中国将禁汽车数据处理者违规向境外提供重要数据
8/20/2021
中国出台汽车数据安全管理试行规定，禁止汽车数据处理者超出出境安全评估结论，违规向境外提供重要数据，10月1日起生效。
中国国家互联网信息办公室今天（20日）介绍，由网信办等五个部门发布的规定将要求汽车数据处理者，如果因业务需要确需向境外提供重要数据，他们应当落实数据出境安全评估制度要求。
规定倡导，汽车数据处理者在开展汽车数据处理活动中坚持“车内处理”“默认不收集”“精度范围适用”“脱敏处理”等数据处理原则，减少对汽车数据的无序收集和违规滥用。
汽车数据处理者也应当履行个人信息保护责任，充分保护个人信息安全和合法权益。在处理敏感个人信息时，汽车数据处理者应当取得个人单独同意，并满足限定处理目的、提示收集状态、终止收集等具体要求或者符合法律、行政法规和强制性国家标准等其他要求。
此外，汽车数据处理者只能在具有增强行车安全的目的和充分的必要性时，才可收集指纹、声纹、人脸、心律等生物识别特征信息。
有关负责人表示，出台这项规定旨在规范汽车数据处理活动，保护个人、组织的合法权益，维护国家安全和社会公共利益，促进汽车数据合理开发利用。
中国全国人大常委会今天也在会议上表决通过《个人信息保护法》，规定处理生物识别、医疗健康、金融账户、行踪轨迹等敏感个人信息，应取得个人的单独同意。该法将从11月1日起施行。
中国通过《个人信息保护法》11月施行
8/20/2021
中国全国人大常委会今早（20日）通过《个人信息保护法》，11月1日起施行。
据新华社报道，个人信息保护法规定，处理生物识别、医疗健康、金融账户、行踪轨迹等敏感个人信息，应取得个人的单独同意。在通过自动化决策方式向个人进行信息推送、商业营销方面，也应提供不针对其个人特征的选项或提供便捷的拒绝方式。违法处理个人信息的应用程序者，将被责令暂停或者终止提供服务。
彭博社认为，该法将会是中国约束科技巨头影响力的一把利器。
全国人大常委会法工委发言人臧铁伟上周五（13日）在记者会上介绍，《个人信息保护法》草案要求个人信息处理者保证自动化决策的透明度和结果的公平公正，不得通过自动化决策对个人在交易价格等交易条件上实行不合理的差别待遇。
臧铁伟说：“社会各方面对于用户画像、算法推荐等新技术新应用高度关注，对相关产品和服务中存在的信息骚扰、‘大数据杀熟’等问题反映强烈。”
他称，利用个人信息进行自动化决策，包括用户画像、算法推荐等，应当在充分告知个人信息处理相关事项的前提下取得个人同意，不得以个人不同意为由拒绝提供产品或者服务。
中国拟立法禁止“大数据杀熟”
8/16/2021
中国计划对“大数据杀熟”等问题作出规制。“大数据杀熟”指的是，同一平台上的同一款产品或服务，对“熟客”的报价可能要比新用户更高。
据新华社报道，个人信息保护法草案17日提请中国全国人大常委会会议第三次审议，该法对“大数据杀熟”等问题作出规制。
全国人大常委会法工委发言人臧铁伟在记者会上说：“当前，社会各方面对于用户画像、算法推荐等新技术新应用高度关注，对相关产品和服务中存在的信息骚扰、‘大数据杀熟’等问题反映强烈。”
草案三审稿规定，利用个人信息进行自动化决策，不得对个人在交易价格等交易条件上实行不合理的差别待遇。
草案三审稿明确规定：个人信息处理者通过自动化决策方式向个人进行信息推送、商业营销，应当同时提供不针对其个人特征的选项，或者向个人提供拒绝的方式。通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求个人信息处理者予以说明，并有权拒绝仅通过自动化决策的方式作出决定。
此外，草案三审稿还对大型互联网平台和小型个人信息处理者进行了区分，规定大型互联网平台应当遵循公开、公平、公正的原则，制定有关个人信息保护的平台规则。
Tel: 551-580-4856 | Email: F.WINNIE.S@GMAIL.COM
