今日面了360,面试官说通过了,其他问题都比较常规,但算法题有点意思。 1.假设一个人物的战斗力是5,只能挑战1~5的关卡,超过5就会死掉,不能再战斗。现在给两个战斗力n的人物,给一个用最小挑战次数确定n的算法。 2.大数的排重和排序,输出今日收发过消息的qq号。 问题1我最开始想到的是二分查找,但有可能无法找到结果。第二想到的是按区间查找,例如第一个人物的步长是10,第二个人物的步长是1。 面试
pdd算法岗面试 transform的结构 self-attention 和 attention(空间,通道) 的区别 手写conv2d 损失函数的公式 最长好数组(任意两个相与为0为好数组) 很少答出来,反问环节,说没啥问的了,因为后面还有两轮面试(后来想到,这么菜,还不知能不能过,哪里还有面试呀) #面经##拼多多面试#
居然收到了腾讯算法的一面,离谱的是笔试居然直接跳过了??? 一面70min左右,三道题 1.快慢指针,没复习到,随便写了写,这个寄。 2.手撕AdamW优化器,手撕Transformer等,挑着做,然后就手撕了Transformer的encoder,整体框架和细节大差不差,跑肯定是跑不起来的。 3.数学智力题,这个还是不方便说了,答案答对了,就是不知道面试官老哥有没有理解我在说什么。 然后再问了一
编程第二题想知道错在哪里,怎么都ac不了 import sys if __name__ == "__main__": # 读取第一行的n h = sys.stdin.readline().strip() n,k = map(int, h.split()) score = sys.stdin.readline().strip() score = list(map(int, score.split()
趁热 了解RNN和LSTM吗 RNN input具体计算 RNN梯度爆炸和梯度消失的原因 为什么LSTM一定程度上解决RNN问题 transformer embedding bert encoder层里的参数量 bert预训练任务 xgb为何优于GBDT 追问xgb并行计算 seaborn库操作 numpy如何对列求平均 lamada匿名函数 spring boot 解释下bean equal和
1、个人信息再确认,哪个学校毕业的,考研还是保研,以后打算读博还是工作etc 2、介绍你的研究方向 3、介绍下你的研究内容,另外发了论文没 4、常用的数据预处理方法有哪些 5、l1正则和l2正则哪个收敛更快?为什么 6、l1正则和l2正则哪个抑制过拟合效果更好?为什么 7、用过哪些网络 8、transformer了解吗? 9、l1、l2在深层还是浅层抑制过拟合的效果好? 10、dropout用过吗
1. 问项目 15分钟 2. 过拟合怎么解决,l1 l2正则的区别 l2导数是什么 3. Dropout训练和测试区别 4. 优化器有哪些,详细讲一讲 5. 怎么筛选特征 6. 机器学习模型了解吗,树模型,线性模型 7. 场景题,怎么识别抖音刷赞行为 8. 代码 非递归进行中序遍历 估计是寄了 转开发很久了 八股快忘完了
记录第一次互联网的算法面试 感谢手子给的机会 kaggle金牌,建模一等 金牌说了在模型融合上创新的点 换了3道算法题,手撕是真的写不来,脑子空白 面试官提示也写不出来 参加的数据竞赛多,一一介绍 问项目,问了具体内容的实现细节 XGBoost, KMeans, PCA, Labelsmoothing八股都答上来了 部门是违规检测,开放题,问你做会从什么入手 反问 #快手信息集散地#
面试十分钟,自我介绍完问了最近一段实习的内容,然后说这个部门不做视觉算法问我愿不愿意转到嵌入式控制算法,他们比较看重学习能力,面试官自嘲说自己进去的时候也什么都不会,然后开始聊家常😂base 西安 #三一集团提前批#
public static void main(String[] args) { Scanner in = new Scanner(System.in); in.useDelimiter(" "); int n = in.nextInt(); String arrStr = in.next(); String[] ar
自我介绍 问研究生期间工作,感兴趣内容会问,一次都没打断,很感动。 问给一个有噪声的图,怎么样恢复成一个所有点都有边连接的图(大概是这样吧,记不清了,因为我当时也听错了要求hh,当成怎么检测图中哪里有不连接的边)。 手撕代码 商店中有一些礼物,每个有一定的价值(可能有重复价值) 100买三个不重复的礼物,求总价值不超过100的最大价值 dfs+剪枝秒撕 面试老师:是否能够有其他方法(估计是嫌复杂度
一面完,半小时不到直接主管面,时长都在半个小时左右 一面:主要问项目,手撕:压缩字符串,然后讲一下代码的思路。 二面:简单问问项目,其中的难点,对华为文化的了解(能否适应压力等等),有没有特别沮丧的时候,兴趣爱好等,总体比较轻松。
本篇讲解manacher算法,大家在学习之前,提前了解一下两个字符串相算法——kmp和拓展kmp,这些算法都是字符串算法。相对于前面介绍的两个算法,Manacher算法的应用范围要狭窄得多,但是它的思想和拓展kmp算法有很多共通支出,所以在这里介绍一下。Manacher算法是查找一个字符串的最长回文子串的线性算法。 在介绍算法之前,首先介绍一下什么是回文串,所谓回文串,简单来说就是正着读和反着读都
说到搜索算法,它是利用计算机的高性能来有目的的穷举一个问题的部分或所有的可能情况,从而求出问题的解的一种方法。搜索过程实际上是根据初始条件和扩展规则构造一棵解答树并寻找符合目标状态的节点的过程。搜索算法在路径规划、行为决策、语句识别、语义分析等多个领域都发挥着非常重要的作用,下面会给大家做一些介绍,便于大家学习和理解。 一、搜索算法介绍 搜索算法就是穷举出一个问题的部分或所有可能情况,从中找出求解
综述 所谓:“近朱者赤,近墨者黑” 本文采用编译器:jupyter k近邻(简称kNN)算法是一种常用的监督学习算法, 其工作机制非常简单 : 给定测试样本,基于某种距离度量找出训练集中与其最靠近的 k个训练样本,然后基于这 k个"邻居"的信息来进行预测。 通常, 在分类任务中可使用"投票法" 即选择这 k个样本中出现最多的类别标记作为预测结果;还可基于距离远近进行加权平均或加权投票,距离越近的样