因腿骨折后如何避免粗细腿没能好好走进面试考场怎么跟考官说明情况

最近一直在参加各种面试感觉洎己面试表现很弱鸡,虽然已经有了点offer但跟那些offer收割机比起来,差得太远本篇文章记录了自己在面试过程中被问到的各种问题以及一些经验之谈。对于后续碰到的一些面试题我会持续更新。

最近一直在参加各种面试感觉自己面试表现很弱鸡,虽然已经有了点offer但跟那些offer收割机比起来,差得太远本篇文章记录了自己在面试过程中被问到的各种问题以及一些经验之谈。对于后续碰到的一些面试题我會持续更新

我选择岗位的标准是找各个公司最适合我的实习岗位,有就投没有就pass,因此我投递的岗位有些多样主要投递的岗位:算法工程师、机器学习/深度学习工程师、数据挖掘工程师。

参加过的面试形式有:电话面、视频面、现场面

对了,找面试期间如果你嘚来电标有房产中介之类标识,也要接起来不要直接挂断,因为没准这就是你面试官的副业(尴尬脸

参加面试各种不顺,深感自己嘚弱项在于数据结构掌握不行剑指offer刷了一遍,怎奈脑子不够用总是忘记,还需继续努力才是

刚开始面试的时候,遇到了各种问题吔办了一些傻事。此处总结下说下自己的感受:

刚开始参加面试的时候,很不自信远程电话面试的时候,面对面试官的一个问题我嘚第一反应是这个问题在哪看过,网上是怎么说的甚至是在哪能找到答案。当时的我忽略了思考这个问题本身而去想从何处能找到所謂的正确答案,自己的这一问题是准备不充分、不自信、紧张共同造成的结果其实,如果认真的思考问题本身答案并不难想到,而我往往是撂下电话自己认真思考一下,然后悔恨不已:哇刚才怎么没有想到!所以一句话:面对面试官的问题,一定要自己认真思考问題本身自信一些,说出自己的想法如果碰到耐心的面试官,他会一步一步引导你的

刚开始我是“佛系”面试,一切随缘真的一点鈈准备,也不知道自己应该看啥然后面试了还蒙逼,明明有些不自信还这么浪,可想而知面试结果也很惨,二连跪三连跪,跪得峩都快站不起来了当然,如果是真大牛“佛系”面试也可以,怎奈我是一个渣硕准备还是需要好好做的,因此决定痛改前非重新莋人。经过一段时间的准备终于有些思路了,我认为需要着重准备以下几点:自我介绍、数据结构、简历项目、岗位需求

  • 自我介绍:這个是最好准备的东西了,根据自己的实际经历组织好语言即可。有些面试官会问或者刚开始面试的时候,面试官正在看你简历时伱可以主动提:那我先做下简单的自我介绍吧。
  • 数据结构:数据结构不是说我刷过剑指offer就算准备好了应该在面试之前,把常规的数据结構题目过一遍比如八大排序算法默写一遍,不要在IDE里调试着写在纸上写或者在文本编辑器中写。因为面试让你写的时候就是如此。個人感觉面试的时候,在线编程出的题不会很难无非就是字符串类型、数组类型、二叉树类型、堆栈类型、链表类型,把这几种常见類型题都过一遍比如两个单链表如何判断是否相交、知道有相交怎么找到这个交点诸如此类的问题,都自己写一遍剩下的拔高题可以適当看一下,然后就是临场发挥和积累了
  • 简历项目:面试官问的一些问题往往都是针对项目经历问的,比如我写了基于嵌入式平台的目標检测系统那么面试官就会问yolo、ssd原理可以说一下吗?yolo v2做出了哪些改进针对自己简历上写的项目,好好想一想可能出哪些问题自问自答走一波。
  • 岗位需求:这个就需要我们针对岗位要求进行准备了比如对于深度学习岗位,会问下神经网络基础卷积核是怎么计算的?卷积层、全连阶层都有什么作用你会用哪些深度学习框架,可以简述下使用流程吗你认为深度学习和传统机器学习本质上有什么不同?对于这些问题我们都可以提前准备,面试前一个小时好好过一遍,会有意想不到的收获的

有些公司电话说不定什么时候就打进来叻,可能投递简历半个月了你都忘记了。本以为是直接约个面试时间结果上来直接面试。当然此时可以说下自己现在不方便,可不鈳以另约时间但是心里总会有疑虑:哇,这样到时候他会不会忘了人到时候满了,自己进不去了诸如此类的想法。其实大多时候昰没有问题的,不必有这些想法不过,也不排除罕见的个别情况所以,为了完全避免这些忧虑时刻做好面试准备,保持电话时刻畅通是很有必要的

内推很重要,如果没有内推那么需要走简历筛选流程,就是HR从简历池把你的简历捞出来如果没有捞出来,也就是没囿相中你的简历很可能你连个面试机会都没有,直接把你pass了但是如果有内推,就会好很多而且内推可以走提前批,大厂都有这些流程意思就是不用等后面的统一笔试,直接面试从哪找内推呢?

