比起现场面试,不可控因素多,应急预案必不可少。 多准备一台笔记本电脑;提前联系好紧急运维的联系人,设备或网络一旦有问题,迅速找他帮你;保留候选人电话,碰到掉线卡顿等情况,可以电话询问,实在不行,可通过电话来面试,作为备选。 03 远程面试时需要注意哪些问题 ① 设计面试流程 一个好的流程解决的是秩序与协同,而设备和协同是远程面试两大关键点。 HRGO给大家制作了一张流程表。 大家可以从表中看到远程面试的详细流程。如果疫情过去了,把第三轮视频面试改成现场面试效果更好。 ② 远程面试放在哪个环节? 一般简历筛选之后,远程笔试之后就可安排远程面试,作为初筛。 ③ 远程面试官是哪些人? 一般远程面试有HR、部门的负责人,如果有二轮远程面试,就有高管或者是老板。 如果有多位面试官参与的时候,在群视频时一定提前安排好说话的顺序。 ④ 哪类候选人平时也很适合远程面试? 异地关键的候选人,还有校园招聘适合使用远程面试。 ⑤ 如何保证多人参与远程面试的过程协同? 一定要排好当天视频面试的发问顺序,请其中的一个人做为主持人统筹,按顺序讲话,最后询问有没有要提问的。 面试官内部之间、HR与候选人之间都要协调好信息和注意事项。 ⑥ 发出视频面试的邀请,候选人的设备条件不满足怎么办? 如果没有电脑,可改用手机面试,或者先做电话的面试,等待他准备好设备。 ⑦ 发电子考卷,担心候选人作弊影响效果怎么办? 设置时长。 并指定邮箱发邮件上传试卷的答案,附上手写的《保证书》,并发送给企业,虽然无法完全避免作弊,但是可以起到威慑作用。 ⑧ 视频面试后,入职的周期把控怎么办? 根据传统的招聘周期最慢是 60 天,但是视频面试可以把时间节省到 20 天。 因为招聘很重要的就是闭环,而能真正做到闭环的招聘系统并不多。 04 远程面试时要特别关注候选人哪些方面? 一般会从看、听、感觉三个方面去关注。有研究表明,视频面试中有效的交流,55% 来自于面部和身体语言, 38% 来自于语音语调,只有 7% 来自于说话的内容。 ① 面部表情:是否放松,眼神是否聚焦专注,有无微笑或点头,比较流畅还是很紧张。 ② 肢体语言:坐姿是否稳定,是否来回晃动或手势过多。 ③ 若戴眼镜:关注反光,观察候选人作答问题时,是否在搜索答案,看小抄。 ④ 观察背景:背景是整洁正式,还是杂乱无章,过于杂乱的候选人,说明他本身就不尊重自己和他人。 ⑤ 账号信息:如果有账户信息,留意观察用户名、照片、个性签名和朋友圈。 ⑥ 倾听回复:候选人回答关键问题时,语调是平缓还是急促,语速是适中还是快速,有没有停顿,停顿的时间长短。 05 获取信息量少 如何判断候选人的匹配度 ① 提问设计 除了候选人的基本信息,远程面试主要考察候选人的行为和知识能力。 ② 辅助考察 使用辅助考察的方式来配合远程面试,提高面试的效率。 比如笔试、MBTI问卷或是企业内部测评系统,还有请候选人提供表单、文案、设计稿、作品集等多方面考察候选人。 ③ 重看回放 通过回放深度分析候选人的表情、语调和重点问题反馈。 ④ 关注细节 远程面试过程中的小细节,也是反映候选人信息的点。 06 其他HR关心的远程面试的相关问题 ① 远程面试的录屏系统有哪些? office2013以上版本的PPT,都有录频的功能,点击菜单中的插入按钮,最右边有录频的功能。其他录屏软件可以在知乎上查阅,非常详细。 ② 盯着摄像头会不会影响对候选人的评判? 远程面试的时候盯着摄像头,候选人会感觉你在跟她进行眼神交流,就像面对面交流一样,非常真实。那么其余时间,比如候选人在讲话的时候,你完全可以看屏幕,观察候选人语音语调、面部表情等。 ③ 录屏需要和候选人提前沟通并征得同意吗? 需要,一般在线招聘系统上会有提示:本次我们的远程面试会有录音、录像,请候选人知晓等等。或者面试前先用语言告知一下,征得对方容易。 ④ 远程面试笔试需要做吗,面试评价怎么写? 要看什么样的岗位,比如说专业度非常高的岗位是需要笔试的,尤其技术岗等等。我在课上也讲了几个做笔试的要点。 ⑤ 如果对方是手机来支持远程面试呢? 一般情况下我建议大家要求他用电脑做远程面试,因为用电脑的话,整个的画面效果,包括整体的感觉和正式程度都会比手机要好,手机影响会很大。 如果说你们特别想跟这个人进行远程面试,但是他暂时用不了电脑的话,用手机也是可以的。但如果有电脑一定先用电脑,手机只是一个备选方案。 ⑥ 对方照着电脑念我也不知道,该怎么办? 远程面试确实有这样的一个问题,比如他在百度上搜索他查到的词条或者一些问题的答案等。所以我在课上也讲了,咱们怎么样去甄别? 一是看他在整个回答的过程中是不是流畅,眼睛有没有一直盯着你,或者他有没有长时间的低头卡顿等。包括面试前你要再三提醒他,如果一旦发现作弊情况的话,这次面试就宣告失败,我们不可以录用你等等,会有威慑效果。 然后如果对方戴眼镜的话,还可以通过反光来看,包括我们事后去回放一帧一帧地看,都是可以看出来的,可以避免大多数作弊情况发生。 ⑦ 远程面试的提问设计有参考资料吗? 远程面试的提问设计我在课上讲了,基于行为层和知识技能层两个层面。对能力方面考察的会比较多,跟咱们现场面试的提问设计没有太大区别,主要是围绕着关键的事件去追问,用STAR原则让他一步步按照我们的要求来回答。回答的过程中,我们来甄别哪样的行为是符合我们岗位职责要求的,怎样的能力是符合岗位胜任力的。 數位轉型 工廠轉型常見迷思 AI 視覺分析 2020 年雲端網管趨勢 智慧城市 徵才 創新嗜讀 TO 直播 人工智慧 資安 物聯網 智慧製造 【英文面試】外商面試官問「What is your notice period ?」,你該怎麼回答? Posted on2019/10/28 方禹涵 在英文的面試當中,面試官或 HR 常會問應徵者:「What is your notice period ?」 如果你有計畫在國外找新工作,該怎麼回答這一題?Notice period 照字面翻譯是「通知期間」,但對方其實是在問你「什麼時候可以上班?」 Notice 指的是「離職通知」 Notice 作為名詞使用時,除了是報章雜誌上的公告或標語,也有「離職通知」的意思。當說員工 hand in one’s notice 時,意為「繳交他/她的書面辭呈」。而如果是老闆要請員工離職,則是用 give sb. notice。 I’m giving you a 1 month’s notice. (我通知你一個月後要離開工作崗位。) 因此當找工作時 HR 問你 「What is your notice period」,是想詢問 「你距離到職還要多久時間?」、「你什麼時候可以開始上班?」,新公司要預估你大概何時能來報到上班 。 面試官:What’s your notice period ?(你離到職還有多久?) 廣告 應徵者:Two weeks.(兩週。) 國外的工作合約中常會標註 Notice period 的時間長度,而該通知期的長短通常是看職務的資深資淺度。基層員工的 Notice period 大約是一個月,經理級大約要三個月。更資深的重要職位可能需要半年的時間才能將工作交接完畢。 如果你現在有工作,被新公司 HR 問到 Notice period,可以直接告知週數。若目前待業中,可以立即上班,則可以回答「I can start immediately.(我現在就可以報到。)」 廣告 Notice period 時要做什麼? 若你已經敲定 Notice period,這段時間可以做以下工作交接: 完成待處理的工作。 告訴公司其他人你工作上的知識或技巧。 結算該支付的款項。 繳回你正使用的公司設備,如筆記本電腦、鑰匙、工作證或書籍等。 或者你也可以收回辭呈,選擇繼續待在原本的公司。 參考資料: 1.《大英國辦公室小職員 》:〈[辦公室英文] Notice Period 到底是什麼意思? 通知期間? 〉 2.《商業週刊》:〈 跟「注意」完全沒關係,年前年後最容易聽到這句話!”handed in notice”,原來是指… 〉 3.《Quora》:〈What does notice period mean in job application? 〉 (本文提供合作夥伴轉載。首圖來源:pxhere 。) AI 产品经理-面试经历总结 Posted on 31-05-2018 | In Work | 面试,是一次职业竞争力的测试评估。 我的第一份工作,带着运气进入商汤从事 AI 方向;第二份工作是在安人心智,感谢阳志平老师,给予我从 0 到 1 构建一款 AI 中文写作工具产品的机会。 在离开安人心智后的这两个月,我接触了近十家意向企业,认真面试了5家公司:滴滴、今日头条、京东金融、VIPKID 和美团,最终选择加入 VIPKID。这段时间,非常感谢hanniman - AI产品经理大本营的团长黄钊老师的帮助、在社群中与多位同行共同交流,受益颇多。 面试结束后,朋友们鼓励我将面试经验整理出来分享,虽然我不认为自己的经历值得学习,但作为一次职场测试,还是有必要总结复盘一下啦~ 这次被问的所有面试题,我认为都是围绕在一个大问题下延伸出来几个核心问题,每个核心问题包括许多从属问题,最后还有一些外延问题。 我试着从这些面试题中推论,这个大问题是「AI 产品经理的价值是什么?」 AI 产品经理的价值是什么? 如果说产品经理的价值是创造一款满足产品-市场匹配(Product-market fit,PMF)的产品,那么 AI 产品经理的价值,又是如何让 AI 产品满足PMF的呢? PMF 是 Marc Andreessen 在2007年创造的一个概念,定义为:「在一个好的市场里,能用一个产品去满足这个市场」。 从宏观角度来说,AI 价值主要有两方面: 改进甚至替代现有的人工行业; 创造新的行业契机; 要回答 AI 产品经理的价值,也许要先思考:AI 在产品的价值中发挥什么作用,「改进」还是「创新」?在不同的产品中, AI 产品经理的工作是如何产出与量化的呢?基于这个大问题,延伸出两个核心问题: 「AI 如何应用于产品?」这个问题的背后实际上是回答:「AI 产品经理的工作如何产出?」包括:产品中的哪些问题应用了 AI?AI 技术如何工程化落地到产品上?… 「AI 产品如何衡量?」这个问题的背后实际上是回答:「AI 产品经理的工作如何量化?」包括:AI 产品的用户体验有哪些指标?与传统的产品衡量指标相比,应该如何衡量?如何分解指标?… 以下是面试官围绕这两个核心问题,根据我的项目展开了具体的面试提问。我也对每个问题当场的回答与事后复盘的思考作了整理,也许还有许多没问到的问题,也需要自己未来多加注意。 AI 如何应用于产品? 基于该核心问题,延伸出多个从属问题,包括: AI 产品应用了哪些 AI 技术(或其他科学原理),如何应用? AI 产品经理在 AI 技术工程化的过程中,主要工作角色是什么? AI 在产品中取得的最终效果如何?作为 AI 产品经理,总结了哪些成功的经验或失败的教训? 「你是怎么将算法从技术demo包装到产品上的?」 – 面试官根据简历上的项目描述,要求介绍产品的功能,举例某个算法技术包装到产品的流程。 我的回答: 根据当时的团队背景,概括该项目从算法到产品落地的完整流程; 而我作为 AI 产品经理,主要负责的部分流程,根据项目举例,如: 需求分析:如何找出客户的真实需求,并排列优先级 产品设计:根据客户当前情况,给出怎样的具体方案 数据标注:分析数据与算法原理的关系,编写标注文档,并带领数据团队收集数据与推进标注 工程合入:技术工程化需要跨部门沟通,在不同的部门合作中如何成功推进 产品发布:… … 「你是如何将认知科学原理应用到产品层面的设计上?」 – 面试官会根据我的项目介绍提到的「基于人工智能技术与认知科学原理…」展开提问。 我的回答: 首先分析产品的背景,包括:目前市面上现有的产品对哪部分需求没有满足,而我们的产品基于这些原理,在市场上可以满足哪些需求 如何基于xx原理来满足xx需求:举例某个xx原理的含义与应用过程,如: 根据原理,提取了哪些规则,并如何将规则细化和分类… 而不同的规则,分别运用了怎样的技术来解决 如果面试官不打断,我继续回答,在xx原理到技术的过程中做了哪些事情,包括参考哪些资料来梳理这些原理的规则、制定了哪些指标,来衡量这些原理的应用效果 … 「你在做这个产品的过程中,主要做了哪些事情?」 – 这个问题一般是基于某个项目细节去追问,一般不会单独问。但有面试官会换一种问法:「你的工作方法是什么?」或是「你做产品的工作流程是什么?」 我的回答是:根据项目的真实情况来举例回答。 市场调研-收集需求-需求分析-制定产品方案-团队沟通和项目排期-跟进项目开发中的问题-调整-制定评估标准-测试用例-测试-发布-线上数据分析-收集反馈-第二轮迭代… 而根据我上面的回答,面试挑某个流程钻进去问,比如: 怎么做需求分析 怎么做产品规划 用户调研的方法 … ~ 现场按自己的记忆来梳理,也没有提前准备。面试官建议我掌握业界标准的产品经理方法论和工作流程。而事后,我也反思该问题:回答缺漏的原因也许并不是我对该问题准备不够充分,而是在之前的工作中就没做到位。所以,我需要在之后的工作中加强学习业界产品规范。 「你在这个项目中最重要的角色是什么?」 – 这个问题通常是在上一题问完工作流程后,进一步考察产品经理对工作角色的思考深度。 我当场的回答是: 产品经理最重要的是发现问题与解决问题。然后举一个具体的例子来描述。 后来面试官也给了我许多中肯的建议:产品经理应该更关注用户价值,为用户创造有价值的产品。 ~ 事后我也继续思考该问题:在不同的公司或团队背景下,对不同层级的产品经理的角色/要求是否不太一样?而自己的感觉是,产品经理最重要的是「做正确的事」,然后是「正确地把事情做出来」。而如何界定「正确」的标准?这个问题我还在思考,也希望与大家多多交流该问题。 「这个产品的核心价值是什么?」 – 5论面试有3轮产品总监都问到这个大问题,说明该问题在工作思考中非常重要。 我在当场的回答: 产品的价值有多个维度:用户价值,商业价值等 举例产品如何满足用户需求,发挥产品价值,包括: 产品面向的是哪些用户群体 他们在真实场景中的痛点是什么 产品的什么功能解决或缓解了这一痛点 产品最终达到了怎样的效果,是否满足了用户价值(是否达到衡量指标) ~ 当场的回答并不好,毕竟自己做过的产品也不算非常成功。后来总结了某些失败的教训,也在该问题结束前一并提出。事后在整理本文也思考:AI 产品的价值点,如果是根据「创新」和「改进」来分类,(1)为什么 AI 驱动的创新对用户来说很重要?(2)传统产品的问题为什么需要 AI 来改进? 「为什么这个产品后来没有达到预期?最根本的原因是什么?你总结了哪些深刻的经验和教训?」 – 面试官对成功的项目只是粗略带过,而对失败的经历会问得更深。 我当场的回答,是从「市场-用户-产品-技术」没有形成闭环的角度来回答这个问题。 最小产品当时投入到市场,目的是为了验证是否满足 PMF,有三种满足 PMF 的方式: 第一种,先找到一个细分市场,直接推出产品去满足该市场的用户需求; 第二种,某个细分市场已明确存在,但是目前满足这个市场的产品的体验仍不够好; 第三种,当市场的用户需求不存在时,发明一款产品,去创造出一个新的市场; 举例分析我负责的产品,属于上面哪一类产品,然后证明产品和市场是否匹配。失败的原因是未满足PMF,闭环未形成。而 AI 产品比普通产品更难满足 PMF 的难点在于:如何选择合适的市场切入?AI 落地,不仅是工程化方面,还需要考虑 技术与产品的匹配点。 需要在大规模数据量的业务积累下,对 AI 产品有相对明确的需求 能对用户体验指标有具体的定义与标准化,然后拆分让技术实现的场景 ~ 因为经历过一些失败,了解了某些 AI 产品为什么无法满足 PMF。这也是我为什么要来到垂直行业做 AI 产品经理 的原因。我也告诉面试官为什么明知失败,背后没有去做这些事情的原因;同时在过往经历中也发现了自己在产品方面的短板,需要不断加强积累。 AI 产品如何衡量? 衡量一个产品的标准可以被定义为:「一个真实的用户对于该产品的感知」,包括:这个产品的易用性如何?产品功能的丰富度如何?反应速度如何?扩展性如何?精致度如何?Bug多不多? 衡量一个市场大小的标准可以定义为:「该市场的用户的数量和增长率。」 那么,AI 产品应该如何衡量?基于该核心问题,延伸出多个从属问题,包括: 首先是 AI 产品的用户体验如何测量?与传统的衡量方法有什么区别?设定了哪些衡量指标? 根据什么标准来设定的这些指标? 哪些指标与 AI 相关,哪些不相关? 应用了 AI 技术的指标,产品指标是如何分解到 AI 技术指标的? AI 产品经理如何完成这些指标?(进一步提问技术细节,考察产品经理对数据和技术的理解) 「怎么衡量产品的效果与指标?」 – 这个问题被所有面试官问到,非常非常非常重要,也会被问得很深,指标要求说出具体的数字。 我的回答: 根据项目的某个功能点,举例回答产品指标的参考标准; 被追问「你选择的这套标准,是否适用于用户场景?用户是怎么评价这个效果的?」 举例回答产品效果的测量方法,包括: 如何分解产品指标到技术/算法指标,如何定义算法规则? 如何测试产品功能改进后的效果 被追问:「测量时,如何选取测试数据?如何评估数据的好坏?」 被追问:「如何评估用户体验有所提升?」 如「速度变快」具体指的是哪个流程变快 如「速度变快」的结果,具体数字是从xx分钟降低到xx秒 面试官会对其中一个问题,深入技术细节展开追问: 「如何平衡召回率和准确率,为什么优先准确率?」 举例,不同指标对用户造成哪些不同程度的影响。 「如何在不损失准确度的情况下,提高召回率?」 举例,产品背后使用了哪些算法,讲解算法工作原理以及发挥哪些作用 不同的算法原理,提升了哪些产品指标,具体细节,具体数字… 「你依据什么标准拆解规则,做了怎样的分类?」 NLP 的问题难点在于制定规则拆分的逻辑,需要结合规则背后的语言学规律,以及产品结合用户行为等场景计算规则的实用性。 举例:不同类型的规则,分别采取了哪些方式来提升指标,比如 NLP 的 n-gram 解决的是AA问题、深度学习的 GNMT 模型解决的是BB问题,而深度学习只完成了第一步,还需要进一步抽取xx规则(举例说明其中的原理和细节) 「xx 规则,用到了什么语言学规律?你看过哪些语言学的书来找到这些规律?」 当时这个问题被问得很细,我也只能举例几本不同的语言学相关的书,自己分别从里面用到了哪些规律,总结出什么样的规则,如何根据真实场景,来融合这些规则(举例一些语言学知识)。 ~ 担心面试官觉得我过于专注技术细节,我也向面试官解释,基于团队资源缺乏的情况,我主要负责的是产品到算法的规则拆分、构建语料库和标注测试数据方面,以及我是怎么做这些事的具体例子。面试官也会根据我的回答进一步追问,让我举例有哪些规则。 「这个项目,给客户减少了多少人力成本?」 – 面试官当时深入问了我在商汤做的一个重要项目,以身份验证服务降低人工审核成本为例。 我的回答: 介绍业务背景,客户的真实痛点,客户对产品最基本的指标要求,如何给出第一版本解决方案。 在满足客户基本指标之后,如何继续提升了算法和性能指标,最后达到了什么效果,具体到算法指标数字。 由于我的回答偏技术指标层面,所以面试官追问: 「上线后,能减少客户多少人力成本?是否有具体数字?」 「xx防伪的识别率多少,在什么条件下才无需人工审核」(需要深入了解客户的业务场景) 「你们发现哪些网络攻击的问题」(具体举例网络攻击行为与解决策略) 如何解决网络攻击问题:回答包括从哪里发现网络攻击行为、如何做攻击行为的数据采集与数据标注、算法团队如何根据该需求来训练模型… 「最后完成效果提升多少」(客户人力成本降低的具体数字) 「后续迭代进一步优化了哪些指标」(举例客户的其他需求) 下面是在如何衡量产品指标相关被提问的外延问题,考察 AI 产品经理的数据分析与技术理解能力。 「你对数据是否敏感?」 我并没有正面回答「是的我很敏感 or 我不敏感」,而是举例自己之前做过哪些 AI 数据相关的工作,包括 自己在标注过程中,发现过哪些问题 如何带数据标注团队,提升标注效率(偏人工智能训练师的角色) 根据客户反馈,分析线上数据找出具体问题,提出优化方案等 「你对机器学习算法是否熟悉?」 – 在技术型产品岗位的面试都被问到。而不同面试官对该问题的提问方式会不一样。 (1)要求直接回答的方式「是/否 熟悉」 我的回答: 不算非常熟悉,但我知道自己的产品是用了哪些算法(举例),在不同的功能和规则下,用xx算法是怎么实现的,xx算法可以多大程度改进产品。 然后举例自己和算法工程师协作时,如何用产品的思维结合算法共同优化某个指标(举例)。 (2)面试官出一道实际场景的题的方式,来考察我怎么实现这题的算法逻辑,来评估我的技术理解能力。 「怎么判定文章是否抄袭」(最新洗稿很严重,大家都在讨论这个话题) 「怎么计算一篇新文章在历史文库中的热度」 「怎么预测新用户是否会购买一件商品」 … 回答略 (3)还有一种提问方式最令人恐惧,直接要求讲解某个算法的技术原理分解到数学层面细节。 我的回答: 深度学习,是什么概念(嗯,当场把理论背下来,比如深度学习中运用最多的卷积神经网络,它的每一层结构分别是什么,为什么需要多层?) 在图像领域中,为什么用深度学习会比其他的效果好,原因是什么? 很多人都说深度学习很牛,但是它和传统图像识别的方式有哪些区别,解决了什么问题? 身为 AI 产品经理 如何通过对技术的理解,去解决实际的问题? ~ 事后思考,为什么 AI 产品经理 要懂技术?以前都是拿 RD 的结果去用,分解出指标给 RD 就够了,但是其实并不知道,深度学习或者其他算法能给产品带来具体什么样的效果,AI 的好处和风险点有哪些?AI 是否真的能解决问题?如果 AI 产品经理 (尤其是 AI 算法 产品经理)不懂技术,你怎么知道它能给你的产品带来的是提高而不是灾难? 「你是如何跟算法工程师沟通的?」 – 该问题个人感觉相对简单,属于考察产品经理的沟通能力,以及解决问题能力。 我的回答: 举了一个例子,比如在真实场景中用户投诉,为了达到客户预期,必须提高xx准确率的问题: 先根据用户反馈,定位问题; 然后线上看数据,分析问题; 列出问题可能存在的根源,哪些是算法问题,哪些是工程问题等; 做了一个问题分析表,附带数据图片样本; 根据问题分析表中发现的具体问题,和 RD 沟通哪些能解决; 再看自己可以做哪些事去推进,如果是新需求可能要收集更多数据,并申请标注团队资源等… 外延问题 外延问题主要包括: 与应聘岗位相关的问题,包括如何优化对方的产品 与面试者个人经历相关的问题(比如我为什么从iOS开发转产品) 面试者的未来职业规划方面的问题 「AI 在 XX 场景中,可以实现哪些功能,说说你的理解」 – 这个问题需要提前了解应聘岗位的背景,可能需要了解算法基本原理才能回答得更好。 「对我们公司的什么产品感兴趣?你还能再做哪些优化?」 – 比如面试今日头条,他会问抖音或推荐产品还可以从什么方面优化,从算法技术的角度、从用户体验的角度等。 「你为什么从技术转产品?」 – 个人职业转型问题,面试官连续提了下面几个问题,篇幅过长,我加到另一篇文章来回答这几个问题:我的职业路线与未来规划 「你最早是iOS开发,当时为什么做技术?为什么从技术转到产品,说说你在转型中间自己的感觉。」 「你觉得做 AI 产品经理,和做技术有哪些不一样?」 「你为什么觉得自己更适合做产品?」 「你未来的产品职业选择是什么方向?你会如何做好以后的产品?」 附:面试前期准备 & AI PM 同行交流 其实这次面试我没有提前很长时间准备,我看有些小伙伴会准备1-2个月面试,而我从写简历到第一家面试只准备了1周左右的时间。 写简历的过程中,梳理了过去3年所有的工作。也根据项目自己的工作内容,来准备可能被提问的问题,重点复盘了工作细节,还搜了市面上常见的 AI 产品经理 的问题与答案。下面这些重点问题 90% 都被问到了,尤其是「如何衡量指标」这个问题,会被不断追问。 AI 和 传统方法有什么区别,在这个产品中,AI 的优势是什么? 为什么传统方法无法解决这个问题?效果不好有哪些原因? 在这个产品中,分别应用了 NLP 和 AI 的哪些技术?NLP 主要解决了什么问题? AI 主要解决了什么问题?分别是如何解决的? AI 又是如何基于 NLP,进一步做了哪些改进? 产品有哪些评估指标?根据什么来设定的这些指标? 产品指标如何测试和衡量? 算法指标如何测试和衡量? 在第一轮滴滴的面试结束后,hanniman-黄钊老师基于我的个人优势和短板,为我提出了如何选择公司和岗位等非常好的建议,十分感谢! 下面是我自己对我个人的能力分析: 个人能力分析 产品经理的品质方面: 有认知科学基础,能够清晰地梳理问题,在复杂环境中发现关键矛盾; 和团队关系友好,待人真诚,也有很强的团队凝聚力,推动能力强; 对 AI 技术应用到垂直行业有着非常高的热情,决定投入至少10-20年坚持去做好这一件事; 也有超强的毅力和耐心,这也归功于之前跑马拉松的习惯,坚持做一件事对我来说并不难; 日常生活比较稳定,除了工作,业余也会坚持锻炼,读书与写作; 产品经理的专业方面: 积累较多的: 需求分析层面,不论是toB还是toC,深度考虑用户场景,用户调研并验证自己的假设; 项目管理层面,统筹产品从算法技术落地到产品上线的整个过程。权衡在关键时间点做哪些重要的事情,有时候不一定非得 AI,关注结果和效率; 数据分析层面,在产品上线后发现细节问题来改进产品,AI 技术理解能力较强(CV+NLP); 除了 AI 产品经理的工作以外,会额外做一些提升效率和推动进展的事情,在资源少的情况下额外辅助工程师做语料库整理、数据标注等工作。 积累较少的 产品方法论,深知自己的专业性与业界规范仍有差距。面试官分析这也许是我之前缺乏大公司产品经验导致; 交互设计,接触 toC 的产品设计较少,也是在最新一次产品设计经历中发现设计的各种问题,通过具体细节才感知到背后的问题,这也是需要基于业务场景下来思考设计,而非自己臆造功能和交互流程; 行业经验,缺乏 AI 产品在垂直行业应用的经验。