Capital one面经
2018(7-9月) 分析|数据科学类 博士 全职@Capital One - 校园招聘会 - 技术电面 | Other | fresh grad应届毕业生
趁金鱼记忆没有消失的时候赶紧写一下攒个人品 LZ是转行PhD申请DS。上周和recruiter电话聊了就立刻安排了电面。 一个data scientist manager面的,感觉还是很nice的,如果答错了或者漏答了会停下来提醒几遍,如果是比较开放式的问题,答出新的点就会去下一个题。 自我介绍以后就开始问那个经典的预测信用卡用户会不会关户的问题。如果给你一堆dataset,比如信用卡一年的交易记录、客户个人信息,银行想预测客户会不会在一个月之内关户,如果会的话,银行打算发一点cashback rewards给这些人挽留一下。让你建模预关户。 以下是面试官的问题:
以下内容需要积分高于 200 您已经可以浏览
1. 你会选哪些feature?(感觉是随便说,只要有关系。追问如果是一堆transaction的日期之类的,应该怎样rebuild feature) 2. 怎么做data cleaning: a. 怎样detect outlier?. From 1point 3acres bbs b. 怎样fill in missing data?(我说可以填constant比如mean,然后他追问填mean在什么情况下不合适、怎样更好) c. 如果target value也missing了怎么办 3. 你选什么model?(我说decision tree,然后他让我说有没有其他model,优缺点分别是什么,target是什么。target应该是一个binary的值whether the customer will close the account in one month,如果regression得到了0~1之间的值就代表how likely) 4. 怎么看model 的performance,用什么package. From 1point 3acres bbs 5. 如果data size很大有1TB,怎样sample,用什么package. From 1point 3acres bbs 6. 如果model不准确,会给银行造成什么损失? 7. 如果用model predict得到了一堆target的值,应该怎样根据target发rewards (我说画个distribution,给最可能关户的百分之几客户发rewards。追问除了这种方式还有什么方式,我也不确定是考modeling还是business sense) 8. 最后一个是地里看到的一模一样的open question,两人都有5000limit,但是一个用100%一个只用2%,这两人有没有可能都在一月之内关户。面试官应该看你第一反应是考虑model的问题还是考虑其他方面。 |
2015(1-3月) 分析|数据科学类 硕士 全职@Capital One - 网上海投 - 技术电面 在线笔试 | Other | fresh grad应届毕业生
刚面完的C1,很热很烫的面经。 HR面: 问问简历问题,还有你会些什么语言擅长什么。 OA:在hackerrank做的,所有题都要自己写Scanner in = new Scanner(System.in)来读入。 两天后被通知电面。 1. 简历问题,问的非常细致,我之前做过一个推荐系统,这个面试官对这一块非常擅长,所以问得很细很专业,我没答好,加上一开始的确听不懂。所以建议大家可以先linkedin面试官,看看他擅长什么,我遇到过几次面试官喜欢问自己擅长的东西。
以下内容需要积分高于 133 您已经可以浏览
70个男的,30个女的,如果用这个数据做数据分析会有什么statistical issues,问这个100个顾客会是什么样的distribution
Simpson's paradox 3. walk through一个mapreduce问题,一组数据,四个columns: name, category, # of transactions in 2014, dollar values of transaction in 2014,需要知道每个category的average dollar values per transaction,怎么用mapreduce做,其实就specify一下mapper和reducer的input和output,然后在reducer里求一下平均值什么的。 我感觉是跪了,C1的DS面经地里估计是第一个,求大米啊求大米。 补充内容 (2015-3-20 00:13): |
2019(10-12月) 分析|数据科学类 博士 全职@Capital One - 网上海投 - 技术电面 | Other | fresh grad应届毕业生
本帖最后由 naivelamb 于 2018-11-11 04:31 编辑
