《算法优化》专题

题目：我现在有一个文件，把文件中出现单词频率最高的k个单词找出来，文件内容都是逗号分隔的单词 我用go语言写 abc.txt内容 "wang,jing,yu,shuai,ge,shuai,ge,j" package main import ( "fmt" "io/ioutil" "sort" "strings" ) func main() { contents, err :=

15min超短面 ①介绍项目 ②卷积相对全连接最大的优势 ③常用损失函数 ④常用正则化 ⑤知不知道目标检测 ⑥数据预处理方法 ⑦用过哪些神经网络 ⑧用什么深度学习框架 ⑨有过实际pytorch部署经验吗 回去等通知，还会再联系（也不知道是不是真的），感觉自己有关CV方面的没答好，毕竟我也不是搞CV的，不过看他们的JD也不是强制要求CV方向咯，不晓得后续如何

主要内容：1.Paxos算法简介,2.Paxos算法流程,3.Multi-Paxos算法,1.Paxos算法简介 Paxos算法是一种基于消息传递且具有高容错性的一致性算法 Paxos解决的问题是如何正确快速在一个分布式系统 中对某个数据达成一致。 2.Paxos算法流程 在一个Paxos算法系统中, 所有节点分为3类: Propersor提议者, Accepter接受者, Learner学习者 Proposer: 提出提案 (Proposal)。Proposal信息包括提案编号 (P

一面 自我介绍 讲一下自己印象最深刻的项目（我提到使用了xgb 讲一下xgb的原理 逻辑回归的梯度推导 os常用命令操作： pwd, top, kill pid 如何杀死僵尸进程 算法题：第K大的数 二面 自我介绍 实习经历做了什么，还要什么可以挖掘的 L1，L2的作用 transformer encoder的结构，和decoder有什么不一样 有没有关注业界的一些进展？比如google，微软之类

360的算法笔试: 40道选择题 1.5分 2道编程题 20分 360的选择题感觉是最难的 涉及面太广了 除了算法 数据结构 文件 深度学习 还有什么矩阵 微分都有 编程系统和shopee一样最坑的赛马网不过可以本地ide 编程第一题很容易ac 第二题传染病没做出来

代码面50min，全程八股和coding没问简历 给了两段代码让我看有什么问题 没问题的那段什么情况下会有问题 改成有问题的 智能指针 写一段多线程访问shared_ptr对象会出现问题的代码 单例模式和工厂模式 写一段单例模式的代码 emplace_back和push_back的区别 emplace_back底层用了什么特性让其能够在容器内构造 手撕： 合并区间 无辅助数组原地合并区间

1、介绍项目经历，背景，过程，怎么解决的。 2、如果有一批数据，训练出来后效果精度达不到要求，怎么处理。 数据角度:噪声多需要降噪，数据本身不规律，数据缺值比较多，数据需要去重聚类，特征不够需要引入其他特征 模型角度:模型选择的问题，过于追求最新技术但是不适合场景，模型健壮度不够需要集成学习模型 参数角度:超参数的选择不是最优解导致梯度降不下去 实际角度:评价指标不合理 3、上一段离职原因，gap

我想看看是否有一个有效的方法来比较计数（ACount，BCount，CCount，DCount，ECount），并评估JAVA中哪个计数最大？ 该程序可以使用递归，但我想知道实现这一点的任何优化方法。

问题内容： 我想知道两者之间是否有任何性能差异 字符串s = someObject.toString（）; System.out.println（s）; 和 System.out.println（someObject.toString（））; 查看生成的字节码，似乎有所不同。JVM是否能够在运行时优化此字节码，以使两个解决方案提供相同的性能？ 在这种简单情况下，当然解决方案2似乎更合适，但有时出于

为了减小能源消耗，IEEE 802.15.4 以及其它类似的链路层技术很少使用(甚至不使用)多播发送信号。此外，无线网络可能不完全遵循传统的 IP 子网和 IP 连接的概念。IPv6 邻居发现机制并不是设计用于非传输无线连接，因为它依赖于传统的 IPv6 连接，且由于它大量使用多播而降低了效率。这在低功耗有损网络中时不切实际的。 基于这个原因，人们已经对 IPv6 邻居发现机制进行了一些简单的优化

我正在解决这个优化问题，我需要计算出我需要打开多少个配送中心，以满足12家公司设施的需求，同时最小化运输成本。运输成本只是配送中心之间的距离乘以每英里成本，然而在这个问题中，每英里成本是一美元。我有5个选择，分别是波士顿、纳舒亚、普罗维登斯、斯普林菲尔德和伍斯特，这5个是12家公司设施的一部分。 我解决了这个问题，得到了正确的答案，但是后来我试图在同一个代码中添加两个约束，我得到的答案是不正确的。

了解explain db.usermodels.find({ '_id' :{ "$gt" :ObjectId("55940ae59c39572851075bfd") } }).explain() 关注点 stage：查询策略 nReturned：返回的文档行数 needTime：耗时（毫秒） indexBounds：所用的索引 http://docs.mongodb.org

下面说的优化基于 MySQL 5.6，理论上 5.5 之后的都算适用，具体还是要看官网 服务状态查询 查看当前数据库的状态，常用的有： 查看系统状态：SHOW STATUS; 查看刚刚执行 SQL 是否有警告信息：SHOW WARNINGS; 查看刚刚执行 SQL 是否有错误信息：SHOW ERRORS; 查看已经连接的所有线程状况：SHOW PROCESSLIST; 查看当前连接数量：SHOW

大多数shell脚本处理不复杂的问题时会有很快的解决办法. 正因为这样，优化脚本速度不是一个问题. 考虑这样的情况, 一个脚本处理很重要的任务, 虽然它确实运行的很好很正确，但是处理速度太慢. 用一种可编译的语言重写它可能不是非常好的选择. 最简单的办法是重写使这个脚本效率低下的部分. 这个代码优化的原理是否同样适用于效率低下的shell脚本? 检查脚本中的循环. 反复执行操作的时间消耗增长非常的

Jensen不等式 如果$$f: \omega->R$$是一个函数，则对于任何$$[{ x_i \in \Omega }]{n}{i=1}$$以及凸组合$$\sum{i=1}{n} w_ix_i$$都有 $$\sum_{i=1}{n} w_if(x_i)>=f(\sum_{i=1}{n} w_ix_i)$$ $$L(x,\lambda ,v) = f_0(x)+\sum_{i=1}{m}\lamb