IT老兵给新人程序员的建议

本文涉及的产品
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
实时数仓Hologres,5000CU*H 100GB 3个月
实时计算 Flink 版,1000CU*H 3个月
简介: 对于计算机专业学生而言,“进大厂”是热门职业选择。本文邀请58同城高级架构师彭飞,分享应届生进入大厂的必备指南。内容涵盖技术准备、软实力提升、简历优化及面试技巧等关键话题,帮助在校生明确发展方向,提升职场竞争力,实现从学生到优秀程序员的转变。

对于很多计算机专业的同学而言,“进大厂”已经成为毕业后职业道路的首选。但是面试官最喜欢什么样的应届生你知道吗?在校期间应该为找工作做哪些准备?除了技术好,在职场中还有哪些必备软实力?今天,拥有十多年编程从业经验的58同城高级架构师、用户价值增长部 iOS 技术部负责人彭飞将以过来人的身份将为你讲述“应届生进大厂的必备指南”。

我在毕业一开始从事的是 Java 后台开发,后来适逢移动互联网崛起及公司业务需要,走上了 iOS  www.lytailai.com开发的道路,到今天也有近 10 年的光景。对于程序员来说,技术更迭迅猛,需要紧跟步伐不断地吸收新的东西研究技术/工具的变化,才能在技术变革的潮流中不掉队。

在本科学校图书馆的期刊阅览室里,我首次接触到了《程序员》。那时候还没有富余的零花钱持续购买,好在后来读研了实验室也订阅了《程序员》,阅读起来也就方便了许多。在参加工作前,《程序员》让我开阔了视野,知道了行业内发生的事情 www.qzangel.com,以及实际应用领域的最新动态,我记得当时在学校时,经常会在《程序员》上看到微软、百度等国内外著名公司的动态与技术信息。后来参加工作后,除了行业视野外,我更关注其中与实际工作相关的知识与技能。从 2016 年开始,我也成为了《程序员》上的一位作者,会分享一些技术实践的干货。

《程序员》杂志投稿文章

今天,趁着《新程序员》征集「我和《程序员》的故事」这一契机,作为一个曾经的学生,今天从业十余年的人,将我的一点经验和想法和大家分享,希望对于即将或已经成为程序员的大家有所裨益。

大学期间最应该做的事

现在回过头来看,如果问我对于还没有毕业的计算机专业的在校生而言,最关键的是什么?首先,一定是将计算机基础打好,数据结构和算法、操作系统、汇编之类的知识点要真正地把它们搞懂学精,而不仅仅是为了应付考试。特别是数据结构和算法。大学四年期间,如果你能把它培养成自己的核心优势,那基本上就业是不用愁的。其实学校里有很多同学特别会考试,但这并不代表你就能做好工作,只有当你的基础知识足够牢靠,能够基于问题去处理东西,真正地将理论与时间结合起来,这才是真正对你整个职业生涯有帮助的东西。

其次要注重软实力,程序员会写代码不一定代表以后在职业生涯中就能升职加薪。因为技术的输出能力、对项目的管理能力、甚至是人际沟通能力在整个技术圈里也是非常重要的。在企业中,代码写得好不一定能获得领导认可,也不一定能做成项目,技术最终是要体现在业务落地上的。那么在学校里怎样才能获得这种软实力呢?多去参加社团和学生会,多做项目,有意识地培养自己各方面的能力,才能在未来走得更远。Vue.js作者、Linux之父、鸿蒙掌舵人都在这里,技术人生成长,不能错过!

面试官最喜欢什么样的应聘者?

首先要调整好心态,不要被网上所谓的学历、出身等门槛吓退。大厂并没有想象中的那么可怕,里面也有很多只有一两年开发经验的初级程序员,只要在面试前做好准备,掌握适当的小技巧,你会发现大厂也不过如此。如果你是应届生,毫无面试经验,建议在给大厂投简历前,先去一些小公司面试几轮“练练手”,这样你就能快速地知道面试流程及注意事项,争取在真正面试时一击即中。

CSDN付费下载自视觉中国

很多人会在网上花钱找人帮自己美化简历,这足以看出简历的重要性。对于没有太多项目经验的应届生而言,毕业设计就显得尤为重要。无论你做什么项目,都要体现出自己的思考,这个系统要如何使用?在写代码的过程中遇到了哪些技术难点?你是通过什么手段解决的?其中还有没有可改进的空间?无论你是已经具有多年开发经验的程序员还是初出茅庐的技术小白,能够从实践中总结经验,从经验中深度思索,这才是面试官考察的关键。

在大厂,实践>理论

如果你能在面试前,多做几套面试题,那应该能成为一名不错的“备选者”,但你如果能在刷题的基础上找一些实践项目与其融会贯通,分析问题的时候顺带向面试官透露出自己的思考与涉猎,那么你的录取机会就会大得多。很多时候,面试官看的根本就不是你会不会这个理论,他更希望能通过测试题试探出你有没有分析和解决问题的经验。“纸上谈来终觉浅,绝知此事要躬行”,对于很多公司而言,他们更希望能找到理论+实践+业务能力全都具备的人才。

