燧原科技 AI 框架开发工程师笔试,三道算法题 100 分钟,语言只能选择 C++和 Python 。 1. int 64 整型转二进制,计算 1 的个数。 2. linux 文件路径,消除文件路径中的'.'和".."。 3. 实现 tril 函数
深度学习推理算法工程师 15选择1问答2编程 问答题是BN的原理,作用,计算流程,训练时和测试时BN计算的方差和均值的区别,其他规范算法 编程题 1.反转数字 -123变成-321 2.字符串中空格变成%20 感觉编程题很简单
1.介绍项目(推荐算法比赛,和nlp相关) 2.介绍Transformer 3.是否了解大模型(不会) 4.了解那些损失函数,优化器(答Adagrad,问原理) 5.做题(没做出来,可恶啊很简单的题) 面试官小姐姐人很好,一直叫我不要紧张... 感觉要凉
首先先吐槽一下,随便投的亚信,上面要求会一种后端语言即可,我golang的就投了。今天晚上8点突然打电话说有空吗,我以为是约面试,谁知道是直接面试,赶紧找个地方坐。主要是我的简历上全是golang,怎么全部问java,幸好学过。 1.知道java的那些框架 2.springboot的启动方式 3.建立一个快速的springboot微服务,核心依赖是什么 4.springboot的核心注解 5.my
五一假期前约的一面,今天早上9点开始面试,面试官3个,面了快50分钟。 1.自我介绍 2.你做过的项目中都遇见过那些问题,怎么解决的 3.python的装饰器 4.python的迭代器和生成器 5.golang的并发通信 6.golang的文章锁 7.你对gin框架的了解(其实就是优点) 8.gin框架的缺点 7.gin框架的路由在源码中是怎么实现的 8.你对gorm的了解 9.gorm的局限性也
自我介绍,项目问题 css选择器,优先级 盒模型 var、let、const 箭头函数 promise 闭包 原型链,继承 浏览器原理,我简历里边写的,问我知道那些,答:前端优化从哪些方面进行,url经历, 前端安全,我简历里边写的,答:xss和csrf http和https区别 vue组件中data为什么必须是一个函数 vue2和vue3区别 JS事件轮询机制,最后还有一个题,我答错了 答案:
研发岗一面群面是什么东西啊,没搞懂,有自我介绍,专业相关领域前景,追问深一点的了解,对记忆科技的了解,产品,规划什么的理解建议。摆烂了,随便面了,应该无了#面经##秋招#
面试形式:群面 三四个面试官VS三个四面试者。除了技术栈以外,其他都是提问之后大家挨个回答补充。 (1)自我介绍 (2)开放题: 100个数据表示温度,工作人员在填写的时候有些输入错误了,怎么找出错误的 (3)mysql: 当前查询较慢,怎么优化 (4)针对自己熟悉的语言提问(python): python中return和yeild有什么区别 python中协程是什么,怎么实现 (5)计算机基础:
计算机网络 TCP、UDP的区别 在你浏览器里面输入一个网址后,总共会发生什么事情 介绍OSI七层模型,并从下往上说每层的作用 讲一下TCP的三次握手、四次挥手 为什么是四次挥手?不是二次三次 操作系统 之前有学过操作系统吗?(没学过最近开始学)学到哪里了(内存管理) 讲一下进程和线程的区别 知道什么是软连接吗(不知道) 介绍一下死锁,为什么会产生死锁 介绍进程的状态 你知道的,有什么进程调度的算
如何旋转用ARCORE SceneView渲染的三维模型我使用了SceneView 私有lateinit var场景:场景私有lateinit var节点:节点
面完了,写个面经吧。(base 上海 信息科技岗) 1、自我介绍 2、本科绩点 3、实习经历 4、是否挂过科 5、家在哪 6、是否有其他offer 7、数据清洗流程 8、特征选择、降维方法 9、分类的作用(具体应用场景) 10、数据有缺失值怎么处理 11、offer城市选择 大概流程12分钟吧。中间的面试官追问了好多细节,还说了一句“这就没了?”。我估计是g了,明天面试的xdm加油
Python 在科学计算上的应用非常广泛,包括数学、统计学、图形学……等等, 也是科学计算领域的首选编程语言之一。 这一部分的文章主要是介绍 Python 在科学计算领域常用的库,以及科学计算在日常中可能的实际用例。 常用库介绍 IPython 和 Jupyter Notebook NumPy NumPy 是 Python 科学计算生态系统的基础,提供了多维数组操作、线性代数运算、傅立叶变换等 多
半小时 视频面试 进去先自我介绍 (准备的是英文的但是要求中文)然后是一些英文提问 开始中文提问 校园经历、项目经历 怎么理解产品经理、项目管理、例子. 然后对公司的了解 ………诸如此类 主要结合简历吧
背景 Python 常用于开发高性能的科学应用。它被广泛应用于学术和科学项目中,因为它易于编写和执行。 由于它的高性能,Python 中的科学计算经常使用扩展库,通常用更快的语言编写(比如 C 语言,或者用于矩阵操作的 FORTRAN) 。主要使用的库由 NumPy , SciPy 和 Matplotlib 。详细讨论这些库超出了 Python 最佳实践指南的范围。然而,对 Python 科学计算
数据科学最近成为计算机的热门领域。数据科学是利用计算机的运算能力对数据进行处理,从数据中提取信息,进而形成“知识”。它已经影响了计算机视觉、信号处理、自然语言识别等计算机分支。