5月23日一面(30min) 自我介绍 介绍项目(图像分割) 项目中遇到的问题,如何解决 实际代码实现时间 对transformer在分割中应用的看法 其他一些项目细节,大概20min 手撕一道简单的括号匹配(10min) 反问环节 -------------------------------------------------------- 5月26日收到电话约二面 -------------
#面经# #海康威视# #校招# 1.如何完成非常紧急且复杂的任务的。你做了什么?如何推动达成结果? 2.用新方法或独特的方案解决常规问题的一个经历。 3.回忆一个你在进退两难的情况下做过的最艰难的决定。你是如何分析你面临的状况的?参考了哪些信息?最终做了什么决定?
挑项目和论文问,问得比较细,比较深,比如我的会问用的什么baseline网络,在基础上做了什么样的改进,把改进仔细说说怎么针对性解决问题的。由于我是做检测的,感觉对方很懂,所以还问了一下我baseline框架的论文的名字。 总共面了三十分钟左右。#秋招#
面试时间 2023-7-28 15:00 - 15:40 40min 面试内容 因为实习拒过一次面试,后来HR又给我打电话,又重新约了面试。周五面的,特意用了实习4个小时的带薪假 Golang 值类型和引用类型的区别,分别有哪些数据结构? 介绍一下 分布式对象存储项目 项目参考了那些资料和开源项目吗?为什么要做这个项目? 说一下 抖音青训营项目,在这个项目学到了哪些东西?项目可以运行成功吗?做了多
自我介绍 说一下自己的优缺点 介绍一个自己最熟悉的项目 水平目标检测怎么扩展修改成旋转目标检测 Deeplab v1,v2,v3区别 项目里面的高空间分辨率影像用的哪些 大模型在不同的空间尺度影像如何泛化(高分和中分数据如何同时泛化) 编程题: 只用写思路和伪代码,找到数组中第k个最大的数 反问
#海康# 1.自我介绍五分钟 2.介绍项目 3.项目中的职责,解决了什么问题。 4.项目中用到了redis,介绍一下redis的架构 5.redis的线程模型 6.对synchronize的理解 7.锁升级 8.力扣简单题 9.反问环节 整体25min
网申、投递简历,感觉是有点难度的。 英语口试。(3天内完成)三个问题。 第一个给一段话,跟读。 第二个问题:问问题,用英语回答。问题可以听两遍。 第三个问题,给了一幅图,谈谈自己的理解。 备注:英语口试需要使用手机,全程大概15分钟,第一个问题3分钟,二三问题都是6分钟。可以重复录制,但是时间不够多次重复录制,基本也就能录两次。录制第二遍一个视频之前,需要删掉第一遍的视频。大家还是尽量一次录完,要
2.8 19:30 30mins 纯纯被面试官拷打😅🤣😭 1.学过计网数据库吗?学到了哪种程度?MySQL项目,网络抓包,TCP包里面有什么?局域网ip公网ip是什么,区别?自己的电脑是哪种?怎么确认是局域网?查一下ip,通过wifi信息。192.168.10.4怎么判断他是不是局域网?谁给你分配的ip?手机连电信拿到的是什么ip? 2.数据库类型哪个熟?mysql熟。varchar做主键如
介绍一下你的第一个项目。 路由守卫怎么做的? 动态路由前端怎么做你有了解吗? vue的生命周期? vue2he vue3之间的区别? axios封装了什么? vue组件通信方法? vue中key的作用? 如何封装一个组件? v-model如何在自定义组件上实现? mixin如何实现?举一个具体例子? 说一下vue3中的Hooks 判断数据类型常用的方法? 说一下原型链 说一下js中继承如何实现?
我正在实现spring批处理作业,用于使用分区方法处理一个DB表中的数百万条记录,如下所示- > 从分区器中的表中提取唯一的分区代码,并在执行上下文中设置相同的代码。 创建一个包含读取器、处理器和写入器的块步骤,以基于特定分区代码处理记录。 是否可以创建分区/线程来处理像thread1进程1-1000,thread2进程1001-2000等? 如何控制创建的线程数,因为分区代码可以是100个左右,
本章海量数据的习题 1 有100W个关键字,长度小于等于50字节。用高效的算法找出top10的热词,并对内存的占用不超过1MB。 提示:老题,与caopengcs讨论后,得出具体思路为: 先把100W个关键字hash映射到小文件,根据题意,100W50B = 5010^6B = 50M,而内存只有1M,故干脆搞一个hash函数 % 50,分解成50个小文件; 针对对每个小文件依次运用hashmap
方法介绍 倒排索引是一种索引方法,被用来存储在全文搜索下某个单词在一个文档或者一组文档中的存储位置的映射,常被应用于搜索引擎和关键字查询的问题中。 以英文为例,下面是要被索引的文本: T0 = "it is what it is" T1 = "what is it" T2 = "it is a banana" 我们就能得到下面的反向文件索引: "a": {2} "banana":
方法介绍 多层划分法,本质上还是分而治之的思想,因为元素范围很大,不能利用直接寻址表,所以通过多次划分,逐步确定范围,然后最后在一个可以接受的范围内进行。 问题实例 1、2.5亿个整数中找出不重复的整数的个数,内存空间不足以容纳这2.5亿个整数 分析:有点像鸽巢原理,整数个数为2^32,也就是,我们可以将这2^32个数,划分为2^8个区域(比如用单个文件代表一个区域),然后将数据分离到不同的区域,
分而治之 方法介绍 对于海量数据而言,由于无法一次性装进内存处理,导致我们不得不把海量的数据通过hash映射分割成相应的小块数据,然后再针对各个小块数据通过hash_map进行统计或其它操作。 那什么是hash映射呢?简单来说,就是为了便于计算机在有限的内存中处理big数据,我们通过一种映射散列的方式让数据均匀分布在对应的内存位置(如大数据通过取余的方式映射成小数存放在内存中,或大文件映射成多个小
本章导读 所谓海量数据处理,是指基于海量数据的存储、处理、和操作。正因为数据量太大,所以导致要么无法在较短时间内迅速解决,要么无法一次性装入内存。 事实上,针对时间问题,可以采用巧妙的算法搭配合适的数据结构(如布隆过滤器、哈希、位图、堆、数据库、倒排索引、Trie树)来解决;而对于空间问题,可以采取分而治之(哈希映射)的方法,也就是说,把规模大的数据转化为规模小的,从而各个击破。 此外,针对常说的