9.8 15:30 面了大概半个小时 1.自我介绍 2.项目介绍 3.项目相关问题 开始八股 4.Map的实现类 5.HashMap介绍,put流程 6.1.7扩容死链具体描述整个过程:设定一个场景去回答,关键点就是线程冲突情况下进行链表迁移,e,next指针和头插法的一些问题。 7.redis保证高可用:主要说了数据不丢失和服务不中断,AOF,AOF重写,RDB,redis默认的RDB生成时机以
9.9一面25mins 自我介绍 项目介绍 前端用什么框架 支付双方的校验? HTTPS效率降低,怎么优化? Netty的优点? Netty哪些网络协议? Netty的线程模型 Bossgroup线程设置多少线程 Netty线程组默认多少线程?NioEventLoopGroup默认创建的线程数是cpu核心数 * 2 心跳机制如何实现? 序列化如何实现? RPC中输出日志怎么方便打印?责任链模式 J
体验感最好的一次面试(虽然也就面了3次),和面试官聊天如沐春风的感觉~但是不影响自己的菜 基本都是八股,面试时长28min 1.铁打的自我介绍 2.JS的原型链是怎样子的 3.var let const 区别 4.如何用函数模拟类 5.函数里边能不能定义同名变量 6.事件循环,宏任务还有微任务是什么 7.Vue延迟加载某个模块如何做 8.Vue虚拟domDiff算法流程 9.TCP四次挥手流程 1
呜呜呜,居然问的全是八股,我太菜啦,凉经了应该是,全程24min~ 自我介绍 Vue数据流是单向还是双向,React呢? Vue是单向数据绑定还是双向,React呢? 什么是数据流? React中dva状态管理是怎样的? UseMemo和UseCallback区别 UseEffect和UseLayoutEffect区别 Vue的Diff算法和React的Diff算法有什么区别 Vue中根节点的cl
一面(技术面10.31,30min) 1、自我介绍 2、描述一下C++的继承和组合 3、宏函数和内联函数的区别 4、函数调用和函数退出在汇编上面做了一些什么东西 5、类中静态成员函数和非静态成员函数的区别 6、虚函数和纯虚函数之间有什么差别 7、C++中什么情况下会发生内存泄露,怎么规避 8、发生内存泄露后怎么进行排查 9、指针有什么优点和缺点 10、指针和引用有什么区别 11、描述一下C++工程
之前看顺丰春招,就想着投一个,然后c++开发只要硕士,就投了个测试 面试官网络不好,中间断断续续了一会 1.自我介绍 2.下面开始针对每一个项目谈论从开始设计到上线的过程,包括提出概念,设计,实现,上线前的测试,后期的测试是怎么进行的 3.数据库语句,如何去重 4.实例:输数据的时候多输了几个,但是不知道哪几个,怎么去掉,写下语句 5.计算机网络几层协议 6.数据链路层干嘛的 7.http和htt
一面2023/9/12(25 mins) 1.自我介绍 2.你如何理解运维岗 3.select、poll、epoll的区别和特点 4.服务端出现大量TIME_WAIT是什么情况 5.进程间通信方式 6.是否了解nginx负载均衡 7.数据库的隔离级别 8.数据库redo log和bin log 9.当发现岗位任务繁琐,与想象中不同怎么办 10.为什么不投递开发岗,而投递运维岗 11.反问 ————
秋招的第一次面试,面试官态度真的很好,全程跟聊天一样,想到啥就问啥 自我介绍 代码管理工具 是否有git账号,用过哪些指令 git rebase 是否用过原生js html4 html5 vue2,vue3区别 proxy与defineproperty的区别 defineproperty是否能监听整个对象,怎么监听的 问的越来越深 项目中遇到的难点 electron项目怎么实现的单选与框选 怎么写
两个测评 一面9.08 自我介绍 1、为什么内容运营转产品运营? 2、为什么不做金融? 3、成就感的事情 (你觉得增长300%的原因是? 300%有没有可能是其他运营动作带动的? 有没有和达人沟通奖励的效果?) 4、如果你进来发现你做的事情和你想的不一样怎么办? 5、你对产品运营的理解? 二面9.14 自我介绍 1、一面中有哪些不好,你觉得可以提高的? 2、APP活跃数据不达标,你打算怎么做提高?
支持向量机(SVM)是一类按监督学习方式对数据进行二元分类的广义线性分类器,其决策边界是对学习样本求解的最大边距超平面,可以将问题化为一个求解凸二次规划的问题。与逻辑回归和神经网络相比,支持向量机,在学习复杂的非线性方程时提供了一种更为清晰,更加强大的方式。
感知机可以理解为几何中的线性方程:w*x+b=0 对应于特征空间 R^n 中的一个超平面 S ,其中 w 是超平面法向量,b 是超平面的截距。这个超平面将特征空间划分为两个部分。位于两部分的点(特征向量)分别被分为正、负两类。
本文为周志华《机器学习》的学习笔记,记录了本人在学习这本书的过程中的理解思路以及一些有助于消化书内容的拓展知识,笔记中参考了许多网上的大牛经典博客以及李航《统计学习》的内容,向前辈们和知识致敬!
主要内容:Python,NumPy,Pandas ,Scikit-Learn常言道“工欲善其事,必先利其器”,在学习机器学习算法之前,我们需要做一些准备工作,首先要检查自己的知识体系是否完备,其次是要搭建机器学习的开发环境。本教程以讲解算法为主,不会涉及太复杂的应用案例,在讲解过程中会穿插一些示例代码,这样不仅能够帮助你理解算法原理,同时又能让你体会到算法的应用过程。 机器学习的研究方向有很多,比如图像识别、语音识别、自然语言处理、以及深度学习等,因此它是一门较为复杂的技
主要内容:机器学习术语,假设函数&损失函数,拟合&过拟合&欠拟合机器学习是一门专业性很强的技术,它大量地应用了数学、统计学上的知识,因此总会有一些蹩脚的词汇,这些词汇就像“拦路虎”一样阻碍着我们前进,甚至把我们吓跑。因此认识,并理解这些词汇是首当其冲的任务。本节将介绍机器学习中常用的基本概念,为后续的知识学习打下坚实的基础。 机器学习术语 1) 模型 模型这一词语将会贯穿整个教程的始末,它是机器学习中的核心概念。你可以把它看做一个“魔法盒”,你向它许愿(输入数
从零开始 让 TX2 动起来 安装OpenCV 安装TensorFlow