报告：中国AI企业数量全球第二
4/19/2021
报告显示，中国AI企业数量全球排名第二，中美两国在人工智能领域占绝对竞争优势。
据中新社报道，中国信息通信研究院19日发布《2020年全球人工智能产业地图》显示，中国AI企业数量全球排名第二。
中国信息通信研究院副院长魏亮在现场介绍说，2020年，美国人工智能企业占据全球总数38.3%，中国紧随其后，占24.66%。中美两国AI企业数量占据全球半数以上，保持绝对竞争优势。美、中、英、加等名列前10名国家的AI企业数量排名连续四年无明显变化。尽管俄罗斯2020年AI产业迎来发展热潮，但对AI产业整体格局并未产生决定性影响。
魏亮说：“中国人工智能‘先导区’‘试验区’带动作用显著。”中国地方政府在体制机制、政策法规等方面先行先试，形成促进人工智能与经济社会发展深度融合的新路径。其中，北京AI企业数量占据中国30%以上。上海、深圳、济南、青岛、成都等城市也成为区域内人工智能企业最集聚、创新最活跃的城市。
《产业地图》显示，2020年，在疫情防控和复工复产中，人工智能技术发挥着重要作用，资本市场对于人工智能的热度升温，全球AI投资金额基本止跌，中国国内AI投资金额转降为升。全球人工智能产业规模达到1565亿美元（2082.98亿新元），同比增长12.3%，但由于疫情影响，增速低于2019年。中国人工智能产业规模为434亿美元，同比增长13.75%，超过全球增速。
2021 美国就业新热门和薪酬
01/26/2021
2020年是值得记住的一年， 全世界都经历了上上下下。 人们的生活受到死亡的威胁和打击， 美国的就业市场受到重创， 累计最高失业人数达到六千万。 近一千万人成为永久失业者。 近年来技术工作一直是最重要的机会领域，但疫情以来的大数据搜集和整理的结果，2021年的变化让以人为中心的职场角色在不断增加，一些领域工作的招聘將呈上升趋势， 而另一些会消沉。
下面列出10个美国目前招聘的热门领域和薪酬。 其中招聘增长如无特殊说明，是从一年前比较起。
1.一线电子商务工作者。疫情生活的工作趋势：医疗保健，在线生活，呼吁多元化。 电子商务领域的一线工人，从仓库工人到送货司机再到负责个人购物的人，是新兴工作趋势的第一名。 这些职位的招聘同比增长了73％，并且该领域的工人仍然很抢手，目前有超过40万个空缺职位。
Six Spaces Home Staging
Contact: Hongliang Zhang
Tel: 571-474-8885
Email: zhl19740122@gmail.com
职位：个人购物者，履行专家，送货司机工作；最热工作地点：芝加哥，纽约市，华盛顿特区； 薪酬范围：$ 42,000至$ 56,000； 远程作业可能性：低
2.贷款和抵押专家。 在推出“薪资保护计划”（Paycheck Protection Program）贷款以及在疫情流行引发的购房热潮期间，抵押贷款需求增加，贷款和抵押贷款专家也是新兴的重要工作扩展领域之一。 招聘增长59％。
职位：贷款协调员，抵押顾问，承销商； 最热工作地点：纽约市，达拉斯，芝加哥； 中位数薪酬：43,700美元至60,000美元； 远程作业可用性：高
3.卫生保健相关人员， 负责医院和护理中心的行政支持人员。疫情加剧了心理健康的创伤，精神卫生专家的需求也在飞涨。 保健专家，健康教练，药学技术员； 招聘增长34％。 最热工作地点：纽约，波士顿，芝加哥； 中位数薪酬：65,300美元至106,000美元。远程工作可能性：低。
4. 护士：学校护士，注册护士助理，护理经理。 最热工作地点：纽约市，洛杉矶，费城。 中位数薪酬：73,000美元至111,000美元。 远程工作可能性：低