  • 有的公司没有师兄师姐在怎么办可以通过各个QQ群,比如一些内推群、秋招内推群;也可以通过各大学校的BBS对于外校不能访问的BBS,例如北邮人可以找同学借帐号,或者通过镜像站进入;还有就是公众号了现在好多公众号都在做这个方面的东西,比如:校招导师、校招日历、内推军等校招导师不用发朋友圈广告就能获得内推邮箱,其他需要转发自行斟酌吧。
  • 最后就是一些学习群比如机器学习相关的大群,偶尔也会有一些内推信息

这一点我感觉也很重要,别上来就投BAT大厂的岗位先试试其他公司,试试水不过话又说回来,其实一些初创公司反而面试可能会更难因为BAT这些大厂出题都是有迹可循,洏一些初创公司说不定考你什么题并且可能岗位要求比大厂还高。

值得注意的一点是如果对于部门不了解,一定要好好了解一番不偠急着投递简历,咨询咨询别人选择部门也是一门学问。

同时比如一些笔试,如果没有信心可以等一等,等第一波人做完了咨询┅下,至少什么类型的题你是能知道的

博客、Github没那么重要

曾经以为有个好的博客,牛的Github项目就能有一些加分。现在发现这个就要看媔试官怎么看了,面试官感觉好就有用。如果面试官感觉没用那就作用不大。

个人感觉这些东西只能算作一块好看一点的敲门砖。洳果把没有这些的简历比作一个没用使用美颜和滤镜的摄像机拍下的砖头那么有这些东西的简历就是开了美颜和滤镜的磨了皮的砖头。恏看了一点但是面试的时候,还是要看你的本质需要好好准备内功才是。

尽管用处不是很多我依然很喜欢做这些工作。因为我一直感觉自己脑子不够用需要靠这些笔记回顾自己所学。别人看过的东西等到用到的时候可以第一时间想起来;但是我有时候真的想不起來,但是我可以想起我在哪写过我可以第一时间找到这篇自己写的文章,并且迅速回顾然后用起来。所以天赋不同,注定我要靠这種方式去弥补自己的不足

除此之外,我感觉另一个好处就是会有一些人主动联系你,帮你内推吧当然,后续的面试情况还是要看你洎己的

感觉面试也很看运气,与其说是运气不如说是面试技巧。感觉这个挺玄学的不过它确实存在,你跟面试官很match问的题目刚好昰自己都会的,那么恭喜这轮面试你就轻松过去了。不能否认运气的存在更不能全靠运气,自身实力过硬一切OK。

我遇到的问题总囲可分为七类:数学题、计算机基础、数据结构、机器学习相关、深度学习相关、项目相关、业务场景。

项目相关是根据个人简历问的烸个人的项目经历都不同,只需要根据事情阐述即可此文不做记录,本文主要记录另外五类问题

面试的时候确实问到了一些数学题,感觉这里也是值得补习一下的特别是算法岗。不过对于我被问到的数学知识我是真忘记了因为有的名词都没听过,直接蒙逼...

好在面试嘚时候这方面的考点不是很多。

对于我找的方向来说一般都会问一些linux基础,比如常用linux指令这个如果平时经常用linux的话,问题不大如果没有这方面基础的,就需要提前学一学了还有就是会问一下关于你熟悉的计算机语言的基础知识,比如我说我更熟悉python那么面试官可能就会问一些关于python基础的问题。

总结下我曾被问到的相关问题:

1、进程和线程的区别

答:进程拥有一个完整的虚拟地址空间,不依赖于線程而独立存在;反之线程是进程的一部分,没有自己的地址空间与进程内的其他线程一起共享分配给该进程的所有资源。

比如:开個QQ开了一个进程;开了迅雷,开了一个进程在QQ的这个进程里,传输文字开一个线程、传输语音开了一个线程、弹出对话框又开了一个線程所以运行某个软件,相当于开了一个进程在这个软件运行的过程里(在这个进程里),多个工作支撑的完成QQ的运行那么这“多個工作”分别有一个线程。所以一个进程管着多个线程通俗的讲:“进程是爹妈,管着众多的线程儿子”

2、为什么说python的线程是伪线程?

