《算法优化》专题

使用 Elo 评分系统 计算两个或两个以上对手之间的新评分。它需要一个预定义数组，并返回一个包含事后评级的数组。 数组应该从最高评分到最低评分排序（赢家 -> 失败者）。 使用指数 ** 操作符和数学运算符来计算预期分数(获胜几率)，并计算每个对手的新评级。对每个对手计算新的评分。 循环评分，使用每个排列组合，以成对方式计算每个玩家的 Elo 评分。 忽略第二个参数，使用默认的 k-factor

Python3 实例 以下代码用于实现最小公倍数算法： 实例(Python 3.0+)# Filename : test.py # author by : www.runoob.com # 定义函数 def lcm(x, y): # 获取最大的数 if x > y: greater = x else: greater = y while(True): if((greater % x == 0) a

Python3 实例 以下代码用于实现最大公约数算法： 实例(Python 3.0+)# Filename : test.py # author by : www.runoob.com # 定义一个函数 def hcf(x, y): """该函数返回两个数的最大公约数""" # 获取最小值 if x > y: smaller = y else: smaller = x for i in range

KNN 概述 k-近邻（kNN, k-NearestNeighbor）算法是一种基本分类与回归方法，我们这里只讨论分类问题中的 k-近邻算法。 一句话总结：近朱者赤近墨者黑！ k 近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k 近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其 k 个最近邻的训练实例的类别，通过多数表决等方式进行预

1.1 KNN 1.1.1 思想 计算离待分类点距离最近的 K 个已分类点，K 个点中出现最多点种类为待分类点的种类。 1.1.2 距离 常见距离有欧式距离和余弦距离。余弦距离可以消除量纲的影响。相关系数 2. 聚类算法 2.1 K-means 2.1.1 思想 2.1.1.1 模型训练 根据类别个数 N，初始化 N 个点，作为该类别的中点。 遍历其他点，计算距离最近的中心点，该中心点的类别为当前

介绍 HMAC介绍 HMAC，全称为“Hash Message Authentication Code”，中文名“散列消息鉴别码”，主要是利用哈希算法，以一个密钥和一个消息为输入，生成一个消息摘要作为输出。一般的，消息鉴别码用于验证传输于两个共 同享有一个密钥的单位之间的消息。HMAC 可以与任何迭代散列函数捆绑使用。MD5 和 SHA-1 就是这种散列函数。HMAC 还可以使用一个用于计算和确认

面试时长：30min 面试内容： * 自我介绍 * 实习挨着问 * DP和DDP的原理区别 * 模型并行 * pytorch如何加快读取 * pytorch查看某一层的数据 * 装饰器原理 * 多机多卡 * 梯度消失和爆炸 * fast transformer * resnet的优势 * 做过哪些算法 * cuda核函数怎么优化 反问： * 一共三面

面试大概一个小时 1. 自我介绍 2. 说一段项目经历并深挖 3. 了解transformer吗，详细介绍encoder的结构，并说明为何需要position encoding 4. 了解堆排序吗，说说流程 5. 手撕最长上升子序列 6. 反问业务，说是大模型微调 全部答上来了，几乎没有答的不满意的地方。面试完秒挂。应该是方向不匹配。那为啥捞我？

二面特别快，大概不到20分钟 流程： 自我介绍 从哪里学习最新进展 对未来的规性格优点和缺点 课题组压力大不大，一般工作几点到几点 意向base 实习期间的收获 最大的挫折是什么，有哪些影响 然后戛然而止，都没有反问环节，感觉凉凉，可是我真的好想去荣耀啊，请问大家二面完一般多久状态码改变，挂了会通知吗 -------------- 更新一下，面完后10分钟左右变100437的录用决策了，听大家说这

投递的CV岗，C9本硕，low level方向，两篇A一作，无大厂实习 一面 主要在聊论文和项目 比较transformer和CNN的特点 了解哪些生成模型，stable diffusion的原理 手撕分类网络 面完当天约二面 二面 开场手撕海中岛屿数量 聊论文，问提出的方法可以继续应用到哪些领域 因为简历上基本上都是low level相关，所以继续问了对cv其它领域的了解 当天约三面 三面 面试

提前了半小时，我从才起床人都傻的，没想到突然从等候室进面试间了： 自我介绍然后就问了八股 对调优有什么了解吗？（人是懵的，居然答了bp传播，我佛了） 过拟合的原因，解决，现象（大概吧，我能记得一部分已经不容易了） 梯度爆炸、梯度消失怎么观察到，怎么解决之类的（我答了过拟合，不愧是我，我怎么就转到过拟合去了） 没了，说了声抱歉，然后和面试官说拜拜，一共三个，露脸的应该是负责记录的

9月，一面即挂，女面试官 主要围绕实习和论文， ndcg指标， mrr指标 adam优化器 deepfm 较wide& Deep 的升级，问除了lr替换成fm还有什么 mmoe、essm、ple、star 吟唱 谈谈attention dssm缺点以及解决方案 bagging ， boosting 手撕1：两个字符串的最长公共子序列， 秒 手撕2：返回 array1和array2 中两个长度相同的

9.4投递 9.8测评 9.12笔试 9.25一面 30分钟 两个面试官人超级好 先自我介绍，主要问了问项目/实习，深度学习算法、八股。 最后问有没有offer，期望工作城市（答上海），期望薪资（答20k-24k）（反问薪资结构）。 反问：部门主要工作内容，接下来的面试流程（说是几天内出结果） 上午十点面完，下午一点多就通知过了，二面约了明天，还是线下。

43.3 100 0 0 咋这么难呢 贴一下第二题代码 题目：小红有个数组，数组相邻长度差值最多为1，并且元素都是正整数。现在小红知道数组长度为n，数组和为m，小红想知道所有符合条件数组中，p位置最大值是多少（起始位置为1） 输入三个整数n,m,p 1<=p<=n<=m<=10**9 思路：二分查找check判断，难点在于怎么快速算出整个数组的最小值，贪心思想，p位置为mid，然后逐渐减一，需要

1.学硕还是专硕 2.本科成绩 3.研究生成绩 4.哪里人 5.有什么竞赛 6.奖学金怎么样 7.了解什么深度学习网络，会什么框架 8.卷积的计算维度 9.决策树了解吗（这个问题面的每一家都问了，今晚回去补一补） 10.svm介绍一下 11.介绍一下lda，pca 12.介绍一下实习，干了什么（问了5分钟），转正了吗，给你多少钱 13.介绍一下项目、自己的论文、研究方向。 深度学习框架忘光了，要补