《顺丰机器学习》专题

9.8下午4点，大概面了30分钟，岗位是数据挖掘 先是自我介绍，接着问了本科和研究生学的课程 然后问了很多基础知识，像数据库的三大范式，python的数据类型之类的 还问了笔试的时候的代码题 没有问项目，还有一些很开放性的问题 然后就是反问 回答的比较一般，很多基础知识忘了 9.12更新：已经约了二面 9.13下午二面，大概30分钟 自我介绍，然后介绍项目，问了一些项目相关的问题 接着问了SQL的

自我介绍 为什么想做产品经理？ 产品经理在公司中的价值是什么？ 简单问了下实习经历 对顺丰的业务有了解吗？ 一个新需求落地功能的各种角色参与和输出内容有什么概念吗？ PRD的要素有哪些？ 能接受出差到国外吗？ 职业规划 体验感不错不错，最近面的都不错 #非技术面试记录#

JD 20个选择题 全是大数据 概率论 怀疑是数开的题目 三道编程: 贪心 SQL 一道简单 顺丰:四十个选择题 还是全是概率论和大数据 一道简答:设计箱子 一道编程:堆 维护k个最小值

9.7做的笔试，9.10武汉地区线下面试 总共三十分钟左右，面试官技术很强，人也很nice 体验很好。 主要拷打的项目和八股，问得很底层，感觉八股答的不好应该是寄了 自我介绍； 问了实习，主要做的工作内容； 项目架构，数据流，涉及到的组件，为什么选择，不同源的数据怎么汇总，项目的数据量是多少； flink的check point机制，存储位置； kafka的架构，用了多少个节点； Hbase的结构

1、自我介绍 2、自动化测试框架 3、测试流程 4、python（这里给我挖坑，问我全局，局部，全员变量区别，但查了一下没全员变量） 5、数据库 4月7号面的，现在还在初试，应该是凉了。 基本不怎么问测试，问八股文#顺丰2023春招##顺丰科技#

＃顺丰科技＃#产品经理＃＃暑期实习＃ 6.16一面 专业面25min 就是问了实习做的项目和之前校内做的项目，并针对细节展开询问。 6.25二面 HR面 30min 1.介绍一下之前实习的工作 2.说一下项目怎么做的 3.针对项目细节问了一些问题 4.你之前实习mentor为啥会把这好的一个项目给你做，你之前也没有实习经验 5.为什么不继续留在哪里？ 6.为什么想来顺丰？ 7.平时有没有一些其他的

顺丰 2022 暑期实习 大数据挖掘与分析工程师 4.2 测评 4.21 面试  深挖简历，什么都问。 ML，主要是比较几个模型，Kmeans & DBSCAN分别应用在哪些场景比较好？ LR & SVM的区别？分别应用在那些场景？ DL，简单介绍一下RNN，它和LSTM，ARIMA的区别？ 是否了解大数据？说说你了解的hadoop和spark。（说我这部分有待加强，现在做数据挖掘必须要会） sq

头一次去正规的较大型的企业面试，发个面经，攒点人品，希望上岸吧 下午2:30 - 3:00 一面（1.22）（约28min） 1. 自我介绍，实习经历介绍，项目经历介绍 2. 在实习项目中扮演怎么样的一个角色，项目开发过程中遇到问题怎么解决？ 3. 实习的项目用的C语言还是Cpp？ 4. 自己平时用C语言比较多还是Cpp比较多？觉得C语言和Cpp有什么区别？ 5. 在校学习什么课程（答计算机图形学

1.自我介绍 2.实习经历比较杂，后面为什么想做产品 3.倾向于什么产品，有没有特别抗拒的产品 4.深挖实习经历，项目是什么，你的主要职责是什么？ 5介绍一款你喜欢的app，简单介绍功能，你觉得这个app你想优化哪里？ 反问： 1.负责业务 2.产品适用范围 3.产品定位

本文向大家介绍python机器学习之神经网络（一），包括了python机器学习之神经网络（一）的使用技巧和注意事项，需要的朋友参考一下 python有专门的神经网络库，但为了加深印象，我自己在numpy库的基础上，自己编写了一个简单的神经网络程序，是基于Rosenblatt感知器的，这个感知器建立在一个线性神经元之上，神经元模型的求和节点计算作用于突触输入的线性组合，同时结合外部作用的偏置，对若干

本文向大家介绍python机器学习之神经网络（二），包括了python机器学习之神经网络（二）的使用技巧和注意事项，需要的朋友参考一下 由于Rosenblatt感知器的局限性，对于非线性分类的效果不理想。为了对线性分类无法区分的数据进行分类，需要构建多层感知器结构对数据进行分类，多层感知器结构如下： 该网络由输入层，隐藏层，和输出层构成，能表示种类繁多的非线性曲面，每一个隐藏层都有一个激活函数，将

安装 TensorFlow 安装依赖套件 $ sudo apt-get install default-jdk libcupti-dev $ export JAVA_HOME='/usr/lib/jvm/java-8-openjdk-arm64/' 取得 TensorFlow 编译脚本 $ git clone git://github.com/jetsonhacks/installTenso

安装 OpenCV 既然 TX2 上面有相机模组，那我们就来装个 OpenCV 来做相机的影像处理吧！ Python3 会是我们的主要语言。 安装依赖套件 $ sudo apt-get install build-essential cmake git pkg-config libjpeg8-dev libtiff5-dev libjasper-dev libpng12-dev libavcod

问题内容： scikit-learn中是否可能缺少值？应该如何代表他们？我找不到关于此的任何文档。 问题答案： scikit-learn不支持缺少值。 以前在邮件列表上已经对此进行了讨论，但是没有尝试实际编写代码来处理它们。 无论您做什么， 都不要 使用NaN编码缺失值，因为许多算法都拒绝处理包含NaN的样本。 上面的答案已经过时；最新版本的scikit-learn具有一个类，该类可以进行简单的针

本文向大家介绍Python机器学习之决策树算法，包括了Python机器学习之决策树算法的使用技巧和注意事项，需要的朋友参考一下 一、决策树原理 决策树是用样本的属性作为结点，用属性的取值作为分支的树结构。 决策树的根结点是所有样本中信息量最大的属性。树的中间结点是该结点为根的子树所包含的样本子集中信息量最大的属性。决策树的叶结点是样本的类别值。决策树是一种知识表示形式，它是对所有样本数据的高度概括