这也是我来到教育行业的原因之一,我对行业积累得远远不够,而要把事情做成,就必须积累这些经验去更好地判断。 黄钊老师的分析 你相对其他人的优势,应该还有对CV和NLP的了解,至少是会熟悉一些、能很快上手。你前面分析行业+公司很不错,选择公司时,如果主营业务对AI有诉求,并且已有一定的积累,会是非常好的锻炼平台。另外,是否能锻炼你作为PM的专业能力,也是一个重要因素,如果能去腾讯,或者直属leader是腾讯产品背景的人,会比较好。 但是,如果考虑你的长期发展规划,个人观点,最重要的考量因素,是如何一步步的选择一个最适合你的AI细分方向,进而去积累。 你现在刚好属于可塑性最强的阶段(年轻+有CV和NLP背景),但再过2年,这个相对优势又淡化了。 CV、NLP,及其交集领域,怎么跟垂直行业结合,都会有不错的方向,但这还不够,单个人来说,需要像我偏笑那样,在细分、再细分的AI领域,做到业内TOP级(即使短期内,在其他方面有明显短板)。 至于PM常规能力方面,随着你的工作年限提升,只要公司平台不太差,基于你的主动性和学习能力,5~10年后,自然会不错的。 非常感谢黄钊老师,这也是我第一次如此详细地分析自己的能力,也帮助我在未来工作中不断反思:需要积累哪些技能来填补短板,更需要发挥自己的长处。 参考资料: 精益产品-市场匹配模型(The Product-Market Fit) 原文:A Playbook for Achieving Product-Market Fit - Lean Startup Co. 世上的创业公司只有两种,一种是找到PMF的,一种是没找到的 - Marc Andreesen PMF:为何硅谷大神把它念奉为创业公司“唯一重要的东西”? 熬夜了2周,终于完成了所有的面试。感谢帮助我的师友同行,也感谢愿意花时间面试我的各公司领导们。 总结不易,如果觉得文章对你有价值,那就打个赏呗~ updated logical structure at 180611 updated logical structure at 180602 created at 180531 AI赋能HR,点亮面试“薪”玩法 2018 09/20 14:57 未来图灵 企鹅号 分享 评论 0 AI 百人 未来图灵推出首档访谈栏目《AI百人》,专注人工智能垂直领域,邀请顶级AI行业领军者,呈现独家观点。 本期嘉宾: 薪人薪事创始人&CEO 常兴龙 常兴龙 原百度移动互联网事业部wise-ecom无线凤巢创始负责人,百度LBS大数据智能营销BME创始负责人。离开百度后,曾任职人民搜索商务搜索部总经理,后于2015年创立薪人薪事。个人曾荣获2016中国年度HR领军人物、2017年度新经济领军人物。 薪人薪事 薪人薪事是国内领先的HR SaaS产品,旨在为企业用户提供高效便捷的人事系统和服务,帮助企业升级人力资源管理模式。通过提高运营效率、再造组织流程、激发组织员工活力等,实现人力“敏”态。2017年11月,薪人薪事重磅推出全新版本Growth-Oriented,结合AI等国内大热前沿技术,构建生态化人力资源交互平台,多维度激发员工与组织活力,将成熟方法论与经验策略相结合,大幅提升人才管控效能。 深圳卫视大型求职服务类节目《你好!面试官》,首次尝试AI智能面试方式,利用强大的AI数据分析能力,针对现场求职者的学历背景、所属行业、工作能力等信息快速决断,生成配合行业的平均市场薪值,为在场面试官提供数据参考。这套AI技术的提供者正是薪人薪事,谈及这件事情时,常兴龙表示说:“这是我们第一次把人工智能技术对外包装输出,我认为一个人的能力在职场中是可以被量化的,但能力是不确定且有变化的,因为他自己也在学习、成长,他的价值可能上涨,那么有没有一种可以量化的方法,使这个人的价值能够在当前市场状态下被较客观地量化出来,这是我们当时想的一种方法。” 常兴龙本人是技术出身,技术人总是希望自己的作品能让更多的人去使用,他曾写过为上亿网民进行服务的模块,从中获得了很大的满足感。于是,他心想能不能去做一套系统,让千万家的企业使用,去追求更大的满足感,而人力资源正是所有企业都需要的通用型业务,这就有了薪人薪事,一款全模块的人力资源SaaS系统,为企业的员工管理、招聘管理、人事流转、考勤请假等提供全面支持。薪人薪事通过大数据和人工智能手段,帮助企业深度洞察人才运转情况,为组织的成长激发活力,是国内首个增长型人力资源SaaS系统。与传统人力资源软件相比,薪人薪事弱化了Software本身,强调了数据驱动的Service价值,根据场景给到企业指导性的建议,提供更多的数据服务。 定制化的服务恰巧是人工智能要学习的地方 人力资源行业在全球是一个令人瞩目的朝阳产业,一个公司的发展离不开人力资源部门的配合。人力资源行业有多种服务模块,例如:薪资、社保、招聘等。谈及为何以薪资这个模块作为切入口,常兴龙总结了三点:“第一,社保、考勤是单一维度的切入口,薪资是包含个税、公积金等多维度的,是跟人关系最为密切的重要纽带;第二,薪资可以跟其它企业管理模块进行融会贯通,能够无限延展;第三,在中国的管理界内,对薪资体系的研究之前是不足的,我给你发薪你给我干活的这种思想限制了很多企业的发展,这里面有很大的发挥空间,市场前景很广阔。” 人力资源是规模性敏感的一个行业,几个人跟几千人的管理方式是截然不同的,薪人薪事为了让客户能够感知到底有哪些不同,按照不同规模进行了智能化处理,把它分成了标准版、旗舰版、荣耀版等不同版本。面对众口难调的市场需求,复杂的定制化的服务恰巧是人工智能要学习要弥补的地方,对背后的数据进行研究,分地域、分规模、分行业地建立数据模型,在你输入一定特征的时候,机器模型就会推荐一套适合当前企业规模的方案,这一点恰巧也是企业的隐性需求。 AI创业公司什么类型的人才最重要? “在这个高端的科技领域里,十个普通人有可能都不如一个有技术深度的人,AI公司它一定是属于精英驱动型公司,最顶尖的人才进来之后,才能招到更多优秀的人才进来,我们坚持认为精英他贵有他贵的好处,所以我们在这个地方不怕对人才的投入。”其中问到对人才个人因素最看重的是什么?常兴龙补充说:“自驱力,就这一点,自驱力决定了他自主学习、自主进步、自主交流,这个是靠别人要求不来的。” 最后,小编带着摄像团队对薪人薪事员工进行了秘密采访,在众多员工眼里常兴龙是一位怎样的老板?低调、有才、网红等一串词随之而来。常兴龙私下与团队小伙伴相处十分和谐,毫无大老板的架子,对人才的管理也有一套自己的方法,他简称为“放羊式”管理法。不会对员工提出特别苛刻的要求,但一定要有目标,充分放权给项目管理者,以目标结果来做最后的考核。 请回答2028 1、2028年的时候加强了人和物之间的联系,大家无论身处何地,你想得到所有信息的时候就能瞬间得到,可能会产生新的交互方式,例如芯片植入。 2、有了芯片的植入将替代掉人类学习的过程,但仍然会保留学习的能力,通过控制使自己获得越来越强的能力。 常見面試問題:可以自我介紹嗎?這樣答,提高錄取機會! 2018-07-17 新創求職攻略 面試 面試 求職 求職 大家在面試的時候一定很常被問能不能「自我介紹」吧!這很常是進入面試的第一個問題,如果想要讓面試官對你留下好印象,「自我介紹」絕對是讓你進入下階段面試的「敲門磚」喔! 為什麼第一個面試問題總是「能不能自我介紹?」 在知道如何回答面試問題前,先搞清楚面試官在想什麼,為什麼「自我介紹」會成為面試官的第一個問題?有人常常將面試比喻成徵才方和求職者間的「相親」或是「初次約會」,雙方被要求在短短的 1-2 小時內,對彼此的認識要達到「足以判斷是否要長相廝守」的程度,「自我介紹」無疑是個簡單的開場。 面試官問這個面試問題的目的有兩個,一是希望能藉此快速地了解求職者,二是觀察求職者的表達能力及邏輯思考能力。 因此,求職者自我介紹的終極目標,就是「短時間內讓面試官有良好的第一印象」,當你的自我介紹能展現自己的強項,勾起面試官的興趣,朝這方面深入追問,形同為化被動為主動,為這場面試「定調」,自然能大幅提升自己的錄取可能。 【 warning 】不要再講出以下 NG 片段: 大家好!我是 ◯◯◯ ,畢業於東方哈佛 XX 系,我爸爸和媽媽都是商業背景出身,我從小耳濡目染,具備了商業的敏銳度!我的個性活潑開朗、積極主動,喜歡與人接觸,畢業後,進入 XX 公司擔任業務助理,期間每天幫忙整理業務報表,之後又加入 XX 公司,擔任業務工作,服務過很多客戶,客戶都很喜歡我,對我讚譽有加。還有,我平常最喜歡慢跑、看電影,最喜歡的電影是《全面啟動》...... (自我介紹好好準備,面試就不會再說出空泛無奇的自我介紹了!圖片來源:Photo by Ivan Zhukevich on Unsplash ) 面試如何準備「自我介紹」? 從剛剛所說的終極目標來看,自我介紹的內容務必精簡扼要,長度最好不要超過 2 分鐘。根據求職者應徵不同的職缺,自我介紹的內容也要微幅調整。 準備自我介紹的時候,先從下面兩個問題開始: ·你有哪些這個職位非有不可的特質或經歷? 可以先看看應徵職位的職務說明(就是 Yourator 網站上「工作內容」欄位,可以先到職缺頁面 看看自己應徵職位的職務說明都長什麼樣子),再審視自己是否有相對應的技能,以及過往是否有相似的工作經驗。不確定的話,可以上網搜集更多關於這個職位在該產業的角色為何,或是可以問問身邊在應徵公司產業上班的朋友,看他對於公司內那個職位的觀察是什麼。 ·你為什麼想應徵這個職位? 這個問題其實早該在投履歷之前就要好好地問過自己,可能是覺得這個職位會有許多挑戰,而自己是個希望能勇於不停嘗試新事物的人(這又能和上個問題的「特質」部分可以做串連),也有可能是覺得這份工作能將自己的職涯推進到新的階段。 其實,求職者在回答這兩個問題的階段,等同「選擇」揭露哪些和自身相關的資訊,這會透露求職者的「價值觀」,也就是「重視什麼事情」,對於很多新創來說,求職者的價值觀和公司文化是否契合,是非常重要的事,而求職者在求職時也理應要注意這件事,價值觀和公司差距過大,會讓自己在工作上遇到困難時會有更深的挫敗感。 不過,要成功吸引面試官記住這些資訊,必須好好安排該「在什麼時候丟出什麼訊息」,也就是自我介紹的架構,如何安排自我介紹的架構也是讓求職者展現表達能力和邏輯思考能力很重要的一環。 (回答上述兩個問題,再把內容填入自我介紹的架構中,面試要自我介紹再也不害怕!Photo by Pawel Chu on Unsplash ) 面試時該如何呈現:自我介紹的架構 1. 你是誰:開場就先做一個簡短的職涯總結,這個總結要能展現出你工作經歷中的強項,並且為接下來的第二點埋下「伏筆」。 2. 你的專業強項、成就:從第一點做延伸,列舉 2-3 項你的工作技能,進而帶到你運用這些工作技能達成工作上的哪些成就,也可以加入個人特質,讓面試官更有印象,例如:從工作中培養了定義問題,主動解決問題的能力,這帶來了什麼樣的成果。而你的工作成就務必「明確化」,以數字取代「很多」,而數字最好有「可比性」,例如:成長率。 3. 以你為什麼「在這裡」收尾:前面 2 點給了面試官求職者的「職涯輪廓」,最後說明一下這個輪廓會如何繼續發展才能完美結束這個故事,這部分的重點在於告訴面試官你的「職涯展望」,而現在應徵的職缺能如何幫助你實現這個展望。 面試中的自我介紹該避免哪些內容? 有了架構後,就能開始準備你的自我介紹內容啦!不過,要注意不要犯了以下錯誤: 過於著重講述工作經歷的細節: 時間只有 2 分鐘,不要只是覆述自己的履歷內容,有關的工作經歷中,講你做得最好的,面試官有興趣的話,就會繼續追問,請給面試官問問題的機會,不然他會睡著! 講太多和工作無關的興趣:可以提到自己的興趣,但最好想想這項興趣培養了你哪些特質,而這個特質有辦法運用在你現在應徵的職位上。 表現得過於謙虛:謙虛是一種美德,但不需要展現在面試這樣的場合上,面試官是希望能透過面試評估求職者是否適合這個職位,如果提供他「被低估」的資訊,他就可能會「低估」你。 建議不要過於依賴網路上的模板,自己最清楚自己經歷了什麼,如果只是按照別人說的方式包裝出一個自己都不太認識的「面試者」,就算順利拿到 offer ,開始工作後,你該去哪裡找那個不存在的人代替你工作?這些都會對自己的職涯有著深遠的影響啊!自己的面試自己準備,現在就開始吧! 【馬上註冊 Yourator 】點選右上註冊按鈕,完成註冊後就能定期收到來自 Y小編的私房職缺推薦及求職攻略乾貨! 或是馬上來 Yourator 找工作,實作這套面試自我介紹方法! 【點我看職缺】 *首圖圖片來源:rawpixel on Unsplash *參考網站:biginterview AI面試官看穿你!分析1.5萬個特徵選出“對的人" 現代電視 2019年6月3日 伴隨著資訊科技化時代,AI技術已經融入了我們的工作和生活。不少大公司,例如聯合利華、歐萊雅、可口可樂、高盛等都開始採用人工智能進行面試。人工智能的優勢在於,可以通過逾15000個特徵,識別最適合的候選人,這些特徵包括語言詞彙、眼神、做題速度、聲音大小等。 根據普華永道的報告顯示,全球無人機技術應用的市場評估價值超過了1270億美元。自動化、人工智能、大數據和物聯網等科技的進步,推動了企業的數字化進程。 普華永道對來自36個國家的1200多家企業和組織開展調研,診斷結果根據成熟度從高到低排序為“領先型”、“成熟型”、“成長型”、“基礎型”,成熟度越高的企業的人力資源戰略對未來的適應能力越強。結果顯示,“成長型”人力資源戰略企業的佔比最高達42%,“成熟型”和“基礎型”分別佔24%和23%,而“領先型”企業僅佔11%。資料表明,許多企業在應對數字化帶來的工作場景的顛覆性轉變時,顯得準備不足,從而導致決策困難。 在數字化進程中,企業轉型勢在必行,人力資源戰略比業務戰略更加重要。提高數字化思維能力和水平以實現數字化轉型,創造有利於員工學習與成長的工作環境,營造傳遞企業使命感與價值觀的氛圍,減少內耗提高工作效率。優秀的人力資源戰略將幫助企業以更積極的行動,應對未來的工作內容、工作場景和工作模式等方面,從而實現企業數字化轉型。 面试还在被红-黑树虐?看完这篇动图文章轻松反虐面试官 2018-12-05阅读 1.5K0 网上有很多红-黑树的段子,很多人都说,红-黑树只会存在于段子里,不会在面试中或者实际项目中让你实现。来看看网友都是怎么说的: 通常,如果有面试官问我红黑数这种问题。 我一般扭头就走。 不是因为,这个职位用不到还问这个。 而是因为。 我 tmd 真的不会啊 - -||| 很多人看着这个网友说的,感觉很扎心。别急,还有更扎心的: 这有什么难的! Map map = new TreeMap(); 手动斜眼,已经写完了 如果这样,面试官一定也是一脸懵逼啊~ 不过也没错,TreeMap 内部的确就是用红-黑树实现的。学红-黑树不仅仅是用来应付面试官,武侠小说里说:招式只是形式,要练神功,必须要懂心法。这篇文章就带你慢慢拨开红-黑树的面纱,特别是文章中的动态图会让你很直观的感受红-黑树的旋转。当然咯,理解了这篇文章,面试也能轻松搞定啦~ 我们知道,二叉搜索树是个很好的数据结构,可以快速地找到一个给定关键字的数据项,并且可以快速地插入和删除数据项。但是二叉搜索树有个很麻烦的问题,如果树中插入的是随机数据,则执行效果很好,但如果插入的是有序或者逆序的数据,那么二叉搜索树的执行速度就变得很慢。因为当插入数值有序时,二叉树就是非平衡的了,排在一条线上,其实就变成了一个链表……它的快速查找、插入和删除指定数据项的能力就丧失了。 为了能以较快的时间 O(logN) 来搜索一棵树,需要保证树总是平衡的(或者至少大部分是平衡的),这就是说对树中的每个节点在它左边的后代数目和在它右边的后代数目应该大致相等。红-黑树的就是这样的一棵平衡树,对一个要插入的数据项,插入例程要检查会不会破坏树的特征,如果破坏了,程序就会进行纠正,根据需要改变树的结构,从而保持树的平衡。那么红-黑树都有哪些特征呢? 1. 红-黑树的特征 它主要有两个特征: 1.节点都有颜色;2.在插入和删除的过程中,要遵循保持这些颜色的不同排列的规则。首先第一个特征很好解决,在节点类中添加一个数据字段,例如 boolean 型变量,以此来表示节点的颜色信息。第二个特征比较复杂,红-黑树有它的几个规则,如果遵循这些规则,那么树就是平衡的。红-黑树的主要规则如下: 1.每个节点不是红色就是黑色的; 2.根节点总是黑色的; 3.如果节点是红色的,则它的子节点必须是黑色的(反之不一定); 4.从根节点到叶节点或空子节点的每条路径,必须包含相同数目的黑色节点(即相同的黑色高度)。 在红-黑树中插入的节点都是红色的,这不是偶然的,因为插入一个红色节点比插入一个黑色节点违背红-黑规则的可能性更小。原因是:插入黑色节点总会改变黑色高度(违背规则4),但是插入红色节点只有一半的机会会违背规则3。另外违背规则3比违背规则4要更容易修正。当插入一个新的节点时,可能会破坏这种平衡性,那么红-黑树是如何修正的呢? 2. 平衡性的修正 红-黑树主要通过三种方式对平衡进行修正,改变节点颜色、左旋和右旋。这看起来有点抽象,我们分别来介绍它们。 2.1 变色 改变节点颜色比较容易理解,因为它违背了规则3。假设现在有个节点E,然后插入节点A和节点S,节点A在左子节点,S在右子节点,目前是平衡的。如果此时再插一个节点,那么就出现了不平衡了,因为红色节点的子节点必须为黑色,但是新插的节点是红色的。所以这时候就必须改变节点颜色了。所以我们将根的两个子节点从红色变为黑色(至于为什么都要变,下面插入的时候会详细介绍),将父节点会从黑色变成红色。可以用如下示意图表示一下: 2.2 左旋 通常左旋操作用于将一个向右倾斜的红色链接旋转为向左链接。示意图如下: 左旋有个很萌萌哒的动态示意图,可以方便理解: .3 右旋 右旋可左旋刚好相反,这里不再赘述,直接看示意图: 当然咯,右旋也有个萌萌的动态图: 这里主要介绍了红-黑树对平衡的三种修正方式,大家有个感性的认识,那么什么时候该修正呢?什么时候该用哪种修正呢?这将是接下来我们要探讨的问题。 3. 红-黑树的操作 红-黑树的基本操作是添加、删除和旋转。对红-黑树进行添加或删除后,可能会破坏其平衡性,会用到哪种旋转方式去修正呢?我们首先对红-黑树的节点做一介绍,然后分别对左旋和右旋的具体实现做一分析,最后我们探讨下红-黑树的具体操作。 3.1 红-黑树的节点 红-黑树是对二叉搜索树的改进,所以其节点与二叉搜索树是差不多的,只不过在它基础上增加了一个boolean型变量来表示节点的颜色,具体看RBNode类: public class RBNode>{ boolean color; //颜色 T key; //关键字(键值) RBNode left; //左子节点 RBNode right; //右子节点 RBNode parent; //父节点 public RBNode(T key, boolean color, RBNode parent, RBNode left, RBNode right) { this.key = key; this.color = color; this.parent = parent; this.left = left; this.right = right; } public T getKey() { return key; } public String toString() { return "" + key + (this.color == RED? "R" : "B"); } } 3.2 左旋的具体实现 上面对左旋的概念已经有了感性的认识了,这里就不再赘述了,我们从下面的代码中结合上面的示意图,探讨一下左旋的具体实现: /*************对红黑树节点x进行左旋操作 ******************/ /* * 左旋示意图:对节点x进行左旋 * p p * / / * x y * / \ / \ * lx y -----> x ry * / \ / \ * ly ry lx ly * 左旋做了三件事: * 1. 将y的左子节点赋给x的右子节点,并将x赋给y左子节点的父节点(y左子节点非空时) * 2. 将x的父节点p(非空时)赋给y的父节点,同时更新p的子节点为y(左或右) * 3. 将y的左子节点设为x,将x的父节点设为y */ private void leftRotate(RBNode x) { //1. 将y的左子节点赋给x的右子节点,并将x赋给y左子节点的父节点(y左子节点非空时) RBNode y = x.right; x.right = y.left; if(y.left != null) y.left.parent = x; //2. 将x的父节点p(非空时)赋给y的父节点,同时更新p的子节点为y(左或右) y.parent = x.parent; if(x.parent == null) { this.root = y; //如果x的父节点为空,则将y设为父节点 } else { if(x == x.parent.left) //如果x是左子节点 x.parent.left = y; //则也将y设为左子节点 else x.parent.right = y;//否则将y设为右子节点 } //3. 将y的左子节点设为x,将x的父节点设为y y.left = x; x.parent = y; } 3.3 右旋具体实现 上面对右旋的概念已经有了感性的认识了,这里也不再赘述了,我们从下面的代码中结合上面的示意图,探讨一下右旋的具体实现: /*************对红黑树节点y进行右旋操作 ******************/ /* * 左旋示意图:对节点y进行右旋 * p p * / / * y x * / \ / \ * x ry -----> lx y * / \ / \ * lx rx rx ry * 右旋做了三件事: * 1. 将x的右子节点赋给y的左子节点,并将y赋给x右子节点的父节点(x右子节点非空时) * 2. 将y的父节点p(非空时)赋给x的父节点,同时更新p的子节点为x(左或右) * 3. 将x的右子节点设为y,将y的父节点设为x */ private void rightRotate(RBNode y) { //1. 将y的左子节点赋给x的右子节点,并将x赋给y左子节点的父节点(y左子节点非空时) RBNode x = y.left; y.left = x.right; if(x.right != null) x.right.parent = y; //2. 将x的父节点p(非空时)赋给y的父节点,同时更新p的子节点为y(左或右) x.parent = y.parent; if(y.parent == null) { this.root = x; //如果x的父节点为空,则将y设为父节点 } else { if(y == y.parent.right) //如果x是左子节点 y.parent.right = x; //则也将y设为左子节点 else y.parent.left = x;//否则将y设为右子节点 } //3. 将y的左子节点设为x,将x的父节点设为y x.right = y; y.parent = x; } 3.4 插入操作 分析完了红-黑树中主要的旋转操作,接下来我们开始分析常见的插入、删除等操作了。这里先分析插入操作。 由于红-黑树是二叉搜索树的改进,所以插入操作的前半工作时相同的,即先找到待插入的位置,再将节点插入,先来看看插入的前半段代码: /*********************** 向红黑树中插入节点 **********************/ public void insert(T key) { RBNode node = new RBNode(key, RED, null, null, null); if(node != null) insert(node); } //将节点插入到红黑树中,这个过程与二叉搜索树是一样的 private void insert(RBNode node) { RBNode current = null; //表示最后node的父节点 RBNode x = this.root; //用来向下搜索用的 //1. 找到插入的位置 while(x != null) { current = x; int cmp = node.key.compareTo(x.key); if(cmp < 0) x = x.left; else x = x.right; } node.parent = current; //找到了位置,将当前current作为node的父节点 //2. 接下来判断node是插在左子节点还是右子节点 if(current != null) { int cmp = node.key.compareTo(current.key); if(cmp < 0) current.left = node; else current.right = node; } else { this.root = node; } //3. 将它重新修整为一颗红黑树 insertFixUp(node); } 这与二叉搜索树中实现的思路一模一样,这里不再赘述,主要看看方法里面最后一步insertFixUp操作。因为插入后可能会导致树的不平衡,insertFixUp方法里主要是分情况讨论,分析何时变色,何时左旋,何时右旋。我们先从理论上分析具体的情况,然后再看insertFixUp方法的具体实现。 如果是第一次插入,由于原树为空,所以只会违反红-黑树的规则2,所以只要把根节点涂黑即可;如果插入节点的父节点是黑色的,那不会违背红-黑树的规则,什么也不需要做;但是遇到如下三种情况时,我们就要开始变色和旋转了: 1.插入节点的父节点和其叔叔节点(祖父节点的另一个子节点)均为红色的; 2.