元朝中前期的民族問題？-招聘街

一、元朝中前期的民族問題？

一、元朝的民族分類

1、元朝的民族分治政策

元朝存在不成文的民族分治政策——“四等人制”，按照元朝建國初期的統(tǒng)治需求，將國內(nèi)民族分為：蒙古人、色目人、漢人和南人。

第一等級：蒙古人，元朝的統(tǒng)治民族；第二等級：色目人，跟隨蒙古人西征，從中亞和東歐來到元朝生活的外國人；第三等級：漢人，主要指淮河以北的漢族、契丹族和女真族；第四等級：南人，淮河以南的漢族和少數(shù)民族。

2、元朝四等人制的政治目的

元朝實行民族分治等級制度的目的，是鞏固蒙古人的統(tǒng)治。蒙古人通過民族分治政策，拉攏和維護與色目人之間的關系，打擊具有反抗意識的漢人和南人。四等人制雖然在短時間內(nèi)快速維護了元朝的統(tǒng)治，卻因為歧視導致國內(nèi)民族間的敵對，隱患積聚成“疾”，衰敗國運，最終滅亡。

二、元朝民族分治的具體表現(xiàn)

1、蒙漢雜糅的官制

官制是元朝蒙漢雜糅的重要領域。蒙古朝廷通過各種招聘條件，限制漢人和南人為官數(shù)量，通過對中書省官員的民族限定，拒接漢人在元朝行政中樞任職。以丞相為例，查考《元史》有這樣的記載：“丞相必用蒙古勛臣，設右丞相、左丞相各一員，蒙古人尚右，故丞相中以右丞相為尊。”

再以御史大夫為例，查考《元史》：“拜御史大夫，非國姓不以授。”可以看出，元朝的核心官制是以“任人唯親”為原則，只有蒙古人和對國家有突出貢獻的人，才有機會授予較高的官職。

2、元朝的科舉體制

科舉是中國封建國家選拔人才的基本方法，元朝也是沿用此法，但增加了新規(guī)則。元朝考生按照民族分類，在考試科目、錄取人數(shù)比例和入仕官職上都有不同的標準。

首先，從考試科目上看，漢人考三門，蒙古人和色目人考兩門。“取士各有科目，舉人宜以德行為首，試藝則以經(jīng)術為先，詞章次之，浮華過實，朕所不取，定其條例。”元朝統(tǒng)治階級輕視漢族的詩詞歌賦，在科舉考試中，詩詞只用于對漢人的考察，不納入對蒙古人和色目人的考核。

其次，從錄取人數(shù)比例上看，蒙古人和色目人的報考人數(shù)較少，錄用人數(shù)卻和漢人相同。史書記載：“蒙古﹑色目﹑漢人﹑南人四等﹐鄉(xiāng)試各取七十五名﹐會試各取二十五名。漢人﹑南人超過蒙古﹑色目百倍。”表面上，元朝政府維護各民族入朝為官的平等權力，實則漢人和南人的報考人數(shù)超過蒙古人和色目人百倍，漢人和南人的錄取比例較低，科考中榜難度增大。

再次，漢人和蒙古人的官階起點不同。科考中榜的漢人考生是以七品官入仕，蒙古人和色目人則是以六品官入仕。同科出身的漢人在官階上直接低于蒙

二、民族問題與階級問題有的區(qū)別？

民族問題本質(zhì)上就是起源于階級問題。新石器時代末期先有階級分層，然后才有不同族群，所謂氏族（父系和母系）、家族、部落、族群不過是階級矛盾不可調(diào)和的產(chǎn)物而已，根本原因是不同人力量不同，強弱對比形成不同階級，然后強大的人（階級）成為一方或一大批人的領袖，然后強大的領袖（上層階級）把一個地方或一大批人組建成家族、氏族、部落、族群，其它人成為被統(tǒng)治者（下層階級），然后強大的氏族部落族群領袖征服其它的部落、族群成為國王，形成國家，然后不同的國家才會形成不同的民族，所以民族形成的根本原因還是氏族，是階級的分層。

