《算法引流：》专题

数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

整理一份简单易懂的关于 JS 数据结构与算法 的笔记，设计模式包括单例模式、观察者模式、代理模式、装饰器模式、委托模式、原型模式。

包含了多种基于 JavaScript 的算法与数据结构。每种算法和数据结构都有自己的 README，包含相关说明和链接，以便进一步阅读 (还有 YouTube 视频) 。

参考文献：http://www.cnblogs.com/zhangchaoyang/articles/2182752.html(用了很多的图和思想) 博客园（华夏35度） 作者:Orisun 数据挖掘算法-Chameleon算法.百度文库 我的算法库：https://github.com/linyiqun/lyq-algorithms-lib（里面可能有你正想要的算法） 算法介绍 本篇文章讲述的还

参考资料：http://blog.csdn.net/b2b160/article/details/4680853/(冒昧的用了链接下的几张图) 百度百科：http://baike.baidu.com/link?url=FcwTBx_yPcD5DDEnN1FqvTkG4QNllkB7Yis6qFOL65wpn6EdT5LXFxUCmv4JlUfV3LUPHQGdYbGj8kHVs3GuaK 算法介绍

在本章中，我们将学习如何操作字典和表格。 让我们从词典开始 - q)d:`u`v`x`y`z! 9 18 27 36 45 /Creating a dictionary d q)/ key of this dictionary (d) is given by q)key d `u`v`x`y`z q)/and the value by q)value d 9 18

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