插入节点的父节点是红色,叔叔节点是黑色,且插入节点是其父节点的右子节点; 3.插入节点的父节点是红色,叔叔节点是黑色,且插入节点是其父节点的左子节点。 下面我们先挨个分析这三种情况都需要如何操作,然后再给出实现代码。 对于情况1:插入节点的父节点和其叔叔节点(祖父节点的另一个子节点)均为红色的。此时,肯定存在祖父节点,但是不知道父节点是其左子节点还是右子节点,但是由于对称性,我们只要讨论出一边的情况,另一种情况自然也与之对应。这里考虑父节点是祖父节点的左子节点的情况,如下左图所示: 于这种情况,我们要做的操作有:将当前节点(4)的父节点(5)和叔叔节点(8)涂黑,将祖父节点(7)涂红,变成上右图所示的情况。再将当前节点指向其祖父节点,再次从新的当前节点开始算法(具体等下看下面的程序)。这样上右图就变成了情况2了。 对于情况2:插入节点的父节点是红色,叔叔节点是黑色,且插入节点是其父节点的右子节点。我们要做的操作有:将当前节点(7)的父节点(2)作为新的节点,以新的当前节点为支点做左旋操作。完成后如左下图所示,这样左下图就变成情况3了。 于情况3:插入节点的父节点是红色,叔叔节点是黑色,且插入节点是其父节点的左子节点。我们要做的操作有:将当前节点的父节点(7)涂黑,将祖父节点(11)涂红,在祖父节点为支点做右旋操作。最后把根节点涂黑,整个红-黑树重新恢复了平衡,如右上图所示。至此,插入操作完成! 我们可以看出,如果是从情况1开始发生的,必然会走完情况2和3,也就是说这是一整个流程,当然咯,实际中可能不一定会从情况1发生,如果从情况2开始发生,那再走个情况3即可完成调整,如果直接只要调整情况3,那么前两种情况均不需要调整了。故变色和旋转之间的先后关系可以表示为:变色->左旋->右旋。 至此,我们完成了全部的插入操作。下面我们看看insertFixUp方法中的具体实现(可以结合上面的分析图,更加利与理解): private void insertFixUp(RBNode node) { RBNode parent, gparent; //定义父节点和祖父节点 //需要修整的条件:父节点存在,且父节点的颜色是红色 while(((parent = parentOf(node)) != null) && isRed(parent)) { gparent = parentOf(parent);//获得祖父节点 //若父节点是祖父节点的左子节点,下面else与其相反 if(parent == gparent.left) { RBNode uncle = gparent.right; //获得叔叔节点 //case1: 叔叔节点也是红色 if(uncle != null && isRed(uncle)) { setBlack(parent); //把父节点和叔叔节点涂黑 setBlack(uncle); setRed(gparent); //把祖父节点涂红 node = gparent; //将位置放到祖父节点处 continue; //继续while,重新判断 } //case2: 叔叔节点是黑色,且当前节点是右子节点 if(node == parent.right) { leftRotate(parent); //从父节点处左旋 RBNode tmp = parent; //然后将父节点和自己调换一下,为下面右旋做准备 parent = node; node = tmp; } //case3: 叔叔节点是黑色,且当前节点是左子节点 setBlack(parent); setRed(gparent); rightRotate(gparent); } else { //若父节点是祖父节点的右子节点,与上面的完全相反,本质一样的 RBNode uncle = gparent.left; //case1: 叔叔节点也是红色 if(uncle != null & isRed(uncle)) { setBlack(parent); setBlack(uncle); setRed(gparent); node = gparent; continue; } //case2: 叔叔节点是黑色的,且当前节点是左子节点 if(node == parent.left) { rightRotate(parent); RBNode tmp = parent; parent = node; node = tmp; } //case3: 叔叔节点是黑色的,且当前节点是右子节点 setBlack(parent); setRed(gparent); leftRotate(gparent); } } //将根节点设置为黑色 setBlack(this.root); } 本文分享自微信公众号 - java进阶架构师(java_jiagoushi) 原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。 原始发表时间:2018-11-02 本文参与腾讯云自媒体分享计划 ,欢迎正在阅读的你也加入,一起分享。 展开阅读全文 数据结构 二叉树 编程算法 举报 点赞 3分享 我来说两句 0 条评论 登录 后参与评论 相关文章 ·读吴恩达算-EM算法笔记 最近感觉对EM算法有一点遗忘,在表述的时候,还是有一点说不清,于是重新去看了这篇笔记. 于是有了这篇小札. Gxjun ·量子计算机研发20年,刚进入它的“电子管时代” 量子计算机(quantum computer)是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置。当某个装置处理和计算的是量子信息,运行... 互扯程序 ·牛津教授54页PPT揭秘AI革命及其前沿进展!(PPT原文及注解) 导读:2018年9月9日-14日,DeepMind主办的Deep Learning Indaba 2018大会在南非斯泰伦博斯举行。会上,牛津大学教授Nando... 华章科技 ·abc098D Xor Sum 2(two point) 给出一个序列,求出有多少区间满足\(A[l] \oplus A[l+1] \oplus \dots \oplus A[r] = A[l] + A[l + 1] ... attack ·对JVM还一知半解?这篇文章让你彻底搞定JVM! 对于Java开发者来说,想把自身能力提升到更高层次,某些JVM相关知识应该是优先级很高的。比如说GC策略,JVM调优。 java达人 ·cf160D. Edges in MST(最小生成树 桥) 给出一棵树,确定每条边状态: 一定在MST上 / 可能在MST上 / 不可能在MST上 attack ·cf375D. Tree and Queries(莫队) 具体实现的时候可以直接用\(tim[i]\)表示第\(i\)个颜色的出现次数,\(ans[i]\)表示出现次数多于\(i\)的颜色的种类 attack ·干掉围棋九段后,可定制计算能让AI打败程序员和芯片工程师吗? 导读:在2018人工智能计算大会上,丛京生发表“可定制计算与AI”的演讲。丛京生提出,计算能力的提高,让今天的AI无处不在。而当前计算的瓶颈是能耗和能效的问题。... 华章科技 业界 | AI+影像赛道开启,美图在人工智能领域如何「名利双收」? 2018-10-25阅读 1260 AI 科技评论按:美图近年来在 AI+影像领域频频发力,不但学术实力获得世界各大顶级人工智能会议的肯定,还将学术成果变为旗下产品的「助燃剂」,助力产品在海内外登顶各大应用榜单,并推动探索多元的商业化路径,更向外输出技术赋能合作伙伴。 今年 7 月以来,美图秀秀在海外突然开启了「霸榜」模式。在前后一个多月的时间里,先后在韩国、日本、泰国、埃及、沙特、蒙古等 6 国 App Store 总榜登顶。 这一切的幕后推手,是美图公司利用人工智能技术推出的绘画机器人 Andy。这是全球首款将人工智能用于绘画的产品,能够根据用户的自拍,生成插画风格的肖像。 而在刚刚过去的这个夏天,Andy 上线了新的绘画风格「summer 效果」,主打清凉甜美的夏日风。Andy 的绘画风格清新可爱,其「画工」甚至得到了专业漫画家的认证。日本漫画家石川润发日推晒照盛赞美图秀秀,评论区齐呼「卡哇伊」。 在人工智能的加持下,美图秀秀在海外多国圈粉无数,在应用市场的排名也持续飙升。 产品的优秀成绩自然不可小觑,而背后则是美图公司在学术领域的发力。在 2018 刚刚过去的 8 个月,美图公司就有 8 项人工智能的研究成果获得世界顶级学术会议的认可(详见文末)。这些学术成就在雷锋网旗下学术频道 AI 科技评论数据库产品「AI 影响因子」上有相应加分。 这些成绩的背后,是美图在人工智能(特别是在计算机视觉领域)上倾注的大量研发资源。公司在探索前沿的人工智能技术的同时,也将学术成果用于推动产品的革新与发展,并为公司探索多元的商业化路径。 美图人工智能的「名利双收」 在 AI 测肤上的创新与突破,是人工智能让美图「名利双收」的绝佳案例。 今年 8 月,美图影像实验室(MTlab)在 ISIC Challenge 2018 大赛斩获了皮肤癌病灶分割 Task1 冠军,充分展现了美图在 AI 测肤上的技术实力。要知道,同题比赛的还有腾讯优图、联想研究院、新加坡国立大学、威尔康奈尔医学院、南洋理工大学等知名科研院所和企业。 美图AI测肤技术 实际上,美图从 2017 年就开始着手 AI 测肤技术的研究,并以这一技术为核心,推出了电商平台「美图美妆」App。用户只需在素颜情况下用摄像头自拍,平台便能生成一份专属的皮肤质量报告,并给出针对性的护肤建议,及推荐合适的护肤产品,继而在平台完成下单购买。 这种「检测—推荐—购买」的独特美肤体验,是美图在竞争激烈的美妆电商脱颖而出的关键。根据美图 8 月的最新一期财报,美图美妆贡献的收入占比有所增加,用户转化率颇高。 早在去年底,美图的 AI 测肤技术已经在肤龄、肤色、黑头、黑眼圈、痘痘这五个领域实现了 95% 的准确率。它能够识别皮肤问题的类型:是痘印、黄褐斑,还是黑色素痣。 为了参加这次 ISIC Challenge 2018 的比赛,美图影像实验室(MTlab)又在其 AI 测肤技术的积累上,对经典分割检测网络进行大胆改进整合。在两个多月的时间里,美图的人工智能团队解决了病灶形态复杂、人体部位众多、不同专家参考标注差异等难题,仅仅使用 2500 张图片数据就训练出了效果优异的模型。 美图首先对病变大致区域进行检测,并将检测结果送入分割网络得到精细分割轮廓;对分割网络的设计中充分考虑了对病灶的细节特征和抽象语义特征的融合,使其能更好的结合图像局部全局信息,最终取得了分割精度 80.2% 的成绩(唯一精度在 80% 以上的队伍),在 80 多组参赛队伍中获胜。 美图也表示,此次获胜的技术也将用于更全面的皮肤问题诊断和修复产品的推荐中。 类似的案例还有美图的图像增强技术。在 ECCV 2018 图像增强技术比赛(Perceptual Image Enhancement on Smartphones, Track B)中,美图再次夺冠。并且美图影像实验室 (MTlab)提交的算法在主观质量、客观质量、计算速度、内存占用等指标几乎都是第一,综合分数大幅领先其他参赛团队。 美图开发图像增强技术的初衷,是为了让手机能够拍出接近单反画质的照片。美图旗下的美图手机,能够凭借「小而美」的体量在厮杀惨烈的智能手机市场占有一席之地,自研的图像增强技术的加持功不可没。而美图手机优异的拍照效果与体验,则成功帮助公司变现,贡献了现阶段稳定的现金流。 从赋能自己到赋能合作伙伴 此前,美图给人的印象更多是一个产品型的公司,而非技术型的公司。实际上,美图在过去的 10 年间积累了领先的影像技术,并从 2010 年开始耕耘人工智能。 在美图今年 3 月的财报中,外界可以直观地看到人工智能技术对美图各项业务的加分,比如公司已将人工智能技术融合到新的应用功能,美图秀秀里的绘画机器人 Andy 及美拍的百变背景,这些功能已经获得用户超过 10 亿次使用。 另外,美图的视频识别技术中亦采用了人工智能,有助于平台了解上传至美拍的视频背景。这构成美图提高用户活跃度的推荐算法的重要输入数据。据3月的财报估计,在 2017 年下半年,推荐算法的改进令每位用户的互动(例如为精选视频点评及点赞)较 2017 年上半年增加 50%。 至于智能手机部分,美图已采用人工智能及 3D 重建技术,使用户拍摄出的照片具备专业影棚级的打光效果。公司相信,采纳顶尖技术将会继续通过拍摄出更高质量、个性化和创意十足的照片,让美图智能手机从竞争中脱颖而出。 除了 10 年的影像技术经验、数亿的用户基础,技术与艺术的交融也是美图在人工智能领域的一大优势。 从 2018 年起,美图的技术开始向 B 端输出,赋能合作合作伙伴。今年下半年美图投资了消费医疗平台更美 App,并利用自身的人工智能技术赋能更美,帮助后者建立医疗美学智能引擎。此外,主打 AI 虚拟试妆的产品「美图魔镜「一经推出,就成为国际美妆品牌的首选,为 DFS 及 Dolce & Gabbana Beauty (DG Beauty) 的线下门店提供虚拟试妆服务。 美图在今年 3 月的财报中强调,「我们将继续投资人工智能,进一步提升我们的用户活跃度及商业化潜力。」相信它在未来也会利用更多人工智能的研发成果,落地商业合作及技术应用。 附录: 在 2018 年的前 8 个月,美图有 8 项人工智能的研究成果获得世界顶级学术会议的认可 1、美图获 ISIC 2018 皮肤癌病灶的分割任务冠军 链接:https://challenge2018.isic-archive.com/leaderboards/ 2、美图在 ECCV 2018 图像增强技术比赛(Perceptual Image Enhancement on Smartphones, Track B)中夺冠 链接:http://ai-benchmark.com/challenge.html 3、Hierarchical Nonlinear Orthogonal Adaptive-Subspace Self-Organizing Map based Feature Extraction for Human Action Recognition(AAAI), 2018,Oral 链接:https://www.leiphone.com/news/201803/4P5vQiW1tRvVbBNA.html 4、Interaction-aware Spatio-temporal Pyramid Attention Networks for Action Classification, (ECCV), 2018 链接:https://www.leiphone.com/news/201807/uSouSPIZzGQ7vp6O.html 创意科技 视频精选 手机3C 电脑系统 科技新闻 程序开发 最全面经 | 谷歌大牛手把手教你搞定面试 科技新闻 作者: 小柚子-新闻 February 28, 2020 12:52 Pablo Samuel Castro是谷歌Brain的一名高级研究员,其研究内容包括强化学习、机器学习等。近日,Pablo分享了他作为谷歌面试官的一些经验,以期对有意向到谷歌工作或从事软件工程工作的研究者有所帮助。 人们经常问我:怎样才能在谷歌找到工作?基本要求是通过面试;这又会涉及另一个问题:我是如何通过谷歌面试? 虽然通过谷歌面试没有硬性规定,但我确实有一些在过去帮助过别人(包括我自己)的技巧和指导方针。尽管这篇文章的大部分内容都是谷歌特有的,但大部分内容仍然应该适用于其他公司的软件工程职位。 这篇文章主要适用于软件工程(SWE)的职位,但其中的一些内容应该也与其他职位相关(如研究科学家);在结尾处可以看到关于这个职位的一些想法。虽然谷歌的面试流程不是很完美,但是我觉得它是很好、很客观的。 无论结果如何请记住,你的价值不应该由是否得到了这份工作来决定。 背景介绍 我应该申请谷歌吗?这是一个常见的问题,答案几乎总是:是的!这将挑战你的极限,你可能会学到一些你可以提高的东西,如果你确实尝试了,但没有成功,我保证你会成为一个更强的程序员或面试官。 当完成博士学位时,我的想法是成为一名学者,但当时的就业市场真的很糟糕(大约在2011年)。在主管的建议下,我申请了谷歌。这是我申请的唯一一份行业工作,因为这是我最感兴趣。 但是在我决定申请之后,我为面试做了很多准备。我确信,如果我在申请当天就参加面试,我是无法通过面试的:我花在准备面试上的时间是至关重要的。 当我参加面试时,我觉得我已经做好了最大的准备。我的努力得到了回报:我收到了加入匹兹堡谷歌的工作邀请,从2012年开始就在谷歌做SWE。 我在Google匹兹堡的办公桌 文章的其余部分是我的经验: 为面试做准备 作为SWE在谷歌工作 进行数百次采访 主持数十个面试研讨会 成为招聘委员会成员 在谷歌内外,我与许多人进行了讨论。 这里的建议并不能保证你能得到谷歌的工作,但它应该会有所帮助。 如何准备谷歌面试? 你可以在谷歌求职网站上找到你认为合适的工作。 找人推荐会有帮助,如果你认识已经在谷歌的人,让他们推荐你。如果你不认识谷歌的任何一个人,你已经申请了职位,但是在一段时间里没有收到回复了,请随时把你的简历发给我,我看看有什么我可以做的。 注意,这仍然不能保证你会得到面试机会。不幸的是,我对应征者如何被选中参加面试知之甚少,在面试过程中的影响力也有限。 我如何准备谷歌面试? 至少有三个要素能让你在面试中表现出色:编码、算法和数据结构,以及个性。谷歌经常有研讨会,你可以做模拟面试。 编码 你需要能够编写功能代码,最理想的情况是能够立即编译/运行。语言不是特别重要,但是你需要具体说明你想用什么语言面试,所以一定要掌握好。伪代码不是一种语言。 贫乏的编码 如果依赖于花哨的 IDE来编写代码,那就去做最基本的工作吧!无论你用什么程序来写代码,请关闭语法高亮和自动完成。事实上,尝试使用一个基本的vim来编写所有的代码是大有裨益的(即使在今天,我仍然使用一个非常简单的vim来编写大多数东西,包括这篇博客文章),我想你也可以使用Emacs。 练习、练习、再练习 准备面试的时候,我主要用c++编程,所以我决定专注于此。我发现了一个在线编程比赛,它有以前比赛的日志,这样我就可以“假装”自己在比赛。很棒的是,这个在线服务可以以编程方式检查我的代码的语法和算法正确性。 我做了足够多的工作,最终可以从头开始编写c++代码来编译并解决这个问题。在做到这一点之前,我经历了很多很多的反复。很长一段时间,我仍然需要查找需要包含哪些库,如何正确地执行I/O等等。 我不记得我使用了什么网站,但似乎topcoder有一个实践问题领域,可以达到相同的目的。 浏览glassdoor这样的网站也是很有用的,那里有很多过去谷歌的面试。尝试解决所有这些问题!请注意,如果你在这样的地方看到了问题,你在真正的面试中被问到这个问题的可能性很小。 在白板上写代码 试着在白板上写代码(如果没有粉笔或白板,也可以用手写)。在白板上写代码感觉是很不一样的,但这就是你在面试中要做的。最好是你已经有了一些经验,我的建议是在白板上练习写完整的程序,然后在你的电脑上编码,并确保一次编译/运行。如果没有,再试一次! 当别人在看的时候,在白板上练习编码也是非常有用的,可以让你适应潜在的焦虑反应。 虽然有一些语法错误是可以接受的,但是我们要注意的是,如果代码很粗糙,而且语法错误很多,这表明你使用的是你可能不太熟悉的语言。 算法和数据结构 我用来准备面试的那本书是我本科时用过的:托马斯·h·科曼(Thomas H. Cormen)、查尔斯·e·雷瑟森(Charles E. Leiserson)、罗纳德·l·里维斯特(Ronald L. Rivest)和克利福德·斯坦(Clifford Stein)合著的《算法导论》(Introduction to Algorithms)。 这里并没有太多需要了解的算法和数据结构,但是这里有一些事情是你绝对应该知道的,并且是需要非常熟悉的。请注意,这绝不是详尽无遗的,如果你觉得我遗漏了什么,请告诉我! 分类:你了解几种不同的分类方法,什么时候会用?他们的复杂性是什么? 链表:它们是什么?你能从头开始编写链表吗?插入的复杂度是多少?删除吗?搜索吗?什么时候使用链表?链表有不同的类型吗? 散列函数:什么是散列函数?什么是好的散列函数?冲突是什么?如何处理碰撞?平均复杂度?最坏的复杂性? 二叉树:二叉树是什么?你能从头开始编写二叉树吗?什么是二叉搜索树?搜索的复杂度是多少?插入吗?删除吗?树的平衡意味着什么?复杂性?动态规划是什么?有什么用处?你能用它来解决一个问题吗? 图形算法:图形遍历(BFS/DFS)、有向图和无向图,你可以从头编写图形数据结构的代码吗?什么时候用图表?修改图形有哪些不同的方法? 上面的列表并不是需要了解的全部内容,但我认为知道这些都是应该的。 就像编码一样,关键是练习、练习、再练习。当你处理不同的问题时,请考虑解决这些问题的最佳数据结构。 它已经在上面的列表中有所暗示,但是你应该能够对你编写的任何代码执行复杂性分析(即big-O)。我个人几乎总是在候选人写完他们的代码后问这个问题,因为这表明他们能够分析他们实现的有效性。 正如我将在下面详细介绍的,即使你只能为一个问题提供一个简单的解决方案,如果你能够正确地分析它,也会有很大的帮助。 个性 这个有点难准备,但它仍然很重要。作为面试官,我们需要问自己的一个问题是:我愿意和这个人一起工作吗? 如果你是个天才,能够解决抛给你的所有问题,但你在面试中表现得十足差的话,那么你被录用的机会就很低。关于准备工作,我没有太多的建议,但在面试过程中有几点需要记住,我会在下面列出。 面试的时候 恭喜你,你已经安排好面试了!这已经是很大的成功了,(不是每个人都被邀请参加面试),所以你应该为自己感到自豪。这里有一些重要的事情要记住: 把它当作一次谈话,而不是审问。虽然在面试中存在明显的权力不平衡,但我们并不是要欺骗你或让你犯错。事实上,我们大多数人都在暗中支持你! 谈谈你的思考过程。一定要把脑子里的想法用语言表达出来,尤其是在你把代码写在白板上之前。作为面试官,我们需要为你的良好表现提供证据,所以通过你的思考来说话可以帮助我们收集证据。此外,如果你误入了我们不想花时间解决的问题,我们也可以更容易地帮助你。如果你保持沉默,直接编写错误的代码,我不知道这是因为你偏离了轨道,还是因为在你的思维过程中有一个简单的误解。另一方面,如果你保持沉默,直接编写完美的代码,我将不知道你是否真的很聪明,或者你是否已经看到了我刚才提出的问题。 简单的解决方案是很好的起点。不要觉得必须马上想出最有效的解决方案。从幼稚的解决方案开始是一个伟大的战略,原因如下: 尽管这个问题看起来微不足道,但通常存在一些难以预料的复杂情况。它们更容易通过简单的解决方案找到并解决。 它允许你非常快速地将代码放到板上,这对于收集对你有利的证据非常有用! 简单解决方案的复杂性分析可能比更复杂的解决方案容易得多。 如果你能很快地编写出简单的解决方案,那就太好了!一旦它停止了,你可以转移到更复杂的解决方案,但至少你有一个作为基线的解决方案。 对于面试官来说,理解一个简单的解决方案要比理解一个复杂的解决方案容易得多。你希望面试官理解你的解决方案:你不会因为欺骗/迷惑面试官而得到分数! 遍历一个简单的解决方案是代码的“手动分析器”,它可以帮助你识别冗余的工作和优化的机会(感谢Pascal,对于这一点)。 回到这是一个对话的问题上。从一个简单的解决方案开始,很明显你知道一个解决方案。然后你可以问面试官你是否想找一个更好的解决办法。 但是再一次,你要确保告诉面试官你从一个简单的解决方案开始。 可以简化假设。如果它可以帮助你更清楚地思考问题,那么完全可以进行简化假设(例如,“我可以假设列表已经排序了吗?”),其原因与简单解决方案类似。这实际上是一个很好的信号,因为它表明你可以将一个问题分解为多个部分,并且你可以识别那些导致更多问题的部分。一旦你用简化假设解决了这个问题,你就可以得到一个不需要假设的解决方案;至少你已经有了一个有效的解决方案! 使用测试用例。提出一些可以在代码上测试的测试用例。写下一些测试用例将帮助你确保你的代码是正确的,它也可以帮助你说服面试官!此外,当你试图与面试官消除误解时,在面试板上有一组具体的例子是非常有用的。面试官甚至可能会增加一些额外的测试用例来突出你可能错过的一些边缘用例。花几分钟整理一下思绪是可以的。即使我建议你把你的想法从头到尾说一遍,也不要觉得有必要从头到尾都说一遍,尤其是如果你还没有把你的想法完全组织好,因为这往往会让你误入歧途。简单地说“我能花一两分钟整理一下我的思绪吗?”,然后在你的头脑中解决问题,重要的是让面试官知道你在做什么。,果你觉得整理思绪的时间太长,你可能会被问题的一部分弄糊涂,这就引出了我的下一个观点: 寻求帮助是可以的。如果你感觉被困住了,可以寻求帮助,但要尽量具体说明你的问题症结是什么。通常可能只是你在问题中误解了什么,你没有注意到问题的一个关键方面,有时甚至可能是面试官忘记提及问题的一个重要部分!我曾经遇到过这样的面试,应聘者似乎真的被难住了,但只要我给他们一点帮助,他们就能解决问题。 不知道也没关系。在进行访谈时,我实现了一个自定义数据结构,以简化解决方案的其余代码。面试官问我:“你为什么不用地图呢?”,我回答说:“我不知道那是什么。”面试官很快在黑板上解释了地图的语法,然后我就能更快地解决这个问题了。我不知道我是否因为不知道而被扣分,但我得到了这份工作。 没有单一的“正确”解决方案。至少在大多数面试中不是这样。我最喜欢问的问题是那些我可以很快陈述的,容易理解的,承认幼稚和更有效的解决方案,并且可以很容易变得更复杂的问题。我想大多数面试官都会问这类问题。这意味着我们不希望你得到答案,越远越好! 不要问你的解决方案是否正确。最好是试着通过测试示例来完成你的解决方案,并说服你自己(和面试官)它是正确的。 