5. 业务开发和销售专业人员。 随着很多公司的上线，对业务开发，销售，数字营销和用户体验方面的员工的需求也越来越大，以确保其业务可以在新的空间继续进行。 工作职位：销售顾问，销售运营助理，战略顾问。 招聘增长45％。 最热门工作地点：纽约市，丹佛，亚特兰大。 中位数薪酬：43,300美元至105,000美元。 远程工作可能性：低
6. 数字营销专业人员。 因为环境的变化，数据变得更为重要。但是从浩瀚的数据海洋中捕捉有用的信息，并将它们推荐给需要的客户就成为有用的技能。 工作职位：数据筛选，社交媒体经理，搜索引擎优化专家。 招聘增长33％， 最热门工作地点：纽约市，旧金山，洛杉矶。 中位数薪酬：48,000美元至96,000美元。 远程作业可能性：中
7. 专业工程师。技术是永恒的领域。游戏开发人员，软件工程师，客户工程师。 招聘增长25％。 最热工作地点：旧金山，纽约市，华盛顿特区。 中位数薪酬：77,500美元至104,000美元。 远程工作可能性：高
8. 用户体验专业人员。设计专家，产品设计顾问，用户界面设计师。 招聘增长20％。最热工作地点：旧金山，纽约市，西雅图。 中位数薪酬：80,000美元至103,000美元。 远程工作可能性：中
9.数据科学家。 分析专家，数据管理师。 招聘增长46％。 最热工作地点：华盛顿特区，旧金山，纽约市。 中位薪水：$ 100,000至$ 130,000。 远程工作可能性：中
10. 人工智能工程师：机器学习，人工智能专家，机器学习研究员。招聘增长32％。 最热工作地点：旧金山，纽约市，西雅图。 中位数薪酬：124,000至150,000美元。 远程工作可能性：低
虽然很多人正在离开拥挤的城市， 但大多数空缺职位仍在纽约等顶级城市找到：旧金山；洛杉矶；华盛顿特区；芝加哥。 热门的招聘和岗位还是在大城市较多， 当然大城市的人口也多。
网友分享: 零基础商科转码工找实习经历
By GY CS
01/12/2021
晃眼之间，从写下第一行代码，到今天差不多刚好一年了，一年前在银行干着不喜欢的工作，每天度日如年下班后躺在床上对着天花板能发呆几个小时的日子仿佛还在昨天。这一路走来真的很不容易，但是又真的很幸运，感谢互联网，感谢那些在网上分享自己转行经验的前辈们，如果不是偶然发现了一个学姐的转行心得，也不会发现原来路还可以这样走，所以现在轮到我来分享一点点这个秋招的找实习心得了，希望也能够对屏幕那头的你一点点小帮助。
1）背景：
我是商科零基础转码的，转cs差不多刚好一年，这个秋招面了8家公司，拿了4个offer，中奖了2个flag。诚然我是非常幸运的，不可否认运气在找工作中真的占据非常大的部分，但是在不可控的运气之外，我觉得还是有很多小心得可以跟大家分享下。
2）前期准备：简历
很多人都把刷题放在找工第一步，但是经过这个秋招，我深刻地意识到简历关其实是最难过的一关，很多公司拿到面试你就已经成功了一半了，所以我认为早点开始有针对性的做项目，build up your resume才是重中之重的第一步，尤其是对于没有实习经历的转专业选手来说，早点开始做项目，早点开始准备简历，这样才可以在秋招一开始就自信投出你的简历。
没有实习，项目来凑： 作为转专业选手，简历上自然是一穷二白，真的一点相关经历都没有，所以我很早就开始跟着udemy这些网站做项目。关于做什么项目地里面有非常多的分享帖大家可以自己做下功课，我建议是热门框架常用的技术最好要有一个项目，并且最好是所有项目代码都上传到github，能够deploy最好deploy，这样放在简历上非常有说服力。
简历尽量match job description：很多公司第一步筛选简历其实是机器筛选，有些是hr自己筛（但是我认为很多hr并看不懂你的项目有多难，多复杂，他们只看你的经验是否match），所以简历关键词非常重要，要尽量match job description上的skills，然后每个你列出来的skill最好能够在你的实习经历或者项目经验中体现出来。