Position: Principal Associate, Data Scientist 题目是有一个运动产品的零售商,来找你优化他们的在线广告竞拍系统,提高response rate。假设你有的数据是3, 000, 000用户的访问数据,每行数据有150多个column,已知overall的response rate是1/1000。 最后5分钟让提了下问题。接下来的流程是等HR回复结果,做一个data challenge(应该是给数据建模型),然后on-site。 |
2018(10-12月) 分析|数据科学类 硕士 全职@Capital One - 网上海投 - 技术电面 | Other | fresh grad应届毕业生
网上海投的new graduate data scientist,第一轮是一个Technical Assessment,给了一周时间做。考的题有1.基本数学计算 2.python code结果分析,例如问经过几次循环后输出是多少,或者问最终x=?,y=? 3.数列题/找规律题 4.给几个table写数据库查询SQL语句 考的题不难,就三个方面:数学+python+SQL 第二轮是30 minute business mini-case + a 15 minute job fit。我因为不在当地选择了zoom视频面试。不知道是不是因为我是新毕业生的关系,给我分配的面试官感觉也是一个刚入职的,讲真感觉很不专业。而且之前小秘给我发邮件,前前后后改了三次zoom面试的时间,很醉。 面试上来先自我介绍, 面试官给屏幕共享可以看到一个word文档, 题目大概是这样的: our sever run cost is xxx, 其他固定成本是xxx,能容纳xxx TB流量。 我们大概有xxx个客户,每个客户交付给我们server使用费为xxx/month。我们给每个用户分配xxxGB,但是平均每个用户只会用掉期中的xx%,所以我们可以把剩下的空间再去接纳更多的客户。问:每年盈利是多少?现有另外一种server b, cost is xxx,capacity is xxx。。。请权衡比较我们要不要把已有server换成server b-baidu 1point3acres job fit就问的很简单,问python会多少,一般用哪些package,最近做过的ds项目。 |
2018(10-12月) 分析|数据科学类 硕士 全职@capital one - 网上海投 - HR筛选 技术电面 Onsite 在线笔试 | Fail | 在职跳槽
分享一个capital one Data Scientist 的面试经验: 第一轮:HackerRank online coding challenge 第一部分150分钟四道题,并不很难,我选择的语言是,python因为他们公司内部也全部转用python, 他们可能更希望你会Python 基本上熟悉一些基本sorting, probability,reverse the order of a sentense, find distinct value, how to define function ( 建议可以看以下udemy的一个python 入门课程: Complete Python Bootcamp: Go from zero to hero in Python 3, 看完前面几个基础章节足够应付这个online coding challenge) 第二部分是一个45分钟的Online 测试,也是来自hackerrank, 全部选择题 大部分是关于概率问题, 稍微复习下基本概率问题就行 很少部分sql 的问题 第二轮: 做完coding challenge 第2天收到邮件 安排hr电话面试 电话面试内容主要问现在的工作经验和做的一些project 还有问是否用到predictive modeling, regression一类的, 电话面试的结尾, 同时安排了第一轮Onsite 第三轮: Onsite tecnical part 1 第一部分是一个case interview 关于一个amusement park 说今年的revenue减少, 问你可能是什么原因 . 然后给了market share的一个公式, 还有计算一下如果改变门票价格 如何能breakeven 还有问你有什么建议 要注意的是 改变价格的时候 之间给的market share 公式不再适用 要自己想其他办法来计算 ,期间Interviewer 有correct 我几次, 最后也是把所有问题做完了 第二部分是sql 这个很容易 只要熟悉基本的join table 就足够 第三部分: 给一个file, 让你用r 或者python 从读file 开始, 写code. 最后会继续问 如果我们有300 多个file 问你要怎么解决这个数据量大的问题, 我回答用map reduce 然后他们会继续问 如何实行, 一定要搞懂map reduce原理 我没有再收到Onsite part 2的面试, 估计是case那部分做的不是很理想吧 补充内容 (2019-1-14 10:30): 突然想起onsite job fitting interview 一些其他问题 没找到怎么编辑帖子,我记得onsite的时候会问很多modeling都是细节 尤其predictive modeling, random forest, logistic regression这类的 如果简历里面写了这方面工作经历,一定要准备充分 因为他们会问的很细节包括如何建model,用了哪些parameter,结果如何 还有为什么要选这个model |