别怕有分歧。不同意面试官的观点是可以的,但是要有礼貌。使用具体的工件(例如代码和测试示例)来为你的参数打基础确实很有帮助;只说不做的讨论常常会导致误解,这会占用你有限的时间。试着去理解面试官的观点(即使他们看起来是错的),并且冷静地确保面试官理解你的观点。 把每次面试都看作是一个新的开始。如果你觉得你的一次面试非常糟糕,试着把这件事抛到脑后(或者推迟到一天结束的时候再考虑这件事),重新开始下一次面试。我知道这说起来容易做起来难,但是要记住,下一位面试官不会知道你在前一次面试中的表现。正如下面所描述的,即使你的一次面试很糟糕,你仍然可以通过面试! 如果有时间,可以问面试官一些问题。在面试结束时,我尽量会留出一些时间,让面试者问一些关于在谷歌工作、我的角色/经验等方面的一般性问题。这不是必须的,但如果你有一些问题,而且确实是你热切和感兴趣的,你可以问一些。如果你已经没有什么问题可以问了,一个好的问题是让面试官告诉你他们在谷歌的角色和经验。不要问“我在面试中表现如何?”或者“正确的解决方案是什么?”,因为我们无法回答,而且这可能会让事情变得尴尬。 面试结束后 唷!你成功了,再次祝贺你!随后的过程如下: 每个面试官都会为你写他们的反馈,并提供雇佣/不雇佣的建议。面试官看不到其他面试官的反馈。 你的简历——包括所有东西:你的简历、面试反馈、过去的面试等等——会经过几个招聘委员会的审核(但我不知道具体有多少)。这是一群谷歌人(没有一个面试过你),他们会通读你的简历,并根据你的简历内容提供他们自己的招聘建议。将有许多人阅读你并提供反馈。 根据招聘委员会的决定,可能会发生以下几种情况: 你被录用了! 你被要求接受额外的面试。这并不一定意味着你在面试中表现不够出色。可能有很多不同的原因,比如有一种技能在面试中没有得到恰当的评估。 你被考虑扮演一个不同的角色。再说一遍,这并不是一件坏事,这只是意味着根据你的分组,不同的委员会认为不同的角色更适合你。这可能会涉及到一些额外的面试。最后,这是一件好事,你申请的职位可能不是你想的那样。 你没有得到工作机会。如果这是你的结果,我很抱歉。在谷歌获得一份工作是非常困难的,人们已经暗示有很高的假阴性率。所以不要气馁!你为这次面试所做的准备工作,以及面试本身的经历,肯定会帮助你在其他面试中表现得更好。最后,你可以在一年后重新申请!我查看了一开始收到无报价的信息包,一年后又收到了报价。 最后的一些想法 这篇文章比我预期的要长很多,但我真的希望它对你有用。虽然这篇文章主要是为谷歌的SWE面试而写的,但是这些建议应该也适用于其他公司的SWE职位。 几年前我为Shopify面试过,我运用了以上所有的技巧;我最终得到了一份工作机会,但我拒绝了,因为我被邀请加入了谷歌Brain(我现在愉快地在那里工作)。 这篇文章对non-SWE角色也有一定的帮助。我最熟悉的non-SWE角色是研究科学家(RS)。我对RS角色进行了一些研究访谈,但还不足以提供具体的指导。然而,我要说的是,即使是对于RS角色,你也必须通过一些编码面试。 我面试了一个应聘RS职位的人,他在理论方面很强,但在编程面试中表现很差,因此我提出了不聘用的建议 (这个人从来没有加入谷歌,但我不知道他是否被录用了)。 还有很多人分享了非常有价值的建议,Mekka Okereke在这个帖子中分享了一些很棒的建议,还有Steve Yegge,一些人也建议把《编码面试》作为一本值得学习的好书。 参考链接: https://twitter.com/mekkaokereke http://steve-yegge.blogspot.com/2008/03/get-that-job-at-google.html https://twitter.com/mekkaokereke/status/1135981075086266368 原文链接: https://psc-g.github.io/interviews/google/2020/02/25/interviewing-at-google.html 手塚治虫復活!?AI學習重現創作方式製作全新漫畫《斐多》發布! 遊戲動漫 撰文:香港漫畫書網 2020-02-28 15:00 最後更新日期:2020-02-28 15:00 去年10月的時候Kioxia有一個AI創作手塚治虫新作漫畫的企劃始動並展開,今個月進行作品展出。 日本東京講談社在2月26日舉辦了AI技術與人類的力量合作挑戰手塚治虫的項目《TEZUKA2020》的新作漫畫發佈會。在這次的發佈會中,手塚計劃的董事手塚真,慶應義塾大學理工學部教授栗原聰,株式會社Kioxia的百富正樹和國松敦等人登場。 +6 《TEZUKA2020》是以「假如手塚治虫還在世畫出有怎樣的未來的漫畫呢?」為起點的項目。學習了手塚治虫作品的AI創作大綱和角色,畫師們據此完成了漫畫《斐多》。本作以2030年的東京為舞台,講述了流浪的哲學家斐多和小鳥機器人阿波羅一起解決事件的故事。 本作將在今日2月27日發售的《Morning》13號上正式公開作品,官方同時放出這個項目製作時的過程。 「上上下下左右左右BA」秘技之父橋本和久逝世 你邊隻Game用過? 【新冠肺炎】《瘟疫公司》於中國區App Store下架 神預言出事? 【手塚治虫誕生90周年】動漫之神手塚治虫的暗黑面(上) 【手塚治虫誕生90周年】手塚治虫:在生命盡頭回到起點(下) 【學術討論】手塚治虫點解威?漫畫分鏡如何進化至《一拳超人》? 【學術討論】動畫大師槓上漫畫之神 宮崎駿對手塚治虫有何不滿? 【本文獲「香港漫畫書網 」授權轉載。】 《香港01》App,手機用戶,體驗更佳!精彩遊戲攻略、動漫消息即時放送! 立即下載:https://hk01.app.link/qhBfXjo3vO 36 氪获悉,上海近屿智能科技有限公司(以下简称:近屿智能)近日宣布完成天使轮融资,投资方为科大讯飞及金沙江创投,具体金额尚未披露。 近屿智能成立于 2019 年 3 月,是一家 AI 招聘领域的商业设计以及创新咨询服务公司,旗下有 "AI 得贤招聘官 " 以及 "AI 猫渴模拟面试 " 两款产品,希望利用 AI 技术解决传统企业招聘管理成本高、流程长等痛点。 AI 得贤招聘官是一款人工智能面试产品,上线于 2019 年 7 月,系统包括职位发布、简历管理、面试流程查询、AI 面试等功能。据介绍,AI 得贤招聘官是 AI 全能面试官 "Molly" 的第三代系统,后者上线于 2018 年 2 月,是中国首个 AI 面试 SaaS 平台。 在 AI 面试环节,候选人收到 HR 发送的面试密码后,通过 AI 得贤招聘官网页或者小程序进行登录面试。面试采取结构化面试与情景化案例面试的方法,对候选人的认知能力、领导力、胜任力进行考察。系统通过语义识别、表情识别以及声音识别算法采集信息,基于胜任力模型对候选人输出分值报告。最后,面试视频会被译成文字,连同视频和报告一起传送给用人企业。 图片来源:AI 得贤面试官小程序 近屿智能面试题可根据企业具体岗位需求进行定制,具体测试类型有 Talent DNA 测试、认知能力测试等。Talent DNA 测试由 5 道开放式提问组成,主要考察候选人领导潜力。认知能力测试旨在测试候选人的文字表达能力、抽象思维能力、反应速度、空间识别能力等,题目类型包括数学推理、记忆跨度、智力测试等。 另一款产品 AI 猫渴模拟面试通过 AI 算法对求职者的表情、声音、胜任力进行详细分析,向求职者提出反馈意见,帮助其提高面试水平。 目前,近屿智能已与科勒中国、美菜、阿卡索外教网等达成合作。2019 年 8 月,近屿科技加入中国中文信息学会和中国人工智能学会。 据业内人士透露,AI 得贤的模式更像是带人工智能面试功能的候选人管理系统(ATS),因此对于 AI 得贤而言,除了需要考虑人工智能面试这个点,还需要考虑整体招聘环节的协同和效率性。 消息来源:https://www.itjuzi.com/company/35470838 图片来源:Pixabey 以上内容由"36氪"上传发布 查看原文 一款真正的AI面试产品,需要怎样的技术内核? 2020-02-21 17:20 一场突如其来的新冠肺炎疫情,改变了2020的走势。这个庚子年,注定不平凡。 从最初感染几十人到如今几万人,疫情的蔓延,对企业和个人都造成巨大影响。 疫情之下,临危受命 疫情肆虐,春节假期延后、复工延迟、工厂停工、资金压力等让很多企业面临危机甚至濒临倒闭,远程办公、在线教育、互联网医疗、企业级SaaS服务顺势崛起。当正常社会活动受阻,“无接触”成为疫情防控之下最流行和最有效的应对方式。 根据e成科技最新调研数据显示,约64%的受访企业表示可以接受远程面试的方式。(权威发布:疫情之下,克制中的白领与用工潮下的蓝领何去何从?)可见,“无接触招聘”、“线上招聘会”等形式,正在成为特殊时期零接触、高效率、足不出户招人才的有效途径,“远程面试”也脱颖而出成为企业“无接触”招人的首选。 AI面试为何脱颖而出 目前视频面试主要分为两类:一类是通过各种视频工具进行远程1对1或多人面试,我们称之为远程面试;另一类是候选人与AI虚拟面试官进行面试,我们称之为AI面试。 事实上,视频面试并不是一个新生事物,国外类似HireVue、SparkHire等AI面试产品已经问世多年,并得到了不错的应用。在国内,此次疫情的爆发倒逼企业开始使用视频面试,它才得以真正“出圈”,广泛进入人们的视野。 国内也有不少类似产品,比如e成科技的AI面试产品“e面通”。e成科技在2019年已将AI面试应用到数字化招聘产品(ATS)中,并通过了两千余家客户的检验。 ▲ AI面试,来自e成科技 但从AI面试诞生伊始,与之相关的争议也一直存在,比如AI面试官信效度和AI伦理问题等。AI面试的效果最受关注,AI面试官能否达到专业面试官水平是企业普遍关心的问题。以目前人工智能发展水平,尚不能直接替代人类,在面试场景亦是如此。在能力上,真人面试官沟通反应能力、对候选人细节把握,以及专业知识能力都令目前的AI算法望尘莫及;在产品形式上,很多特定面试场景暂时无法用AI实现。 但是,这些挑战并不影响AI面试的独特价值。相反,AI面试官可以根据自身特点形成差异化优势,与真人面试官人机协作,帮助企业提升招聘效率和效果。 01海量候选人初筛,降本增效 对于企业面临的海量候选人初筛,AI面试可以通过技术优势实现降本增效。从长期来看,在整体经济下行、企业运营压力加大的情况下,大部分企业都有降本增效需求,减少在招聘中的人力投入,提升效率是其中重要一环。 简单来说,对于标准明确、对候选人要求偏低的岗位,AI面试通过设定标准化问题就可以判断候选人是否满足要求,在这些场景下,AI面试官可以基本替代人类面试官完成招聘流程,比如门店店长、服务人员、销售、导购等。对于高要求岗位,通过AI面试可以对候选人进行初筛,从而减轻面试官后续的面试量,大大降低人工成本。 此外,AI面试还可以快速收集候选人信息,交给专业面试官进行判断,降低面试官沟通成本。 02雇主品牌形象提升 对于候选人来说,一款体验好、科技含量高的AI面试产品能够让他们对企业有更全面地了解,提升面试体验,增加对企业的好感。 而良好的产品设计和交互体验,也有利于候选人克服紧张情绪,充分展示个人能力。同时,相比于人类面试官可能会带有的个人偏见和情绪波动,AI面试官没有情绪、更加客观,使得面试过程更加公平、透明。这都将更好地赋能企业雇主品牌,吸引更多优秀人才加入。 03精准匹配,避免“招错人” 减少流程步骤、提高面试效率的同时,如何保障面试质量成为核心。面对海量候选人,很多企业都面临“招错人”的风险,即便是经验丰富的面试官也难免会看走眼,而“招错人”一旦既成事实,可能对企业组织管理、业务发展和人力成本等各方面带来不小的负面影响。 AI面试不仅能够通过自动化流程和智能化工具,提高招聘效率,还能通过AI技术进行精准匹配,同时基于智能分析给出科学、合理的建议,降低招错人的风险。 同时,通过语音识别、微表情识别、情感计算等AI技术,对候选人性格、情绪、动机等心理状态进行分析,可以在面试官做出决策前提前预警,避免“招错人”。 一款真正的AI面试产品,对AI能力有何要求? 特殊时期,远程面试避免了面对面接触带来的感染风险,可解企业燃眉之急。相比于直接使用skype、微信、QQ等通讯工具,很多HR服务供应商提供的远程面试工具能够针对面试场景做更多优化,比如与企业ATS系统进行打通等,可进一步提升远程面试的体验与效率。但从面试的内容和结果看,这样的远程面试和传统的现场面试并不存在本质区别。 AI面试之所以区别于传统现场面试以及传统远程面试,是基于底层的领先的AI技术的应用、AI技术与大量的HR知识和行业经验结合。要实现AI技术应用于远程面试场景并不存在很高的技术壁垒,但要真正具备以上两种条件的厂商并不多,他们大多需要通过外部合作接入AI技术。 兼备两种条件的厂商无一例外都具备相同的特点:长期的AI技术投入和行业经验积累。与全球视频面试先驱HireVue类似,e成科技作为领先的人力资本数字化平台,从创立之初就将AI深植于基因,拥有7年的AI技术积累,并伴随着人力资本业务发展不断学习和进化,融合了深厚的HR行业经验积累、顶尖专家团队提供专业知识,突破技术边界,才在HR SaaS领域形成独一无二的“护城河”。 实现一款好的AI面试产品并不容易,一方面要对业务流程深刻理解和产品体验持续优化,另一方面需要领先的AI技术作为内核。可以说,AI能力越强、应用越充分,AI面试体验越好,也给企业和候选人带来更大价值。 那么一款好的AI面试产品到底需要哪些AI能力呢? 01音视频理解与情感计算 AI面试主要通过录制视频进行交互,首先要对视频中的语音和视觉信息进行抽取。将语音转为文本的ASR技术虽然已经成熟,但在复杂环境和对特定领域的识别准确率,仍需针对性的优化。 除此之外,语音视觉信息还可以为不同维度判断候选人提供支持:通过对候选人行为和人脸检测,可确保候选人面试真实性;通过分析候选人的语音与人脸信息,可以判别普通话、表达能力和形象等额外信息;通过情感计算技术分析候选人的微表情和声音变化,可以进一步了解候选人情绪变化,为候选人评价提供进一步支持。 02对话能力 AI面试与传统面试一样,都可以看做是一个候选人与面试官对话的过程。相比人与人之间的面试,AI面试中对话的难度更高,通常轮次也不会过多。 首先AI面试官需要根据候选人的情况准备合适的问题。其次,AI面试官可以在面试过程中多一些与候选人的寒暄与闲聊,包括解答一些候选人提出的问题,这就向拟人化方向往前又走了一步。最后,如果AI面试官还可以根据候选人的回答,灵活且有针对性地进行回复与追问,就可以让AI面试与真实面试更加接近,达到更好的效果和体验。 对候选人说的话进行实时的理解与回复,依赖于强大的AI语义理解能力与计算性能,也是判断AI面试智能性的重要标准。 03语义理解 无论是对候选人的即时追问还是对其回答的离线判分过程,都需要强大的自然语言理解能力作为支撑。 具体来说,知识图谱通常是对领域知识进行理解的基础,用来进行各类实体的抽取与关联分析。而文本序列标注、分类、相似度计算等常见自然语言处理技术也必不可少,而这些能力还需与专家业务知识进行结合,在样本缺乏的情况下保证效果。 04跨媒体分析 真实场景下,面试官对候选人进行判断,往往会综合考虑候选人表情、动作、声音、语言等各种信息,而人类大脑天生具备把不同类型多媒体进行整合与分析的能力。 AI面试官也需要在此方面有所作为,对不同的媒体来源综合分析,我们称之为跨媒体分析。比如候选人在描述某一段经历时的眼神飘忽、声音较低,AI可能会对这段经历给出比较低的置信度,这就是跨媒体分析的一种体现。 05人岗匹配 基于岗位的要求与候选人的回答,AI面试官可以给出候选人与岗位的匹配度,供企业HR使用或参考。匹配度的计算既需要考虑业务角度的规则,也需要融入基于大数据学习得到的机器学习模型,并同时考虑候选人冰山上的知识技能与冰山下的职业素质。 以上这些AI能力,e成科技早已融入到自主研发的AI面试产品“e面通”中。 ▲ e成科技AI面试产品“e面通”融入多种AI能力 有相关的AI能力作为基础,再加上e成对业务的深刻洞悉和领先的创新研发产品能力,开发一款AI面试产品水到渠成。可以说,“e面通”是一款集e成科技AI能力之大成的产品,音视频理解、语义理解、对话能力、跨媒体分析、人岗匹配等这些AI能力应用都融入了最新的AI技术、大量的人力资源数据与专家知识积累。后续,我们会继续对这些AI能力及其与AI面试产品的结合方式做更具体地介绍。 当然,这些都离不开多年的积累,e成科技从2013年开始就致力于HR领域的AI能力建设,并且落地于对话机器人、ATS、人才盘点等众多场景中,为大量用户赋能,助力企业降本增效。与此同时,e成科技也将自己的AI能力整合,并打造六大AI算法中台,能快速响应内部业务和客户各项AI需求。 ▲ e成科技6大AI能力中台 拥抱数字化,危机中崛起 不管是互联网在线医疗服务平台提供线上问诊,AI算法助力疫情态势研判、辅助疫情防控部署,智能机器人提供疫情排查服务,还是人工智能提供的“无接触招聘”服务,这次疫情都让我们切实感受到大数据和人工智能的价值。 当前,AI面试看似是一种特殊时期临时性、过渡性的面试方式,但事实上,这次疫情强化了AI面试的价值与影响,也让很多企业产生危机感,开始探索人工智能技术推动下的企业招聘管理新模式,加速了人力资本数字化进程。 疫情之下,我们不仅要思考“当下”如何渡过难关,也要思考“长远”趋势下,企业如何通过人力资本数字化能力提升,改变组织管理和运行模式。从长远来看,对AI面试等智能工具的驾驭是也一种能力,是组织数字化能力提升过程中的重要能力。 和病毒共存,是人生的一部分;和危机共存,是生存的一部分。 疫情的出现,正在倒逼企业自救升级,拥有数字化能力武装自己成为转危为机的利器。人工智能和AI视频面试都是大势所趋,我们正确应对危机的方式,或许也正是我们抓住机遇的开始。 未来,AI面试将成为企业招聘的重要方向,e成科技将引领行业趋势,凭借自身在AI开放平台、技术、产品、行业经验等优势,助您实现人力资本数字化新升级!返回搜狐,查看更多 PONY.AI 本人在海外,工作职位地点在北京。面试全部电话进行,主要就是motivation和算法数据结构的考核。对于基础知识和复杂度的掌握要求比较高,对于底层操作在最后的面试也有要求。总的来说是技术要求非常高的感觉。 第一轮,String Matching. 给定大String A = "abctieowkcbale", 小的String B = "abc", 问有String A 会有多少个sub string 匹配 String B。这里的匹配指的是两个String排完顺序后匹配。这个例子里,B 会匹配 A里的 "abc", "cab", 答案就是2。 第二轮,Top Kth element from an array. 给时间复杂度最低和期望时间复杂度最低的减法,并且证明期望时间复杂度的正确性。并且问,如果K在量级上原小于size of array, Heap的做法还是nlog(k)吗?实现这些算法,实现堆。 第三轮,机器学习e2e流程的讨论,模型的速度优化。用多种方式实现HashMap讨论优缺点和tradeoff. 第四轮,给一个unsigned int[] A, 求任意的i, j, 满足 i != j, 问A[i] & A[j] 的最大值。解释内存操作 首个“AI面试法案”在美国伊利诺斯州实施,保护面试者的权利就这么简单? 2020-01-03 雷锋网(公众号:雷锋网)按:随着 AI 技术逐渐发展、大众以及企业对 AI 的了解越来越多,也有越来越多的企业尝试让 AI 参与到公司的决策中来,比如参与到招聘中。AI 算法可以做的事有很多,包括招聘广告的定向推广、简历筛选,乃至在视频面试中分析面试者的面部表情。 不过这整个过程对面试者来说都是不透明的,被算法评价的一方并不知道系统是如何分类、打分、排序的。除了面试者一方不知情之外,算法是否会引入额外的偏见、让面试过程变得不公平也是有疑问的。美国伊利诺斯州从 2020 年 1 月 1 日起实施的“人工智能视频面试法案”(Artificial Intelligence Video Interview Act)就打算开始插手这个过程。 这个法案是美国所有的州中首个实施的此类法案。法案的目标是让面试者对这些基于 AI 的面试工具的运转情况有更多了解。具体来说这个法案有三项基本要求: 如果企业要使用 AI 工具评价面试者和某个职位的匹配程度,那么企业必须明确告知面试者。 企业还需要向面试者解释这些 AI 工具是如何运行的,以及这些工具会把哪些常见性格特点作为评判依据 要保护面试者的隐私,只有具备足够的专业知识或者技术知识的人才可以在面试后回看面试录像,而且如果面试者提出了要求,那么企业必须在提出要求的一个月内删除这个面试者的所有视频。 这项法案看起来是积极的一步,但实际上,这个法案针对的 AI 种类非常有限,而且也没有对企业如何使用 AI 提出任何要求,很难说这个法案的实施能起到多大程度的实际作用。 关注科技运用与人权之争的非盈利组织 Upturn 的高管 Aaron Rieke 对媒体表示:“对整个招聘流程来说,这能起到的作用很小。”法案谈到了用来分析视频的 AI 工具,但用来评价面试者的 AI 工具远不止和视频分析相关的那些。而且法案也没法确保当你要求不要让 AI 工具评价你的时候,企业是否还会公正地考虑你是否符合职位。“所以,如果你要求法案中的权利,所需要付出的代价是可能完全不会再被企业考虑的话,这个法案就起不到多大作用了。”除此之外,企业对 AI 工具的解释也可能是宽泛的、高度抽象的,并不能帮助面试者建立更好的理解。 按:随着 AI 技术逐渐发展、大众以及企业对 AI 的了解越来越多,也有越来越多的企业尝试让 AI 参与到公司的决策中来,比如参与到招聘中。AI 算法可以做的事有很多,包括招聘广告的定向推广、简历筛选,乃至在视频面试中分析面试者的面部表情。 不过这整个过程对面试者来说都是不透明的,被算法评价的一方并不知道系统是如何分类、打分、排序的。除了面试者一方不知情之外,算法是否会引入额外的偏见、让面试过程变得不公平也是有疑问的。美国伊利诺斯州从 2020 年 1 月 1 日起实施的“人工智能视频面试法案”(Artificial Intelligence Video Interview Act)就打算开始插手这个过程。 这个法案是美国所有的州中首个实施的此类法案。法案的目标是让面试者对这些基于 AI 的面试工具的运转情况有更多了解。具体来说这个法案有三项基本要求: 如果企业要使用 AI 工具评价面试者和某个职位的匹配程度,那么企业必须明确告知面试者。 企业还需要向面试者解释这些 AI 工具是如何运行的,以及这些工具会把哪些常见性格特点作为评判依据 要保护面试者的隐私,只有具备足够的专业知识或者技术知识的人才可以在面试后回看面试录像,而且如果面试者提出了要求,那么企业必须在提出要求的一个月内删除这个面试者的所有视频。 这项法案看起来是积极的一步,但实际上,这个法案针对的 AI 种类非常有限,而且也没有对企业如何使用 AI 提出任何要求,很难说这个法案的实施能起到多大程度的实际作用。 关注科技运用与人权之争的非盈利组织 Upturn 的高管 Aaron Rieke 对媒体表示:“对整个招聘流程来说,这能起到的作用很小。”法案谈到了用来分析视频的 AI 工具,但用来评价面试者的 AI 工具远不止和视频分析相关的那些。而且法案也没法确保当你要求不要让 AI 工具评价你的时候,企业是否还会公正地考虑你是否符合职位。“所以,如果你要求法案中的权利,所需要付出的代价是可能完全不会再被企业考虑的话,这个法案就起不到多大作用了。”除此之外,企业对 AI 工具的解释也可能是宽泛的、| 阿司匹林 出品 | 人工智能头条(公众号ID:AI_Thinker) 凭借强大的技术实力和良好的工作氛围,Google 对求职者一直有着强大吸引力。 虽然 Google 在几年前就已经退出了中国大陆市场,但是在北京、上海等国内城市依然保留着办公地点,而且一直在对外发布招聘需求。特别是去年底,Google 宣布在北京成立 AI 中心,更是为中国的 AI 人才提供了又一个好去处。 为此,我们整理一份 Google 面试指南,并搜集了 20 道 Google AI 的面试问题,希望对感兴趣的读者能有所助益。 当然,如果你想申请国外的 Google 岗位,这份资料也同样适用。 ▌Google 面试方式 首先,Google 为求职者提供两种面试方式,一种是电话面试或者通过 Google Hangout 进行面试,一种是现场面试,面试方式视情况而定。 电话面试 在电话面试或者 Google Hangout 面试中,面试官将会是你潜在的同事或者经理。 如果你面试的是软件工程岗位,那么面试时间将持续 30~60 分钟。在回答编程问题时,你需要一边在 Google Doc 里面写代码,一边告诉面试官你的思考过程。我们建议你使用免提耳机或者扬声器,以便腾出手来打字。 电话面试的内容包含数据结构和算法,你需要做好准备,用你最擅长的语言编写 20~30 行代码。 面试官会提一个开放式的问题,你可以让面试官将问题解释清楚。 你需要用算法来解释它。 用代码来实现算法(提示:不要担心不够完美,因为时间有限。先将你想到的写下来,然后再完善,确保考虑到了 corner case 和 edge case)。 优化代码,用案例来测试代码,然后找出所有的 bug。 如果你申请的是其他职位,那么电话面试时间大约为 30~45 分钟。 面采 面试官通常有 4 位,包括潜在的同事以及一些跨职能的员工,每位面试官拥有 30~45 分钟的时间。作为求职者,你有机会表现你在以下四个不同领域的优势: 一般认知能力:我们会问一些开放式的问题来了解你是如何处理和解决问题的。这些问题没有固定的正确答案,我们更看重解释思考过程的能力以及使用数据来指导决策的能力。 