国内精品久久久久_亚洲区手机在线中文无码播放_国内精品久久久久影院一蜜桃_日韩内射激情视频在线播放免费

雙學雙考是什么？

時間：2024-07-16 20:35 人氣：0 編輯：admin

一、雙學雙考是什么？

雙學雙考是指第二學士學位、是與境外大學合作開展的“雙學位”項目、輔修專業(yè)學位（輔修二學位）。在我國通常語境中僅指輔修專業(yè)學位。

輔修專業(yè)學位，是在本科學習階段，學習本專業(yè)的同時，跨學科門類學習另一專業(yè)的學位課程，達到全部要求后獲得教育部統(tǒng)一制作、授權頒發(fā)、學信網注冊的普通高等教育本科畢業(yè)證、學位證的同時，獲得高等院校頒發(fā)的另一學科的輔修專業(yè)證書（輔修學歷證書）和高等院校頒發(fā)的雙學士學位證書（輔修學位證書），未達到申請學士學位要求者可獲得輔修學歷（輔修證書、輔修結業(yè)證書）。

二、鋼琴考級雙考什么意思？

鋼琴考級雙考指的是鋼琴演奏水平和鋼琴樂理知識的考試，這兩個考試在同一個季度考，所以叫鋼琴考級雙考，只有拿到樂理基礎知識的證書才能考鋼琴。

舉個例子，如果你要考國內鋼琴五級，那就需要拿到二級的基本樂理證書，然后再考鋼琴演奏五級。

三、雙考雙評是什么意思？

意思是對同一事物進行兩次的考試，兩次的評價

四、筆記本雙考是什么意思？

雙烤就是指同時使cpu和GPU滿負荷運行，以檢測cpu和GPU的穩(wěn)定性和溫度。軟件的話用FurMark，可以同時雙烤。

五、農信社實習及雙考是指什么？

體檢合格人員，由用人單位組織與其簽訂意向性協議(就業(yè)協議)，安排到報考單位相應崗位進行實習，實習期原則上為3個月。

實習期間允許考生回校論文答辯及辦理畢業(yè)手續(xù)。實習期滿后，用人單位將對實習人員在實習期間的表現進行雙考(筆試+考核)。雙考合格后，經用人單位和實習人員雙向選擇，確定為擬聘用人員。

六、雙考13w+18w的散熱如何？

如果能支撐雙考30分鐘滿性能運行，我覺得這個散熱就算不錯。

七、公務員報班報雙考還是省考？

您好，選擇報班還是雙考還是省考取決于個人的具體情況和目標。

如果你覺得自己的基礎較好，對考試內容較為熟悉，且有足夠的時間和精力進行自主學習，可以選擇報雙考。雙考是指同時報考國家公務員考試和地方公務員考試，增加了獲得公務員職位的機會。

如果你覺得自己的基礎較薄弱，對考試內容不太了解，或者希望通過系統(tǒng)的培訓提高自己的考試水平，可以選擇報班。報班可以獲得專業(yè)的指導和輔導，有助于提高考試的準備水平。

如果你希望爭取更大的發(fā)展空間和職位，可以選擇報省考。省考是指報考省級行政機關的公務員職位，相對來說競爭更激烈，但獲得的職位發(fā)展空間也更大。

總之，選擇報班、雙考還是省考應根據自身情況和目標做出合理的決策，并結合自己的實際情況進行考慮。

八、mahout面試題？

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

訓練數據：

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

檢測數據：

sunny，hot，high，weak

結果：

Yes=》 0.007039

No=》 0.027418

于是使用Java代碼調用Mahout的工具類實現分類。

基本思想：

1. 構造分類數據。

2. 使用Mahout工具類進行訓練，得到訓練模型。

3。將要檢測數據轉換成vector數據。

4. 分類器對vector數據進行分類。

接下來貼下我的代碼實現=》

1. 構造分類數據：

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 的數據傳到hdfs上面。

數據文件格式，如D1文件內容： Sunny Hot High Weak

2. 使用Mahout工具類進行訓練，得到訓練模型。

3。將要檢測數據轉換成vector數據。

4. 分類器對vector數據進行分類。

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) {

//將訓練數據轉換成 vector數據

makeTrainVector();

//產生訓練模型

makeModel(false);

//測試檢測數據

BayesCheckData.printResult();

}

public static void makeCheckVector(){

//將測試數據轉換成序列化文件

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?。?#34;);

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??！");

System.out.println(2);

}

}

public static void makeTrainVector(){

//將測試數據轉換成序列化文件

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??！");

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參數是，是否遞歸刪除的意思

fs.delete(out, true);

}

if(fs.exists(label)){

//boolean參數是，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?。?#34;);

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("檢測數據構造成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

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());

}

}

九、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)，通過將地理數據和功能以可視化的方式呈現在Web瀏覽器中，實現地理空間數據的共享和分析。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，但也面臨著數據安全性、性能優(yōu)化、用戶體驗等挑戰(zhàn)。

2. 請談談您在WebGIS開發(fā)方面的經驗和技能。

我在WebGIS開發(fā)方面有豐富的經驗和技能。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等進行地理數據處理和分析。我還具備數據庫管理和地理空間數據建模的能力，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技術實現了實時的空氣質量監(jiān)測和預警系統(tǒng)，提供了準確的空氣質量數據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、大數據和人工智能等技術的不斷進步，WebGIS將能夠處理更大規(guī)模的地理數據、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。