2018(4-6月) 分析|数据科学类 硕士 全职@capital one - 网上海投 - HR筛选 Onsite 在线笔试 | Other | fresh grad应届毕业生
自从前两天onsite回来一直也无心学习无心做事。虽然recruiter反馈了recommend to hire,然而还没收到正式offer总是不安心,昨天和hiring manager 也聊的并不是很好,这个组做的感觉偏business analyst,听完这个manager的介绍提不起兴趣。也知道应届毕业小硕不好找DS,而DA大部分就是做分析类的工作,用用SQL,tableau写写report什么的,唉然而我一个想做model想做machine learning的心。但是又不好意思和recruiter说再帮我找找别的组怕把即将到手的offer给弄丢了。等待下周一周二不知道会有怎样的结果。
废话说了一堆,来说说面经吧。在linkedin上海投的senior data analyst,recruiter第一次联系我都是一个半月以前的事了。之前在地里也看了几篇这个职位的面经,具体流程几乎完全一样,很标准化。 data challenge: 我面的两个case都是银行相关的。第一个是ATM的,第二个是要发行一个personalized credit card。 personalized credit card: behavior的话基本都是glassdoor上说到的题目,我的是介绍一个accomplishment,一个帮助过别人的例子,一个失败的例子并学到什么。 |
2018(4-6月) 分析|数据科学类 硕士 全职@capital one - 内推 - HR筛选 技术电面 在线笔试 | Pass | 在职跳槽
May1st final on-site interview, 据说很多人都败在final round 了,祝我好运! 应聘是data scientist- senior manager @ Richmond-VA , 但是因为资历不足, 就被recruiter建议降级到principle associate 级别了,据说在C1 是个很常见的职位,但是我问了一下salary觉得可以接受。我实际上是data engineer 转 data scientist, 而且我也想积累更多business和management的经验, 所以我认为这个貌似是个不错的机会。 At the step of resume submission, what I learnt is that having a reference from C1 is really important, as I actuallly applied for two role- principle and senior manager, but I got arejection on the principle while a chance on senior manager( that is higher level), only because my freind referred me in C1's HR system. 目前我已经通过了四轮- recruiter screen, hackerrank online coding test, Job fit sort-of phone interview and a homework. 大概大家都是这个流程,而且C1对于所有面试都非常standardized,网上有很多经验贴, 所以比起列入所以问题(其实我基本都忘了),我主要给出一些shortcut tips: 最后的最后,我先在工作的小组正在招lead data scientist,这是真正的cutting-edge project, 如果你想做real Data Science, 而且是big data + machine learning的大型项目,但是项目组却很小,所以每个人都play multiple roles,还有我们老板真的非常有眼光。Well, 那为什么我自己不要这个职位,哈哈哈,因为资历不足。https://www.themuse.com/jobs/finra/lead-data-scientist-technology-new-york-ny-or-rockville-md, 感兴趣的请留言给我。 |
2018(1-3月) 分析|数据科学类 硕士 全职@Capital One - 网上海投 - HR筛选 技术电面 Onsite | Fail | 在职跳槽
