《华海智汇》专题

两面连着很快完事了，面试风格和互联网差别挺大，基本没什么技术问题，比较重视综合能力、价值观。 部门做ai平台和云相关的，貌似java和pyhton为主。 华为一面 5.30（30min） 自我介绍 算法：拼写单词（lc1160） 项目是学习用还是商用 介绍STL好处 介绍IO多路复用 平时怎么学习，看什么博客 python水平怎么样 对GPT模型有没有了解 反问部门业务 华为二面 5.30（15m

5.9投递 5.14笔试 笔试算法题应该是随机抽的，前两题是ACM模式，第一题是在数组中查找某个元素的下标，第二题是双链表排序。前两题的输入数据都是一行字符串，需要自己分隔。第三题是核心代码模式，题目有点忘了。算法题总体上是力扣中等难度。 5.23一面（25min） 字节对齐 大小端 高并发场景下有哪些注意事项？ 死锁的四个必要条件 常用的数据结构及其适用场景 socket编程的流程 5.26二面

一面(5.18) 技术面还是挺愉快的，面试官也没迟到 首先问的是项目相关的部分 c++内存分布 c++智能指针 了解的stl 手撕 力扣2578题 最小分割和 简单题直接秒了 (很搞笑，因为是直接让我在力扣里搜题号，结果发现说的第一个中等题我做过，换下一个中等我还是做了，最后抽了个后面的简单题🤣) 应该没到一个小时 二面(5.26) 本来上午面试，结果临时通知拖到下午，下午又迟到一个半小时😓

一面（八股文） 1.js 数据类型及检测 闭包 this call/apply/bind 原型&原型链 深拷贝 vs 浅拷贝 eventloop事件循环机制 promise 如何理解函数式编程 2.vue 生命周期 computed vs watch vs watchEffect 通信方式 vue2 vs vue3 哈希路由 导航守卫钩子 数据绑定原理 组件data为什么是一个函数 虚拟dom如何

全程48分钟，早上九点多面试，面试体验挺好，面试官还会引导我回答问题 自我介绍 java 内存模型 怎么设置堆内存大小，说了参数设置，然后问能不能动态配置参数 java引用和c指针的区别 java和c++参数传递方式，两者在按值传递和按引用传递有什么区别 java中有哪些容器，应用场景是什么，哪些线程安全 java中怎么实现线程同步，比如一个线程需要使用到另一个线程的执行结果 redis在项目中怎

1. 自我介绍 2. 项目难点 怎么解决的 3. 团队合作怎么样的 4.遇到不会的问题 倾向于和别人交流还是自己去解决 5. 技术栈 学过c等底层语言没有 6. 团队沟通怎么协调的 7. 偏向于搞技术研发还是面向业务产品 8. 实习地点意愿

嵌入式软开岗 自我介绍 C基础： Strlen 和sizeof读取同一个字符串，结果分别是多少？ %s什么含义，输出的是什么？ 在c语言中怎么防止头文件的重定义？ C++相关： C++了解过吗，stl知道吗 extern ‘c’的作用 STL有哪些容器？ Vector和List有什么区别？ 简单实现一个算法： 有一个vector,里面有100个元素，1到100，问如何删除偶数元素，并且正确返回剩下

新华三 题型：单选，不定项选择，问答题，编程题 编程题： 第一题：二进制加法 100% 第二题：寻找数组中第K大的数 100% 第三题：合并数组 100% 奇安信 题型：单选，不定项选择，编程题 编程题： 第一题：一个画布100×100，每个小块画一次为黑色，画两次为白色 100% 第二题：五排玩手机，求最多能玩多久 50% 一直没找到bug在哪 更新: 第二题估计是手机电没用完也可以换，我以为只

