最新

大家好， 不久前，我在Reddit上分享了我如何构建一个从头到尾处理求职申请的工具。我对有这么多求职者尝试这个工具并分享他们的经历感到非常惊讶。虽然有不少人找到了新工作，很多人也获得了面试机会，但仍有许多人只收到了拒信。 不过我们也注意到一个规律：很多拒信是在招聘人员甚至还没看到简历之前就发出的。经过深入研究这个问题，我们意识到这通常与ATS（申请人跟踪系统）的问题、缺少关键字或没有针对特定职位定制简历有关。这就是为什么我们花了四个月时间来构建一个AI简历生成器。 我们测试了几乎所有的简历工具，邀请招聘人员提供反馈，甚至进行了私人测试以进行微调。最终的结果让我们非常自豪，但我们每天都在不断改进。 以下是它的功能： - AI驱动的反馈与建议：它不仅仅是格式化你的简历；还会识别问题区域，帮助你完善成就（或者建议一些你可能遗漏的新要点）。 - 深度分析（24个因素！）：我们关注从结构到相关关键字的所有方面，确保你的简历能够通过那些讨厌的ATS筛选。 - ATS友好的模板：每个模板都旨在与现代申请人跟踪系统良好兼容，给你更好的机会被看到。 目前我们将其免费提供，至少在我们的服务器账单耗尽我银行账户的最后一分钱之前！ （开玩笑的……大部分。）我们还会很快添加新功能，比如将你的简历与特定职位描述匹配。我们宁愿把事情做好，而不是匆忙推出半成品，所以请继续关注。 我很想听听你们的反馈、问题或成功故事。祝你们求职顺利，感谢你们关注这个工具！ 祝好，

我有一个浏览器扩展，它在实际网站上执行相同的功能，我希望在移动设备上也能有类似的体验 : )<p>（还有一个很酷的演示）<p>- 音译是通过 to-jyutping（由 Jyutping.org 提供）完成的<p>- 字幕要么是通过我与一些 Canto AI 朋友合作开发的管道从头生成的，要么是通过内部 YouTube 字幕 API 生成的，先转换为 SRT 格式，然后逐行翻译，并分别添加前缀（zh）、（yue）或（en）

我花了几个月的时间完全从零开始用Python构建一个深度学习引擎（仅使用数学和随机数）。<p>最初是一个基本的线性代数计算器项目，后来发展成了一个具有自动微分、自定义矩阵操作、注意力机制、层归一化、GELU，甚至还有一个基于布朗语料库训练的文本生成演示的符号张量系统。<p>我仍然是本科生，所以我的主要目标是深入理解深度学习的实际工作原理——梯度、注意力、反向传播、优化器——通过一步一步构建，全面了解每个细节，而不依赖于大型框架或库。<p>虽然它的速度不快，也不适合生产环境，但这并不是重点。目前，它更侧重于探索和理解。我主要想通过从基本原理出发来探讨深度学习的工作机制。<p>这仍然是一个正在进行中的项目（在结构、文档和性能方面还有很多需要学习和改进的地方），但我觉得值得分享。<p>我非常欢迎任何反馈、问题、想法，或者只是关于你会添加、改变或以不同方式处理的内容的想法。 感谢您的阅读！