分享一个capital one Data Scientist 的面试经验,回馈地里,已跪,也算造福后人吧。
一年多工作经历,去年12月在网上海投,到今年18年2月末挂在onsite,2个月的时间,经历四轮面试+onsite,职位地点在纽约,Data Scientist。 12月末海投大概一周后收到通知,第一轮与HR电话聊聊经历,之后第二轮收到一个 HackerRank online coding challenge,两个小时三道题,并不很难,不涉及复杂算法。又大概一周后收到技术电面通知,也就是第三轮,一上来先聊简历,之后对方假设了一个数据条件和场景,然后一步步往下问,从cleaning,feature engining,到 model selection, validation,同时也涉及大数据量的情况,问当数据量很大的时候怎么处理,用什么工具,问的比较细致,有的地方要大概描述代码怎么实现,电话持续一小时。这一轮之后大概几天,HR通知过了,进入第四轮,第四轮是一个 data challenge,边写code边写思路,一周的时间,题是关于NYC green Taxi,地里有人分享过原题,大概是需要建一个回归模型预测出租车小费比例,个人觉得重点在于如何观察数据,清理数据,feature engining,数据中有缺失值,异常值,之后也要选择模型,对比模型表现,最后写出结论和future work,challenge的最后是一道5选一的开放题,我是选了做visualization,用tableau做了一个interactive dashboard。这个challenge挺花时间,我用了大概四天,尽量把思路都写清楚,值得一提的是github上能找到一些前人做的,可以提供一些思路。这轮之后过了一周,HR通知过challenge过了,安排了两周后的onsite。 onsite是在2月下旬,纽约办公室,全天面试,早上8点半到,9点开始,一直到下午3点半,中间1小时吃饭休息,一共6轮,每轮1小时,轮与轮之间几乎没有休息,一直在一间小会议室里,有几轮是远程视频,面试官都是 Data Science director 或者 VP data science。六轮中2轮business case,2轮tech(有一轮叫hiring manager interview 但实际是tech),1轮role play,1轮behavioral。网上有business case interview 的介绍视频,不了解的同学可以看一下。从9点开始,第一轮business case,场景是超市发放private credit card,有一些上一年的历史数据,问题涉及计算 profit,revenue,cost,market share,计算 market share 的时候要先计算全城有多少信用卡,面试官不会一下子把数据都给你,你要想计算时需要什么数据,考虑多种情况,同时问面试官某些数据有没有,比如说计算全城有多少信用卡就需要全程人口总数,成年人比例,和人均信用卡持有数三个数据,这些都需要问面试官才会得到。另外最后会有开放性的讨论,就是计算出一些结果,问你根据这个结果要采取什么样的行动,这个就比较靠business sense,要讲出道理。这一轮9点到10点,然后10点喝口水就又开始下一轮,第二轮同样是business case,一位VP,情景是电话接线员,给一周每天的平均电话时间,电话数量,还有一个是转接率(一个接线员不能解决问题需要转接的情况),计算围绕每个电话的平均通话时间,转接电话数量等等,最后也是开放讨论,如何才能降低转接率,提高接线效率。之后11点开始role play,role play 是飞机delay经典问题,网上可以搜得到,我再具体讲一些,就是假设你是一个数据咨询公司的咨询师,面试官是你的客户,一位business manager,假设他不懂统计和模型,他给你提供另一个数据咨询公司做的分析,是大概10几页slide,里面有各种分析图表和一个预测模型,让你给他讲一下这个分析都做了什么,根据它提供一些解决delay的思路,同时评价一下这个分析做的好不好,不好的地方提出改进思路。给你15分钟自己看材料,然后25分钟给他讲。讲的时候我是把材料一页一页都过了一遍,以咨询师的角度,抓住几个重点,1是讲解材料内容解释数据图表和模型,数据中不合理的地方要指出(如异常值);2是发现问题提出改进,分析做的不好的地方,没意义的图表,模型的缺陷等等,提出改进办法;3是要时刻为客户着想,通过手上的材料,客户可以采取哪些行动和尝试来减少delay。这一轮真是挺考基本功和交流能力的,看数据和图表要细心,要尽量考虑全面,比如可以增加哪些feature,如何提高模型。这一轮12点结束,之后开始第四轮behavioral,也是上午的最后一轮,主要问了如何团队合作,如何向他人学习,如何解决矛盾冲突,如何合理安排任务优先级,如何面对挑战等等。