数据分析 选择题+简答题+SQL题+Python题 选择题大概涉及概率论、数据结构、机器学习,比较简单 简答题很简单的条件概率 SQL题很难,主要可能是我很久没复习SQL了,两个查询一个都没把握 Python题是用一个列表存储1到1500内所有6的倍数,有手就行#深圳农商银行##笔试#
1. 工作中遇到的问题 2. django的n+1问题 3. 接口很慢如何进行查询 4. 缓存结果如何设置(缓存范围内的结果) 5. 开发过程有遇到过死锁的情况么 6. redis数据库删除指定前缀的key(可以通过scan命令) 7. 消息队列如何保证不丢失(持久化、主从复制、队列监控、消息确认机制) 8. redis的哨兵机制 面试凉了,发面经听说有好运,希望可以尽快拿到offer#面经#
去年十月份面的,岗位是解决方案工程师,简单记录一下。 一面:是在上午,一个小时左右吧,群面。先都自我介绍一下,大概八个人左右,需要选出组长和发言人。给出一个情景题,大概就是公司有个业务两年了都发展的不咋地,现在让你接手,你选择接不接,要不要继续发展。给时间讨论,讨论完发言人总结。 然后hr会点人问,你觉得某某说的怎么样,有没有要补充的,你觉得谁最好,这个组长or发言人你觉得好不好,如果重新选会选谁
算法工程师 一面 技术面 1.介绍一下学习、研究基本情况 2.根据简历提问,问到简历上发表文章的情况,研究的内容,使用的数据集,对数据集的处理等,使用的方法,问的很细,数据集的不平衡问题也问了 3.算数位移和逻辑位移的区别(没答对,菜😞) 4.boosting和bagging的区别(答了一点,忘记了😖) 5.SVM的核函数的作用 6.自己有了解机器学习的哪些算法 7.matlab熟悉吗,mat
问题内容: 我试图了解如何使用Golang和forks。情况如下,我在写一个依赖于library的库,这不是我的。 由于缺少我需要的一些方法,因此将其分叉到。但是,我不能只是这样做,库引用了自己,所以它坏了。 在本文中,他们提供了可能的解决方案: 现在,这充其量是hacky。从库代码中无法得知依赖项来自其他存储库。任何使用我的图书馆的人都无法使其正常运行。 由于dep有望成为正式的依赖管理器。我发
问题内容: 我需要一个从任何参数构建JSON有效字符串的函数,但: 通过不两次添加对象来避免递归问题 通过截断给定深度来避免调用堆栈大小问题 通常,它应该能够处理大对象,但要以截断为代价。 作为参考,此代码失败: 避免递归问题很简单: 但是到目前为止,除了复制和更改Douglas Crockford的代码 以跟踪深度之外,我还没有找到任何方法来避免在诸如或any之类的非常深的对象上发生堆栈溢出。有
最近面试挺多的,不过大多都是一些中小厂以及一些初创企业,面试这么长时间有点疲惫,总想着快点有个还不错的offer结束这场战斗! 好像是深信服的群面,约的面试人数很多。面试官人很棒,深聊项目,浅谈八股,思维拓展,最后来一个算法开胃小菜。时间大概四十分钟,光速解决战斗。 如果不是kpi面,真的给面试官一个大大的好评hh! 最后求个二面。 ································
内存对齐 stl多程干扰 迭代器失效 map如何保证多线程安全 哈希冲突 完全平衡二叉树和红黑树 删除重复数思路 结构体内部成员对齐规则 c语言指针占用内存大小 Linux查询栈的端口 c内存布局 动态规划思路,分治思想和解决冗余
可能漏了些内容 自我介绍 说说最近看的一篇文章 两道手写题 Vue父子组件双向绑定 路由导航,搜索关键词对应路由,输出结果需要包含父级,扁平化 let 和 const 的区别 怎么实现一个对象的两个属性,一个可变,一个不可变 箭头函数和普通函数的区别 常见的http状态码,301和302哪个是永久重定向 强缓存请求成功返回什么,怎么区分强缓存返回的200和正常请求返回的200 跨域相关 XSS解决
刚刚收到深信服感谢信,又让我回忆起来上周体验极差的深信服线下三面。 去面试之前搜了一下,看大家都说是业务主管面,无非就是问问项目经历、个人一些问题、聊聊人生,结果没想到是个纯技术面。 ps:投的golang岗位,一二三面基本是一天一面,可能南京站快结束了,进度推的比较快,并且一二面面试回答的也不错,手撕代码也都写出来。 在酒店里一个房间,和面试官面对面,有个小桌子,简历递过去,面试官全程面无表情:
第一题,这个感觉是在考察你的api能力和细节 2.不知道为什么,80% 3.滑动窗口就行 #深信服笔试题##前端#
def deep(root): if not root: return print root.data deep(root.left) deep(root.right) if __name__ == '__main__': lookup(tree) deep(tree)
现在开始学深度学习。在这部分讲义中,我们要简单介绍神经网络,讨论一下向量化以及利用反向传播(backpropagation)来训练神经网络。 1 神经网络(Neural Networks) 我们将慢慢的从一个小问题开始一步一步的构建一个神经网络。回忆一下本课程最开始的时就见到的那个房价预测问题:给定房屋的面积,我们要预测其价格。 在之前的章节中,我们学到的方法是在数据图像中拟合一条直线。现在咱们不
本文向大家介绍深入理解(function(){... })();,包括了深入理解(function(){... })();的使用技巧和注意事项,需要的朋友参考一下 1.他叫做立即运行的匿名函数(也叫立即调用函数) 2.当一个匿名函数被括起来,然后再在后面加一个括号,这个匿名函数就能立即运行起来!有木有很神奇哦~ 3.要使用一个函数,我们就得首先声明它的存在。而我们最常用的方式就是使用functio
本文向大家介绍sass 套料深度,包括了sass 套料深度的使用技巧和注意事项,需要的朋友参考一下 示例 嵌套是一项非常强大的功能,但应谨慎使用。它可以非常容易和快速地发生,您可以开始嵌套并继续进行嵌套,嵌套或嵌套中的所有子代。让我示范一下: 问题 特异性 在li从上面的例子中有一个margin组。假设我们要稍后在媒体查询中覆盖它。 因此,由于嵌套太深,因此每当要覆盖某个值时,都必须再次嵌套深。更