领导力:说明你是如何使用自己的沟通和决策技巧来调动他人的。比如,你是如何在某个组织中晋升到领导职位的?或者在不是正式领导的情况下,你是如何帮助团队取得成功的? 与职位相关的知识:我们感兴趣的是,你如何将你的个人优势与经验相结合,从而发挥影响力的。我们关注的不仅仅是你现在能做些什么,而是你未来在不同岗位上的发展潜力。 “谷歌范儿”(Googleyness):你在单独工作或者团队协作时的工作方式?你是如何帮助他人的?你是如何驾驭不确定性情况的?又如何走出舒适区,让自己成长的? 对于软件工程师候选人,我们希望了解你的编程技能和技术领域专业知识,包括编程工具、编程语言、以及数据结构和算法基本知识。在面试过程中免不了会有一些讨论,因为我们喜欢互相推动,学习不同的方法。因此,请你做好要深入讨论你提出的解决方案的准备。打破自己的边界,找到最优答案。 Google 的技术面采历来用的是白板,但为了节省时间,同时提供更加真实的编程环境,我们已经开始在一些站点提供 Chromebook,用于编程面试。这些电脑上安装了一个面试程序,你可以选择自己偏好的语言。 在整个面试过程中,你可以随时让面试官作出解释,确保自己完全理解面试官的问题。此外,你也可以“采访”我们,问一些与工作、团队、文化等相关的问题,帮助你决定这份工作是否适合自己。 ▌Google 软件工程和技术职位面试 如果你选择的是软件工程相关的岗位,在面试前你最好先掌握以下几个方面的知识: 编程实践:你可以在 CodeLab、Quora、Stack Overflow 等网站上找到一些编程示例。Cracking the Coding Interview 这本书也是一个不错的资源。在某些站点,你可以选择在 Chromebook 或者白板上编程(提前询问招聘人员,这样你可以先行练习)。一定要测试代码,确保代码易于阅读,而且没有 bug。不用过分关注细微的句法错误,比如在给定方法(start, end or start, length)时应该使用哪种 substring,选择一个,告诉你的面试官即可。 编程:你应该熟练掌握至少一门编程语言,最好是 C++、Java、Python、Go 或者 C。你需要知道 API,面向对象的设计和编程,如何测试代码,以及 corner case 和 edge case。注意,我们关注的是你对概念的理解而不是记忆。 算法:同时用自下而上的算法和自上而下的算法来处理问题。你需要了解算法的复杂性以及如何改进算法。Google 里常用的包括排序算法(加上搜索和二分法检索)、分治算法、动态编程/记忆、贪心算法、递归算法、链接到特定数据结构的算法。了解大 O 符号(Big O notation,比如运行时),并做好讨论 Dijkstra 和 A* 等复杂算法的准备。我们建议你在写代码之前讨论或概述你所想到的算法。 排序:熟悉常用的排序函数以及了解它们对哪些输入数据有效。从运行时(runtime)和内存占用的角度思考效率问题。例如,在特殊情况下,插入排序(insertion-sort)或基数排序(radix-sort )比一般的快速排序/合并排序/堆排序(QuickSort/MergeSort/HeapSort)答案好得多。 数据结构:你应该研究尽可能多的数据结构。最常用的数据结构有数组、链表、堆栈、队列、哈希集、哈希映射、哈希表、字典、树和二叉树、堆和图( arrays, linked lists, stacks, queues, hash-sets, hash-maps, hash-tables, dictionary, trees and binary trees, heaps and graphs)。你需要彻底了解数据结构,以及不同算法对不同数据结构的偏好。 数学:有些面试官会问一些基本的离散数学问题,因为我们经常碰到各种计算问题、概率问题、以及其他的 Discrete Math 101 问题。面试前,你可以花时间复习下(或者自学)基本概率论和组合数学的基本知识。你需要熟悉 n-choose-k 等同类型的问题。 图算法:考虑一个问题是否可以应用图算法,如距离,搜索,连接,循环检测等(distance, search, connectivity, cycle-detection)。熟悉三种基本方法——对象和指针,矩阵和邻接表——的利弊。了解基本的图遍历算法、广度优先搜索和深度优先搜索,以及它们的计算复杂性、优缺点、实现方法。 递归:许多编码问题都涉及递归思考,而且可能还要对递归解决方案进行编码。针对那些能够用迭代解决的问题,你需要找到更简练、更优雅的递归方法。 ▌Google AI 职位面试 如果你应聘的是 AI 相关的职位,那么你最好先对 Google 的 AI 有一个全面的了解。 首先,Google AI 文章数量最多的三个领域为: 机器智能 机器感知 自然语言处理 其次,下面的内容需要你重点阅读: TensorFlow:一个大规模机器学习系统 Google 使用的 AI 工具 非官方的 Google 数据科学博客 在对 Google AI 有了比较全面的了解后,你就可以看一下这份由众多求职者分享的 Google AI 相关的面试问题了。 1/x 的导数是什么? 绘制 log(x+10) 函数的曲线。 如何设计一个 针对客户满意度的调查? 投掷一枚硬币 10 次,8次正面和 2 次反面。如何分析掷硬币的公平性?什么是 p-value? 你有 10 枚硬币,每枚硬币掷 10 次(共 100次),并观察结果,你会修改算法来测试硬掷硬币是否公平吗? 解释一个非正态分布以及如何应用它? 为什么要使用特征选择?如果两个预测因子高度相关,那么对逻辑回归中的系数有什么影响? 系数的置信区间是多少? K-Means算法和高斯混合模型:K-Means 算法和 EM 算法之间有什么区别? 高斯混合模型适用于什么情况?(正态分布) 如果标签在聚类项目中是已知的,那么如何评估模型的性能? 对一个 Google 应用程序做了更改之后,如何测试某个指标是提高了还是降低了? 描述数据分析的过程。 为什么不使用逻辑回归算法?为什么选择 GBM 算法? 推导 GMM 方程? 如何衡量用户对视频的喜好程度? 模拟一个二元正态分布? 推导一个分布的方差? 每年有多少人申请 Google 账户? 如何构建中位数的估计量? 如果回归模型中的两个系数估计值都具有统计显著性,那么你是否认为两者的测试依然重要? 最后,欢迎大家在评论区分享自己的答案以及面试经验。 参考资料:https://careers.google.com 更多AI面试题汇总:https://www.tinymind.cn/collections/6 高度抽象的,并不能帮助面试者建立更好的理解。 登录 招聘现场出现AI面试 有企业开出25万年薪 2019-11-25 14:41 600家企业“招兵买马”,1.5万个岗位虚席以待。11月23日,在浙江工商大学综合招聘会现场发现,一些财经专业的学生非常抢手,竟然有企业开出了25万年薪的条件,如果达成意向就现场签约。 这是浙江省2020届高校毕业生财经商贸类专场、杭州市大学生冬季校园专场暨浙江工商大学综合招聘会,会场设在浙江工商大学下沙校区体育中心。 现场有企业开出25万年薪 偌大的体育中心被前来招聘的各家企业“填满”, 喜临门家居股份有限公司的招聘摊位前挤满了人,原来这个企业为“高管助理”岗位开出了高达25万的年薪。 “哇,排队的人怎么这么多?这竞争压力也太大了吧。”在喜临门家居股份有限公司的摊位后面排起长队的小陈是浙江工商大学工商管理专业大四学生,对她身边的朋友说,“每个单位都要看应聘者的能力,看来看去还是想投简历到大型企业,年薪高,更要试试。” 正在给学生面试的负责人李先生称这是一个定位比较高的岗位,“高管助理的工作通常面向高管,所以要有一定的统筹运营、综合协调和人际交往能力,专业没有特别的要求,但最好懂管理和财务,学生在学校如果有社团管理经历,这样能更好、更快地上岗。” 招聘会有来自物产中大、喜临门家居、海亮集团、浙江省11家地市烟草公司、宁波银行、中信证券等580多家企业参加,其中包括沃尔玛、苏宁控股集团、海亮集团等世界500强、民营500强企业。 法务和财务类岗位是每个企业都有需求的,所以大商科类的学生非常抢手。 “太幸运了,好几家单位都要了我的简历,大多转正后年薪都能达到10万元以上。”小李是浙江工商大学法学院毕业生,中国烟草公司和宁波银行都收了她的简历,并和她一对一聊了好久,“我是法学专业,如果进入到商贸类行业比较有发展空间,我会重点考虑。” AI面试官与你面对面 这场招聘会不仅有着豪华的企业阵容,现场还出现了AI智能识别面试。还没来得及与企业HR面对面交流,不少同学的注意力就被门口的“AI面试体验”给吸引住了。大家纷纷驻足参观,踊跃尝试,想要看看自己的面试能力会得到人工智能怎样的评价。 小陈是浙江工商大学工商管理专业毕业生,“坐在电脑前和人工智能交流就像是和真人一样,分析的结果也很详尽准确。分析师认为我整体素质不错,但是在性格方面“活跃”的分数过高,说明情绪上易产生不稳定;而创新能力分值较低,也需要得到提高。” 结束了AI智能识别面试,小陈认为机器能减少面试官在初面的一些基于口音、外貌和性别等主观因素带来的影响,保证更多符合岗位要求的求职者获得机会。 AI智能识别面试的操作流程并不复杂,面试者只要在收到企业面试的邀请码或者扫描二维码后即可在线与“Molly”进行面试。面试过程以问答形式展开,面试内容最终还会被译成文字,连同视频和报告一起传到用人企业手中。 来自新闻专业的大四学生小郭是第一次尝试AI智能识别面试,但她仍然表示面试过程有点令人不安,因为无法理解如何给AI 留下深刻印象,无法从AI面试官那里获得即时反馈。 孙朝阳是此次AI智能识别面试的技术人员,他表示,通过模拟面试,AI智能系统通过分析体验应聘者的回答内容、微表情、语音语调等生成学生的面试报告,由专业人员现场进行针对性指导加以提升面试技能。这一面试方式基于心理学行为,结果准确性与参考性都较强,并且相较传统面试能节省不少时间。 在招聘会门口,学校还邀请了一批来自企业和高校的“师友计划”导师,现场为学生提供简历诊断、面试技巧、自主创业三个方面的指导。在为企业送上自己的简历前,许多同学选择先坐到五位导师面前,听听他们对自己有什么建议。 此次招聘会共提供15000多个就业职位,吸引超过6000人次进场,招聘现场有近1000名求职学生与用人单位达成初步就业意向。 10年後、人工知能に仕事を奪われないための生存戦略 危機感をもってこのブログを書いています。 なぜかというと、今後10年でおきるテクノロジーの進化によって 今存在する約半分の人の仕事が無くなってしまうにも関わらず、まったく危機感が無いからです。 時代の変化に適応せずにいつまでも豊かな生活が続くと思っているのでしょうか。 しかし、まだ間に合います。 今、行動を開始すれば、あなたの未来はまったく違ったものになるでしょう。 これから、世界がどう変わっていくのか、そのために今何をすればいいのか みなさんにお伝えしたいと思います。 10年~20年後、約47%の人の仕事がなくなる 衝撃的な論文が発表され世界中で話題になっています。 英国のハーバードと言われるオックスフォード大学でAI(人工知能)などの研究を行うマイケル・A・オズボーン准教授が『雇用の未来—コンピューター化によって仕事は失われるのか』という論文を発表しました。 その結果、「今後10年~20年ほどで約47%の仕事が自動化されるリスクが高い」 そんな結論が出たのです。 論文の中でコンピューターに置き換えられる可能性が高いと言われている仕事の一例が以下です。 銀行の融資担当者 スポーツの審判 不動産ブローカー レストランのウエイター 保険の審査担当者 動物のブリーダー 電話オペレーター 給与・福利厚生担当者 レジ係 案内係、チケットもぎり係 カジノのディーラー ネイリスト クレジットカード承認者 集金人 ホテルの受付係 電話販売員 データ入力作業員 苦情の処理担当者 簿記、会計の事務員 メガネコンタクトの技術者 塗装工 時計修理工 彫刻師 訪問販売員 出典: http://gendai.ismedia.jp/articles/-/40925 単純作業、ルーティンワークであるほど、ロボットやコンピューターにとって変わられる可能性は高くなります。 例として、ファーストリテイリングが展開するファッションチェーン、GUでは、セルフレジが2016年6月から始動しています。 出典: http://shopblog.gu-japan.com/ 客はレジ前に行き、コインロッカーのようなボックスに商品を入れると、機械は瞬時に読み取って、商品名や値段、合計金額を表示します。客はそれを確認し自分で清算することができます。 今後は、GUだけではなく、同グループのUNIQLO全店舗にも順次導入されることは確実でしょう。 大手でセルフレジの導入が決まれば、数年の間にすべてのアパレルショップに設置されるのは時間の問題です。 このようなセルフレジはアパレルだけではなく、あらゆる業界で導入が進んでおり、いわゆる「レジ打ち」の仕事はすべてテクノロジーに置き換えられてしまうでしょう。 あなたの仕事がテクノロジーに奪われない方法 あらゆる産業がプログラムに置きかわっていく。 影響を受けるのはルーティンワークだけではありません。 今後、10年でテクノロジーの影響を受けない仕事は存在しないといっても良いでしょう。 世界を代表するシリコンバレーの投資家マーク・アンドリーセンは “ソフトウェアが世界を飲み込む”という言葉を残しています。 Facebookの取締役でもあるマーク・アンドリーセン氏(出典: https://goo.gl/jauXCV ) これまで人がやって当たり前だと思われていた仕事が 次々とソフトウェアに置きかわっていきます。 紙の本は、kindleなどの電子書籍に置き換わり 、出版業界は苦境に立たされています。 kindleは、印刷、装丁、配送、書店配置など人がやっていた仕事をプログラムに置き換えました。 タクシーは、Uberなどのシェアリングライドサービスに置き換えられています。 Uberは、一般の車をタクシーとして利用するサービスで、米国大手タクシーイエローキャブを破産に追い込んでいます。Uberは車やドライバーなどは持たずアプリサービスを提供するテクノロジー企業です。 世界最大級の投資銀行ゴールドマン・サックスはトレードのプログラム自動化をすすめました。その結果、2000年に 600人いたトレーダーはわずか2人に。 従業員の3割がエンジニアになりました。 今、注目されているVR/ARがさらに進化すれば、ライブコンサートや映画館などのエンターテイメントや、ショッピングも仮想空間上で行われるようになります。物理的な体験を置き換えていくことで、 VR/ARの市場規模は2016年の5000億円から2020年までに20兆円 の巨大市場になると言われています。 会計士、税理士のような国家資格が必要な仕事もプログラムの自動化の波に飲み込まれています。近年は、クラウド上で会計業務を行うサービスが急速にシェアを伸ばしており、 税理士、会計士の仕事を奪っています。 税理士事務所に勤める筆者の友人からも単純な会計、税理業務だけでは食っていくことはできなくなっていると聞きました。 テクノロジーリテラシーを高めることで時代の変化に適応できる 今後10年でおきる世界の急速な変化についていく唯一の方法。 それは、 テクノロジーの波に飲み込まれるのではなく、テクノロジーの波を乗りこなす側に回ることです。 そのために私たちはテクノロジーリテラシーを高め続ける必要があります。 全員がソフトウェアエンジニアになれというわけではありません。 教養として、全ての思考の土台として、理解を深めておくべきなのです。 「機械に代替されない創造的な仕事」は、必ずテクノロジーを用いて何を解決するのか?という話になります。 テクノロジーリテラシーが低いと、あなたは 人にしかできない創造的な仕事をするチャンスを失い続ける のです。 最低限、世の中で台頭しているテクノロジーを活用したサービスがどのような仕組みで動いているのか、どんな最新技術があるのかは理解しておく必要があるということです。 あなたはスマートフォンアプリやWebサービスが どのような原理で動いているか理解していますか? これからテクノロジーによって世界がどう変わっていくのか、イメージできていますか? または、それらを使いこなすことはできますか? テクノロジーについて理解がないままでは、時代の変化に適応することはできません。 時代の変化はあなたが思っているよりも早く訪れます。 10年前、iPhoneは存在しませんでした。facebookが生まれたのはわずか13年前です。 気付いてからではもう遅いのです。 米国ではそのような時代の変化に気づき、プログラミングを初めとしたテクノロジーを学ぶスクールやサービスが急速に拡大しています。わずか数年で既に500億円以上の市場になっていると言われています。 もはや、テクノロジーについて学ぶことは当たり前なのです。 一方、日本でのプログラミング教育市場はまだ10億円程度。 このままでは、世界的なテクノロジーの波に飲み込まれてしまうのは明らかです。 【日本初】プログラミング未経験でもAI(人工知能)が学べる無料体験会スタート! 冒頭、話したように私はこの事に強い危機感があり、 プログラミング未経験からでもAI(人工知能)やWebデザイン、Webサービス開発など最新のテクノロジーが学び放題のスクールを4年前に開講しました。 おかげさまで受講生は10,000名を超え、満足度も98%以上を維持。 日本最大規模のテクノロジースクールになっています。 自分にできるかな?と不安を感じる方も心配ありません! 全くの未経験でも質問し放題の環境で学ぶことができるため挫折しません。 スクール参加者の7割は社会人です。 大企業の経営者からフリーターまで多種多様な方がテクノロジーリテラシーを高めるために20代〜50代まで年齢問わず、受講されています。 体験会にはすでに1万人以上が参加 しており、「来てよかった」と95%の方に満足をいただいています。 今、行動すれば「あなたの10年後」は変わります。 まだ、多くの人がテクノロジーリテラシーの重要性に気付いていない今がチャンスです。 >>> 無料AI(人工知能)体験会の詳細はこちら 古有伯乐相马,今有AI面试,不会看脸的AI不是好伯乐? 越来越多的公司正在考虑或已经开始使用AI 技术筛选面试者,高盛 、希尔顿 和联合利华 等知名企业都在普及一套名为HireVue的 AI 视频面试系统,已经有成千上万的面试者经过这套系统的筛选。 借助 AI 的力量,电话和视频的面试数据都可以拿来分析面试者的特征,总结出他们是否具备职位所需的能力和特点。最理想的情况下,AI 可以扮演伯乐的角色,帮助 HR 快速选出心目中的千里马 。 希尔顿高管曾表示,HireVue 的 AI 面试系统将平均招聘时间从 6 周缩短到了 5 天。 这种趋势催生了很多初创企业,除了专注于视频面试的 HireVue,还有开发辅助招聘系统的 AllyO,专注分析电话面试的 VCV 等等。不久前,美国知名私募机构凯雷集团 (Carlyle Group)成为了 HireVue 的最大持股人,显示出对该领域前景的看好。 但与其他 AI 技术应用一样,AI 面试系统也引发了一系列争议:AI 系统有没有偏见,依据什么标准给面试者排名,表情分析结果是否可信等等。 换言之,AI 真的能当伯乐吗? 图丨 伯乐相马(来源:东方 IC) 筛选机制 虽然有很多不同的初创公司,开发了很多不同的 AI 面试系统,但它们本质上都遵循了一套相似的评判模式:用特殊算法追踪和分析面试者的面部表情、语音语调和用词方式,然后在职位所需的特质上打分,最后向 HR 和部门主管提供一份综合所有面试者各项指标的排名表。 排名靠前的面试者代表他们的表现受到了 AI 的青睐,被评为更贴近职位需求的人选,因此也更容易获得下一轮面试机会,而排名靠后的面试者也有机会被看到,并不是直接出局。 看起来 AI 并没有淘汰任何面试者,只是给出了建议,最终决定权还是握在人的手里,但根据客户反馈,在实际应用中,HR 会直接淘汰排名靠后的人选,只有极少数情况下才会关注排名靠后面试者,比如某人在关键需求上非常突出。 也只有这样,使用 AI 系统的公司才能真正节约时间和成本。按照 HireVue 的说法,他们已经为联合利华节省了 10 万小时的面试时间,大约每年节省 100 万美元的招聘开支。 图 | HireVue 宣传视频,以“减少无意识偏见和促进多元化”为宣传点(来源:HireVue)“我们认为 AI 面试系统还能促进企业多元化发展,避免部门主管习惯于招聘那些言谈举止跟自己很像的‘年轻的自己’,更多关注面试者的能力,”联合利华 首席人力资源官 Leena Nair 表示。 通过面试收集的海量数据 还有助于企业实施更深入的分析,比如应聘者的技能和背景跟他们在公司工作的表现和时长是否存在联系。如果有,这种联系能不能量化成一项评判标准,在未来纳入 AI 系统中,进一步完善人才筛选机制。 不过,这一系列措施都需要建立在一个大前提之下:人们可以信任 AI 系统做出的评判。评判标准 以 HireVue 的 AI 面试系统为例,它的评判标准来自于公司现有员工,依岗位不同而变化。如果要招聘新的电话客服,那么公司需要首先编出一套面试问题,然后要求现有客服通过 AI 系统做一遍题,就像真的面试一样。 这时 AI 已经获得了每个员工的面试表现数据,随后公司需要将每个员工的面试数据和工作表现配对,比如他们的好评度或者解决客户问题的速度。 这一过程相当于告诉 AI,“表现好的员工在面试中会展现出某些特质,你负责把这些特质归纳出来,作为评判面试者能否成为好员工的标准。” 面对真正的求职者,训练后的 AI 会在多个维度和项目上打分,例如“能力和行为”大类别中又包含“学习意愿”、“自觉性和责任感”和“个人稳定性”等多个小项目。有的项目也适用于情景分析,会评判面试者面对难缠的客户或同事时的表现。 分析结束后,AI 会将所有个人特质综合到一份评估报告中,再利用所有面试者的报告建立排名表,根据“成功的可能性(likelihood of success)”将他们分成高、中、低三个等级。 图 | 外媒测试 AI 面试系统(来源:Business Insider) 至于 AI 在多大程度上能够筛选出潜在最佳员工?哪一类人最容易被 AI 青睐?哪些关键词 和行为会被 AI 相中?鉴于AI算法的工作过程有时处于黑箱之中,HireVue 自己都做不到 100% 确定,大多数情况下会用一些宽泛的词语来解释。 以应聘客服为例,HireVue 认为面试者使用带有“鼓励和支持”意味的词汇,可能会比使用“攻击性”较强的词汇获得更高的分数。 “面部表情分析得分最多占总分数的 1/3,剩下的是语调和用词等因素。”HireVue 的心理学家 Nathan Mondragon 表示,“实际上人类本身就是多变的,会在评估过程中掺杂主观思维,但 AI 可以用一套标准记录面试的数据,对所有人一视同仁。” 然而,包括很多 AI 研究学者在内的质疑者认为这种说法存在漏洞:如果 AI 系统的标准本身存在偏见呢?图 | 视频面试的另一端是 AI 面试官(来源:HireVue) 难以捉摸的 AI 系统 这种情况时有发生,是 AI 数据分析领域的通病,亚马逊的面部识别系统和美国各大医院的健康风险评估系统都出现过针对某一肤色的歧视现象。 举个例子,如果一个部门所有员工恰好都是白人,那么好员工也不可避免的都是白人,AI 面试系统会不会在归纳特质的时候无意中选择了一个偏向白人的因素,而降低对其他肤色面试者的喜好。再夸张点说,如果好员工刚好都是女性,那么男性面试者会不会因为缺乏女性身上更常见的特质(比如说话柔和)而被降低权重。 除此之外,一些神经科学家也在质疑面部表情分析的可靠性。抛开微表情学说是否属于伪科学不谈,只要考虑到文化背景和成长经历的复杂差异性,即使是人类,也会在判断表情、情绪和性格的内在联系时出错,更何况 AI。 最简单的例子就是很多人在生气(情绪)时会不自觉皱眉(表情),可是仅凭皱眉无法判断这个人是否真的生气,也有可能是在仔细思考或者表达疑惑,甚至就是单纯的习惯,但 AI 可能会将皱眉和负面性格(易怒)联系起来,导致一些人被莫名降低排名。 针对这些质疑,HireVue 表示系统会综合考虑 2500 多个特征点,而且拥有一批专家顾问,会定期审查 AI 算法,矫正错误,改善不足,但因为没有相关规定,它的 AI 面试系统没有接受过任何独立的第三方审查。 “面试的时候,求职者会因为各种与他们能力不相关的理由被拒绝,面试官会评判他们的着装、袜子、鞋,甚至是衬衫掖没掖到裤子里。不考虑这些情况,就直接假设一些人会被 AI 系统不公平地对待是不合逻辑的,”HireVue 首席科技管 Loren Larsen 表示,“当 1000 个人申请一份工作时,总会有 999 个人被拒绝,无论AI是否参与。” 图 | YouTube 上有很多 HireVue 面试的指导视频根据一些经历过 HireVue 面试的人总结,他们会提前知道自己将迎来 AI 面试系统,但不知道 AI 如何给自己的表现打分。 这催生了很多人在网络上分享自己的经验,成功和失败的都有,试图用集体的力量找到总体上行得通的面试技巧。常见的技巧包括经常微笑,表情自然,放慢语速和注意用词,还要尽量保证背后是白墙,以免混乱的背景干扰 AI 算法,甚至可以在摄像头旁边贴上眼睛贴纸,帮助维持眼神接触。 至于方法是否真的有效,你还记得自己面试时的状态吗?能记住自己三分钟之前说过什么就已经很不错了。 “面试本来就令人紧张不安,这种新型沟通方式无疑是火上浇油。我们迎来了焦虑的一代,要求他们面向屏幕说话,对着摄像头回答问题,还不告诉他们怎样做才能更好,”辅导学生如何参加 HireVue 面试的杜克大学经济学教授 Emma Rasiel 如此表示。 