1. 暴力 dfs 可解 。一个数被3整除,则各个位之和,也是3的倍数。 2. 对于一个颜色,我们 只需要构建一个数组 preSum1, 对于 区间[L, R] 填充 1号色,只需 preSum1[L] += 1, preSum1[R + 1] -= 1;所有的颜色染完后,求preSum的前缀和,则第 i 个位置的值含义为:该点被染色的次数。对另一种颜色,也可以利用该方法解决。 但是该问题一个核心
T1:金字塔石块掉落 思路:双指针模拟即可 T2:10101神奇序列,将1和0没有重复并且至少长度为3的为神奇序列,求序列中最长的神奇序列 思路:遍历一遍,碰到前后相同的让长度清零即可 T3:ASDF字符串转换成平衡字符串(各字符数目相等),求满足要求的最小子字符串 思路:先统计多出来的字符串,然后双指针去序列中找 T4:同组放书,同一组为相邻的(可理解为连续子串),要求同一组中最大值和最小值之差
[toc] 中兴 算法工程师 简历投递 2022.07.02 官网内推投递 一面通知 2022.09.04 邮件自主预约面试时间 一面 2022.09.06 面试时长: 20 min 面试平台:腾讯会议 面试流程: 自我介绍 项目介绍 数字孪生了解吗,了解过哪些? 反问 中兴目前在做人工智能算法、数字孪生算法 人工智能算法有一些积累,业界也还不错 数字孪生算法,属于刚刚起步 面试有三轮:专业面试
8.26 测评 9.14 笔试 9.21 一面 自我介绍 项目介绍(细节深挖) BN层参数的作用 吸BN操作 样本不均衡问题 小目标问题 双线性插值(边界考虑) GAN网络能否落地 怎样提高特殊目标(电线杆、树)等目标的检测精度 反问 9.22 二面 自我介绍 项目介绍 编程能力和管理能力打分 团队管理方面(好多问题) 责任心考虑 地点考虑 期望薪资 offer考虑 互联网公司投递情况 为找工作做
第一题忘了,第二题树染色,第三题颜色子集,第四题小火龙
1、 给定一个字符串,逐个翻转字符串中的每个单词 2、 判断数组中所有的数字是否只出现一次 3、 无重复字符的最长子串 4、反转链表 5、给定一个整数数组 nums 和一个目标值 target,请你在该数组中找出和为目标值的那两个整数,并返回他们的数组下标 6、二叉树的最近公共父亲节点 7、写一个函数,找出一个整数数组中,第二大的数 算法题基本在面试时都会遇到,因为他是对我们代码能力的直观体现,可
9月初:一面 1、自我介绍 2、大量八股文:说说逻辑回归;说说常用的损失函数;说说LSTM的长期记忆和短期记忆;说说attention机制;1*1的卷积核有什么作用;说一说怎么进行调参的;xgb和gbdt的区别;xgb和lgb和catb的区别;xgb怎么处理类别型特征;bias和variance的区别;极大似然估计是什么;auc是怎么计算的;roc和pr曲线是什么;说说你知道哪些距离(欧氏距离等)
一面1h+ 1.自我介绍里的生信的内容,二代测序的一个算法,本来就是提一嘴,真认真给他说他也听不懂 2.毕业论文是否发表/是否有过完整的论文发表经历 3.对比学习了解过吗 4.多模特模型了解过吗 5.有关prompt的论文看过吗,prompt的核心思想是什么 6.继续想问多模态,我说我的研究方向是multi lingual model,直接无视 7.想做的工作方向 8.特征融合的时候用concat
#满帮# 10.19 笔试 10.26 一面 1. 挖项目(讲一下层次聚类,ResNet和Densenet的区别,以及ResNet被发明主要为了解决什么问题)。 2. 讲一下卷积(问了很多细节)。 3. 讲一下BN,在什么维度操作,为什么进行scale和shift。 4. 讲一下XGBoost和GBDT区别(细致到问了泰勒二阶展开和一阶展开的数学公式,以及泰勒展开的作用和原理)。 5. 问了LST
菜的找实习找不到,而且其实也没时间去,上学就得做导师项目。本来打算收手了,打算开学直接投暑期,在Boss上被hr要简历了,然后直接排了面试,这君要臣面臣不得不面啊…但是其实根本不抱任何希望,就当是去体验一下流程,攒个面经。 然后就开始疯狂准备八股。把简历里的yolo,1-5恶补了一下,cpp的八股也是,还有简历里的本科毕设里用的算法(surf啥的)都挖坟出来背。 面试官人很好,氛围很轻松,不那么紧
#运筹优化# 1.自我介绍 2.介绍一下单纯形法、整数规划(分枝定界、剪枝) 3.有什么加速技巧(割平面、feasibility pump等) 4.出了小小建模题,a和b两个事件,必须有一个或以上发生,怎么建模 二十多分钟面试,只有一轮
#运筹优化# #京东# #实习# 一面70min: 1.自我介绍 2.介绍一下单纯形法 3.介绍一下分枝定界 4.介绍一下列生成 5.问项目(问了两个,深挖) 6.问实习经历 二面70min: 1.自我介绍 2.直接开始问项目(深挖,问的非常细) 3.问启发式项目(也很细) 4.gurobi有什么加速/启发式,有尝试过调整参数吗、效果如何 两轮面试问的非常细,从基础知识到项目,都要掌握的比较好
听说写面经会有好运😆 自然语言处理方向。从自我介绍开始到反问结束,大概40min左右。 985本硕,但是本科是轻工类😅,研究生学到的内容也是基础非常不牢。 纯纯算法小白,找23暑期实习,分享出来是希望以后也可以多看到其他人的面经😊 以下是提问内容,因为记性不好,所以有些问题的表述可能会有点出入哈~ 1.最熟悉的模型+介绍原理、优劣势。(回答了BiLSTM,因此后面接着这个模型问了) BiLS
上来就先问简历上的项目和比赛,然后细聊研究方向,由此扩展到了目标检测上很多知识点,yolov5的特点,有哪些常见损失函数之类的。 然后写三道算法题 默写快排 最大岛屿面积 将一个H*W的图像resize为2H*2W,不能调库
知乎 企业类型: 互联网 地点: 北京 实习类型: 日常实习 岗位: NLP算法工程师 一面—视频面 基础知识询问+做题 自我介绍 生成式模型与判别式模型的区别? 生成式模型先对数据的联合分布 进行建模,然后再通过贝叶斯公式计算样本属于各类别的后验概率 。 判别式模型直接进行条件概率建模,由数据直接学习决策函数 或条件概率分布作为预测的模型。判别方法不关心背后的数据分布,关心的是对于给定的输入,应