都是先问一个问题,你讲一个事例,然后他根据你讲的事例深挖不同的问题,我是一共讲了三个事例,每个事例都被问了三个问题的样子。 1点上午的面试结束,中午跟一个 senior data scientist 吃饭,相互聊了聊经历和公司环境。下午是两轮tech,第一轮2点开始,问了multinomial distribution,结合不同的模型谈这个分布的应用,然后白板写sampling from multinomial distribution,之后问了variance 和 bias, 解释和如何检测,最后聊了聊如何根据不同分布生成fake data。我是这一轮答的不好,其实挺基础,但我之前并不常用这个分布也没准备到,最后也就挂在了这一轮。后面最后一轮,面试官非常细致的问了我简历上的一个task,从数据到模型到结果,之后又问了前后端如何衔接(我简历上有提到但应该不是DS必备),模型如何应用到实际等等,本来还应该问data challenge,但面试官说我的challenege写的很清楚明了就不问了。至此,下午三点半多,结束整天的面试,HR送我出办公室。 最后谈一些感想和如何准备,首先onsite是所有轮都通过才算通过(我事后问了HR),所以每一轮都不要放松警惕,哪怕前5轮都很顺利,最后一轮也不能放松,因为就算5个面试官都很喜欢你,但有一个说你不行,你还是拿不到offer。保持一整天的清晰思路挺不容易,所以要做好准备。关于准备,business case方面网上挺多资料,视频和文字都有,多看几个,尤其C1家是做银行信用卡,这方便的知识术语应该提前了解一下,比如信用卡业务如何盈利,成本和收入都有哪些方面,business sense也是平时的积累。behavioral 也要准备几个case/story,网上有几个大类问题的例子(合作,冲突,挑战,失败,领导力等),可以参照着找自己类似的经历。剩下就是tech技术,coding,数据分析建模,统计,机器学习,这几方面的基本功,不一定考的很深,但知识的全面覆盖和应对是有一定难度。 基本也就这些,整体感觉DS找工作还是挺不容易,竞争激烈考察点宽泛,祝愿DS求职者可以拿到心仪公司的offer。C1家整体感觉挺不错,技术环境都不错,有近期面试的祝愿可以拿到offer。 |
2018(7-9月) 分析|数据科学类 硕士 全职@Capital One - 网上海投 - 技术电面 | Pass | 在职跳槽
找工作的时候海投了所有一二线科技公司,还有几家金融企业,其中包括capital one,因为之前看他们宣传自己是金融行业中的科技公司。 Capital One的data scientist 面试流程特别繁琐,一共5轮: 1. HR screening,水过简历,问一下想去哪个组,对什么方面感兴趣 现在job market这么tight,每个人的选择都很多,真不知道这公司的HR怎么想的,弄这么多轮。. From 1point 3acres bbs 现在开始进入正题,面试是聊一个credit card churn model,地里有人分享过,我就补充下细节: 1. Feature engineering,比如从start date算出tenure 等等 面完第二天通知第四步,data challenge。虽然这个NYC taxi问题网上有答案,可是自己还是要花蛮多时间来改的。我问recruiter能不能跳过data challenge直接onsite,她说想都别想。那就只有算了吧,total comp还是比科技公司差了一截。。。没时间搞这个了 |
2016(4-6月) 分析|数据科学类 硕士 全职@Capital One - 内推 - Onsite | Fail | fresh grad应届毕业生
上周五Onsite结束,刚面完的时候自我感觉还行,飞回来想想好像说错或者说得不好的地方还不少,现在心情非常郁结,所以这篇面经将会散发着严肃忧伤的气息。
Capital One Data Scientist职位,这个职位大体上有两个方向,一个是偏统计,一个偏developer。偏统计的基本就是以前的Statistician改了名字,所以面试内容差不多。
目前这个职位的面试流程还在调整中,所以可能环节上与我说的会有不同。我在onsite之前一共有4轮,HR面,Technical Phone,Hackerank Test,Coding Challenge。Onsite当天5轮,两轮case,一轮Role play,一轮behavior,一轮Technical interview。
所以我基本上把目前这个职位面试所有的项目都过了一边,据我所知有的人只有HR和Coding challenge就Onsite了,有的时候Onsite只有一个Case。我在这个面试上花了两个月的时间。唉,说多了都是泪。
HR面很简单,因为我的HR放过我一次鸽子,所以基本没有为难我,就问了该问的信息就安排下一轮了。
Technical Phone Interview是一个关于Credit Card Fraud的case,从Feature Engineering到Model Building都问了,一个case45分钟,所以包括很多细节。这个上午面的晚上就给答复了。