十、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。

上一篇：家長面試題最佳答題？

網站首頁 返回欄目

下一篇：智慧水利行業(yè)的求職面試題及答案

相關資訊

• 

  面試題目組織協調能力萬能句？

• 

  采購經理面試題？

• 

  hr面試三分鐘演講題目？

• 

  公務員面試題型分類？

• 

  小學語文教資面試類型？

• 

  UI設計面試技巧：UI面試需要做哪些準備？

熱門頻道

• 招聘信息
• 待遇資訊
• 工資資訊
• 筆試題
• 面試題

• 火葬場殯儀館怎樣招聘的？

• 電力大學就業(yè)方向？

• 2024-07-14 羅村哪里有酒店招工？
• 2024-07-14 氣象局公務員報考條件？
• 2024-07-13 蘭州國企招聘倉關員？
• 2024-07-13 廣州三甲醫(yī)院護士編制好考嗎？
• 2024-07-11 電工招聘條件？
• 2024-07-10 湖北九一創(chuàng)業(yè)網營銷策劃有限公司怎么樣？
• 2024-07-09 公明哪里招文員？
• 2024-07-08 華為蘇州工廠招聘信息？
• 2024-07-08 九江城西港區(qū)光電產業(yè)園開始招聘了么？急····？
• 2024-07-08 石家莊54研究所招聘需要什么學歷？
• 2024-07-07 桂林環(huán)衛(wèi)車司機招聘？
• 2024-07-07 豐誠物流帶車加入掙錢嗎？
• 2024-07-06 松崗羅田第三工業(yè)區(qū)哪里招十六歲普工？

• 外科醫(yī)生待遇好，還是麻醉醫(yī)生待遇好？

• 廣州公立幼兒園待遇？

• 2024-07-16 江蘇匯鴻集團有多厲害？
• 2024-07-16 嬌蘭佳人總部？
• 2024-07-16 上海哪個廠工資高待遇好
• 2024-07-16 佛山順德勒流福田廠薪資待遇怎么樣？
• 2024-07-16 2024-07-16 2021沈陽事業(yè)編考試？
• 2024-07-16 濟南大學教師待遇？
• 2024-07-16 2020廣州市白云區(qū)事業(yè)編待遇？
• 2024-07-15 園林管理處的待遇如何？
• 2024-07-15 魯瓦克咖啡
• 2024-07-15 模塑科技？
• 2024-07-15 北京奔馳的崗位及待遇？
• 2024-07-15 普睿司曼電線標準？

• 酒店經理一個月大概掙多少錢？

• 高鐵安檢的工作怎么樣？

• 2024-07-15 中山市最低薪資標準是多少？
• 2024-07-14 武漢工資待遇怎么樣?一般多少一個月？
• 2024-07-13 36年工齡事業(yè)單位工資標準？
• 2024-07-12 廣西公務員報名費多少？
• 2024-07-12 事業(yè)單位薪級晉升條件？
• 2024-07-12 養(yǎng)老金認證方法和操作過程？
• 2024-07-11 成立裝修公司需要辦理什么資質？
• 2024-07-11 為什么本幣貶值會增加國民收入？
• 2024-07-11 年功工資國家規(guī)定？
• 2024-07-11 現在一般的廚師能拿多少工資？
• 2024-07-10 教師是13薪還是16薪？
• 2024-07-09 四大第三年做審計能有多少收入？
• 2024-07-09 一個導游的月收入是多少？

• 廣西農村信用社筆試怎么考？

• 醫(yī)院招聘筆試考什么？

• 2024-07-16 虹軟 gpu優(yōu)化
• 2024-07-16 公務員考試考什么？
• 2024-07-16 襄陽市教師筆試成績？
• 2024-07-16 石林 銀瑞林
• 2024-07-15 事業(yè)單位筆試怎么算分
• 2024-07-15 浙江省2022年公務員筆試什么時間出筆試成績？
• 2024-07-15 教師筆試題目
• 2024-07-15 華圖筆試班的優(yōu)勢和特點
• 2024-07-15 甘肅政法干警筆試科目是什么？考的都一樣嗎？
• 2024-07-15 人事專員筆試簡答題有哪些？
• 2024-07-15 華潤電力筆試面試考什么內容？
• 2024-07-15 應屆生進國企筆試科目？
• 2024-07-15 如何策劃游戲數值？

• 面試題目組織協調能力萬能句？

• 采購經理面試題？

• 2024-07-16 家長面試題最佳答題？
• 2024-07-16 社區(qū)矯正工作人員面試題和答案？
• 2024-07-16 太原重型機械集團面試題目？
• 2024-07-16 南航 蘭卡威
• 2024-07-16 公務員面試可以多看什么題材？
• 2024-07-16 opengl 文檔
• 2024-07-15 河南省導游證面試題
• 2024-07-15 想做文員，前臺文員，人事文員，哪類文員更簡單點？
• 2024-07-15 華潤電力面試題？
• 2024-07-15 銀行副行長競聘考試
• 2024-07-15 荒島求生crafting怎么打開？荒島求生？
• 2024-07-15 有贊前景
• 2024-07-15 法官假發(fā)

最新發(fā)布

• 智慧水利行業(yè)的求職面試題及答案
• 正興醫(yī)院月子中心
• 吳昊的個人簡歷？
• 上海體育館招聘會是否每天都有，具體怎么樣？
• 雙學雙考是什么？
• 怎樣準備上海高級口譯筆試和口試？
• 中交一航局待遇怎樣？
• 如何填寫電話銷售的簡歷？

熱門排行

• 1

  

  注冊會計師待遇？2024-06-21
• 2

  

  廣州社工待遇？2024-06-21
• 3

  

  新華書店筆試考什么？2024-06-22

• 1煙草公司招聘需要什么條件？

• 2城投出納筆試一般考什么？

• 3醫(yī)院救護車司機招聘條件？