《同花顺2024春招交流讨论》专题

百度2024秋招机器学习一面面经 岗位：机器学习/数据挖掘/NLP-T联合 部门：百度地图 地点：北京 一面 自我介绍 对项目和实习的大概询问，没有去深挖，只是对一些问题进行询问 询问对大模型的了解，讲了 RLHF 的原理 RLHF是一种新的训练范式，通过使用强化学习方式根据人类反馈来优化语言模型。一共包括三个步骤： 预训练一个语言模型（LM） 收集数据并训练奖励模型 (Reward Model，

建议之后想进大疆控制方向的学弟学妹们，准备好以下几点，笔试挂掉的血泪教训： 1、经典控制理论和现代控制理论 经典控制里面的拉式变换、传递函数建立、稳定性裕量、稳定性判据、系统校正和零极点配置，要熟练掌握；现代控制理论里面根据动态系统列状态空间方程，观测器估计器收敛性分析，传递函数和现状态空间方程的相互转化，一定要熟练！！！还有就是系统的离散化，也要熟练 2、matlab 要熟练掌握matlab和s

家人们，回顾一下我在23年12月参加的大厂二面，面试官针对投递岗位和简历情况进行提问，八股部分占比较大 自我介绍 为什么实习经历比较短，都做了些什么，学到了什么，意义 场景题：给核心产品的所有接口加一个公参，怎么测试 什么情况用自动化测试 自动化测试和人工测试的区别 手撕：列表元素排序（手写排序规则），怎么测试 手撕2：给你一个字符串 s，请将 s 分割成一些子串，使每个子串都是 回文串返回 s

大家好，今天我来回顾一下秋招中的一场很重要测开面试 一面面试官深挖我的项目经历，并提出了很多的实际场景，我现在回顾依然有很多新的认识 自我介绍 实习工作 测试用例编写流程 线上bug怎么处理 实习的亮点 写的测试用例是什么功能，关于什么？ 上传图片、文件测试用例 管理系统项目 项目重新设计，QPS很高，怎么解决 存储用户的请求，日志和打点 数据库，QBS高，存储量很大怎么办？ 数据库怎么存储文件

岗位：商户运营-到店 初面：线下主管面试，在校参加宣讲会并投递简历，对应岗位主管现场面试 二面：线上主管面试 三面（终面)：线上HR面试 三次面试的内容还是比较接近的，大概内容如下： 1.自我介绍 2.对岗位的认识~ 3.对自己未来的规划~ 4.深挖以往实习经历/校园经历 5.提问环节 #美团实习# #24届美团秋招offer# #校招#

问题内容： 一般问题：反向流的正确方法是什么？假设我们不知道流包含什么类型的元素，反转任何流的通用方法是什么？ 具体问题： IntStream提供了range方法来生成特定范围内的，现在我想将其从0切换为负数将无法正常工作，也无法使用 与IntStream我会得到这个编译器错误 错误：（191，0）ajc：sorted()类型中的方法IntStream不适用于参数（Integer::compare

投的是交互设计的产品研发岗，早早投递流程慢如狗 流程：投递—收到设计笔试题—提交笔试题—约面—一面—收到二面邀约（字节的流程推进真的很离谱，笔试题交了两周才约面，直接约到三周后… 面试过程：面试体验还比较舒服，上来面试官比较客气地介绍了自己的身份，所属的部门，以及在做的项目等。然后就是常规的交互面试内容：自我介绍—作品集—面试官提问—反问。说一下印象比较深的几个问题： 比较注重细节，问了我项目里的

投的是交互设计的产品研发岗 面试过程：面试体验还比较舒服，上来面试官比较客气地介绍了自己的身份，所属的部门，以及在做的项目等。然后就是常规的交互面试内容：自我介绍—作品集—面试官提问—反问。说一下印象比较深的几个问题： 比较注重细节，问了我项目里的“金选榜单”界面的星级评判标准，为什么选择星星，为什么选择金色等，还给我了一些设计建议。 讲解笔试题的时候，因为我选择的设计题是redesign苹果的a

本质上，我想对dStream中的每个元素应用一组函数。目前，我正在为pyspark.streaming.dstream使用“map”函数。根据文档，我的方法似乎是正确的。http://spark.apache.org/docs/latest/api/python/pyspark.streaming.html#pyspark.streaming.dstream map（f,preservesPart

在spark streaming中，流数据将由在worker上运行的接收器接收。数据将被周期性地推入数据块中，接收者将向驱动程序发送receivedBlockInfo。我想知道这会引发流将块分发到集群吗？（换句话说，它会使用分发存储策略吗）。如果它不在集群中分发数据，如何保证工作负载平衡？（我们有一个10s节点的集群，但只有几个接收器）

我正在使用一个火花流作业，它使用带有初始RDD的mapAnd State。当重新启动应用程序并从检查点恢复时，它会失败，出错： 此RDD缺少SparkContext。它可能发生在以下情况： RDD转换和操作不是由驱动程序调用的，而是在其他转换内部调用的；例如，rdd1.map（x= 中描述了此行为https://issues.apache.org/jira/browse/SPARK-13758但它

我有一个用例，我必须以FIFO方式处理事件。这些是从机器生成的事件。每台机器每30秒生成一个事件。对于特定的机器，我们需要根据FIFO FASION对事件进行处理。 我们每天需要处理大约2.4亿个事件。对于如此大的规模，我们需要使用Kafka+火花流 从Kafka文档中，我了解到我们可以使用消息的关键字段将消息路由到特定的主题分区。这确保我可以使用机器id作为密钥，并确保来自特定机器的所有消息都进

为什么以及何时会选择将Spark流媒体与Kafka结合使用？ 假设我有一个系统通过Kafka每秒接收数千条消息。我需要对这些消息应用一些实时分析，并将结果存储在数据库中。 我有两个选择： > < li> 创建我自己的worker，该worker从Kafka读取消息，运行分析算法并将结果存储在DB中。在Docker时代，只需使用scale命令就可以轻松地在我的整个集群中扩展这个工作线程。我只需要确保

我有一个 Spark 流式处理作业，它读取 Cosmos 更改源数据，如下所示，在具有 DBR 8.2 的数据砖集群中运行。 虽然作业正常工作，但偶尔，流会突然停止，并且在log4j输出中出现以下循环。重新启动作业将处理“待办事项”中的所有数据。以前有人经历过这样的事情吗？我不确定是什么原因造成的。有什么想法吗？

在Java8中运行以下流示例： 产量： 当然，这并不奇怪。由于http://docs.oracle.com/javase/8/docs/api/index.html?overview-summary.html，流是顺序执行还是并行执行并不重要： 顺便说一下：使用（首选的）而不是生成相同的结果，用于顺序和并行执行。 JVM详细信息：