Hackerank Test,Leetcode Easy水平,只记得一个String Manipulate了。不难,跑过Cases即可。
Coding Challenge:一个prediction problem,一个baby name的分析。也不难,我做的好认真啊,花了一个周末的时间,交完了之后正常2-3business days有回复,但我没有收到回复,过好几天发邮件问HR,HR通知我过了。
然后就是Onsite,Case study中有一个是Life Insurance的那个,首先什么样的人会买保险。。。【危险职位的人】,但这样的人我们不想卖给他保险,我们的target应该是什么样的人,我说应该是有familiy的人,同时又不太富裕,所以想给家人留财产。然后接下来就是大概就是死亡率多少时break even,如果你答的很快的话,就会不断深入,比如怎么提高profit啊之类的,我基本说了最直观的方法是提高premium,但是这样可能导致客户数目减少,所以我们要找到balance的点,然后他就问在实际应用中怎么找这个balance点,我说可以发送调查问卷,看有多少客户接受新的premium,然后根据这个比例判断。
第二个是Role play,还是飞机晚点问题,但午饭的时候我问那个人他说可能马上就换了。这个问题我因为见过,所以以为自己应该挺顺利的,但是当我说到有multicollinerity的variable应该从model里移除时,那个面试官一直在追问我为什么,然后我说correlation会导致variance增加,p-value不显著等等,bias estimate【难道不会影响estimate么?】,而且这些variables are telling same story。但是感觉面试官对这个回答并不满意,一直在追问,但是我学过的都是vif>5就移除啊。。。不是这样么?难道我要用PCA?但这个模型显然并不需要用PCA消除correlation这么麻烦啊。。。有什么别的方法么?求教。
第三个又是Case Study,这个比较简单,关于ATM机的,也是break even,然后画了曲线。不过我第一次听错数字了。。。。真是对自己无语。
第四个Behavior问题是tell me a time系列,两个面试官是中国人,在面完前三轮之后看到中国人有一种松了一口气的感觉,他们人也很nice,其实所有面试官都很nice,所以我感觉更难过了。。。呜呜呜。。。
午饭后和director面最后一轮technical,他上来就说这是今天最简单的面试了,他说你可以把笔放下,我们聊聊天就好了,我天真的信了。然后他就说我们聊聊你的project吧,我就把实习的project说了,他问了model,我说我做的是Random Forest部分,他说那你对Random Forest了解多少。。。。然后。。。然后我就装逼了啊!!!我说我以前build model from scratch过,然后他就感兴趣了,他说那你说一下大概的流程,我就又把笔拿起来了啊!!!然后我就说错了,第一步应该是bagging我说成subsampling了。。。director同学很想纠正我这块来着,但是我完全没意识到啊!我就继续说下一步怎么建decision tree了,吧啦吧啦讲大概怎么算information gain,怎么分叉,怎么得出最后的结果,这时候director又尝试拯救我一下,问我这些decision tree会用怎样的不同,但我还是没有意识到。。。然后他决定再给我一次机会,问我还scratch啥model来着,我就说adaboost,这个说对了,然后就轮到我问他问题了。
我觉得如果我挂了,一定是因为我最后装了一个逼。
|
转载于:https://www.cnblogs.com/ffeng0312/p/10275056.html
Capital one面经相关推荐
- 汽车高级驾驶辅助系统ADAS激光雷达创新者Cepton与Growth Capital达成企业合并协议
汽车高级驾驶辅助系统 (ADAS) 和车辆自动驾驶领域光感测距技术(激光雷达)的创新者Cepton Technologies, Inc.(以下简称"Cepton")将与Growth ...
- R语言ggplot2进行特定国家或者地区的地图可视化、在地图上标出所有首府城市所在地(plot the locations of the capital cities)
R语言ggplot2进行特定国家或者地区的地图可视化.在地图上标出所有首府城市所在地(plot the locations of the capital cities) 目录
- Onchain Capital创始人看涨BCH
BCH作为一种主流的加密货币得到了越来越多人的认可,其中不乏一些知名的业界大佬,就比如Onchain Capital的创始人,同时也是CNBC非洲"Crypto Trader"节目 ...
