《算法求职》专题

主要内容：1.第一次分治,2.第二次分治,3.第三次分治,4.第四次分治,5.查询逻辑,6.总结1.第一次分治 kafka通过topic给用户提供数据的读写，对于不同的业务来说，可以定义不同的topic来达到数据分治的目的，不同的业务写入或者读取不同的topic，且不同的topic会尽可能分散在不同的broker中，提高数据的IO效率。 虽然kafka没有限制topic的个数，但是也不要盲目多建，因为越多的topic，代表着越多的数据存储单元，容易导致同一个topic的数据在磁盘存储位置的不

第一题 给定一个一维数组表示不同地方的高度，然后在一个地方倒水。倒水会使得相邻的低于此地高度的地方积水。问最多多少个地方积水。 第二题 有一个长度为n的棋子队列，初始情况为全正面。对其做q次操作，每次操作会将[a,b]区域内的棋子翻转。问每次操作过后的正面棋子个数。 解法 一开始想维持一个线段队列，然后记录每个队列的正反情况。但是发现在插入新的线段时，要考虑的情况太多了：新线段包含已有线段，新线段

投的深度学习框架工程师 选择题里一半左右都是相机图像处理相关 代码题 一个数组选择左端还是右端取数求和是否存在等于特定值的情况 第二个是手写信号处理的两种卷积 再见了小米

1.矿泉水 2.立方和 3.求环的个数 #深信服笔试题#

1. 立方和 2. 矿泉水瓶，示例通过了，但提交时通过0%.... 有谁知道为啥吗 错误原因：最后剩下的部分应该是 而非 修正后的代码： 3. 求环的个数 #深信服笔试题#

全部都是简历上的内容。 1.attention(举例，self attention) 2.召回率（数据集中一半正样本，一半负样本，模型输出结果全是正样本，问召回率） 3.miou（公式，含义） 4.GAN #算法岗##算法工程师#

base-上海 岗位-算法工程师 一面 919 20min： 1. 自我介绍 2.项目相关问题（语言，是否上线有没有继续做，后续的优化方向，算法方面的创新点） 3.关注的期刊、会议，怎么获取信息 4.之前研究的是机器学习算法，中兴的是通信算法，之前有无了解，是否可以接受 5.非纯算法研究的算法开发岗位是否可以接受 6.本科成绩和研究生成绩 7.做题-一道数学题（本科数学学院），5m+7n=129，

先简单记一下，明天面试完在来写详细的 第一题，统计数组中，差为k的数对的个数。 思路：参考两数之和 第二题，最少攀登的次数 思路：用一个大顶堆来维护已经爬过的山的奖励，当遇到过不去的时候，就从已经爬过的山中不断找奖励最大的来爬。 #秋招#

9.1一面 一、实习 & 项目 Q：KM算法中的权重？动态变化？ A：str / 接驾时长 Q：自注意力机制？ 二、概率题 Q：30次都不点击的概率是0.936，问10次中至少点击一次的概率？ A：1-（1-0.936）^(1/3) 三、算法题 不含重复字符的最小子串长度 9.14二面 一、问项目：实习相关 约40min Q：如何评估仿真系统的准确性？ A：校准 二、深度相关问题 Q：平台补贴场景

挑项目和论文问，问得比较细，比较深，比如我的会问用的什么baseline网络，在基础上做了什么样的改进，把改进仔细说说怎么针对性解决问题的。由于我是做检测的，感觉对方很懂，所以还问了一下我baseline框架的论文的名字。 总共面了三十分钟左右。#秋招#

已挂 一面 没有自我介绍，直接开问； 八股考的比较多，论文和实习经历都没怎么问 lgbm和xgboost的区别 RNN, GRU, LSTM之间的差别 为什么RNN容易梯度爆炸？ 进程的通信方式 介绍下进程和线程 进程是操作系统资源分配的基本单位，而线程是处理器任务调度和执行的基本单位 死锁的四个必要条件 互斥条件:一个资源每次只能被一个进程使用; 请求与保持条件: 一个进程因请求资源而阻塞时,对

10月12号笔试，三道编程。 10月18号测评。面试之前需要签署一个协议《知识产权和商业秘密保护承诺书》。 面试之前hr会一次性预约一面二面的时间，如果一面通过就直接参加二面，大部分一二面是同一天完成的。我一面面完已经6点了所以二面约在了第二天上午。 10月20号一面。50分钟。介绍项目。基本上简历上写的都差不多讲了。别的同学有问笔试题思路的，我没被问到。介绍完了之后开始写算法题。我用的回溯暴力搜

技术面 hr自我介绍，说了岗位的需求，接到一个硬件相关的项目，需要有硬件知识的同学 自我介绍 说说运筹学中的旅行商问题 介绍机器学习中的XGBoost 我还需要补足哪方面的知识？(NB-loT、蓝牙、计算机原理)

#23届找工作求助阵地##春招##vivo2023春招##笔试#倒霉蛋申博结果签证没过G了，急急忙忙赶赴春招，感觉还是好菜，硕士期间没怎么写过C++相关代码，大多都是深度学习炼丹。 VIVO编程题一共三道，前两道送分题基本两三分钟就过了，第三题卡住了（还是我太菜了）来分享一下看有没有大佬有思路。 给定一个代表项目完成需求时间的数组，和两个参数，工人数量和一个工人招募一个工人需要时间；一个项目只能由

#运筹优化# #实习# #OPPO# 1.自我介绍 2.单纯形法、分枝定界 3.单纯形法是不是能解所有凸优化（我说只能解线性规划，被质疑，让解释），机器学习优化过程为什么不用单纯形法、用什么方法、和单纯形法有什么区别（区别我没太搞懂，只说了一个是单纯形法是精确解，梯度下降不是） 4.整数规划是不是凸的（我说不是：整数规划的可行域不是凸集，被质疑？然后问凸集的概念） 5.机器学习，xgboost为什