民族的形成是以近代資本主義初期國家的邊界已經(jīng)穩(wěn)定，新航路開辟世界經(jīng)濟文化交流增加以及整體性加強為基礎的，因為是遵從“民族自決”甚至一定程度上的“自愿”的（斯拉夫人分出俄羅斯、烏克蘭、波蘭、南斯拉夫，美利堅民族由英國德國移民組成），需要充分的經(jīng)濟政治文化交流融合，這和地主階級奴隸主階級的族群劃分有著根本的不同，地主階級奴隸主階級的族群劃分是強制性的大多數(shù)都是不可改變的（血緣為基礎）當然也有例外就是皇帝說你是什么族的就是什么族的（參考漢宰相金日暉，以及唐皇室有80%鮮卑族血統(tǒng)依然自稱漢族，但都是強制性的）

毫無疑問，民族性是在現(xiàn)階段不可否認的，以及民族性的相對獨立性也一樣，但是要記住民族性是具有的是“相對”獨立性，實際上民族性是擺脫不了階級性的，是依附于階級性的。隨著經(jīng)濟全球化，世界聯(lián)系越來越緊密，民族性必然會越來越淡化甚至有可能在某種程度上消失。但是有些人就有疑問了，世界各國各民族都有不同的語言文化、風俗習慣、風土人情甚至思維方式，這不是世界各民族鮮明的特征，是鮮明的民族性嗎？錯，這些都僅僅是體現(xiàn)出了多元文化性而已，民族性雖然以階級性為基礎，也依附于階級性，卻以多元文化性的形式為重要的外在表現(xiàn)，這也是民族主義最具有欺騙性的地方，很多民族主義者都喜歡吧民族性和文化性聯(lián)系起來對人民進行欺騙，以此來掩蓋民族的階級性本質(zhì)。事實上，無產(chǎn)階級從不否認文化多元性，共產(chǎn)主義也不排除文化多元化，甚至鼓勵文化多元化，因為共產(chǎn)主義就是要求任何人都自由發(fā)展，每個人的自由發(fā)展是所有人自由發(fā)展的條件，因此每個人的自由發(fā)展必然導致文化多元化，而文化多元化必然促進每個人的自由發(fā)展。文化多元化也促進人從必然王國走向自由王國

三、當今世界民族問題有哪些？

關于當今民族問題有以下內(nèi)容：可以這么說自從第二次世界大戰(zhàn)后，直至當今，民族問題遍及世界各種類型的國家。如蘇聯(lián)的立陶宛、格魯吉亞、亞美尼亞等非俄羅斯人，美國的黑人、奇卡諾人、印第安人，加拿大的法語民族，西班牙的巴斯克人、加泰隆人，英國的北愛爾蘭天主教與新教徒問題，法國的科西男人，比利時的瓦隆人和佛拉芒人，塞浦路斯的希臘人、土耳其人，斯里蘭卡的僧伽羅人和泰米爾人，印度的錫克族，商斯拉夫的阿爾巴尼亞人，羅馬尼亞的匈牙利人等等，都成為復雜而煩人的問題。希望有幫助！！

四、mahout面試題？

之前看了Mahout官方示例 20news 的調(diào)用實現(xiàn)；于是想根據(jù)示例的流程實現(xiàn)其他例子。網(wǎng)上看到了一個關于天氣適不適合打羽毛球的例子。