- 美国新桥投资集团(Newbridge Capital) [from baike]
美国新桥投资集团(Newbridge Capital) 亚洲最大的私人股权投资机构之一 美国新桥投资集团官方网站网址:http://www.newbridgecapital.com 新桥集团于199 ...
- 药师帮完成1.33亿美元D轮融资,投资方为老虎环球基金、H Capital和DCM
12月17日消息,药师帮对外宣布完成1.33亿美元D轮融资,投资方为老虎环球基金.H Capital和DCM. 此前,药师帮已经获得过多轮融资,详情见下表: 药师帮是一家医药B2B第三方平台,其所属公 ...
- 快讯 | 美国投资公司Avenue Capital Group联合创始人Marc Lasry:比特币价格可能达到40,000美元...
快讯 | 美国投资公司Avenue Capital Group联合创始人Marc Lasry:比特币价格可能达到40,000美元... 区块链大本营7月19日讯 据美国有线电视新闻网(CNN)报道,美 ...
- 比特币早期投资家:没有人能够阻止其发展 TechWeb 09-27 09:10 凤凰科技讯 据CNBC网站北京时间9月27日报道,风险投资家、“Social+Capital”基金创始人Chamath
比特币早期投资家:没有人能够阻止其发展 TechWeb 09-27 09:10 凤凰科技讯 据CNBC网站北京时间9月27日报道,风险投资家."Social+Capital"基金创 ...
- 顶级风投First Round Capital对创业者的30个建议
顶级风投First Round Capital对创业者的30个建议 硅谷早期风险投资机构First Round Capital通过建立媒体网络,以更全面服务其投资的创业公司.以下是First R ...
- Node Capital生态布局初成,部分项目差强人意
在目前阶段,与其定论区块链是一次生产关系革命,不如实事求是认清区块链仍处在初步实验阶段,各项基础设施仍未建成,具有良好体验的产品尚未出现.在接下来的一段时间,会有大批项目集中落地,这些一代项目的进展对 ...
- LeetCode之Detect Capital
1.题目 Given a word, you need to judge whether the usage of capitals in it is right or not. We define ...
最新文章
- java中文乱码解决方案
- immutable.js笔记
- 如何彻底清除UniAccess Agent
- Linux minilogd占用内存过高及开机启动项修改
- C#-WinForm-ListView-表格式展示数据、如何将数据库中的数据展示到ListView中、如何对选中的项进行修改...
- vs2019键盘钩子_注册全局鼠标钩子后用鼠标点击窗口上最大化、最小化、关闭窗口界面卡死...
- Python官方文档中文版在线教程
- java压缩图片大小不改变图片分辨率
- visio画箭头、画点线,各种连接头
- O形橡胶密封圈设计标准
- VSCode更改默认浏览器
- sqlserver修改主键id自增
- 理解ES6中的TDZ(暂时性死区)
- vmware 虚拟机安装成功,但没有虚拟网卡的解决方法
- 地图对接汇总(百度地图)
- 基于HTML美中华传统文化题材网页项目的设计与实现 (纯HTML+CSS制作中国茶文化网站)
- 星座运势预测,python爬虫
- Python pyautogui 实现自动发送消息
- 仓库 “http://ppa.launchpad.net/chris-lea/node.js/ubuntu bionic Release”
- 数据共享-spark中共享变量深度解析
热门文章
- 2019.12.05【ABAP随笔】 分组循环(LOOP AT Group) / REDUCE
- 今天打开个税APP,我直接人麻了!
- 成功率很高的硬盘坏道软修复方法——————【Badboy】
- 十分钟智商运动 李永乐 有趣的数学 待补充
- VBA 打印设置相关属性及方法
- 【三十天精通Vue 3】 第二十二天 Vue 3的UI框架详解
- matlab由两位随机整数构成的矩阵,建立5阶由两位随机整数构成的矩阵A,其语句是()。...
- Thinkpad笔记本无法从U盘启动,无法用光盘装win7的解决办法
- 使用burp进行暴力破解
- Kubernetes之PersistentVolumeClaim 静态与动态供给实现NFS网络存储(李作强)