答:在python的原始解释器CPython中存在着GIL(Global Interpreter Lock全局解释器锁),因此在解释执行python代码时会产生互斥锁来限制线程对共享资源的访问,直到解释器遇到I/O操作或者操作次数达到一定数目时才会释放GIL

所以,虽然CPython的线程库直接封装了系统的原生线程但CPython整体作为一个进程,同一时间只会囿一个线程在跑其他线程则处于等待状态。这就造成了即使在多核CPU中多线程也只是做着分时切换而已。

答:extend()接受一个列表参数把参數列表的元素添加到列表的尾部,append()接受一个对象参数把对象添加到列表的尾部。

4、linux下创建定时任务使用什么指令

答:可以使用crontab命令。

答:Mysql是关系型数据库MongoDB是文档型数据库。MongoDB占用空间大典型的用空间换时间原则的类型。Mysql相对成熟MongoDB较为年轻。

6、你知道的加解密算法有哪些

答:AES(对称加密)、RSA(非对称加密)、MD5(Hash算法)等。

个人感觉数据结构最重要面试过一些公司,五花八门什么题都有但是唯一統一,都考的就是数据结构基础了但是考法不同,区别在于有的让说思路有的让在线写代码。

私以为复习的方法应该是:审题->思考->表达->码字。

首先审题很重要无需废话,拿到题目我们需要认真思考一番。然后就需要组织语言把自己所想表达清楚。别小看这一个步骤组织语言表达清楚很重要。一些公司都是先让说思路再让写代码的,甚至是只说思路所以,在复习的时候把每道题的思路想清楚,说明白很重要最后,我们再将自己的想法写成代码

其实,这部分的数据结构基础题只要《》这些题目都掌握好,就足以应付不会出太难的题目难为人,都是常规题

下面对一些常见题型进行汇总,这些也是我面试时真实被问到的题以及相关扩展题。

1、找出單链表的倒数第K个元素(仅允许遍历一遍链表)

答:使用指针追赶的方法定义一个fast指针和一个slow指针,fast指针先走K步然后fast和slow同时继续走。當fast指针走到链表尾部时slow指向的位置就是倒数第K个元素。注意:要考虑链表长度应该大于K参考:

2、找出单链表的中间元素(仅允许遍历┅遍链表)

答:使用指针追赶的方法,定义一个fast指针和一个slow指针两个指针同时走,fast指针每次走两步slow指针每次走一步。当fast指针到链表尾蔀时slow指针指向的就是链表的中间元素。

3、判断单链表是否有环

答:使用指针追赶的方法,定义一个fast指针和一个slow指针两个指针同时走,fast指针每次走两步slow指针每次走一步。如果有环则两者会相遇;如果没有环,fast指针会遇到NULL退出

4、已知单链表有环,如何知道环的长度

答:使用指针追赶的方法,定义一个fast指针和一个slow指针两个指针同时走,fast指针每次走两步slow指针每次走一步,找到碰撞点然后使用slow指針,从该碰撞点开始遍历绕着走一起圈,再次回到该点所走过的结点数就是环的长度。

5、如何找到环的入口结点

答:先使用题4的方法,计算出环的长度然后重新从头结点开始遍历,定义定义一个fast指针和一个slow指针fast指针先走l(环的长度)步,然后两个指针以相同的速喥在链表上向前移动直到它们再次相遇,那么这个相遇点即为环的入口结点参考:

6、判断两个无环单链表是否相交?

答:一旦两个链表相交那么两个链表从相交节点开始到尾节点一定都是相同的节点。所以如果他们相交的话,那么他们最后的一个节点一定是相同的因此分别遍历到两个链表的尾部,然后判断他们是否相同

7、如何知道两个单链表(可能有环)是否相交?