訓練數(shù)據(jù)：

Day Outlook Temperature Humidity Wind PlayTennis

D1 Sunny Hot High Weak No

D2 Sunny Hot High Strong No

D3 Overcast Hot High Weak Yes

D4 Rain Mild High Weak Yes

D5 Rain Cool Normal Weak Yes

D6 Rain Cool Normal Strong No

D7 Overcast Cool Normal Strong Yes

D8 Sunny Mild High Weak No

D9 Sunny Cool Normal Weak Yes

D10 Rain Mild Normal Weak Yes

D11 Sunny Mild Normal Strong Yes

D12 Overcast Mild High Strong Yes

D13 Overcast Hot Normal Weak Yes

D14 Rain Mild High Strong No

檢測數(shù)據(jù)：

sunny，hot，high，weak

結果：

Yes=》 0.007039

No=》 0.027418

于是使用Java代碼調(diào)用Mahout的工具類實現(xiàn)分類。

基本思想：

1. 構造分類數(shù)據(jù)。

2. 使用Mahout工具類進行訓練，得到訓練模型。

3。將要檢測數(shù)據(jù)轉換成vector數(shù)據(jù)。

4. 分類器對vector數(shù)據(jù)進行分類。

接下來貼下我的代碼實現(xiàn)=》

1. 構造分類數(shù)據(jù)：

在hdfs主要創(chuàng)建一個文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數(shù)據(jù)傳到hdfs上面。

數(shù)據(jù)文件格式，如D1文件內(nèi)容： Sunny Hot High Weak

2. 使用Mahout工具類進行訓練，得到訓練模型。

3。將要檢測數(shù)據(jù)轉換成vector數(shù)據(jù)。

4. 分類器對vector數(shù)據(jù)進行分類。

這三步，代碼我就一次全貼出來；主要是兩個類 PlayTennis1 和 BayesCheckData = =》

package myTesting.bayes;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.FileSystem;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.util.ToolRunner;

import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;

import org.apache.mahout.text.SequenceFilesFromDirectory;

import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;

public class PlayTennis1 {

private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";

* 測試代碼

public static void main(String[] args) {

//將訓練數(shù)據(jù)轉換成 vector數(shù)據(jù)

makeTrainVector();

//產(chǎn)生訓練模型

makeModel(false);

//測試檢測數(shù)據(jù)

BayesCheckData.printResult();

}

public static void makeCheckVector(){

//將測試數(shù)據(jù)轉換成序列化文件

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"testinput";

String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";

Path in = new Path(input);

Path out = new Path(output);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();

String[] params = new String[]{"-i",input,"-o",output,"-ow"};

ToolRunner.run(sffd, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("文件序列化失敗！");

System.exit(1);

}

//將序列化文件轉換成向量文件

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";

String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";

Path in = new Path(input);

Path out = new Path(output);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();

String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};

ToolRunner.run(svfsf, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("序列化文件轉換成向量失敗！");

System.out.println(2);

}

public static void makeTrainVector(){

//將測試數(shù)據(jù)轉換成序列化文件

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"input";

String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";

Path in = new Path(input);

Path out = new Path(output);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();

String[] params = new String[]{"-i",input,"-o",output,"-ow"};

ToolRunner.run(sffd, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("文件序列化失敗！");

System.exit(1);

}

//將序列化文件轉換成向量文件

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";

String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";

Path in = new Path(input);

Path out = new Path(output);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();

String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};

ToolRunner.run(svfsf, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("序列化文件轉換成向量失敗！");

System.out.println(2);

}

public static void makeModel(boolean completelyNB){

try {

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";

String model = WORK_DIR+Path.SEPARATOR+"model";

String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";

Path in = new Path(input);

Path out = new Path(model);

Path label = new Path(labelindex);

FileSystem fs = FileSystem.get(conf);

if(fs.exists(in)){

if(fs.exists(out)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(out, true);

}

if(fs.exists(label)){

//boolean參數(shù)是，是否遞歸刪除的意思

fs.delete(label, true);

}

TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();

String[] params =null;

if(completelyNB){

params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};

}else{

params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};

}

ToolRunner.run(tnbj, params);

}

} catch (Exception e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("生成訓練模型失敗！");

System.exit(3);