不管怎样,大型雇主使用 HireVue 等 AI 面试系统作为初级人才筛选机制正在成为趋势。对于高盛 这样的大公司来说,应聘者永远络绎不绝,相比 AI 是不是真伯乐,有没有错过千里马 ,省下真金白银或许更重要。就好似从最开始使用 AI 时,找到千里马就不曾是头等大事。 被遗忘的千里马呢,只好感叹:“世有伯乐,然后有千里马。千里马常有,而伯乐不常有。古人诚不欺我。” -End- 参考: 网页链接 网页链接 作者:DeepTech深科技 链接:https://xueqiu.com/5983518614/135379525 来源:雪球 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 75道常见AI面试题助你清扫知识盲点(附解析) 本文精心准备了一份AI相关岗位的面试题,帮大家扫清知识盲点,自信上场! [ 导读 ]正值求职、跳槽季,无论你是换工作还是找实习,没有真本事都是万万不行的,可是如何高效率复习呢?今天我们为大家精心准备了一份 AI相关岗位的面试题,帮大家扫清知识盲点,自信上场! 机器学习工程师面试 必备面试题: 你会在时间序列数据集上使用什么交叉验证技术?是用k倍或LOOCV? 你是怎么理解偏差方差的平衡的? 给你一个有1000列和1百万行的训练数据集,这个数据集是基于分类问题的。经理要求你来降低该数据集的维度以减少模型计算时间,但你的机器内存有限。你会怎么做? 全球平均温度的上升导致世界各地的海盗数量减少。这是否意味着海盗的数量减少引起气候变化? 给你一个数据集,这个数据集有缺失值,且这些缺失值分布在离中值有1个标准偏差的范围内。百分之多少的数据不会受到影响?为什么? 你意识到你的模型受到低偏差和高方差问题的困扰。那么,应该使用哪种算法来解决问题呢?为什么? 协方差和相关性有什么区别? 真阳性率和召回有什么关系?写出方程式。 Gradient boosting算法(GBM)和随机森林都是基于树的算法,它们有什么区别? 你认为把分类变量当成连续型变量会更得到一个更好的预测模型吗? “买了这个的客户,也买了......”亚马逊的建议是哪种算法的结果? 在k-means或kNN,我们是用欧氏距离来计算最近的邻居之间的距离。为什么不用曼哈顿距离? 我知道校正R2或者F值是用来评估线性回归模型的。那用什么来评估逻辑回归模型? 为什么朴素贝叶斯如此“朴素”? 花了几个小时后,现在你急于建一个高精度的模型。结果,你建了5 个GBM(Gradient Boosted Models),想着boosting算法会展现“魔力”。不幸的是,没有一个模型比基准模型表现得更好。最后,你决定将这些模型结合到一起。尽管众所周知,结合模型通常精度高,但你就很不幸运。你到底错在哪里? 以上题目答案详解: https://www.tinymind.cn/articles/109 推荐收藏: 机器学习教材中的 7 大经典问题 https://www.tiny 算法工程师面试题 工作中的算法工程师,很多时候,会将生活中转瞬即逝的灵感,付诸产品化。 将算法研究应用到工作中,与纯粹的学术研究有着一点最大的不同,即需要从用户的角度思考问题。很多时候,你需要明确设计的产品特征、提升的数据指标,是不是能真正迎合用户的需求,这便要求算法工程师能在多个模型间选择出最合适的那个,然后通过快速迭代达到一个可以走向产品化的结果。 知识储备作为成功的根底亦必不可少,以下是营长为你精选的算法面试,帮你检查下自己的技能是否在线。 必备面试题: LDA(线性判别分析) 和 PCA 的区别与联系。 K-均值算法收敛性的证明。 如何确定 LDA (隐狄利克雷模型) 中主题的个数。 随机梯度下降法的一些改进算法。 L1正则化产生稀疏性的原因。 如何对贝叶斯网络进行采样 。 从方差、偏差角度解释 Boosting 和 Bagging。 ResNet的提出背景和核心理论。 LSTM是如何实现长短期记忆功能的。 WGAN解决了原始 GAN 中的什么问题。 以上题目答案详解: https://www.tinymind.cn/articles/1275 推荐收藏: 是男人就过8题!楼教主出题,请接招 https://www.tinymind.cn/articles/47 算法和编程面试题精选TOP50!(附代码+解题思路+答案) https://www.tinymind.cn/articles/375 深度学习12大常见面试题 必备面试题: 1.什么是深度学习?为什么它会如此受欢迎? 3.深度学习与机器学习有什么区别? 4.深度学习的先决条件是什么? 5.选择哪些工具/语言构建深度学习模型? 6.为什么构建深度学习模型需要使用GPU? 7.何时(何处)应用神经网络? 8.是否需要大量数据来训练深度学习模型? 9.哪里可以找到一些基本的深度学习项目用来练习? 10.深度学习的一些免费学习资源。 最后附上深度学习的相关面试问题有哪些? 深度学习模型如何学习? 深度学习模型有哪些局限性? 前馈神经网络和递归神经网络之间有什么区别? 什么是激活特征函数? 什么是CNN,它有什么用途? 什么是池化? 简述其工作原理。 什么是dropout层,为什么要用dropout层? 什么是消失梯度问题,如何克服? 什么是优化函数?说出几个常见的优化函数。 以上题目答案详解: https://www.tinymind.cn/articles/608 Python常见面试题 100+Python编程题给你练~(附答案) https://www.tinymind.cn/articles/3987 10个Python常见面试题,这些弄不明白不要说学过Python! https://www.tinymind.cn/articles/376 Google人工智能面试题 必备面试题: 求导1/x。 画出log (x+10)曲线。 怎样设计一次客户满意度调查? 一枚硬币抛10次,得到8正2反。试析抛硬币是否公平?p值是多少? 接上题。10枚硬币,每一枚抛10次,结果会如何?为了抛硬币更公平,应该怎么改进? 解释一个非正态分布,以及如何应用。 为什么要用特征选择?如果两个预测因子高度相关,系数对逻辑回归有怎样的影响?系数的置信区间是多少? K-mean与高斯混合模型:K-means算法和EM算法的差别在哪里? 使用高斯混合模型时,怎样判断它适用与否?(正态分布) 聚类时标签已知,怎样评估模型的表现? 为什么不用逻辑回归,而要用GBM? 每年应聘Google的人有多少? 你给一个Google APP做了些修改。怎样测试某项指标是否有增长 描述数据分析的流程。 高斯混合模型 (GMM) 中,推导方程。 怎样衡量用户对视频的喜爱程度? 模拟一个二元正态分布。 求一个分布的方差。 怎样建立中位数的Estimator? 如果回归模型中的两个系数估计,分别是统计显著的,把两个放在一起测试,会不会同样显著? 以上题目答案详解: https://www.tinymind.cn/articles/98 苹果人工智能面试题 必备面试题: 有成千上万个用户,每个用户都有 100 个交易,在 10000 个产品和小组中,用户所参与有意义的部分,你是如何处理这一问题的? 为了消除欺诈行为,我们对这些数据进行预筛选,如何才能找到一个数据样本,帮助我们判断一个欺诈行为的真实性? 给出两个表格,一个表格用来存储用户 ID 以及购买产品 ID(为1个字节),另一个表格则存储标有产品名称的产品 ID。我们尝试寻找被同一用户同时购买的这样一个成对的产品,像葡萄酒和开瓶器,薯片和啤酒。那么,如何去寻找前 100 个同时存在且成对出现的产品? 详细描述 L1 正则化和 L2 正则化二者之间的区别,特别是它们本身对模型训练过程的影响有什么不同? 假设你有 10 万个存储在不同服务器上的文件,你想对所有的文件进行加工,那么用 Hadoop 如何处理? Python 和 Scala 之间有什么区别? 解释一下 LRU Cache 算法。 如何设计一个客户——服务器模型,客服端每分钟都可以发送位置数据。 如何将数据从一个 Hadoop 聚类传递给另一个 Hadoop 聚类? Java 中的内存有哪些不同的类型? 你是如何处理数百个标题中的元数据这一繁琐任务的? 在数据流和可访问性方面,如何在隐藏时间帧内进行测量?其中在隐藏时间帧内,核心超负荷将计算机能量重定向到 cellar dome 的过度复杂文件系统的边界结构。 你最希望拥有的超能力是什么? 如果你有一个时间序列传感器,请预测其下一个读数。 使用 SQL 创建 market basket 输出。 你有没有过心理物理学实验的经验?(Research Portfolio based question) 你在表征方法上的专长是什么?通常使用什么?你是如何在研究中使用它,有没有什么有趣的结果?(Research Portfolio based question) 如何进行故障分析? 检查一个二叉树是否为左右子树上的镜像。 什么是随机森林?为什么朴素贝叶斯效果更好? 以上题目答案详解: https://www.tinymind.cn/articles/139 苹果、谷歌等大厂的AI面试题被我们搞到手了,你敢来挑战吗? 作者 | Vimarsh Karbhari 编译 | Vincent 编辑 | Emily Chen AI 前线导读:什么?技术大厂的面试题泄露了???当然不是啦~ 国外知名博客平台 Medium 上有一位工程师,花时间整理了苹果、谷歌、Facebook 等一线技术大厂的 AI 面试题,为众多读者提供了不小的帮助,有人还真的因为看了他的文章,提前做好了准备,并通过了大厂的面试。AI 前线将这些文章收集整理了起来,并进行了中文翻译,相信会对你有所启发,走上人生巅峰或许就是此刻了! 更多干货内容请关注微信公众号“AI 前线”,(ID:ai-front) 微软 微软在企业中的统治地位是众所周知的。微软已经驾驭了云计算浪潮。在第一财政季度,其 Azure 服务和 Office 365 在线生产力业务的收入分别增长了 90%和 42%。 在微软 CEO Satya Nadella 最近致所有微软员工的一封信中,Intelligent Cloud 和 Intelligent Edge 组建了两支新团队,以塑造下一阶段的创新。这意味着人工智能将要给微软的业务带来十分重大的改变。毋庸置疑,微软在此公告之后可能会招聘更多 AI 相关员工。所以,现在你的机会来了。 面试流程 像大多数雇佣工程师的其他公司一样,微软有一套经典的面试过程。通常有电话面试(涉及编码),然后进行现场面试。现场有大约 4-5 轮面试。面试过程中可能有 2-3 个确实深入研究数据科学相关的问题,包括研究和模型。其余的目的是测试编码技能。 面试题 合并 k(在这种情况下 k = 2)个数组并对它们进行排序。 如何最好地选择 500 万个搜索查询的代表性样本? 三个朋友告诉你今天会下雨,他们中每个人都有三分之一的概率说谎,那么今天下雨的可能性是多少? 你能解释朴素贝叶斯的基本原理吗?如何设定阈值? 你能解释一下 MapReduce 是什么以及它是如何工作的? 你能解释 SVM 吗? 你如何检测新的观察结果是否异常?什么是偏置 - 方差权衡? 如何从产品用户群中随机选择一个样本? 你如何实现自动完成? 描述梯度提升的工作原理。 在整数列表中查找子序列的最大值。 你会如何总结 twitter 推文? 在应用机器学习算法之前解释数据争用(wrangling )和清洗的步骤。 如何处理不平衡的二进制分类? 如何测量数据点之间的距离? 定义方差。 箱形图和直方图有什么区别? 你如何解决 L2 正则化回归问题? 如何通过使用一些计算技巧来更快地计算逆矩阵? 如何在没有计算器的情况下执行一系列计算。解释步骤背后的逻辑。 好的和坏的数据可视化之间有什么区别? 你如何找到百分位数?为它编写代码。 从一系列值中查找最大总和子序列。 正则化指标 L1 和 L2 有哪些不同? 创建一个函数来检查单词是否是回文。 Amazon 亚马逊从成为“地球上最大的书店”变为“地球上最以客户为中心的公司”。首席执行官杰夫·贝佐斯一次又一次地在他的致股东信中定义了公司的发展道路。亚马逊利用 Alexa 部署深度语言学习功能,并通过 AWS 为 AI 提供云基础架构。它还在 Amazon.com 上大规模地构建和部署了世界上第一批推荐系统。 面试流程 在现场面试的过程中,会有一场称为 Bar 面试。Bar raiser 的意思是,面试小组中最有经验的人,他的动机是决定你是否在亚马逊的前 50% 的员工中。Bar raiser 有权否决一个候选人,不管其他面试者是否喜欢这个候选人。 面试题 逻辑回归模型中如何知道系数是什么? 凸和非凸成本函数之间的区别 ; 当成本函数是非凸的时候它是什么意思? 随机权重分配是否优于为隐藏层中的单位分配相同的权重? 给出一个条形图并且想象你正从上面倒水,如何确定条形图中可以保存多少水? 什么是过拟合? 主要会员费的变化如何影响市场? 为什么梯度检查很重要? 描述树,SVM,随机森林和 XGBoost 算法。谈谈他们的优点和缺点。 你如何在天平上重复称重 9 个弹珠三次以选择最重的弹珠? 查找西雅图客户过去 6 个月中前 10 名利润最高的产品的累计总和。 描述特定模型选择的标准。降维为什么重要? 逻辑回归和线性回归的假设是什么? 如果你可以构建完美(100%准确度)的分类模型来预测某些客户行为,那么 应用程序中会出现什么问题? 项目位置 A 的项目概率为 0.6,项目位置 B 的概率为 0.8。在亚马逊网站上找到项目的概率是多少? 给定带有 ID 和数量列的“csv”文件,5000 万条记录和数据大小为 2 GB,请用 您选择的任何语言编写一个程序来聚合 QUANTITY 列。 使用数组实现循环队列。 如果您每月都有时间序列数据,那么它有大量的数据记录,您将如何发现本月与前几个月的数值存在显着差异? 比较套索和岭回归。 MLE 和 MAP 推断有什么区别? 给定一个带有输入的函数:一个 N 个随机排序数的数组,以及一个 int K,返回一个 K 个数最大的数组。 当用户浏览亚马逊网站时,他们正在执行几项操作。如果他们的下一个行动是购买行为,建立模型的最佳方式是什么? 鉴于全国范围内可能性很低,估计一个城市的疾病概率。在这个城市随机询问 1000 人,全部为负面反应(无疾病)。这个城市发病的概率是多少? 描述 SVM。 K-means 如何工作?你会选择什么样的距离度量?如果不同的特征有不同的动态范围呢? 什么是提升 (Boosting) 算法? Facebook Facebook 不需要过多介绍。经过近十年来累积大量数据之后,2013 年起,Facebook 内的工程师开始尝试使用 CNN。之后,Facebook 认识到 AI 和 Deep Learning 的重要性,并聘用了他们的第一位 AI 工程师——Google 大脑 Marc'Aurelio Ranzato。随后又聘请了 CNN 的发明人 Yann LeCun(现已不再负责 Facebook AI 研究院的领导工作)。 面试流程 Facebook 面试过程是大多数公司使用的标准面试过程。可参考: https://www.facebook.com/notes/facebook-engineering/get-that-job-at-facebook/10150964382448920/ 面试题 有一个 100 层的建筑物,2 个相同的鸡蛋。您如何使用 2 个鸡蛋来查找阈值楼层 N,在 N 层及 N 层以上,鸡蛋肯定会摔碎。 从 100 个硬币中随机抽取一枚硬币:1 枚不公平的硬币(都是正面),99 枚公平的硬币(一正一反)并投掷 10 次。如果结果是 10 个正面,那么这枚硬币是不公平的概率为多少? 在 Python 中为数值数据集编写排序算法。 Facebook 想要开发一种方法来估计人们生日的月份和日期,而不管人们是否直接给我们提供这些信息。你会提出什么方法和数据来帮助完成这项任务?使用 python 内置包来处理'csv'数据。 您如何比较两种不同后端引擎的自动生成 Facebook“朋友”建议的相对表现?给定 KPI,选择正确的指标,执行 ETL。(使用 SQL / 代码) 你即将坐飞机去西雅图。你想知道你是否应该带一把雨伞。你可以给 3 个随机的朋友打电话,每个人都会独立询问是否下雨。你的每个朋友都有三分之二的机会告诉你真相,并有三分之一的机会通过撒谎与你打交道。所有 3 位朋友都告诉你正在下雨。在西雅图实际下雨的可能性有多大?(同微软的那道题) 考虑一个有 2 名玩家 A 和 B 的比赛。A 有 8 个棋子,B 有 6 个棋子。比赛进行如下。首先,A 滚动一个公平的六面模具,并且模具上的数字决定 A 从 B 接收多少个宝石。接下来,B 滚动相同的模具,并且完全相同的事情发生在相反的位置。本轮结束。谁在比赛结束时拥有更多的宝石则赢得比赛。如果玩家在回合结束时获得相同数量的宝石,则会形成平局并且接下来会有一轮。B 在 1,2,...,n 轮获胜的概率是多少? 你如何得到一个句子中每个字母的数量? 通过了解性别或身高,你如何证明男性平均身高比女性高? 什么是猴子补丁(monkey patch)? 给定一个对象列表 A 和另一个与 A 相同的列表 B,一个元素被删除,请找到被删除的元素。 给定一个整数列表(正数和负数),编写一个算法来查找是否至少有一对总和为零的整数。你会如何提高算法的性能? 制作 2 个变量的直方图。 在 SQL 中构建回帖计数的直方图(包含 x 个回复,x + 1 个回复等的帖子数)。建立一个表格,其中包含每个用户每天使用的功能使用情况摘要(跟踪用户的最后一个操作并每天汇总)。 你在一个赌场掷色子,如果掷出 5 则赢,并获得 10 美元的奖金。你能赚多少?如果你一直玩到你赢了 (不管花多长时间),那么你的预期支出是多少? 如果您试图让客户注册 Facebook 广告,您会向小型企业展示什么指标? 给定发送好友请求和收到好友请求的表格,找到拥有最多好友的用户。在平台上花费的赞 / 用户和分钟数正在增加,但用户总数正在减少。最有可能的根本原因是什么? 多少人在他们的档案中列出的高中是真实的?我们如何发现并大规模部署寻找无效学校的方法? 你如何将昵称(Pete,Andy,Nick,Rob 等)映射到真实姓名? Facebook 认为赞的年同比增长 10%,为什么会这样呢? 如果一位管理人员表示他们希望将新闻源广告的数量加倍,那么如何确定这是不是一个好主意? Google 谷歌拥有一些世界上最有才华的人工智能研究科学家、数据工程师和数据科学家。Google 首席执行官 Sundar Pichai 专注于将 Google 重新整合为一家人工智能第一公司。谷歌已经将其所有或大部分产品的人工智能编码从 Gmail 迁移到拥有大量数据的自动驾驶系统。 面试流程 Google 的技术面试流程是标准的技术面试流程。它由电话视频面试和现场面试组成。详情参见: https://careers.google.com/how-we-hire/interview/#interviews-for-software-engineering-and-technical-roles 面试题 什么是 1 / x 的导数? 绘制曲线 log(x + 10) 如何设计客户满意度调查? 掷硬币十次,得到结果为 8 个正面和 2 个反面。如何分析一枚硬币是否公平?p 值是什么? 你有 10 个硬币。你每掷硬币 10 次(共 100 次)并观察结果。你会修改你的方法来测试硬币的公平性吗? 解释一个不是正态的概率分布以及如何应用它? 为什么使用特征选择?如果两个预测因子高度相关,那么对逻辑回归中的系数有什么影响?系数的置信区间是多少? K- 均值和高斯混合模型:K 均值和 EM 之间有什么区别? 当使用高斯混合模型时,你怎么知道它适用?(正态分布) 如果标签在聚类项目中是已知的,那么如何评估模型的性能? 有一个谷歌应用程序,做了一个改变。如何测试指标是否增加? 描述数据分析的过程? 为什么不进行逻辑回归,为什么选择 GBM? 推导 GMM 方程。 如何衡量有多少用户喜欢视频? 模拟双变量法线 导出分布的方差 每年有多少人申请 Google? 如何建立中位数的估计量? 如果回归模型中的两个系数估计值中的每一个都具有统计显着性,那么您是否期望两者的测试仍然很重要? Uber 面试流程 Uber 的技术面试流程是一个标准的技术面试流程,由电话视频面试和现场面试组成(通常是 5-6 轮面试)。Uber 在其工程博客上详细解释了这一点: https://eng.uber.com/engineering-interview/ 面试题 描述二值分类 计算 ROC 曲线的 AUC 如何使用 A / B 测试? 使用随机伯努利试验发生器编写函数以返回来自正态分布的值样本 P 值是什么意思? 解释线性回归、线性假设和线性方程 定义 CLT,它和 Uber 有何关系? 解释 Logistic 回归、Logistic 假设和 Logistic 方程 一个车队要花多少钱才能看到我们每个大城市的街景照片? 如何建立汽车租赁司机成本的模型? 解释 surge 定价算法是如何工作的,以及如何测试哪种策略更有效? 什么是交叉验证? 网络效应如何影响选择来定义实验和测量结果? 什么是异常检测方法? 驾驶状况和拥堵对 Uber 收入有何影响? 驾驶状况和拥堵如何影响 Uber 的收入或司机体验? 高速缓存如何工作以及如何在数据科学中使用它? 如何优化各种营销渠道之间的营销支出? 如何计算一个城市 Uber Pool 的半径? 如何决定一个地点是否应该包含在 Uber Pool 中? 什么是时间序列预测技术? 解释 PCA,PCA 假设,PCA 方程式。 Uber 会造成交通堵塞吗? Apple AI 被包含在苹果硬件之上的软件中。也就是说,人工智能是苹果的一种服务。根据他们在 2018 年一季度的收益报告,他们的服务收入比去年增长了 18%。截至去年 12 月底,所有服务产品的付费用户数量都超过了 2.4 亿。 面试流程 与大多数雇佣工程师的其他公司一样,苹果公司也有典型的面试流程,电话面试与现场面试兼有。现场大约有 4-5 名团队成员进行面试。详情可参考: https://www.quora.com/What-is-the-recruiting-and-hiring-process-of-Apple-How-does-one-contact-their-HR-department 面试题 如何以数百万的交易数量吸引数百万用户,并将这些用户集中在一个有意义的细分市场中? 我们对数据进行预先筛选以消除欺诈威胁 - 那么我们如何找到可用于确定欺诈事件真实表示的数据样本? 给定一张带有用户 ID 和用户购买的产品 ID 的 1B 的表格,以及具有用产品名称映射的产品 ID 的另一张表格。我们试图找到经常由同一用户一起购买的配对产品,例如葡萄酒和开瓶器,薯片和啤酒。如何找到这些并存的成对产品中的前 100 名? 请详细描述 L1 和 L2 正规化之间的区别,特别是对于它们对模型培训过程本身的影响的差异。 假设你有 100,000 个文件分布在多个服务器上,如何在 Hadoop 中处理这些文件? Python 和 Scala 有什么区别? 解释 LRU 缓存。 如何设计一个客户端 - 服务器模型,客户端每分钟发送一次位置数据?如何将数据从一个 Hadoop 集群传输到另一个 Hadoop 集群? Java 中有哪些不同类型的 memory? 如何处理数百个标题的元数据同时进行的日常繁琐任务? 在数据流和可访问性方面,如何衡量在隐藏时间框架内的成功,在这个时间框架中,核心超载了将计算机能量重定向到地窖圆顶的过度复杂文件系统的边界结构? 你最想拥有的超能力是什么? 你有时间系列的传感器,预测下一个读数。 使用 SQL 创建超市购物篮输出。 你有什么心理实践经验?(基于研究组合的问题) 您在表征方面的专长是什么?通常使用什么?你如何在研究中使用它并找到有趣的结果?(Research Portfolio based question) 你如何处理失效分析? 检查一个二叉树是否是左右子树上的镜像。 什么是随机森林?为什么朴素贝叶斯更好? 总结 六家代表着顶尖科技的技术企业,六套面试题,大家可以在这几套题中看到每家公司的侧重点有何不同,建议先收藏再慢慢研究。如果你能够为上面的面试题给出解答,欢迎留言联系我们,我们将很乐意把你的解答发布出来给其他读者参考,大家共同进步!如果你在面试中遇到了其他问题,也请留言或加入我们的社群,相信 AI 前线社群万能的大牛们会为你解答! 如果你能把上面这几套面试题研究透彻,就算进不了这六家公司,相信国内的 AI 大厂同样会为你敞开大门,未来就在你的手中! 参考链接 https://medium.com/acing-ai/microsoft-ai-interview-questions-acing-the-ai-interview-be6972f790ea https://medium.com/acing-ai/amazon-ai-interview-questions-acing-the-ai-interview-3ed4e671920f https://medium.com/acing-ai/facebook-ai-interview-questions-acing-the-ai-interview-5982add0af55 https://medium.com/acing-ai/google-ai-interview-questions-acing-the-ai-interview-1791ad7dc3ae https://medium.com/acing-ai/uber-ai-interview-questions-acing-the-ai-interview-9532794bc057 https://medium.com/acing-ai/apple-ai-interview-questions-acing-the-ai-interview-803a65b0e795 值得一提的是,新洲区的这场网上招聘会不仅实现了企业招聘的移动化,还融入了人工智能黑科技。