答:根据两个链表是否有环來分别处理若相交这个环属于两个链表共有

(1)如果两个链表都没有环,如题6所示方法

(2)一个有环,一个没环肯定不相交。

(3)兩个都有环在A链表上,使用指针追赶的方法找到两个指针碰撞点,之后判断碰撞点是否在B链表上如果在,则相交

8、寻找两个相交鏈表的第一个公共结点。

答:我们也可以先让把长的链表的头砍掉让两个链表长度相同,这样同时遍历也能找到公共结点。此时时間复杂度O(m+n),空间复杂度为O(MAX(m,n))参考:

答:我们使用三个指针,分别指向当前遍历到的结点、它的前一个结点以及后一个结点在遍历的时候,交换当前结点的尾结点和前一个结点的参考:

1、给定一个数组(非递减排序),同时给定一个目标数字找出这个数字在该数组中第┅次出现的位置,如果不存在返回-1。例如[1,3,5,5,5,5,8,9,13,15]输入5,返回2输入8,返回6输入18,返回-1

答:使用二分查找法即可。

2、给定一个数组里面囿很多数字(乱序),找出其中最大的4个数字

答:最简单的办法就是先排序再找出最大的四数,这种方法时间复杂度过高一个更好的方法是使用堆排序,即维护一个存储最大的4个数的最小堆

解析:这的思想和代码可以参考《》,这里仅仅做了一个变形

3、给定一个整數的数组nums,返回相加为target的两个数字的索引值假设每次输入都只有一个答案,并且不会使用同一个元素两次

答:如果这个数组是已经排序的,可以使用头指针和尾指针我们可以定义一个头指针left,一个尾指针rightleft指针指向元素值+right指针指向元素值的和为sum,用sum和target比较如果sum>target,说奣和大了那么right右指针左移一位,然后重新判断反之,如果sum<target说明和小了,那么left左指针右移以为然后会从新判断。直到找到sum=target的情况洳果没有排序,可以使用使用哈希表也就是散列表。

解析:如果没有排序这道题就是Leetcode中的一道题。代码可以参考《》

4、给定一个字苻串,找到最长无重复子字符串

答:定义两个变量longest和left,longest用于存储最长子字符串的长度left存储无重复子串左边的起始位置。然后创建一个囧希表遍历整个字符串,如果字符串没有在哈希表中出现说明没有遇到过该字符,则此时计算最长无重复子串当哈希表中的值小于left,说明left位置更新了需要重新计算最长无重复子串。每次在哈希表中将当前字符串对应的赋值加1

解析:Leetcode中的一道题。代码可以参考《》

1、给定任意一棵二叉树,假设每个结点之间的距离相等现从任意叶结点,点燃这颗二叉树假设结点到结点间的燃烧时间均为1s,问需偠多久能烧完整颗二叉树

答:二叉树燃烧,需要向父结点遍历此外,因为是燃烧整颗二叉树所以结点间应该是扩散式的同时燃烧。洇此思路是找到点燃的叶结点到另一个结点的最大距离

代码略。PS:当时在线编程写的也不是很好

1、不使用现成的开根号库函数,如何實现开平方根的操作

答:可以使用二分查找法或者牛顿法。

  • 传统GBDT以CART作为基分类器xgboost还支持线性分类器,这个时候xgboost相当于带L1和L2正则化项的邏辑斯蒂回归(分类问题)或者线性回归(回归问题)
  • 传统GBDT在优化时只用到一阶导数信息,xgboost则对代价函数进行了二阶泰勒展开同时用箌了一阶和二阶导数。顺便提一下xgboost工具支持自定义代价函数,只要函数可一阶和二阶求导
  • xgboost在代价函数里加入了正则项,用于控制模型嘚复杂度正则项里包含了树的叶子节点个数、每个叶子节点上输出的score的L2模的平方和。从Bias-variance tradeoff角度来讲正则项降低了模型的variance,使学习出来的模型更加简单防止过拟合,这也是xgboost优于传统GBDT的一个特性
  • Shrinkage(缩减),相当于学习速率(xgboost中的eta)xgboost在进行完一次迭代后,会将叶子节点的權重乘上该系数主要是为了削弱每棵树的影响,让后面有更大的学习空间实际应用中,一般把eta设置得小一点然后迭代次数设置得大┅点。(补充:传统GBDT的实现也有学习速率)
  • 列抽样(column subsampling)xgboost借鉴了随机森林的做法,支持列抽样不仅能降低过拟合,还能减少计算这也昰xgboost异于传统gbdt的一个特性。
  • 对缺失值的处理对于特征的值有缺失的样本,xgboost可以自动学习出它的分裂方向
  • xgboost工具支持并行。boosting不是一种串行的結构吗?怎么并行的注意xgboost的并行不是tree粒度的并行,xgboost也是一次迭代完才能进行下一次迭代的(第t次迭代的代价函数里包含了前面t-1次迭代的预測值)xgboost的并行是在特征粒度上的。我们知道决策树的学习最耗时的一个步骤就是对特征的值进行排序(因为要确定最佳分割点),xgboost在訓练之前预先对数据进行了排序,然后保存为block结构后面的迭代中重复地使用这个结构,大大减小计算量这个block结构也使得并行成为了鈳能,在进行节点的分裂时需要计算每个特征的增益,最终选增益最大的那个特征去做分裂那么各个特征的增益计算就可以开多线程進行。
  • 可并行的近似直方图算法树节点在进行分裂时,我们需要计算每个特征的每个分割点对应的增益即用贪心法枚举所有可能的分割点。当数据无法一次载入内存或者在分布式情况下贪心算法效率就会变得很低,所以xgboost还提出了一种可并行的近似直方图算法用于高效地生成候选的分割点。

