《算法引流：》专题

更新：一面过了，等待复试安排 https://uploadfiles.nowcoder.com/images/20230927/557711646_1695807664522/A747E405F95C0E991B3159848CB5B148 兄弟们，为什么我又遇到kpi面了，是现在没hc了吗都。没hc为什么还要面我呢 一面 介绍了一下论文内容，和当前实习内容情况 大多时间都是在说这个 有没有了解目

10.9一面 主要聊实习做的东西的细节，面试官应该对优化比较熟悉，关于实习期间做的一个优化问题的建模有些争议，最后应该算是把面试官说服了？ 问了混合A*相关的问题，混合A*和A*区别，如何设计启发函数保证搜索到的解最优 以及优化相关的问题，1.什么是凸优化问题? （目标函数是凸函数，可行集是凸集) 2.如何判断函数是凸函数？（Hessian矩阵半正定) 3.知道KKT条件吗？（知道是判断是极值点的

一面是只做代码 三道做对就算过 可惜 四道是写出来了 但是复杂度太高了 我说咋都这么简单 现在卡在初试了

一面 1h 自我介绍 paper、实习 手撕：均值滤波，kernel size=2*2 反问 二面 1h 自我介绍 paper、实习 手撕： 1、transformer（简历中有提到，然后聊到就当场让手撕（torch）） 2、说出一个概率题（前面聊到了diffusion model），准备出题的时候我说没学过概率论，面试官就说算了直接出算法题 3、括号匹配，（）*，其中*可以代表（ 或 ）或空字符

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

1.1 广度优先遍历 (BFS) 类似树的层次遍历，首先访问起始顶点v,然后选取与v邻接的全部顶点w1,w2,…wn，进行访问。再依次访问与w1,w2,…wn邻接的全部顶点。依次类推，直到所有顶点都被访问过为止。从顶点一层层向外拓展和遍历，实现是需要用到队列。 1.2 深度优先遍历（DFS) 首先访问出发节点v,将其标记为已访问过；然后选取与v邻接的未被访问的任意一个顶点w，并访问它；再选取与w邻

连通图：在无向图G中，若从顶点i到顶点j有路径，则称顶点i和顶点j是连通的。若图G中任意两个顶点都连通，则称G为连通图。 生成树：一个连通图的生成树是该连通图的一个极小连通子图，它含有全部顶点，但只有构成一个数的(n-1)条边。 最小生成树：对于一个带权连通无向图G中的不同生成树，各树的边上的 权值之和最小。构造最小生成树的准则有三条： 必须只使用该图中的边来构造最小生成树。 必须使用且仅使用(n

一、引言 在最开始的时候，我本来准备学习的是C4.5算法，后来发现C4.5算法的核心还是ID3算法，所以又辗转回到学习ID3算法了，因为C4.5是他的一个改进。至于是什么改进，在后面的描述中我会提到。 二、ID3算法 ID3算法是一种分类决策树算法。他通过一系列的规则，将数据最后分类成决策树的形式。分类的根据是用到了熵这个概念。熵在物理这门学科中就已经出现过，表示是一个物质的稳定度，在这里就是分类

上来介绍项目相关，然后提问 1、有做过微调相关的吗？(答sd和lora,解释了底层架构和原理) 2、用过哪些网络？（常规问题） 3、正则化的方法？（常规问题） 4、常用的损失函数？(常规问题) 5、目标检测算法如何设计？(yolo相关的原理没准备好) 6、有部署过相关大模型的经验吗？(有过但不熟练) 7、有业务经验吗？(基本没有) 8、python用的怎么样？(还行，基本的算法都能写，但主要C/C