系统支持两种在线面试形式——AI面试和视频面试。候选人不仅通过视频通道与面试官远程连接,进行一场“零接触”的面试,还可以和AI虚拟面试官进行对话,完成面试题和线上测评。 ▲ AI面试 vs 视频面试 面试结束后,企业会看到一张由AI自动生成的候选人画像,包括候选人的知识、技能、性格、素质、动机、价值观等分析数据,候选人情绪波动、微表情分析结果,以及AI生成的招聘建议,企业可以从中获取更精准、更深入的候选人信息,从而提升招聘准确率。 ▲ 人才画像 从发布职位到完成入职,这样一套完整的招聘流程,企业和候选人在手机小程序上就可以全部完成。企业HR、求职者足不出户就能在线完成一场招聘活动。 在严峻的形势下复工复产,是摆在武汉政府,乃至全国各地政府面前的一个挑战。新洲区的“零接触”招聘会,在当前的特殊时刻,对于重点企业复工复产,保证防疫物资供应,保障民生国计,具有重要意义。 e成科技作为一家人力资源科技公司,也在这场全国性的战“疫”中积极贡献自己的力量。目前,e成科技仍在与更多的县市政府积极寻求合作,期望可以通过科技的力量,为更多的政府、群众、企业搭建温情的就业桥梁,助力政府打好疫情防控和招工稳岗双战役。 如果您正好得知有相关的政府机构(人社局/就业局/大数据局/政府旗下人才市场或者网站/协会/商会)需要这样的服务,欢迎为我们牵线! 想要通过AI面试,还得学会用眼睛微笑 2020-02-20 17:21 来源:OFweek人工智能网 每年春节假期过后,伴随返岗复工大潮的,往往还有各行各业的企业招聘,但因疫情影响需要进行防控措施,不少求职者或面试官也受客观条件所限,尚未正式开始求职招聘。 企业对远程招聘的诉求逐渐突显,BOSS直聘发布的数据显示,春节后10天视频面试次数是19年秋招旺季首周的20倍。 有需求自然就会有市场,远程面试在往届并不算热门话题。但随着人工智能 日渐兴盛,从医疗行业到信息安全领域,都有商业应用落地。 结合当下的市场环境,人工智能在人力资源领域的应用“AI面试官”被推向了舞台中央。 优势 AI视屏面试基于自然语言处理 技术和智能对话技术,通过对话提问,AI能够了解候选人的背景信息并对其资质进行智能筛选。 相较于传统面试,AI面试在时间与空间的利用上拥有巨大的优势,一是招聘面试及时进行,大幅提升了传统面试效率;二是企业可以将更多的精力放在招聘的质量和候选人的多样性上。 不需要HR参与,即可以让AI面试官和千千万万的求职者进行面试,通过大数据推导出求职者的岗位匹配度,并且随着深度学习的进化,这个过程会逐步缩小前期的模糊界定,会变得精确异常。最终面试的过程、结果都会直接给到HR做最终的判断和选择,从很大程度上提升了企业招聘的效率。 劣势 随着AI的大面积推广和应用,人力资源管理将全面数据化和精确化。但其核心仍然是逐渐积累形成的大数据通过算法进行精确识别的过程。 弊端在于数据是不可逆的,一千个观众眼中有一千个哈姆雷特。 AI面试官的评判标准取决于数据库,精准岗位推荐也是基于匹配技术,这对岗位画像和人才画像的要求更加高,需要大量的简历、测评以及结果数据进行模型训练。这样一来,不恰当的解析也会随之进入到AI面试官的决策过程中。 而万千求职者当中肯定会出现几位特别的“哈姆雷特”,而AI面试官将直接给出PASS这些个例的结果,这将导致未来很难出现打破常规的人与事出现。 对于更加细分的招聘领域来说,当下专用的数据资源仍需进一步的积累 。目前AI面试适用于有大量初筛需求的公司,对于需要管理视野和思维格局,以及如何做出正确的决策高竞争性岗位并不太适用。 学会用眼睛微笑 根据韩国经济研究所数据显示,韩国131家大企业中,近四分之一正在或打算借助人工智能进行面试。 而这一趋势也催生了一项新产业,那就是针对人工智能面试的培训班。培训班将辅导求职应对人工智能面试的技巧。 为了应对AI面试、找到心仪的工作,数万韩国人砸钱上AI补习班,而这些补习班平均200元/小时。 很多毕业生和求职者都叫苦不迭:工作本就够难找了,现在还要额外花钱、花时间学习如何和程序算法打交道。 例如用面部识别技术分析求职者的性格是人工智能面试的关键环节,首尔职业咨询师朴成正告知求职者们“不要用嘴唇挤出笑容,要用眼睛微笑”。 在综合分析大量数据时,不会因为你的一个微笑或一皱眉就丢了工作之类,但会让你的分数稍微上下波动一下。有10%-30%的分数权重是由面部表情决定的,剩下的大部分取决于面试者使用的语言。 如此看来,“AI面试官”也知道“伸手不打笑脸人”。 写在最后 未来的人工智能,将逐渐成为中国企业乃至中国社会发展过程中最为基础的应用设施,将渗透在社会各界的方方面面,但仍需要与企业本身需求与特点相结合,进行因地制宜的优化,才能做出最正确的决策。 并且韩国求职者也在采访中表示:“跟普通的面试官相比,人工智能让我觉得不太舒服,因为它不会进行个性化的提问。” 可见这种人工智能应用想要大范围普及仍面临着不少挑战,在技术上需进一步完善,许多求职者的抵触心理也是必须考虑的问题。 相关阅读 AI 面试 大数据 云计算 求职 七大新品集中亮相,腾讯云AI大数据全线升级 2019-12-12 AI+大数据,助力云化网络智能化 2019-04-19 云计算、大数据与AI殊途同归,不如融为一体? 2018-10-09 从融合洞见AI未来:看云计算、大数据与AI之间的关系 2018-10-06 从融合洞见AI未来,看云计算、大数据与AI之间的关系 2018-09-28 分享 本地收藏打印推荐给朋友 声明: 本网站所刊载信息,不代表OFweek观点。刊用本站稿件,务经书面授权。未经授权禁止转载、摘编、复制、翻译及建立镜像,违者将依法追究法律责任。 发表评论 共0 条评论,0人参与 yuhonghong[退出] yuhonghong[退出] 请输入评论内容... 最新评论 热门评论 暂无评论 图片新闻 ​ 钢铁侠改名为钢铁女侠将有助减少AI偏见 ​ 阿迪达斯涉足AR,推出可持续产品 ​ 园区“圈地”自动驾驶独角兽为几何? ​ 手机也可以训练视频识别模型?麻省理工给您答案! ​ 一名博士CEO的人工智能创业之旅 ​ 人工智能在各类具体场景的发展前景和现状 ​ 距AI年度评选结束时间仅剩2天了! ​ 西蒙副校长将分享AI+教育研究成果 最新发布 技术引领,蚂蚁金服立项IEEE国际标准 “中国无人驾驶第一案”尘埃落定 不愿被谷歌和苹果羞辱的汽车制造商们不哭,中国apollo了解一下? 从“刷脸时代”的来临,看中国AI的真实写照 为什么说中国将在AI领域与美国齐头并进? 直播活动 ​ 欧司朗红外光源助力安防监控与智慧城市 最新活动更多 即日-3.15 立即下载 【干货分享】数据中心互连的三大趋势-白皮书系列 限时免费下载 即日-3.20 立即答题 DUCO多可(系列)协作机器人有奖知识达人大赛 3月24日 立即报名 OFweek 2020中国物联网在线展会 3月25日 立即报名 OFweek 2020中国医疗科技在线展会 3月25日 立即报名 欧司朗红外光源助力安防监控与智慧城市在线研讨会 3月31日 预先登记 OFweek 2020中国智能制造技术在线展会 推荐专题 2019中国(合肥 · 肥东)AIoT产... AI+的想象空间有多大 OFweek 2019 AI+教育高峰论... WAIE 2019第四届上海国际人工... 一周热点 月点击榜 1华为安防更名,欲延展非工业领域 2大数据告诉你多少人未返广东 3腾讯与钟南山团队成立AI实验室 4美国商务部批准科大讯飞实体清单豁免申请 5腾讯优图开发出新算法,能精准识别戴着口罩的人脸 6自动消毒清洁机器人投发抗疫一线,助力医院后勤系统智能升级 7科学家研发新型AI算法 首次独立发现抗生素分子 8西方半导体界唯一“独角兽”是如何养成的? 9疫情之下,重见医疗AI诞生初衷 10华为安全CTO开讲:未来已来,安全有AI 企业服务 广告服务 猎头服务 薪酬报告 人工智能 猎头职位更多 大客户销售/新零售+人工智能方向/Topsales百万年薪 上海悠络客电子科技股份有限公司 大客户销售(互联网电商+人工智能) 多商网(趋势动力旗下) AI人工智能工程师/ 机器视觉工程师 广州市汇研微电子技术有限公司 大客户销售代表(电子商务+人工智能) 广州市趋势信息技术有限公司 互联网销售(AI人工智能+会销+高提成) 广州聚焦网络技术有限公司 售前工程师(人工智能方向) 广州广电运通金融电子股份有限公司 电话销售(互联网软件/云计算/大数据/人工智能) 智慧芽信息科技(苏州)有限公司 NVIDIA高级销售专员(人工智能) 英迈电子商贸(上海)有限公司 高薪诚聘人工智能、智能安防产品销售代表 上海美赞美数码科技有限公司 博士后(人工智能、算法方向) 北京中星微电子有限公司 ·面对疫情,AI得贤招聘官告诉你这样面试更安全 来源:益群网 2020-02-06 19:18:06 A+ A- ​ 满足2个条件可报考健康管理师,国家认可,含金量高 广告 春节延长假期已接近尾声,但面对当前疫情形势,在家办公还是回单位工作成为当前企业和员工热议的话题。为降低疫情扩散风险、同时保证企业的正常运转,不少企业已经开启远程灵活办公模式。 远程办公开启后,企业即将面对一场新的挑战——疫情下的人才招聘。春季人才招聘是企业招贤纳士的黄金时期,众多求职者也选择在此时找寻新的工作机会。但在当下疫情面前,哪怕再求贤若渴,招聘方和求职者首先考虑的都是能否保证健康安全。近日,人社部甚至发布了事业单位暂停线下公开招聘的通知。多重因素影响下,企业HR纷纷开始寻求线上招聘面试解决方案。而在线上视频面试产品中,AI得贤招聘官备受关注。 据了解,AI得贤招聘官能够为企业提供从初筛到评估录用的一系列自动化服务,包括视频面试、AI视频面试、职位一键发布、简历集合和查重、AI简历解析、AI面试聊天机器人、计算机编程能力评估考试系统、认知能力测试、在线背景调查等AI和RPA招聘系统服务,并支持PC端、微信小程序端使用。 作为国内较早进入成熟商用的AI视频面试系统,AI得贤招聘官基于篇章级的语义识别算法能够针对候选人回答的内容进行分析,并利用计算机视觉和声音算法对候选人的表情和声音特质进行判断,最后通过综合多模态的AI决策推荐算法为企业遴选出合适的候选人。 AI得贤招聘官一站式AI+RPA线上解决方案不但能在疫情期间为企业HR和候选人提供安全、健康的招聘和应聘体验,同时也解决了传统招聘过程中出现的疑难问题,大大提高了HR的工作效率,提升了企业效能。 众志成城,共同抗疫!此时此刻,AI得贤招聘官正在推出免费使用申请活动,助力企业,共度难关! ​ ​ AI视频面试已成为招聘新趋势。当前的疫情也加速了企业在人才招聘智能化、AI化上的新进程。在面对变化莫测的外部市场环境时,企业只有善于运用先进科技手段,不断重塑和优化业务流程,才能真正拥有核心竞争力以应对各种变化和挑战。 免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。 ·2019年校招京东、百度、头条算法面试经历 ​ 19年小菜鸡 关注 2018.08.21 01:24:28字数 1,585阅读 2,607 · 学历背景: 清华本硕,硕士方向是自然语言处理,CCF A类论文一篇。目前拿到了京东,腾讯和搜狗的offer,因为腾讯和搜狗基本上没有问什么面试题,就两边聊了聊沟通一下,因此就不介绍面试经历了。 ·1 京东面试经历 面试的京东的商品推荐的算法岗,在北辰大厦(奥森旁边),面试难度总体来说比较简单。 (1) 到公司之后先做了一个小时的笔试题目,包括四个简答题和两个编程题,简答题主要是C语言相关的。 Map和Set的插入和查找的复杂度是多少,Set是否可以存储类 递归和循环可以互相转换吗? epull和select的原理以及区别? 什么时候会调用构造函数和析构函数?父类的构造函数可以是virtual的吗? 编程题也特别简单,一道题是一个有序的数组,寻找数组的中的两个数它们的和是否等 于某个值target,返回True或者False,要求O(n)的复杂度。 另一道题目是一个数组,两个相邻下标的数组的值的差的绝对值为1,然后在这个数组中寻找某个值是否在这个数组中,是的话返回下标,否则返回-1。 (2)第一轮面试也特别简单,主要就是聊了聊自己的论文是怎么做的,实习的时候干了啥,然后再出了一道编程题,一个无序数组,只有0,1,2,然后你要对这个数组进行排序,要求O(n)复杂度。(荷兰国旗问题) (3) 第二轮面试也是主要是聊了聊自己的论文,然后推导SVM的原理,然后logistic和SVM的区别,Attention注意力机制的原理,RNN的公式等。还有一个编程题反转链表。 面试完三天拿到了口头offer,感觉总体来说还是比较简单的。 2018/8/22 更新,今天收到了京东的录用函,看了一下工资感觉应该是SP的offer,好开心,感谢实验室老板收留我在组里读研学到了好多deep learning的经验~ <>· ·2 头条面试经历 本菜鸡的头条面试没有过,太菜了。一共三轮面试,难度其实都挺高的。 (1)第一轮面试面试官出了一个对我来说很难的算法题然后没做出来。 面试题目是: 给你一个无序数组,求数组中任意两个数的差的的绝对值的乡下取整的和。 这个题本菜鸡只会做如果数组是整数的情况,对于浮点数的情况不会做,面试官说是用逆序对去求解,当时面试的时候也没有复习到这个点。 (2)第二轮面试略简单,第一个题目是概率题,给你2K+1个硬币,问扔完之后正面比反面多的概率是多少。 第二个编程题也不是很难,就是坑比较多,一个有序的数组,寻找数组的中的两个数它们的和是否等于某个值target,返回这样的两个数的个数。第三个面试题也挺简单的,问1~n个数组成二叉搜索树,有多少种形状不同的二叉树。 (3)第三面很坑,本来本菜鸡应该是投的自然语言处理的算法岗或者AI Lab,结果面试的时候被分到了做推荐的算法岗,然后就GG了。面试的问题感觉还是挺难的。主要有MLP手动求梯度,给你十亿个用户的数据,寻找每个用户最相似的10个用户(要求可以有一个很好的分布式算法)。你平时有没有读过推荐算法的论文? 聊一下一个你了解的推荐算法(本菜鸡只知道协同过滤算法)。Map/Reduce原理。然后本菜鸡就挂掉了 <>· ·3 百度面试经历 百度面的是凤巢广告组(明明投的是自然语言处理岗!!),目前还没有面完,只面了两轮。 (1) 第一轮面试相当简单,就是给面试官解释一下你的论文,然后写了一下RNN(GRU)的公式,然后写了一个快排的程序。 (2)第二轮的面试挺难的,面试官问的比较广,而且问的也结合了他们的具体应用场景。比如基于内容如何进行标题的改写(把看起来很平常的标题转为标题党的标题);给定一个网页,如何推荐网页最后面的广告信息;Relu、Sigmoid和tanh分别有什么不同;SVM为什么需要核函数,以及用了核函数之后数据的维度是变低还是变高了;如何解决过拟合问题(面试官最推崇的居然是减小模型,本菜鸡没有想到这个点);Dropout,Layer Normalization, residual net的作用;如何设计一个命名实体识别的的Neural模型;用CNN去处理文本信息的时候,如果只有一层CNN,设计一个模型结构,以及参数的大小;为什么CNN作用这么强大,可以处理图像以及文本信息;还有几个编程题,不过都巨简单就不说了。 百度的面试只面了两轮,然后第三轮的面试官有事情所以没有面完,面完总体感觉,百度的凤巢组目测应该是经常是使用CNN进行文本信息的处理;感觉自己应该还没有凉凉吧。 to be continued 8人点赞 日记本 "小礼物走一走,来简书关注我" 赞赏支持还没有人赞赏,支持一下 “黑科技”亮相人博会:AI智能面试 大数据筛选简历 2019-10-25 01:04 中国新闻网 打印 放大 缩小 来源标题:“黑科技”亮相人博会:AI智能面试 大数据筛选简历 中新网杭州10月24日电(张煜欢 翁娴)“假如在工作中遇到情绪化的同事,你会怎么做?”一间封闭的房间内,一场特殊的AI智能面试正在进行。电子屏上的虚拟面试官向应聘者提问,待应聘者回答完成所有提问后,一份岗位匹配的评估报告将自动生成……24日,2019中国(浙江)人力资源服务博览会于杭州举办。现场,类似AI智能识别面试系统等“黑科技”吸引众多关注,展现新技术赋能人力资源管理的新趋势。 “人工智能面试过程还是挺清晰的,体验也非常新奇。”从事人力资源工作的袁萍刚刚体验完这套AI智能面试系统,她告诉记者,在招聘环节应用这一技术能帮助提高初筛效率、节省成本。 该系统有个形象的名称——“魔镜”,其依托AI、大数据、心理学专家团队资源,帮助企业最大化模拟真实面试场景,实现在任何时间、任何地点自动化面试及评价候选人。“企业使用‘魔镜’面试,大约可节省80%的招聘时间、节省70%的招聘成本,并提升30%的招聘精准度。”系统开发方、猎聘杭州分公司总经理柴卿说。 大数据“黑科技”加持面试环节,也为简历筛选工作提高效率。“什么样的人适合我们公司,什么样的人才能留得住?”这一困扰人力资源管理者的问题,北京希瑞亚斯科技有限公司开发的智能化招聘管理系统“MOKA”给出了答案。 该系统能根据企业人才库形成人才大数据画像,新投递的简历将在比对企业人才大数据后自动显示匹配度、打上标签,为人力资源管理者筛选简历提供帮助,该系统将提高约51%招聘速度,节省32%招聘支出。 除了招聘环节,合同签订环节也有了“科技感”。过去传统的纸质合同制作繁琐,传达效率低,而深圳法大大网络科技有限公司创新的电子合同无需快递、打印,只需完成线上签署,合同即可实现永久保存。 “我们服务的一家客户,其员工分布在全球各地,纸质合同形式签约非常复杂。使用电子签约,只需10分钟,入职手续及劳动合同即可全部完成,签约成本节省90%以上。”法大大HR事业部产品技术负责人姜秋阳说。 据悉,本届人力资源服务博览会共吸引全球130家人力资源服务机构设展,300余家上市公司参加展览,近万名人力资源行业从业者观展览。(完) 首页 推荐 国内 国际 财经 军事 汽车 社会 体育 科技 娱乐 星座 八卦 街拍 健身 情感 你的位置:首页 > 科技新闻 > 新闻正文 AI智能“面试官”来了!它能“看懂”你的微表情 发布时间: 2019-06-19 02:02:54 来源: 广州参考 作者: 网络整理 栏目: 科技新闻 点击: 455 面试时任何一个微表情、语调都逃不过AI智能“面试官”的“眼睛”?6月18日,猎聘8周年发布会暨2020年校园推介会在广州 面试时任何一个微表情、语调都逃不过AI智能“面试官”的“眼睛”?6月18日,猎聘8周年发布会暨2020年校园推介会在广州举行。发布会上,猎聘发布AI智能识别面试系统“魔镜”,并发布《2020校园招聘趋势洞察报告》。AI智能识别面试系统能够模拟真实面试场景,计算机通过机器学习对候选人进行360°全视角分析,预测算法会对语言指标及非语言指标分别进行收集与分析,最终得出候选人的胜任力报告。 AI智能识别面试可降低企业七成招聘成本 “打开手机,点击HR发来的面试邀请中的链接,输入密码,即可参与面试。”据猎聘才测总经理兼人才战略专家肖婷介绍,“魔镜”可以测试面试者的交流能力、社交能力、计划能力、判断力、创新能力等,最后得出综合能力,可以帮助HR从海量的简历中进行筛选。 AI智能识别面试系统如何实现候选人分析?“这个系统可以进行语调分析,通过语调、力度等特征,揭示各种情绪。通过分析候选人的态度、注意力、专注力等信息,实现表情分析。”肖婷解释,该系统还可以结合关键词和上下文,分析候选人的回答内容,如通过抓取候选人回答的专业词汇,分析经验值等。 肖婷指出,AI智能识别面试系统最大的优势在于客观性,能避免人力面试中会遇到的顺序效应、首因效应等。另外,“魔镜”产品可以实现任何时间、任何地点、自动化面试/评价候选人。通过“魔镜”,企业的招聘成本将降低 70%;招聘时间将减少80%;招聘的准确度将提升 30%。 “多元”成为“95后及00后”的关键词之一 当前,95后及00后已经开始迈进职场,《猎聘2020校园招聘趋势洞察报告》基于猎聘平台大数据和调研数据,将95后及00后的关键词定义为:多元、淡定、直接、现实、积极、爱家。 猎聘品牌营销中心总经理把冉表示,95后及00后获取信息的渠道多元化,娱乐生活多元化,且在对待就业的态度上,也表现出明显的两极分化。关于在校大学生选择第一份工作的调查,46.35%的受访者选择了“先就业后择业”,而30.48%的人群表示“不将就,找到满意的为止”。相对优越的精神物质生活条件也给予了95后及00后多选择,调研发现仅三分之一的大学生选择了毕业后立刻工作,而继续深造成为大学生的热门选项,其比例接近45%,除此之外,13.33%的人群选择毕业后先旅游再就业。在表达和接收信息上,95后及00后喜欢直接有态度的表达,更关注与自身相关的内容,易接纳明确实用的信息,这个特点在企业校园宣讲会上尤为突出。 此外,95后及00后也是现实的一代,他们从不羞于谈钱,在被问及“选择第一份工作,哪个因素对你最重要”时,收入成为占比最高的选项,为25.4%,但他们虽然看重金钱,却对自身的认知比较高,会理性评估自身价值,对于第一份工作月薪,37.46%的985、211大学生期望最低月薪在3000—5000元。而在积极和爱家方面,95后及00后倾向于在职场中遇到问题时,积极调整自己,主动适应现实环境,并且家庭因素对于他们的决策影响较大,孝敬父母已成共识,家属关怀等软福利是他们重要的关注点之一。 梳理核心人才需求 解决企业招聘难题 校园招聘会一直是企业招聘高校人才的重要渠道之一,近年来越来越多的企业开始意识到校招对于挖掘优质人才资源、增强自身企业竞争力的重要性。猎聘校园负责人温志远在《企业校招四大痛点与解决之道》的演讲中指出,企业在校招过程中往往会面临招聘质量低、拒OFFER率高、简历数量少、执行没保障四大核心痛点。 他表示,针对上述四大痛点,企业应该梳理核心人才需求、精准锁定目标学生、精准渠道触达,设计合理有效的活动保证招聘质量,并通过每年更新的校园学生数据库及精准宣传和校园老师等的支持保障简历数量,还可以通过前期的数据分析定制方案,统一执行标准及面试结束至签约期间保温维系OFFER PARTY等一系列流程,提高签约率。 活动现场,猎聘还与广州市天河区文化创意产业协会及广东财经大学、华南理工大学、华南农业大学、暨南大学等众多当地高校代表达成战略联盟,旨在聚焦文化创意人才的引进和培养。 微软分享史上最大基于Transformer架构的语言生成模型 本文作者:周蕾 2020-02-11 08:53 导语:英伟达的“威震天”现在只能屈居第二了。 微软AI&Research今天分享了有史以来最大的基于Transformer架构的语言生成模型Turing NLG(下文简称为T-NLG),并开源了一个名为DeepSpeed的深度学习库,以简化对大型模型的分布式培训。 基于Transformer的架构,意味着该模型可以生成单词来完成开放式文本任务。除了完成未完成的句子外,它还可以生成对输入文档的问题和摘要的直接答案。 去年8月,英伟达曾宣布已训练世界上最大的基于Transformer的语言模型,当时该模型使用了83亿个参数,比BERT大24倍,比OpenAI的GPT-2大5倍。 而此次微软所分享的模型,T-NLG的参数为170亿个,是英伟达的Megatron(现在是第二大Transformer模型)的两倍,其参数是OpenAI的GPT-2的十倍。微软表示,T-NLG在各种语言建模基准上均优于最新技术,并在应用于许多实际任务(包括总结和问题解答)时表现出色。 不过,像Google的Meena一样,最初使用GPT-2,T-NLG最初只能在私人演示中共享。 微软AI研究应用科学家Corby Rosset在博客文章中写道:“除了通过汇总文档和电子邮件来节省用户时间之外,T-NLG还可以通过为作者提供写作帮助,并回答读者可能对文档提出的问题,由此来增强Microsoft Office套件的使用体验。” 具有Transformer架构的语言生成模型可以预测下一个单词。它们可用于编写故事,以完整的句子生成答案以及总结文本。 微软表示,他们的目标是在任何情况下都能够像人类一样直接,准确,流畅地做出响应:以前,问题解答和摘要系统依赖于从文档中提取现有内容,这些内容可以作为备用答案或摘要,但它们通常看起来不自然或不连贯。使用T-NLG这样的自然语言生成模型,可以自然地总结或回答有关个人文档或电子邮件主题的问题。 来自AI领域的专家告诉VentureBeat,2019年是NLP模型开创性的一年——使用Transformer架构无疑是2019年最大的机器学习趋势之一,这导致了语言生成领域和GLUE基准测试领导者的进步,Facebook的RoBERTa、谷歌的XLNet和微软的MT-DNN都纷纷加入到各类基准测试榜首的争夺当中。 同样是在今天,微软还开源了一个名为DeepSpeed的深度学习库。该学习库已针对开发人员进行了优化,以提供低延迟、高吞吐量的推理。 DeepSpeed包含零冗余优化器(ZeRO),用于大规模训练具有1亿个或更多参数的模型,微软过去曾用它训练T-NLG。 微软表示,DeepSpeed和ZeRO使得他们能够降低模型并行度(从16降低到4),将每个节点的批处理大小增加四倍,并将训练时间减少了三分之二;DeepSpeed使用更少的GPU可以使大型模型的训练效率更高。 开发人员和机器学习从业人员都可以使用DeepSpeed和ZeRO,因为培训大型网络(例如利用Transformer架构的网络)可能会很昂贵,并且可能会遇到大规模问题。 