《算法题》专题

介绍 与GSP一样，PrefixSpan算法也是序列模式分析算法的一种，不过与前者不同的是PrefixSpan算法不产生任何的侯选集，在这点上可以说已经比GSP好很多了。PrefixSpan算法可以挖掘出满足阈值的所有序列模式，可以说是非常经典的算法。序列的格式就是上文中提到过的类似于<a, b, （de)>这种的。 算法原理 PrefixSpan算法的原理是采用后缀序列转前缀序列的方式来构造频繁

参考资料：http://blog.csdn.net/sealyao/article/details/6460578 更多数据挖掘算法：https://github.com/linyiqun/DataMiningAlgorithm 介绍 FP-Tree算法全称是FrequentPattern Tree算法，就是频繁模式树算法，他与Apriori算法一样也是用来挖掘频繁项集的，不过不同的是，FP-Tr

我的数据挖掘算法代码：https://github.com/linyiqun/DataMiningAlgorithm 介绍 Apriori算法是一个经典的数据挖掘算法，Apriori的单词的意思是"先验的"，说明这个算法是具有先验性质的，就是说要通过上一次的结果推导出下一次的结果，这个如何体现将会在下面的分析中会慢慢的体现出来。Apriori算法的用处是挖掘频繁项集的，频繁项集粗俗的理解就是找出经

参考资料地址： http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html 我的数据挖掘算法实现源码地址：https://github.com/linyiqun/DataMiningAlgorithm 介绍 要介绍朴素贝叶斯算法(Naive Bayes)，那就得先介绍贝叶斯分类算法，贝叶斯分类算法

什幺是BCCSP BCCSP全称是区块链密码服务提供者，用来提供区块链相关的算法标准和他们的实现。 bccsp.go // BCCSP is the blockchain cryptographic service provider that offers // the implementation of cryptographic standards and algorithms. type B

校验者: @溪流-十四号 @大魔王飞仙 翻译者: @v Warning All classifiers in scikit-learn do multiclass classification out-of-the-box. You don’t need to use the sklearn.multiclass module unless you want to experiment with

本附录摘自 Allen B. Downey 的 Think Complexity 一书 ， 也由 O’Reilly Media (2011)出版。 当你读完本书后，也许你可以接着读读那本书。 算法分析 (Analysis of algorithms) 是计算机科学的一个分支， 着重研究算法的性能， 特别是它们的运行时间和资源开销。见 http://en.wikipedia.org/wiki/Ana

推荐算法优化试验 推荐算法和AppAdhoc A/B Testing 许多网站或APP都涉及到推荐系统，比如电商产品会涉及在结算月推荐“购买了此商品房的用户也购买了…”，比如新闻资讯类的首页动态推荐Feed流，影视和音乐类的产品会在最显著的地方有推荐板块等等。。。 无论是基于内容，基于协同过滤，或是基于标签的算法模型，都会面临同样的问题：如何衡量算法模型的好坏？很多时候，只能凭感觉，实际效果往往差

NLP算法工程师岗 铁废物冲算法：中专，大专，专升本，双非硕 2段实习经验，多个竞赛，一个破论文 一面（技术）： 主要围绕简历上的项目问，刚好做过大模型，这个问了挺多 langchain原理 glm架构是什么 coding：爬楼梯 二面（总监+HR）： 总监 还是围绕项目的内容询问 课程成绩 在项目中担任什么角色，如果和同事遇到冲突怎么解决 本科哪里的 家里的情况 职业规划 为什么考这个学校：调剂

面试岗位：算法工程师 面试时间：23/08/28 注：滴滴的面试流程比较独特，一天之内完成三轮技术面，没有hr面，每轮技术面的面试官基本不是同一组的人，谁有空谁来面，还挺神奇； 一面面试内容： 自我介绍 代表性实习经历介绍 机器学习八股有监督 vs 无监督过拟合L1、L2范数，Ln范数回归模型损失函数MSE、MAE、MAPE的公式分类模型评价指标：AUC计算公式、ROC曲线横纵坐标、如何绘制 深度

面试官很客气 把每个项目都问了一遍 然后反复挖掘项目里面的细节 有问chatglm跟gpt的区别，放了个国庆忘记了。。。 问了一个场景题说如果用户输入的文本太长了，模型输入不了那么长的文本怎么办？ 还问了一个人事方面的问题，如果合作过程中与同事发生分歧，怎么解决？ #面经#

初筛完成进入面试 一面：53分钟，主要是介绍实习，项目，比赛，C++八股和python语法使用！每一个细节问的都比较细，我是从实习开始介绍，每一项都很细，面试官问的挺好，很专业， 我重点做的内容是：bevfusion模型训练加部署orin平台量化推理！ 一面没有手撕 二面：34分钟，面试官是随即问的，有关深度学习，模型量化压缩都会问，手撕一道中等排序题，然后结束了！ 总之面试感觉：挺好的

100%, 0% 第二题快结束的时候想出来的思路，可惜结尾的 stack[:n - k] 写成 stack[:k] 了。。。 T2 题目 第一行输入两个整数 num 和 k，要求从 num 中删去 k 个数字，使得剩下的数字组成的数最小，并输出最小的整数。数据范围：k <= num.length <= 10^5 示例 输入：10200 1 输出：200 分析 本题考查贪心算法，每次优化可优化的最高

总时长45mins 1、拷打论文，因为课题跟小样本学习有关，问了问很多小样本学习的内容。 2、拷打项目和来源，回答是导师和公司合作的。 3、拷打实习，问得很细，比如包括遇到了什么难点，为什么要这么做不那么做。 3.1、为什么图像分类要减均值除方差，目标检测一般不需要。 3.2、怎么提高模型泛化性。 3.3、数据集怎么采集的。 3.4、模型不收敛的原因有哪些 反问有几面，答2技术面1个HR面。 有点

两个岗位同时约面，进错会议了尴尬 面试时长：50min 面试内容： * 自我介绍 * 实习内容介绍 * 数据并行 * ft框架 * 随机森林 * gbdt * 优化器了解哪些 * bert和gpt * transformer结构 * 线上服务推理如何提高吞吐量 * 手撕：链表加法