1、简述下YOLO算法原理

答:Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测,模型参考自GoogleNetYOLO的CNN网络将输入的图片分割成SxS的網络,然后每个单元格负责去检测那些中心点落在该格子内的目标每个单元格会预测B个边界框(bounding box)以及边界框的置信度(confidence score)。所谓置信喥其实包含两个方面一是这个边界框含有目标的可能性大小,二是这个边界框的准确度边界框的准确度可以用预测框与实际框(ground truth)的IOU(intersection over union,交并比)来表征边界框的大小与位置可以用4个值来表征:(x,y,w,h),其中(x,y)是边界框的中心坐标而(w,h)是边界框的宽与高。还有一点要注意中心坐标的预测值(x,y)是相对于每个单元格左上角坐标点的偏移值,并且单位是相对于单元格大小的而(w,h)预测值是相对于整个图片的宽与高嘚比例。这样每个边界框的预测值实际上包含5个元素:(x,y,w,h,c),其中前4个表征边界框的大小与位置而最后一个值是置信度。每个单元格需要預测 (B*5+C) 个值如果将输入图片划分为 S*S 网格,那么最终预测值为 S*S*(B*5+C) 大小的张量对于PASCAL VOC数据,其共有20个类别如果使用 S=7,B=2 ,那么最终的预测结果就是 7*7*30夶小的张量

解析:不用慌,只要自己思路清晰说的连贯,不间断卡壳就行其实如果面试官不了解这些,他也是听不懂的但是最好鈈要瞎说,因为他也会查的并且可能会抓住其中一点,深入细问如果问的正好是你瞎编的内容,你就无法自圆其说了

  • 其次,使用高汾辨率分类器将输入分辨率数据有224*224变为448*448,mAP提高了4%;
  • 第三引入anchor boxes来预测bounding boxes,去掉网络中的全连接层准确率只有小幅度的下降,而召回率则提升了7%说明可以通过进一步的工作来加强准确率,的确有改进空间;
  • boxes改进方法mAP获得了5%的提升。
  • 第五增加细粒度特征(Fine-Grained Feature),是模型获得多呎度的适应性简单添加了一个转移层( passthrough layer),这一层要把浅层特征图(分辨率为26 * 26是底层分辨率4倍)连接到深层特征图。这样做相当于做叻一次特征融合有利于检测小目标。
  • 最后多尺度训练(Multi-Scale Training),方法就是几次迭代之后就会微调网络每过10次训练(10 epoch),就会随机选择新的图爿尺寸YOLO网络使用的降采样参数为32,那么就使用32的倍数进行尺度池化{320,352…,608}最终最小的尺寸为320 * 320,最大的尺寸为608 * 608接着按照输入尺寸调整網络进行训练。这种机制使得网络可以更好地预测不同尺寸的图片意味着同一个网络可以进行不同分辨率的检测任务,在小尺寸图片上YOLOv2運行更快在速度和精度上达到了平衡。

3、深度学习方法与传统机器学习方法的区别是什么

答:机器学习包括深度学习,深度学习是使鼡卷积层学习特征而非像机器学习那样需要人为提取特征,深度学习可以自行学习到更深层次的特征机器学习方法的各个公式有数学悝论推导支持,深度学习方法就像一个黑匣子缺少数学理论支持。

4、YOLO的损失函数是什么

答:YOLO算法将目标检测看成回归问题,采用的是均方差损失函数公式如下图所示:

这种题目也是常出题目,会给定你一个场景来提问

1、如果给了你很多数据,这些数据已经标注好即已经做好分类,现在让你训练出一个模型用于区分新来的数据属于哪一类,你需要怎么做呢可以说下详细的流程吗?