最后我还要再啰嗦一遍,大厂只是一个能通过大量项目迅速提升自己经验和收入的地方而已,不需要把它“神化”。如果经过了努力依然没有进大厂,这并不是说明你还不够努力,只是暂时还不适合而已。

重新开始,专注技术,拓宽自己的行业视野,当你能够站在一个更高的角度上来看待问题的时候,相信那个时候“区区大厂”,指日可待。

相关文章
|
监控 算法 Java
Java GC调优详解
Java GC调优详解
322 0
|
缓存 达摩院 Kubernetes
数据缓存系列分享(六):通义千问Qwen-14B大模型快速体验
阿里达摩院近期对通义千问大模型 Qwen-14B 进行了开源(之前开源的是Qwen-7B模型),目前在ModelScope和HuggingFace上均可直接下载。关于Qwen-7B的搭建可以参考我们之前的文章:数据缓存系列分享(五):开源大语言模型通义千问快速体验版,本文将使用一样的方式打开Qwen-14B,快速体验一下。
2129 0
数据缓存系列分享(六):通义千问Qwen-14B大模型快速体验
|
3月前
|
SQL 人工智能 数据挖掘
Apache Flink:从实时数据分析到实时AI
Apache Flink 是实时数据处理领域的核心技术,历经十年发展,已从学术项目成长为实时计算的事实标准。它在现代数据架构中发挥着关键作用,支持实时数据分析、湖仓集成及实时 AI 应用。随着 Flink 2.0 的发布,其在流式湖仓、AI 驱动决策等方面展现出强大潜力,正推动企业迈向智能化、实时化的新阶段。
397 9
Apache Flink:从实时数据分析到实时AI
|
8月前
|
存储 Cloud Native 数据管理
《云原生数据仓库:原理与实践》,深入浅出助力企业数智化升级
开启AI背景下的数据管理新时代,探索云原生数据仓库的核心技术
|
3月前
|
人工智能 JavaScript 前端开发
​​大模型开发从入门到部署
本内容系统讲解大语言模型技术,涵盖BERT、GPT等主流架构,深入Transformer原理与自注意力机制,结合PyTorch实战,详解张量操作、自动求导与模型训练,并介绍RAG、Agent等典型应用场景,助你掌握AI核心技术。
201 0
|
3月前
|
机器学习/深度学习 运维 Java
Java 大视界 -- 基于 Java 的大数据实时流处理在能源行业设备状态监测与故障预测中的应用(210)
本篇文章探讨了基于 Java 的大数据实时流处理技术在能源行业设备状态监测与故障预测中的应用。文章分析了传统能源设备运维的局限性,如人工巡检效率低、数据处理滞后等问题,并引入 Java 大数据技术作为解决方案。通过实时流处理引擎如 Apache Flink,实现多源异构数据的采集、清洗与异常检测,提升了设备监测的实时性与准确性。同时,文章还介绍了数字孪生、边缘计算等前沿技术的融合应用,并结合国家电网和海上风电场的实际案例,展示了 Java 大数据技术在提升运维效率、降低故障风险和节约成本方面的显著效果。
|
4月前
|
存储 安全 虚拟化
全面解析服务器虚拟化:云计算时代的核心技术架构
服务器虚拟化是云计算的核心技术,通过资源池化提升IT效率。本文详解其原理、部署优势及在数字化转型中的关键作用,涵盖技术架构、应用场景与选型指南,助力企业构建高效灵活的云环境。
467 0
|
9月前
|
存储 固态存储
磁盘和内存的区别
存储特性: • 磁盘:非易失性存储,数据在断电后不会丢失,适合长期存储数据。 • 内存:易失性存储,数据在断电后会丢失,适合临时存储当前运行的程序和数据。 容量: • 磁盘:容量通常较大,从几百GB到数TB不等,适合存储大量的文件和数据。 • 内存:容量相对较小,一般在几GB到几十GB之间,用于提供快速的临时存储空间。 速度: • 磁盘:读写速度较慢,HDD一般在几十MB/s,SSD可以达到几百MB/s甚至数GB/s。 • 内存:读写速度非常快,通常在几十纳秒到几百纳秒之间,能够快速响应CPU的指令。
482 2
|
小程序 前端开发 Java
SpringBoot+uniapp+uview打造H5+小程序+APP入门学习的聊天小项目
JavaDog Chat v1.0.0 是一款基于 SpringBoot、MybatisPlus 和 uniapp 的简易聊天软件,兼容 H5、小程序和 APP,提供丰富的注释和简洁代码,适合初学者。主要功能包括登录注册、消息发送、好友管理及群组交流。
332 0
SpringBoot+uniapp+uview打造H5+小程序+APP入门学习的聊天小项目
|
10月前
|
传感器 资源调度 算法
时间序列分析中的状态估计:状态空间模型与卡尔曼滤波的隐状态估计
状态空间模型通过构建生成可观测数据的潜在未观测状态来进行时间序列分析,卡尔曼滤波为其核心,提供实时隐状态估计。本文深入探讨其理论基础与实践应用,涵盖线性及非线性系统的高级滤波算法(如EKF和UKF),并展示在运动目标跟踪等领域的具体应用,强调了参数调优和性能评估的重要性。
404 11
时间序列分析中的状态估计:状态空间模型与卡尔曼滤波的隐状态估计