《算法面经》专题

主要内容：1.Paxos算法简介,2.Paxos算法流程,3.Multi-Paxos算法,1.Paxos算法简介 Paxos算法是一种基于消息传递且具有高容错性的一致性算法 Paxos解决的问题是如何正确快速在一个分布式系统 中对某个数据达成一致。 2.Paxos算法流程 在一个Paxos算法系统中, 所有节点分为3类: Propersor提议者, Accepter接受者, Learner学习者 Proposer: 提出提案 (Proposal)。Proposal信息包括提案编号 (P

一面 自我介绍 讲一下自己印象最深刻的项目（我提到使用了xgb 讲一下xgb的原理 逻辑回归的梯度推导 os常用命令操作： pwd, top, kill pid 如何杀死僵尸进程 算法题：第K大的数 二面 自我介绍 实习经历做了什么，还要什么可以挖掘的 L1，L2的作用 transformer encoder的结构，和decoder有什么不一样 有没有关注业界的一些进展？比如google，微软之类

360的算法笔试: 40道选择题 1.5分 2道编程题 20分 360的选择题感觉是最难的 涉及面太广了 除了算法 数据结构 文件 深度学习 还有什么矩阵 微分都有 编程系统和shopee一样最坑的赛马网不过可以本地ide 编程第一题很容易ac 第二题传染病没做出来

1.1 广度优先遍历 (BFS) 类似树的层次遍历，首先访问起始顶点v,然后选取与v邻接的全部顶点w1,w2,…wn，进行访问。再依次访问与w1,w2,…wn邻接的全部顶点。依次类推，直到所有顶点都被访问过为止。从顶点一层层向外拓展和遍历，实现是需要用到队列。 1.2 深度优先遍历（DFS) 首先访问出发节点v,将其标记为已访问过；然后选取与v邻接的未被访问的任意一个顶点w，并访问它；再选取与w邻

连通图：在无向图G中，若从顶点i到顶点j有路径，则称顶点i和顶点j是连通的。若图G中任意两个顶点都连通，则称G为连通图。 生成树：一个连通图的生成树是该连通图的一个极小连通子图，它含有全部顶点，但只有构成一个数的(n-1)条边。 最小生成树：对于一个带权连通无向图G中的不同生成树，各树的边上的 权值之和最小。构造最小生成树的准则有三条： 必须只使用该图中的边来构造最小生成树。 必须使用且仅使用(n

一、引言 在最开始的时候，我本来准备学习的是C4.5算法，后来发现C4.5算法的核心还是ID3算法，所以又辗转回到学习ID3算法了，因为C4.5是他的一个改进。至于是什么改进，在后面的描述中我会提到。 二、ID3算法 ID3算法是一种分类决策树算法。他通过一系列的规则，将数据最后分类成决策树的形式。分类的根据是用到了熵这个概念。熵在物理这门学科中就已经出现过，表示是一个物质的稳定度，在这里就是分类

一面(6.11) 二面（6.14） 三面(7.15) 四面（主管面）(7.23) 更新：8.15流程结束 加上HR面一共面了五轮，最后挂了...行吧~~好叭~~无语~~

没想到被抖音主站的视频推荐捞了，虽然早知道会被锤，但是没想到会被按在地上摩擦。[微笑R] 一面： 先是自我介绍 之后说我这个科研方向说的不对，说我都搞混淆了，咱就是说斯坦福写的综述就是这么写的，我只是个小follower[哭惹R] 然后问了点实习经历。 最后跟我说，做道题吧，考你一个简单的，等会我找找哈。 说来吧，做一道基础的。 我一看，力扣的困难题，OK 还好我做过，写上了。 然后没想到，面完俩

没想到被抖音主站的视频推荐捞了，虽然早知道会被锤，但是没想到会被按在地上摩擦。[微笑R] 一面： 先是自我介绍 之后说我这个科研方向说的不对，说我都搞混淆了，咱就是说斯坦福写的综述就是这么写的，我只是个小follower[哭惹R] 然后问了点实习经历。 最后跟我说，做道题吧，考你一个简单的，等会我找找哈。 说来吧，做一道基础的。 我一看，力扣的困难题，OK 还好我做过，写上了。 然后没想到，面完俩

排序是数据结构体系中最重要的内容之一，这一块必须要非常熟练的掌握，应该做到可以立马写出每个排序的代码，有多种实现方法的必须多种都能很快写出来，当然对各个排序的性能的了解也是基础且重要的。我们先对排序这一块进行一个整体的把握。

9月24日 冬季 大佬的秋招快结束的时候，我才首次笔试，感觉很简单但很现实。 编程题 第一题回文串，随便组和最长回文，计数就可 第二题小美喜欢猫，排列组合，整个题就看不懂，不知道是抽象话看多了还是怎么的，弃了 第三题魔法地图，随机起点，黑白格子，按下右左上优先级寻找下一步不同颜色的格子，每跨一步原来格子变色。无可走路线，则停在原地。问k步后，机器人位置。 第四题 血怒：祝福效果+1， 祝福：加攻；

1、自我介绍 2、两个科研项目的深度拷打 3、手撕一道力扣原题，无重叠区间。（没a出来，痛苦！）面试管人很好，给我一些引导，但是思考太久了就结束了。 一开始用C++写，发现sort算法的第三个参数写不出来，太不熟练了。然后换python，写出来一半 4、反问 5、问问能实习多久，想不想转正 下周出结果，要是能做出来机会就大一些了，奈何自己不争气，刷题太少了，痛失珍贵的机会。后面把时间都用来刷题吧

一直在问论文和项目，论文听的很详细 基于深度模型的Out of Distribution， Ultra fast是怎么解决的grid的误差问题 车道线，BEV是否了解 车道线的目标跟踪，卡尔曼滤波 在用车道线建图的时候，有没有考虑过坡道的情况，当坡度差很大的时候怎么解决（平面估计，平移变化矩阵） 数据回流，在线大模型+小模型 C++：vector相关 Linux操作： export命令是干啥的 把

一面： 自我介绍 项目介绍 八股文： 1. GBDT 2. xgboost 3.逻辑回归，svm，决策树的优缺点，适用场景 4.决策树和随机森林的区别 5.是否了解attention，transform的kqv 6.用过的loss函数，是否了解triplet loss之类的，好几个没听过的loss，没记住 7.batchnorm的参数是否可训练，b*c*w*h有多少个参数 8.如何进行上采样，上采

base 西安 一面(30min): 第一个面试官: (1) 英文自我介绍 英文说我的家乡和陕西的不同 (2) 介绍一个自己的项目 问了下模型的数据量 (3) 介绍一下模型训练的流程 (4) 完成括号匹配需要使用什么数据结构，讲一下怎么实现 (5) 主要使用的语言：python 了解c++吗：本科用过，但现在不熟 ×(6) 指针和引用有什么区别：我知道指针是啥...但是引用想成了python里的引