多看前辈的优秀简历，简历一定要多找几个人改：一开始我写简历的时候也很不知所措，不知道怎么用英文很好地描述项目，所以我当时是疯狂在LinkedIn上看前辈们的优秀简历，很多人会把自己的简历po在LinkedIn，可以看他们的实习跟项目描述，多看多学，地里面的改简历帖子也可以多看。简历一定要反复修改，可以多找工作了的学长学姐帮忙看看，一定要找学校的career service advisor帮你看看，虽然他们可能不懂你简历写的那些东西，他们往往能够从hr角度对你简历的格式/字体/排版/措辞等提出意见。
3）前期准备：刷题
刷题没什么好说的啦，对每个cs学生都再熟悉不过了。我其实觉得美国这种考算法题筛选人的方式真的是大大利好咱国人同胞，论勤奋努力做题咱真的都是数一数二，我当初就是听说cs面试就考刷题，然后就虎头虎脑地觉得诶这个活我能行，然后就一腔孤勇转了cs。每个人的刷题方法都不一样，这里我就说一下我自己的刷题方法（并不一定适用所有人）。
很多转专业的同学都会问，我补基础到什么程度才可以开始刷题。我自己当初也有这种疑问，因为觉得自己真的什么也不会也可以刷题吗？我记得当时一个cs同学跟我说，你会写for loop了就可以开始刷题了，遇到不会的你就现学，刷着刷着你就都会了。这基本就概括了我从0到500+题整个过程。我是学了一半cs61a，基本会写python之后就开始刷题了，一开始我有快速跟了下某章的入门课程，囫囵吞枣地了解了下基本数据结构。刚开始刷题我都是直接看答案，看到不会的数据结构跟算法，就google搜讲解视频，然后做笔记，然后再不停刷同一类型的题，这样刷了100+题的时候就对基本的题型以及常
见的解法有了一点了解（属于看到题大概能知道是什么题型什么解法，但是自己写就会写的磕磕碰碰基本跑不过）。我认为刚开始刷题真的没必要自己在那死磕半天，直接看答案学习最规范最优秀的解法跟思路这样上手比较快且不会有太大挫败感。
再之后就是按照分类tag，从高频到低频，重复刷，对于经典的题型认真看不同的解法，分析时间空间复杂度，做笔记，总结模版，总结套路，我始终觉得刷题其实就是个熟能生巧的事情，你各种套路见的多了，之后自然而然可以见招拆招。
除了把题做出来，怎么在面试过程中跟面试官进行很好的交流也很重要，大家平时可以多给朋友讲讲题，或者跟朋友mock一下，推荐使用Pramp，我有段时间有每天都在pramp上mock，mock过程真的能学到很多！！面试中，我一般是会上来大致思路讲一下，然后得到面试官认可再开始动手写题，然后在写题过程中，我是会一边写一边说解释，然后还会写comment的，写完题之后我会快速看一下有没有edge case，然后再分析一下复杂度。
4）投简历
能内推就内推，能早投就早投，重要的话要重复三遍！！！除了某些玄学公司之外，基本所有的公司都是能内推就内推，能早投就早投！！一般美国的实习都是在7，8月就陆续开放，所以在这之前就要把简历改好。
学会LinkedIn找内推：我以前深受商学院networking教学的荼毒，以为networking或者找人内推一定要先吹嘘一通然后约coffee chat之类的，但是至少对于码农来说绝对不是这样的！！大家都很忙，你如果只是要内推，人家看你背景还ok就顺手给你5分钟就推了，你上来问一大堆问题还要约啥15分钟coffee chat人家都心累。建议大家在秋招开始前就可以泡在LinkedIn上，把自己想去的公司的校友全都加一遍，没有校友的公司可以把公司的国人都加上，等到实习岗位一开放，就直接给他们发私信。划重点！！请人内推请至少简短介绍下自己的情况，我一般是会大致说一下我的背景，我做过的项目，刷了多少题，然后附上我的简历和我想要申请的岗位链接，而且一定要知道，人家帮你内推是情分不是义务，语气一定要客气不要理所当然。我自己的经验是LinkedIn成功率最高的是校友，其次是同胞们。