}

package myTesting.bayes;

import java.io.IOException;

import java.util.HashMap;

import java.util.Map;

import org.apache.commons.lang.StringUtils;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.fs.PathFilter;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.LongWritable;

import org.apache.hadoop.io.Text;

import org.apache.mahout.classifier.naivebayes.BayesUtils;

import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;

import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;

import org.apache.mahout.common.Pair;

import org.apache.mahout.common.iterator.sequencefile.PathType;

import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;

import org.apache.mahout.math.RandomAccessSparseVector;

import org.apache.mahout.math.Vector;

import org.apache.mahout.math.Vector.Element;

import org.apache.mahout.vectorizer.TFIDF;

import com.google.common.collect.ConcurrentHashMultiset;

import com.google.common.collect.Multiset;

public class BayesCheckData {

private static StandardNaiveBayesClassifier classifier;

private static Map<String, Integer> dictionary;

private static Map<Integer, Long> documentFrequency;

private static Map<Integer, String> labelIndex;

public void init(Configuration conf){

try {

String modelPath = "/zhoujianfeng/playtennis/model";

String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";

String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";

String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";

dictionary = readDictionnary(conf, new Path(dictionaryPath));

documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));

labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));

NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);

classifier = new StandardNaiveBayesClassifier(model);

} catch (IOException e) {

// TODO Auto-generated catch block

e.printStackTrace();

System.out.println("檢測數(shù)據(jù)構造成vectors初始化時報錯。。。。");

System.exit(4);

}

/**

* 加載字典文件，Key: TermValue； Value：TermID

* @param conf

* @param dictionnaryDir

* @return

private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {

Map<String, Integer> dictionnary = new HashMap<String, Integer>();

PathFilter filter = new PathFilter() {

@Override

public boolean accept(Path path) {

String name = path.getName();

return name.startsWith("dictionary.file");

}

};

for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {

dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());

}

return dictionnary;

}

/**

* 加載df-count目錄下TermDoc頻率文件，Key: TermID； Value：DocFreq

* @param conf

* @param dictionnaryDir

* @return

private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {

Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();

PathFilter filter = new PathFilter() {

@Override

public boolean accept(Path path) {

return path.getName().startsWith("part-r");

}

};

for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {

documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());

}

return documentFrequency;

}

public static String getCheckResult(){

Configuration conf = new Configuration();

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

String classify = "NaN";

BayesCheckData cdv = new BayesCheckData();

cdv.init(conf);

System.out.println("init done...............");

Vector vector = new RandomAccessSparseVector(10000);

TFIDF tfidf = new TFIDF();

//sunny，hot，high，weak

Multiset<String> words = ConcurrentHashMultiset.create();

words.add("sunny",1);

words.add("hot",1);

words.add("high",1);

words.add("weak",1);

int documentCount = documentFrequency.get(-1).intValue(); // key=-1時表示總文檔數(shù)

for (Multiset.Entry<String> entry : words.entrySet()) {

String word = entry.getElement();

int count = entry.getCount();

Integer wordId = dictionary.get(word); // 需要從dictionary.file-0文件（tf-vector）下得到wordID，

if (StringUtils.isEmpty(wordId.toString())){

continue;

}

if (documentFrequency.get(wordId) == null){

continue;

}

Long freq = documentFrequency.get(wordId);

double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);

vector.setQuick(wordId, tfIdfValue);

}

// 利用貝葉斯算法開始分類,并提取得分最好的分類label

Vector resultVector = classifier.classifyFull(vector);

double bestScore = -Double.MAX_VALUE;

int bestCategoryId = -1;

for(Element element: resultVector.all()) {

int categoryId = element.index();

double score = element.get();

System.out.println("categoryId:"+categoryId+" score:"+score);

if (score > bestScore) {

bestScore = score;

bestCategoryId = categoryId;

}

classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";

return classify;

}

public static void printResult(){

System.out.println("檢測所屬類別是："+getCheckResult());

}

五、webgis面試題？

1. 請介紹一下WebGIS的概念和作用，以及在實際應用中的優(yōu)勢和挑戰(zhàn)。

WebGIS是一種基于Web技術的地理信息系統(tǒng)，通過將地理數(shù)據(jù)和功能以可視化的方式呈現(xiàn)在Web瀏覽器中，實現(xiàn)地理空間數(shù)據(jù)的共享和分析。它可以用于地圖瀏覽、空間查詢、地理分析等多種應用場景。WebGIS的優(yōu)勢包括易于訪問、跨平臺、實時更新、可定制性強等，但也面臨著數(shù)據(jù)安全性、性能優(yōu)化、用戶體驗等挑戰(zhàn)。

