桃子装箱(AC) 老张美术课(超时只能过64%) #滴滴##秋招##算法工程师##笔试##滴滴23秋招笔试有点儿难啊#
9-15 45寒武纪算法二面,一个小姐姐很温柔 项目、实习、CTCLoss,Focal loss ,amp,样本不均衡,深度可分离卷积,模型轻量化啥的 反问:贵公司对人才。。。。 我说完她也笑了 #2023校招#
9.8 投递 9.13 收到AI英语面 9.20 hr问了下预期薪资,通知进入技术面流程 9.22 下午面试官电话约面 9.23 上午9点半、电话面试。(历时约45分钟) 1、个人自我介绍 2、选择一个项目介绍(联邦+ner) 用到的数据 模型效果评测 联邦学习:面对数据非独立同分布怎么做的 实体有哪些标签 用了哪些公开数据集 数据划分(联邦学习) 长实体识别 3、用了哪些图数据库(Neo4j
8.21 笔试 8.22 测评 9.19 一面 面试的算法工程师的岗位,但是中兴好像是随机匹配面试官,对算法方向也不是很懂,说这两个项目没有什么关系,说简历写的东西太少没什么可问的就自己介绍一下项目,介绍完了也不知道问什么,申请时候的base地点填的深圳,问了好几次如果深圳匹配不到合适的岗位觉得自己更想做什么,感觉随时会被调剂...... 9.21 二面 首先是项目,每个项目详细讲一下,又问了几个
1.ceo问题 给两个数组,第一个数组为普通数组,第二个数组为按照要求已经拍好了的数据,需要对数组1和数组2相同的所有数按照数组1排序,剩下的按照升序 思路: 对数组1中在数组2的数据进行计数排序 2.消消乐 给n和区间x,y坐标表示,如果大区间包含小区间,也消去小区间 思路: 按照区间长度逆序排序,然后不断消去长度小的区间
1. HR面的八股文问题 2. 数据规模和模型复杂度之间的关系,不匹配会发生什么现象?有哪些解决的方法? 3. P问题,NP问题,NPC问题,NPHard问题。 4. 二维矩形排布,如何使得空间利用率最高? #面经#
自我介绍 简历上实习这块(主要是车外) 单阶段检测的框架有了解吗(应该是想听到yolo) 卷积的计算量(讲计算过程) transformer的核心计算过程我是傻逼 transformer和lstm的区别和优势 手写nms和iou计算过程 手写kmeans#虹软科技#
记得前段时间就投了,最近突然找我开始面试。简记一下: 先是自我介绍。自我介绍完了直接开始手撕代码。 第一题是给定mxn的矩阵,0元素所在的行和列上的所有元素置为0,要求空间复杂度尽可能小(最好常数) “做完一个基本m+n空间复杂度的之后,面试官问能不能想出常数级别的” 第二个题是给定整数数组,求连续子序列最大和。 问了我三维项目里,点云采样是怎么做的,怎么确定统一的输入向量。 问了BN训练和测试之
写面经,攒人品,求offer 先说说秋招吧,投了进几百家公司了,至今没有offer,可能是学历不行,也可能是工程能力不足,emmm,总之至今还是 0offer 从9月份就开始投简历了,到了10月底才开始有面试机会,后来改投实习,面试机会才稍微多点 联想研究院实习/10.30 自我介绍 问项目 图像分割有做过吗,没做过,知道别人做过 介绍自己公司,应该是搞理论的,说要在学术界受认可 跟着哪个导师的,
#关于秋招我想说# 论文; networkx的性能问题; loss波动与过拟合的原因分析与处理方法; 数据样本不均衡的处理方法; 向量数据增强的具体做法; 反问; #你的秋招进展怎么样了#
#深信服# #算法工程师# #2022秋招# 面试官说这是深信服秋招最后一批面试了。 总结提炼一下有这些问题: 对深信服业务、算法岗位职责是否了解; 图数据进行异常检测的思路(特征筛选、社区检测、图匹配等) ; 大规模(数十亿条)数据如何建图、计算(数据清洗、索引、并行计算等); Neo4j对并行计算的支持度如何 压力管理的案例与思考; 今年秋招环境下定位的自我认知与思考(被面试官吐槽简历往年可能
a了3.18,那个0.18自认为思路没问题,自测也没问题,不知道为什么只对了0.18 python版本代码如下: 第一题 数火车,其实就是一个栈,给一个入栈顺序,一个出栈顺序,问你这种情况是不是可能的 T = int(input()) for _ in range(T): flag = True n = int(input()) x_list = list(map(int,
英特尔证实HDCP(高频宽数字内容保护)主密钥已经泄漏,现在研究人员在BSD许可证下发布了HDCP加密/解密算法的开源实现。他们表示公布软件的目的是帮助其他人研究或实现HDCP协议。 主密钥: 6692d179032205 b4116a96425a7f ecc2ef51af1740 959d3b6d07bce4 fa9f2af29814d9 82592e77a204a8 146a6970e3c4a
算法(Rust语言描述) 这是一本开源的算法书,在遵守许可协议的前提下您可以自由的使用、翻译、印刷、出版本书。在遵守许可协议的前提下您也可以将这本书商业化。 如果您想加入本书的编撰,您可以联系本书的发起者yevgenyliu@yahoo.com
实现较为完整的联系人词条搜索算法。SearchCore 为C语音编写,ios、android、symbian都可以用。具体功能见下面。 内存占用: 10000个人2M左右 效率:6K人搜索,100ms左右(iphone4) 支持搜索内容: 1.姓名搜索:支持汉字、模糊拼音、多音字搜索,只匹配连续的字; 2.号码搜索; 3.支持T9键盘的数字对应字母的匹配,只需设置MatchFunction为键盘2