#华勤# #我的失利项目复盘# 流程很短（20多分钟电话面），可能是因为我太菜了。 java开发岗。 5.6做的笔试和测评，今晚6点多突然打电话来面试，紧张。（面完知道自己肯定没了，不过有提升） 本来这几天在准备另一家公司的面试的。（投3月开始投的，一直都没有面试，还以为处面会给另一家公司的，没想到被华勤先破了） 1.自我介绍。 2.介绍一下主要的项目。 3.开始抓着项目问了（我一个是实验室的项目

机试 280 背景： 从去年开始，学校不是目标院校，去年9月份投了云计算，面试通过，后面没hc了，就没能进去（投递的部门的HR）。 今年2月裁员，就又投一次（重新投递的栗栗 lfyslp ），这次是数字能源，4-19收到offer，确定了4-27入职。 没工作两月，自我焦虑挺折磨人的，当前环境也确实找工作不容易。 2023-03-31 一面 1、有哪些集合 conlletion: set、list

主要内容：手段结束分析的工作原理,运算符子目标,均值分析算法人工智能中的手段 - 结束分析 前面已经学习了向前或向后推理的策略，但是两个方向的混合适合于解决复杂和大的问题。这样一种混合策略，使得有可能首先解决问题的主要部分，然后回过头来解决在组合问题的大部分期间出现的小问题。这种技术称为手段 - 末端分析。 Means-Ends分析是人工智能中用于限制AI程序中搜索的问题解决技术。 它是向后和向前搜索技术的混合体。 MEA技术于1961年由Allen Ne

主要内容：爬山算法的特点,爬山的国家空间图,状态的不同区域,爬山类型算法：,爬山算法存在的问题爬山(Hill Climbing)算法是一种局部搜索算法，它在增加高度/值的方向上连续移动，以找到山峰或最佳解决问题的方法。它在达到峰值时终止，其中没有邻居具有更高的值。 爬山算法是一种用于优化数学问题的技术。其中一个广泛讨论的爬山算法的例子是旅行商问题，其中我们需要最小化推销员的行进距离。 它也称为贪婪的本地搜索，因为它只关注其良好的直接邻居状态而不是超越它。爬山算法的节点有两个组成部分，即状态

主要内容：解决问题的代理,搜索算法术语,搜索算法的属性,搜索算法的类型搜索算法是人工智能最重要的领域之一。本主题将解释有关AI中搜索算法的所有信息。 解决问题的代理 在人工智能中，搜索技术是普遍的问题解决方法。AI中的合理代理或问题解决代理主要使用这些搜索策略或算法来解决特定问题并提供最佳结果。解决问题的代理是基于目标的代理并使用原子表示。在本主题中，我们将学习各种解决问题的搜索算法。 搜索算法术语 搜索：搜索是一个一步一步的过程，用于解决给定搜索空间中的搜索问题。

主要内容：聊天机器人尝试图灵测试,中国室的争论1950年，艾伦·图灵(Alan Turing)介绍了一项测试，以检查机器是否能像人类一样思考，这项测试称为图灵测试。在这个测试中，图灵提出如果计算机可以在特定条件下模仿人类的反应，那么可以说计算机是智能的。 图灵在其1950年的论文“计算机器和智能”中介绍了图灵测试，该论文提出了“机器能想到吗？”的问题。 图灵测试基于派对游戏“模仿游戏”，并进行了一些修改。这个游戏涉及三个玩家，其中一个玩家是计

主要内容：1. 简单的反射代理,2. 基于模型的反射代理,3. 基于目标的代理,4. 基于效用的代理,5. 学习代理代理可以根据其感知智能和能力的程度分为五类。所有这些代理都可以改善其性能并在一段时间内产生更好的行动。这些如下： 简单的反射代理 基于模型的反射代理 基于目标的代理商 基于效用的代理 学习代理 1. 简单的反射代理 简单反射代理是最简单的代理。这些代理人根据当前的感知来做出决定，并忽略其余的感知历史。 这些代理只能在完全可观察的环境中取得成功。 简单反射代理在决策和行动过程中不考虑