《顺丰机器学习》专题

上午面试官迟到了15分钟，打电话给hr临时又给我换面试时间，该说不说顺丰一次面试给我发了三封邮件，不同时间不同地点，绷不住了 产品经理面试，全程没问八股，拷打个人经历，手撕一道sql语句和一道编程 sql输出成绩排名前十的score 编程 计算两个二进制数之和

更新一下： 现在官网状态已经到复试了，不知道是不是一面过了，希望能有二面 —————————————————————— 面试官态度很好，问的问题都是很基础很简单的问题，更偏向对你个人的了解，没有涉及到专业能力的问题。 反问岗位：后续才会分配不同部门 反问培训：入职后会统一培训 反问对应届生的看法：需要应届生带来新的想法 感觉凉了，面试时间有点短

1. 进行自我介绍 2. 结合项目经历与专业学习，谈谈找工作时的企业规划和职业规划。 3. 提到顺丰科技公司存在xx岗位，为何投递的却是物流运营岗位，是如何考虑的。 4. 随后开启面试官介绍讲解环节：首先物流运营工作前期是比较艰苦的，管培生需要到一线轮岗 6 个月，前三个月跟进快递发出、中转运输、送达的运输流程，后三个月跟进到货仓库存储与发货的仓储过程，还说有因无法忍受这份工作以及工作预期不同而离

自我介绍。 你参与开源项目时有没有遇到什么难点挫折，你是怎么解决的。 你在阅读源码的时候有没有去尝试理解它的整个项目架构，比如它的模块是怎么划分的，模块和模块之间的协作又如怎样的。 你有没有从中借鉴些它的设计，并运用到自己的项目中。（主要是谈到了函数式编程的思想） 你刚刚谈到了React产生的副作用（因为在扯函数式编程的时候扯到了这一块儿的内容），那你说说副作用产生的原因是什么。 那你觉得副作用和

1.自我介绍 2.测试熟悉的模块 3.自动化框架 4.对pytest熟悉么 5.接口测试 6.代码能力 毕设用的库 功能 应用场景等 7.python 迭代器 8.python 常用的库 9.线程和进程的区别 10.c语言 指针的特点 11.c语言 全局变量和局部变量 12.反问 比较看测试基础和代码能力

#非技术2024笔面经# 面的很匆忙 没有提前准备 自我介绍 学生工作经历 项目没过审怎么处理 项目经历 产品经理职责 对岗位认识 对物流行业了解 个人性格 介绍与自己性格相关的事件 反问问题 问的比较细 偏难

项目介绍 (选了短链接路由表设计思路) 实习介绍 实习中MySQL的优化思路 短链接中的服务间调用用的是什么？ 除了OpenFeign你说你用了HTTP，具体用什么包？ JAVA并发编程你怎么理解多线程？ JAVA有哪些并发编程的类？(我讲了ReentrantLock) SpringCloud中知道OpenFeign的底层原理吗？ 未来3-5年的职业规划 兴趣爱好有哪些？ 如何和同事或上司交流沟通

30道选择题，408+java为主，涵盖知识面较广#顺丰2025秋招#广，感觉偏难 2道编程题： 1.给一个字符串，如果符合驼峰命名，则转为_命名（如isSmall转为is_small）；如果是_命名，直接输出；如果都不是，则输出indistinct。 2.给一个数组，可以重新调整，要求相邻元素a和b满足a是b的整数倍或者b是a的整数倍，求所有可行的方案数。

积攒人品 1.自我介绍 2.为什么会选择测开这个岗位 3.测试用例是怎么进行设计的 4.使用过什么自动化测试工具 5.linux常用命令，怎么查询log文件中的指定内容 6.口撕mysql的关联查询，举例了一个应用场景 7.怎么进行性能测试 8.反问 面试官人很好，很认真的回答反问的问题

算法题：40分 1、给定一个仅有小写字母x和小写字母o的矩形图案你的任务是判定这个图案是否关于左右对称和上下对称。 2、判断是小驼峰还是下划线命名法，统一改成下划线命名法 选择题： 60分 #25届秋招##顺丰科科技##测试开发#

1、自我介绍 2、关于专业 4、使用美图秀秀的爽点和痛点对于你而言分别是什么 5、假设给你从微信上随便发一张图片，没有任何使用场景限制，你使用ai的方式可以从图片上获取什么结构化数据 6、互联网最近的资讯关不关注，对ChatGPT和谷歌、百度这类搜索引擎的核心区别在哪 7、你的突出优势是什么 8、产品经理的一天应该是什么样的 9、有一天和老板或者研发意见不合，如何去说服对方 复盘笔记 自我介绍:

Index 基本遵从《统计学习方法》一书中的符号表示。 除特别说明，默认w为行向量，x为列向量，以避免在wx 中使用转置符号；但有些公式为了更清晰区分向量与标量，依然会使用^T的上标，注意区分。 输入实例x的特征向量记为： 注意：x_i 和 x^(i) 含义不同，前者表示训练集中第 i 个实例，后者表示特征向量中的第 i 个分量；因此，通常记训练集为： 特征向量用小n表示维数，训练集用大N表示个数

Reference CS229 课程讲义（中文） - Kivy-CN - GitHub 超参数选择 Grid Search 网格搜索 在高维空间中对一定区域进行遍历 Random Search 在高维空间中随机选择若干超参数 相关库（未使用） Hyperopt 用于超参数优化的 Python 库，其内部使用 Parzen 估计器的树来预测哪组超参数可能会得到好的结果。 GitHub - https

偏差与方差 《机器学习》 2.5 偏差与方差 - 周志华 偏差与方差分别是用于衡量一个模型泛化误差的两个方面； 模型的偏差，指的是模型预测的期望值与真实值之间的差； 模型的方差，指的是模型预测的期望值与预测值之间的差平方和； 在监督学习中，模型的泛化误差可分解为偏差、方差与噪声之和。 偏差用于描述模型的拟合能力； 方差用于描述模型的稳定性。 导致偏差和方差的原因 偏差通常是由于我们对学习算法做了错

机器学习 概述 机器学习(Machine Learning,ML) 是使用计算机来彰显数据背后的真实含义，它为了把无序的数据转换成有用的信息。是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及