另外,Google的DeepMind今天也发布了一种新的远程内存模型Compressive Transformer,以及一种针对书本级语言建模的新基准PG19。 雷锋网编译,via VentureBeat 33个常见NLP面试问题整理 自然语言处理 NLP 在NLP的面试中提问频率非常高的问题。 作者:Pratik Bhavsar 编译:ronghuaiyang 首发:AI公园公众号 练习NLP是一回事,破解面试是另一回事。对NLP人员的面试与一般的数据科学非常不同。在短短几年内,由于迁移学习和新的语言模型,这些问题已经完全改变了。我个人经历过,随着时间的推移,NLP面试变得越来越艰难,因为我们取得了更多的进步。 早些时候,都是关于SGD,naive-bayes和LSTM,但现在更多的是关于LAMB,transformer和BERT。 这篇文章是我在接受采访时遇到的一些问题的小的总结,希望能对现在的NLP的面试的一些重要方面有所帮助。在transformer架构之后,我更关注NLP中发生的事情,这也是我在面试中主要的问题。 这些问题对于评估NLP工程师非常重要,如果你没有被问到任何一个问题,你可能正在面试一个过时的NLP团队,他们做复杂工作的范围更小。 1.什么是perplexity?它在NLP中的地位是什么? Perplexity是一种表达模型在预测中出现的混乱程度的方法。熵越大=越混乱。使用Perplexity来评估NLP中的语言模型。一个好的语言模型会给正确的预测赋予更高的概率。 2.ReLu的问题是什么? 爆炸梯度(通过梯度裁剪来解决) 死亡ReLu — 激活为0时不进行学习(通过加参数的ReLu解决) 激活值的均值和方差不是0和1。(通过从激活中减去约0.5来部分解决这个问题。在fastai的视频力有个更好的解释) 3.使用SVD学习潜在特征和使用深度网络获取嵌入向量有什么区别? SVD使用输入的线性组合,而神经网络使用非线性组合。 4.LSTM的hidden和cell存储的信息是什么? hidden存储到当前时间步的所有信息,cell存储将来的时间步中可能需要的特定信息。 5.带bias的LSTM模型的参数个数 4(𝑚h+h²+h) 其中 𝑚 是输入向量的尺寸, h 是输出向量的尺寸,hidden也是一样。 要注意的是 mh 中 m>>h. 因此重要的一点是需要使用小的词汇表。 6.LSTM的复杂度 序列长度* hidden² 7.transfomer的时间复杂度 序列长度²* hidden 当hidden尺寸大于序列长度时(通常是这种情况)时,transfomer速度比LSTM快。 8.为什么self-attention怎么牛逼? “在计算复杂性方面,当序列长度n小于表示维数d时,self-attention层速度比recurrent层要快,实际情况也往往是这样,同时可以在机器翻译中使用最先进的模型来进行句子的表示,比如word-piece和byte-pair表示。“ — Attention is all you need 9.Adam optimiser的局限性是什么? 虽然使用Adam进行训练有助于快速收敛,但结果模型的泛化性能往往不如使用SGD进行动量训练时的泛化性能。另一个问题是,即使Adam有自适应学习率,当使用良好的学习率计划时,它的性能也会提高。特别是在训练的早期,使用较低的学习率来避免发散是有益的。这是因为在一开始,模型的权值是随机的,因此得到的梯度不是很可靠。如果学习率太大,可能会导致模型采取太大的步骤,而没有确定合适的权重。当模型克服了这些初始稳定性问题后,可以提高学习速度,加快收敛速度。这个过程被称为学习率热身,其中一个版本在论文“Accurate, Large Minibatch SGD: Training ImageNet in 1 Hour”中有描述。 10.AdamW和Adam有什么不同? AdamW是Adam在权重上使用了L2正则化,这样小的权重泛化性能更好。 11.使用大的batch size可以训练模型更快吗? 是的! 在2018年4月的这条推特中,Yann建议不要使用大的batch size。 好消息! 这在以前是不可能的,但是现在有了新的优化器,比如LARS和LAMB。ALBERT使用了LAMB和batch size为4096进行了训练。 Large Batch Optimization for Deep Learning: Training BERT in 76 minutes 12.你喜欢特征提取还是微调?你怎么决定?你会使用BERT作为特征提取器还是对它进行微调? 在这篇文章中有详细的解释。 Transfer Learning in NLP 13.举一个学习率调度策略的例子? 解释Leslie Smith的cycle策略。 14.我们应该在深度学习中进行交叉验证吗? 不用。 随着样本数量的增大,cross-folds的方差减小。因为我们只有在样本成千上万的情况下才进行深度学习,所以交叉验证的意义不大。 15.在多任务学习中,软、硬参数共享的区别是什么? 在硬共享中,我们一次训练所有的任务,并根据所有的损失更新权重。在软共享中,我们一次只训练一个任务。 16.注意力机制有哪些不同类型? 17.BatchNorm和LayerNorm的区别? BatchNorm — 为每一个小batch计算每一层的平均值和方差 LayerNorm — 独立计算每一层每一个样本的均值和方差 18.为什么transformer块使用LayerNorm而不是BatchNorm? 从LayerNorm的优点来看,它对于batch大小是健壮的,并且在样本级别而不是batch级别工作得更好。 19.如果你知道你的训练数据有错误,你会对你的深度学习代码做什么改变? 我们可以做标签平滑,其中的平滑值是基于百分误差。如果任何特定的类有已知的误差,我们还可以使用类权值来修正损失。 20.如何为一个任务选择文本编码器?你最喜欢的文本编码器是什么?为什么? 这是一个主观问题,你可以通过阅读Variety Of Encoders In NLP 了解更多。 21.在ULMFiT中使用了哪些技巧?(不是很好的问题,但是可以检查意识) 使用任务文本进行语言模型的调优 权重dropout 每个层独立的学习率 逐步的解冻层 斜三角学习率策略 接下来可以提出一个问题,解释它们是如何提供帮助的。 22.为什么transformer的性能比LSTM好? Why do Transformers yield Superior Sequence to Sequence(Seq2Seq)Results? 23.有趣的问题:在transformer中使用最多的层是哪一层? Dropout 😂 24.技巧问题:告诉我一个不使用dropout的语言模型 ALBERT v2:这说明了一个事实,我们认为理所当然的许多假设并不一定是正确的。ALBERT中参数共享的正则化效果非常强,不需要dropouts。(ALBERT v1有dropouts。) 25.GPT和GPT-2有什么区别? Layer normalization放到了每个sub-block中,类似于残差单元的“building block”(和原始的“bottleneck”不一样,原始的里面在权重层之前有批归一化层)。 在最后的self-attention block之后添加了一个额外的layer normalization。 使用模型深度的函数来对初始化进行修改。 残差层权值初始按1/√n的倍数缩放,其中n为残差层数。 使用更大的词汇量和上下文。 26.GPT和BERT有什么不同? GPT不是双向的,没有masking的概念 BERT在训练中加入了下一个句子预测任务,所以它也有 segment嵌入 27.BERT和ALBERT v2有什么不同? 嵌入矩阵分解(有助于减少参数数量) 没有dropout 参数共享(有助于减少参数数量并进行正则化) 28.ALBERT中的参数共享如何影响训练和推理时间? 没有效果。参数共享只是减少了参数的数量。 29.如何减少训练好的神经网络模型的推理时间? 在GPU/TPU/FPGA上进行服务 16位量化,部署在支持fp16的GPU上提供服务 剪枝以减少参数 知识蒸馏(用于较小的transformer模型或简单的神经网络) 分层softmax 你也可以缓存结果,这里有解释。 Productionizing NLP Models 30.给你这个图表,你会选择transformer模型还是LSTM语言模型? 31.你会把BPE与经典模型结合使用吗? 当然!BPE是一个智能的tokens生成器,它可以帮助我们获得更小的词汇表,这可以帮助我们找到参数更少的模型。 32.如何制作一个arxiv论文搜索引擎?(有人问我 —— 你怎么做一个抄袭检测器?) 用TF-IDF相似度得到k个top的结果,然后用 语义编码+余弦相似度 一个排序模型 On Semantic Search 33.如何制作一个情感分类器? 这是个脑筋急转弯。面试者可以说所有的事情,如使用转移学习和最新的模型,但他们需要说到有一个中性的类,否则你可以有很好的准确性和f1值,模型会把一切只分为积极或消极。 事实上,很多新闻都是中立的,所以训练需要设置这个类别。被面试者还应该谈到他将如何创建一个数据集和他的训练策略,如选择语言模型,语言模型微调和使用各种数据集进行多任务学习。 —END— 英文原文:https://medium.com/modern-nlp/nlp-interview-questions-f062040f32f7 推荐阅读 NeurIPS 2019:进入NLP的黄金时代 10个2019年机器学习和NLP的研究亮点 2 テキストです。ここをクリックし「テキストを編集」を選択して編集してください。「テキスト設定」からフォントや文字サイズ、文字色などを変更することもできます。 AI诊断新冠病毒,今日首战郑州“小汤山” 2020-02-16 11:03:44 来源: 科技日报 作者: 乔地 フォームの始まり フォームの終わり 科技日报记者 乔地 “20秒对新冠疑似案例CT影像做判读,准确率96%。”在被称为郑州“小汤山”的岐伯山医院,阿里达摩院研发的最新AI诊断技术,今日进行国内首次实战。 据悉,在郑州“小汤山”医院开启实战后,还将在湖北、广东、安徽等地近百家医院落地。 AI技术正在成为疫情防控战的“新兵种”。阿里达摩院算法专家徐敏丰介绍,这项新AI技术是基于国内5000多个病例的CT影像样本数据,学习、训练样本的病灶纹理,研发的全新算法模型。由旗下达摩院、阿里云两个事业群联手完成。 据了解,一位新冠肺炎病人的CT影像大概在300张左右,医生对单一病例CT影像的肉眼分析耗时约5-15分钟。该项技术可在20秒内,能准确地对新冠疑似案例CT影像做出判读,分析结果准确率达到96%,进而量化病症的轻重程度,大幅提升诊断效率。徐敏丰说,随着临床诊断数据的积累,新冠肺炎的影像学大数据特征逐渐清晰,AI算法将在新冠肺炎诊断中发挥更大的价值。 达摩院医疗AI团队是基于当前最新的诊疗方案,及钟南山等多个权威团队发表的关于新冠肺炎患者临床特征的论文,与浙大一附院、万里云、长远佳和古珀医院等多家机构展开深度合作。在基于5000多个病例的CT影像样本数据,学习、训练样本的病灶纹理,从而研发出这一全新的AI算法模型的。 在CT影像识别算法之外,达摩院还与阿里云研发了辅助诊断算法。该算法可以根据患者基本信息、症状、实验室检查结果、流行病学史、影像报告等多维信息,进一步帮助辅助医生制定科学的治疗方案。 据悉,2月6日郑州岐伯山医院正式验收移交时,阿里云团队就以信息化建设项目总集成方身份正式入场。经过一周奋战,完成了能支撑医院50多个子业务系统、40多类信息化设备、700多套硬件设施的运转,从而实现了新冠患者从建档、诊疗到康复的全流程、全业务场景的智能化协同管理。 责任 谷歌开源「AI手势识别」算法 ·2019-08-24 09:55·互联网 阅读:1352 谷歌公司的科学家们研究出一种新的 计算机视觉 方法,用于实现手部感知。该方案能够在实机实验中仅凭一帧图像识别出一只手(或者多只手)上的21个3D点位。只要在手机上就能进行实时追踪,并且还能同时追踪多只手,可识别遮挡。 实时手形与动作跟踪方案,一直是手语识别与手势控制系统中最为核心的组成部分,同时在部分增加现实体验中也扮演着重要角色。然而,现有技术往往因为遮挡或者缺乏对比模式等问题的困扰,无法提供理想的可靠性。 面对这一现实挑战,谷歌公司的科学家们研究出一种新的计算机视觉方法,用于实现手部感知。作为幕后推手,机器学习技术为提供了强大助力。根据介绍,该方案能够在实机实验中仅凭一帧图像识别出一只手(或者多只手)上的21个3D点位。与目前市面的手势识别技术相比,谷歌的全新技术不需要依赖台式机来计算,只要在手机上就能进行实时追踪,并且还能同时追踪多只手,可识别遮挡。 早在今年6月,谷歌就在2019计算机视觉与模式识别大会上公布了此项技术的预览版本。2月之后,谷歌于美国时间8月20日正式宣布将该技术集成于引入MediaPipe当中。MediaPipe是一套开源跨平台框架,用于构建多模应用机器学习流水线,可以处理不同模态(例如视频与音频)中的感知数据。该项目的源代码以及端到端使用场景目前都已经在GitHub上全面公开。 研究工程师Valentin Bazarevsky和Fan Zhang在博文他们的当中写道:“感知手部形状与运动姿态的能力,有望成为改善各类技术表现及平台用户体验的重要助力。我们希望将这种手部感知功能交付至更为广泛的研究与开发社区处,利用大家的力量共同促进创新用例的出现,刺激新的应用方式并开拓出前所未有的研究途径。” 据了解,谷歌的这一技术包含三套串联工作的AI模型:一个手掌探测模型(BlazePalm)用于分析框体并返回手部动作边框;一个手部标记模型(Landmark),用于查看由手掌探测器定义的裁剪后图像区域,并返回3D位点;一个手势识别模型,用于将之前计算得出的位点归类为一组手势。 BlazePalm:手部识别绝不像听起来那么简单。GlazePalm必须能够解决手部遮挡这一现实难题。为此,谷歌团队训练出一款手掌探测器BlazePalm——注意,是手掌而不是手部。他们认为,对拳头这类物体进行边界框描绘,在难度上要比跟踪手指低得多。具体地,BlazePalm可以识别多种不同手掌大小,具备较大的缩放范围,还能识别手部遮挡,能通过识别手臂、躯干或个人特征等信息准确定位手部。除此之外,这种方式还有另一大优势,就是能够很好地兼容握手等特殊场景,利用忽略其它宽高比条件的方形边框模拟手掌,从而将所需的3D点数缩减至以往的三分之一到五分之一。据统计,经过训练之后,BlazePalm识别手掌的准确率可以达到95.7%。 Landmark:在手掌检测之后,手部标记模型开始接管,负责在检测到的手部区域之内建立21个由手到肘的3D定位坐标。在训练当中,模型要求研究人员手动注释多达3万份真实场景下的图像,并立足多种背景对相应坐标进行渲染和映射,最终创建出高质量的合成手部模型。据统计,在经过训练后,算法的平均回归误差可降低到13.4%。 手势识别模型:流水线上的最后一步是手势识别,该模型利用关节旋转角度来确定每根手指的状态(如弯曲或伸直),并将手指状态集合与预定义的手势映射起来,进而预测基础的静态手势。Bazarevsky和Zhang介绍称,该模型能够识别来自多种文化(例如美国、欧洲与中国)的算数手势,以及握拳、“OK”、“摇滚”、“蜘蛛侠”等常见手势。 除此之外,这些模型也可以执行对应的单独任务,例如利用显卡进行图像裁剪与渲染,从而节约计算资源;并且,手掌探测模型只有在必要时才运行——因为在大多数时段内,后续视频帧内的手部位置只凭计算出的手部关键点即可推理得出,不再需要手掌探测器的参与。也就是说,只有当推理置信度低于某个阈值时,手部检测模型才会重新介入。 展望未来,Bazarevsky、Zhang及其团队还计划建立更强大且、更稳定的跟踪扩展技术,同时增加能够可靠检测出的手势数量,并考虑支持即时动态手势识别。他们总结道:“我们相信,这项技术的发布将为研究及开发者社区带来助力,帮助他们发现更多新的创意与应用方向。” 相关标签 人工智能将成为抗击新疫情“最大希望” 2020年02月24日 10:51 761 次阅读 稿源:参考消息 1 条评论 人工智能常常被描述为一股对人类“有害”的力量。批评人士说,广泛使用人工智能和自动化技术最终将导致数以百万计的就业岗位消失,而埃隆·马斯克等技术先驱则警告称,人工智能技术存在失控风险。英媒认为,人工智能也有可能带来非常巨大的好处。 据英国《每日电讯报》网站2月22日报道,支持者举例称,这项技术可以提高行车安全度,优化我们的沟通方式,并能使劳动者腾出手来、集中精力从事更重要和回报更高的工作。 近日有消息称,人工智能在开发一种强大新型抗生素以对付世界上最危险的细菌方面发挥了核心作用,这彰显了这项技术的另一个好处。 报道称,对于应对正在持续的新型冠状病毒疫情来说,麻省理工学院研究人员取得的这一突破可能出现得太晚了,但这一突破能在今后其他类似的疫情中发挥关键作用吗? 麻省理工学院对人工智能进行了专门训练,以寻找已知能有效抑制大肠杆菌生长的潜在抗生素分子。通过让机器学习算法在几天内充分筛查庞大数据库中逾1亿种化合物,研究人员发现了这种分子。 初步试验证明,这种分子能有效抑制大肠杆菌。 一些复杂细菌对传统药物有耐药性。上述算法可以大大提高发现能对付这些复杂细菌的抗生素的速度。 英国帝国理工学院行为分析实验室主任奥尔多·费萨尔博士说,这一突破基于“很棒的研究”。 费萨尔说,此前帝国理工学院曾开展类似研究,利用人工智能搜索食物化合物库,以对付癌细胞。 这位副教授还说,即使利用人工智能发现了一种能对抗与新冠肺炎类似的疫情的抗生素,也需要开展可能耗费数月时间的严格临床试验。 他说:“这些都是偶然发现,但这是在海滩上淘金的一种极高明方式。” 费萨尔说,或许能以其他方式利用人工智能阻止病毒引发疫情。其中一种方法就是,利用人工智能实现“虚拟隔离”。一个例子是,建议伦敦某个地区的居民在某一特定时间按特定路线出行,从而更普遍地减少他们与其他人的接触。 总部设在英国牛津的初创企业埃克赛恩希亚公司是利用人工智能帮助发现新药的公司之一。 该公司首席执行官安德鲁·霍普金斯说,由于使用了算法,未来十年,新疗法从概念进入临床试验阶段可能仅需18至24个月。 埃克赛恩希亚公司已经设计出一种治疗强迫症的新化合物,在经过不到一年的最初研究阶段后,这种化合物即将在实验室中接受测试。该公司说,这比平均速度快了约4倍。 总部设在英国剑桥的希尔克斯公司也在使用类似方法,但该公司利用机器学习技术为现有药物寻找新用途。这两家公司均利用期刊、生物医学数据库和临床试验等来源为自己的算法提供信息,以帮助提出疾病的新治疗方法。 报道称,虽然麻省理工学院的突破还处于早期,但它确实表明了在下一次震动世界的疫情期间人工智能可能是多么重要。 本周AI热点回顾:wuhan2020登上Github热榜、五分之一作者将缺席AAAI2020 转载PaddlePaddle 最后发布于2020-02-09 20:13:46 阅读数 62 收藏 01 中国开源项目wuhan2020登上Github热榜,开发者加入支援大军! 近日,Github上一个名叫“wuhan2020”的项目登上了热榜,这是一个武汉新型冠状病毒防疫信息收集平台。项目前端网页:https://wuhan2020.github.io/ 地址:https://github.com/wuhan2020/wuhan2020 针对 2020 年初在武汉爆发的新型冠状病毒疫情,该项目旨在收集各医院、酒店、工厂、物流、捐赠、捐款、预防、治疗、动态等信息,统一收集,统一发布,以便各方之间进行信息互通,有效调配社会资源。 例如医院信息的石墨文档,如果我们加入志愿者,就可能需要将不同官方数据源中的信息填入下表。 当然作为开发者,我们也可以构建更好的使用体验,例如优化 Web 前端、可视化展示数据、爬虫自动化采集数据等等。如果读者想要加入志愿开发者,也可以查阅 GitHub 项目。目前志愿开发者可以从 ISSUE 中挑选任务,并将其分配给自己。 信息来源:机器之心 02 五分之一参会者将缺席AAAI 2020,中国作者可远程演讲 在疫情影响下,大家不仅开始在线办公、在线上课,甚至连学术会议也要在线参与了。 在疫情肆虐的时候,美国禁止中国人入境,受此影响,本来今天要在纽约举办的AAAI 2020会议,不少中国作者无法出席。本来,杨强教授要在AAAI 2020上介绍他的一篇论文,但鉴于疫情四散的紧张状况,他决定放弃去美国。而国内AI大厂百度,也被AAAI 2020接收了28篇论文,百度的作者们也无赴美介绍论文了。 根据预估,中国大陆大约有800名参会者无法线下出席AAAI 2020。而正常会议本来有4000人左右参会,相当于五分之一的参会者都被迫缺席。面临这样严重的情况,AAAI也被动加入了“线上办公”的行列。 AAAI 2020程序主席、杜克大学教授Vincent Conitzer宣布,受疫情影响的中国参会者可以远程参会,远程参会的具体事项会有中国的同事帮忙。对于因新冠病毒而无法线下参会的所有论文作者,AAAI官方说,最好能找个可以参会的同事来介绍论文,在找不到的情况下,AAAI可以提供以下帮助: 提交演讲PPT,AAAI会给到演讲者会议主席的邮箱,以方便演讲者进行提交。 需要进行演讲的作者,会议期间会接入电话会议来远程演讲。 需要展示Poster的作者,可以找方便到会场的同事来打印张贴,实在找不到人的话AAAI可以安排在纽约印刷张贴,不过要收96美元(669人民币)的服务费。 信息来源: 量子位 03 英伟达DALI加速技巧:让数据预处理速度比原生PyTorch快4倍 深度学习的加速上,除了对训练和推理过程的加速之外,还有对数据加载和预处理阶段的加速。这一阶段也尤为关键,因为数据处理 pipeline 的处理速度也影响着整体的流程效率。英伟达数据加载库 DALI 是一个便捷式开源库,用于图像或视频的解码及增强,从而加速深度学习应用。通过并行训练和预处理过程,减少了延迟及训练时间,并为当下流行的深度学习框架中的内置数据加载器及数据迭代器提供了一个嵌入式替代器,便于集成或重定向至不同框架。 近日,有开发者介绍了如何使用 NVIDIA Data Loading Library(DALI),以及使用这个库进行数据预处理加速的方法。DALI 和 TensorFlow 自带的 DataLoader 类似,是一个专门用于加速数据预处理过程的库。 在一篇博客中,开发者表示,该库不仅可以进行 GPU 加速,也可以在 CPU 上构建一个完整的数据预处理流程。如果在 Tesla V100 上做测试,PyTorch+DALI 的处理速度能达到 4000 images/s,比原版 PyTorch 要快近 4 倍。开发人员可以在 GPU 上运行他们的数据处理通道,从而减少训练神经网络的时间。 DALI 设计之初就是用来帮助用户突破数据预处理的瓶颈,使得模型的训练和推理能够达到最高的效率。其主要设计是用于在 GPU 上的预处理,但大多数操作也可在 CPU 上实现。 DALI主要特征 易于使用的 Python API 在多个 GPU 之间显式地缩放 加快图像分类(ResNet-50)和目标检测分类(SSD)工作流 灵活的计算图使得开发人员可创建自定义的数据处理 pipeline 支持多种格式 - LMDB、RecordIO、TFRecord、COCO、JPEG、H.264 以及 HEVC 开发人员可添加自定义的图像或视频处理 operator 信息来源:机器之心 04 李飞飞、邓中翰当选美国国家工程院院士 美国国家工程院院长约翰·安德森今天宣布,美国国家工程院(NAE)选举出了87名新院士和18名国际院士。这样一来,美国的总院士数达到了2309,国际院士数达到了281。 入选美国国家工程院院士是授予工程师的最高专业荣誉之一。其目的是表彰那些对“工程研究、实践或教育,包括在适当的情况下对工程文献的重大贡献”和“开拓新的和发展中的技术领域,在传统工程领域取得重大进步,或开发/实施工程教育的创新方法”做出突出贡献的人。 在10月4日于华盛顿举行的NAE年度会议上,新当选的院士将正式入职。 今年入选的共有6名华人院士,和一名中国籍的国际院士。知名华人学者李飞飞和中星微电子董事邓中翰入选。 李飞飞:斯坦福大学计算机科学教授。为建立大型机器学习和视觉理解知识库做出了贡献。 邓中翰:中星微电子有限公司中星微电子集团首席执行官/董事长,中国北京。开发世界上第一台CMOS单芯片网络摄像头和中国的监视视频和音频编码(SVAC)国家视频标准。 05 本周论文推荐 A guide to deep learning in healthcare(医疗深度学习技术指南) 作者:Andre Esteva, Alexandre Robicquet, Bharath Ramsundar, Volodymyr Kuleshov, Mark DePristo, Katherine Chou, Claire Cui, Greg Corrado, Sebastian Thrun & Jeff Dean 论文概要:我们介绍了医疗保健的深度学习技术,重点讨论了计算机视觉、自然语言处理、强化学习和广义方法的深度学习。我们将描述这些计算技术如何影响医学的几个关键领域,并探讨如何构建端到端系统。我们对计算机视觉的讨论主要集中在医学成像上,我们描述了自然语言处理在电子健康记录数据等领域的应用。同样,在机器人辅助手术的背景下讨论了强化学习,并综述了基因组学的广义深度学习方法。 论文地址:

ご利用のアカウントにログインしてください。
他のサイト会員のフォローや記事へのコメントは、ログイン後に行うことができます。
bottom of page