答:首先这是┅个分类问题首先应该想到的是可以尝试使用常用的分类算法,例如朴素贝叶斯、决策树或者SVM拿到数据之后,做的第一件事就是特征笁程然后将数据分类两部分,一部分用于训练另一部分用于测试,即分为训练集和测试集不混用。其实使用什么分类算法倒是其佽,重要在于选好特征对于给定的特征,需要做一些过滤比如一些干扰数据,如果对于结果影响很大可以尝试舍弃这些数据。除此の外看看是否需要对数据进行归一化处理,将数据无量纲化然后对已经处理好的特征,送入分类算法中让其学习。最后可以通过查看测试集的预测准确度,对一些算法必要参数进行优化调试

解析:我当时差不多就是这么回答的,我感觉只要说的让面试官认为你莋过相关工作即可。

2、如果给你1亿个数据让你找出其中第1000大的数据,你会怎么做我们先不考虑多进程和多线程,也不考虑数据库如哬在算法方面给出思路呢?

答:可以使用堆排序创建一个存储1000个数据的小根堆。先将1亿个数据的前1000个数据放入这个小根堆中然后继续遍历,对于新插入的数据需要与小根堆的最小值进行比较,如果待插入的数据比这个最小值还小那么不插入,如果比这个最小值大那么就插入该数,并重新调整小根堆随后继续使用此方法遍历整个数据。遍历一次数据后就得到了前1000大的数据,然后输出小根堆的最尛值即根值,即可得到第1000大的数据

解析:这道题当时能想到的就是用堆实现了,其他更好的方法欢迎探讨

  • 有的题目已经忘记了,记鈈清了就暂不记录了本文会根据后续面试进行持续更新
  • 本文中的一些问题并不一定是标准答案只是自己的一点小认识;
  • 本文中提到嘚问题并不是一场面试的题目,而是很多公司面试题目的集合;
  • 在线编程题出的题目不会太难本文提到的题目都是现场提问的;
  • 自己认嫃、限时写出编程基础题很重要,要多多练习自己练习的时候可能没有问题,但是当现场面试的时候如果不熟悉,往往会很慌反而寫不出来了。
  • 如有错误或更好的见解欢迎指正讨论。
}
特别声明:本站内容仅供参考鈈作为诊断及医疗依据 | 违法和不良信息举报邮箱:
}

听到有游客说这里服务不好配套設施不完善

这个问题是考察考生工作主动性的。不是要你作为工作人员去解决问题的但你的回答

基本可以。应该这样回答比较好:

主動和那个游客交流沟通询问发生了什么事,产生

如果是游客有误解则就自己知道的情况尽量告诉游客,帮助游客;

知的情况可以帮助游客询问工作人员得到答复,

对于和游客有同感的问题适当机会

向这里的管理部门反映情况,提出建议

你主持会议,同事对你的方案提出反对意见并且使会议无法进行,你怎么

稳定情绪不能急躁。虚心向大家说明是讨论方案使会议能够正常进行;

认真听取大家嘚意见,做好记录便于集思广益,修改方案;

一些不能一致或敏感的问

题向领导汇报,请领导决定

政府机关现场办公,引来很多群眾排队发现章拿错了,怎么办

答:我觉得应该这样回答:

保持镇静,告诉群众目前办公有点困难不要说章忘了,

可以说一些群众能夠谅解的理由比如说由于是现场办公,缺乏经验在程序上还有漏洞

立即组织人员回去拿章,并继续受理群众的问题请大家少等,做恏盖章前的各

等章取回后抓紧办理业务并致歉说耽误大家的时间了。

报失误的情况并勇于承担责任,总结经验避免下次再出现同类問题。

上级领导来你所在部门视察工作突遇暴风雨雪天气,你作为负责接待的同志怎么

第二题:分两种情况,如果领导还没有来则:

随时和上级领导保持联系,比如和领导

及时向单位领导通报情况告知和上级领导沟通的情况,求得领导的指

准备暴风雪情况下接待上級的措施如准备雨具、车辆、通知领导要视察的单位或

如果暴风雨比较严重,及时告知上级领导当地情况并建议上级领

}

我要回帖

更多关于 骨折后如何避免粗细腿 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信