2. 請談談您在WebGIS開發(fā)方面的經(jīng)驗和技能。

我在WebGIS開發(fā)方面有豐富的經(jīng)驗和技能。我熟悉常用的WebGIS開發(fā)框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能夠使用HTML、CSS和JavaScript等前端技術進行地圖展示和交互設計，并能夠使用后端技術如Python、Java等進行地理數(shù)據(jù)處理和分析。我還具備數(shù)據(jù)庫管理和地理空間數(shù)據(jù)建模的能力，能夠設計和優(yōu)化WebGIS系統(tǒng)的架構。

3. 請描述一下您在以往項目中使用WebGIS解決的具體問題和取得的成果。

在以往的項目中，我使用WebGIS解決了許多具體問題并取得了顯著的成果。例如，在一次城市規(guī)劃項目中，我開發(fā)了一個基于WebGIS的交通流量分析系統(tǒng)，幫助規(guī)劃師們評估不同交通方案的效果。另外，在一次環(huán)境監(jiān)測項目中，我使用WebGIS技術實現(xiàn)了實時的空氣質(zhì)量監(jiān)測和預警系統(tǒng)，提供了準確的空氣質(zhì)量數(shù)據(jù)和可視化的分析結果，幫助政府和公眾做出相應的決策。

4. 請談談您對WebGIS未來發(fā)展的看法和期望。

我認為WebGIS在未來會繼續(xù)發(fā)展壯大。隨著云計算、大數(shù)據(jù)和人工智能等技術的不斷進步，WebGIS將能夠處理更大規(guī)模的地理數(shù)據(jù)、提供更豐富的地理分析功能，并與其他領域的技術進行深度融合。我期望未來的WebGIS能夠更加智能化、個性化，為用戶提供更好的地理信息服務，助力各行各業(yè)的決策和發(fā)展。

六、freertos面試題？

這塊您需要了解下stm32等單片機的基本編程和簡單的硬件設計，最好能夠了解模電和數(shù)電相關的知識更好，還有能夠會做操作系統(tǒng)，簡單的有ucos，freeRTOS等等。最好能夠使用PCB畫圖軟件以及keil4等軟件。希望對您能夠有用。

七、paas面試題？

1.負責區(qū)域大客戶/行業(yè)客戶管理系統(tǒng)銷售拓展工作，并完成銷售流程；

2.維護關鍵客戶關系，與客戶決策者保持良好的溝通；

3.管理并帶領團隊完成完成年度銷售任務。

八、面試題類型？

你好，面試題類型有很多，以下是一些常見的類型：

1. 技術面試題：考察候選人技術能力和經(jīng)驗。

2. 行為面試題：考察候選人在過去的工作或生活中的行為表現(xiàn)，以預測其未來的表現(xiàn)。

3. 情境面試題：考察候選人在未知情境下的決策能力和解決問題的能力。

4. 案例面試題：考察候選人解決實際問題的能力，模擬真實工作場景。

5. 邏輯推理題：考察候選人的邏輯思維能力和分析能力。

6. 開放性面試題：考察候選人的個性、價值觀以及溝通能力。

7. 挑戰(zhàn)性面試題：考察候選人的應變能力和創(chuàng)造力，通常是一些非常具有挑戰(zhàn)性的問題。

九、cocoscreator面試題？

需要具體分析因為cocoscreator是一款游戲引擎，面試時的問題會涉及到不同的方面，如開發(fā)經(jīng)驗、游戲設計、圖形學等等，具體要求也會因公司或崗位而異，所以需要根據(jù)實際情況進行具體分析。如果是針對開發(fā)經(jīng)驗的問題，可能會考察候選人是否熟悉cocoscreator常用API，是否能夠獨立開發(fā)小型游戲等等；如果是針對游戲設計的問題，則需要考察候選人對游戲玩法、關卡設計等等方面的理解和能力。因此，需要具體分析才能得出準確的回答。