Career Fair机会一定要把握：美国找工作有很多career fair，我个人感觉careerfair的中标率比内推还要高，所以所有career fair的机会一定要好好把握。今年我7月就把简历投进了ghc的database，8月初就被一个公司勾搭了这也是我的第一个offer。虽说今年ghc变成线上之后没有往年给力，但是我看身边还是有不少人从ghc被捞。除了ghc以外，还有下面这些career fair大家可以关注：
1.Tapia
2.Notorious RTC Career Fair: 这是一个叫做Rewriting the code组织办的，也是focus women in tech，他们还有mentorship program也可以试试。
3.HackerRank Career Fair: HackerRank办的career fair，要先参加他们的一个online test（也就是oa题那种），然后也可以投简历。
4.Debug 2020: 听说是给les办的，我没有参加过，大家可以查查。
海投重点在于海：如果找不到内推也不要紧，并不是说海投就一定没有机会，海投重点就是海，所有可以投递的渠道都要争取投一下，我用的比较多的是：
1.官网
2.LinkedIn
3.Jumpstart
4.Handshake
5.学校的piazza简历也要上传，有些公司会看piazza的profile！！
5）面试
美国cs实习面试一般包括算法题，基础知识，简历跟behavior question。大公司很多只考做题，中小公司还会考基础知识，ood等。这一部分就没有什么太多说的了，重点就是刷面经！很多公司oa跟面试都是有题库的，有一些还是连续几年题库都不变，拿到oa或者面试，就是打开地里疯狂刷面经就对了，我面的有些公司，我把地里过去3年的面经刷穿了……（累觉不爱）。
面试的时候非常讲究天时地利人和，我自己学到就是要去领会面试官给的一些hint，很多时候面试官都会暗示你有没有on the right track，还是说你跑的有点偏，能够及时get到面试官给hint然后作出反应也是非常重要的一点，我觉得有时候跟面试官聊开心了比把题完美写出来了可能更重要。
6）最后：一些有的没的碎碎念
不要因为自己是转专业就觉得自己不如人，不要给自己任何预判：这句话其实是面试时候好几个面试官都对我说过的，但是其实作为一个转专业的人一直深知自己很多不足，所以经常觉得自己是不是不够格，非常不自信。比如在一开始投简历的时候，其实很多公司我都不敢投，觉得自己肯定进不了，后来是因为到了9月底实在没有面试了才胡乱海投一波，结果本以为肯定没有戏的公司竟也给发了面试，还走到了终面，不过最后因为面的太晚了，没有hc了。所以非常后悔一开始如果没有因为不自信不敢投投了会怎么样。所以说希望大家都不要给自己预判，不要觉得自己肯定不行，有机会就上，万一中了就是彩票，不中也就当是学习了。
过简历关是玄学，你永远都不知道你会被什么公司捞上：这个秋招下来，我真的觉得过简历关有很大运气成分在，比如我跟我室友们，做的一样的项目，有着相似的背景，投递方式时间都几乎相同，但是拿到的面试都不尽相同，很多人会有一种跟别人比的心态，觉得为什么他有我没有，其实大可不必，因为简历关真的运气成分太大了，而你永远不知道你会被什么公司捞上，还是多focus在自己身上，不断提升自己的实力，这样当属于你的机会到了的时候就可以一把抓住。
找对小伙伴，抱团取暖真的可以事半功倍：找工作真的非常心累，所以小伙伴真的非常重要。我特别庆幸碰到了我室友，我们一起零基础从头开始学，找工作整个期间都一起互帮互助，我们会互相分享整理的面经，有什么小道消息都会互相通知，就连找内推我们都是互相share节省时间，被拒的时候也会互相打气加油。转cs以来压力大到蒙着被子爆哭的时候也不少，但是现在回想起来自己真的很幸运，有那么棒的小伙伴一起，体会到了从来没有过的sisterhood的力量，跟小伙伴一起升级打怪的经历在黑暗中显得更加闪闪发光。
