小公司2年产品经验,朴朴的一面业务面有1个小时 •自我介绍 •你在做项目的过程中有哪些困难的点? •你是怎么处理这个难点的? •开发对于临时加需求同意吗?(自己挖的坑) •讲一下项目的流程是是怎样的?(深挖简历) •有没有考虑怎么去解决? •这个项目的缺点是哪些? •你会考虑加什么上去?(说了上面的举例) •有没有考虑是伪需求? •你平时都做些什么?(引导回答:比如看小红书、看美妆、衣服) •看完
因为上一家也是做电商,因此都是紧扣项目来问的 下单全流程,订单数据模型是怎么样的 秒杀怎么做的 库存模型是怎么样的 库存扣减怎么保证正确 悲观锁+流水表做幂等 kafka怎么保证消息不丢失 kafka消息消费幂等性 redis怎么用的 redis加锁如果业务操作过长怎么办(watchdog续约延长时间) es怎么用的 慢sql优化经验 项目结构优化怎么做的
整个过程50分钟 自我介绍 谈谈兴趣爱好 移动端适配问题 rem布局在开发中是以px存在还是rem,若就想用px在移动端怎么办 OSI七层模型 讲一讲http缓存 HTTP 1.0 和 HTTP 1.1 之间有哪些区别 HTTP 1.1 和 HTTP 2.0 有哪些区别 HTTP请求报文的结构是什么样的? 谈谈ipv4和ipv6 js定义类的方法【ES5与ES6】 面向对象多态 谈谈数据结构,你认
还是让我们回到运动员的例子。如果我问你Brittney Griner的运动项目是什么,她有6尺8寸高,207磅重,你会说“篮球”;我再问你对此分类的准确度有多少信心,你会回答“非常有信心”。 我再问你Heather Zurich,6尺1寸高,重176磅,你可能就不能确定地说她是打篮球的了,至少不会像之前判定Brittney那样肯定。因为从Heather的身高体重来看她也有可能是跑马拉松的。 最后,
大约30min 1、自我介绍; 2、看你参加了挺多的比赛,说说你在这过程遇到的问题以及解决方案; 3Java语言实现多进程有几种方式,多线程相比单线程要注意那些问题; 4、说说Spring里的ioc和AOP; 5、Student表,对这个表进行增删改查的语句; 6、数据库事务并发会出现那些问题; 数据库事务的隔离级别; 7、手撕判断字符串是否为回文字符串,给这个方法设计测试用例; 8、Git命令:
本文向大家介绍为什么朴素贝叶斯如此朴素?相关面试题,主要包含被问及为什么朴素贝叶斯如此朴素?时的应答技巧和注意事项,需要的朋友参考一下 因为朴素贝叶斯有个重要的假设前提,也就是假设样本的所有特征之间是相互独立的,而这个在现实世界中是不真实的,因此说其很朴素
背景 1年运营经历,运营转产品半年,base广州 朴朴一面 为什么想做产品? 运营和产品的区别? 项目细节提问 怎么理解用户增长 怎么提收听时长? 让你一直做这个时长指标,一直做一直做,你怎么优化? 在增长上有没有遇到特别难的事情 没法突破的? 朴朴二面 团队和目标,你所处的位置? 两年一直做长留,你怎么做? 产品活跃数、周活跃频次(他想判断日活 项目细节提问 最近看什么书 俞军产品方法论讲什么?
注:该岗位为校招岗位,楼主是福建福州人,朴朴是福州本地企业,base福州,因此投递。 以下为面经: 1.你简历这么好,怎么会想投递朴朴? 答:我是福州人。 2.hr主动介绍这个岗位平常的工作 3.找工作看哪些因素? 4.朴朴大小周可以接受吗? 答:这个……可能要结合薪资来看。 5.我们现在给校招生的薪资统一都是7k,公积金最低标准,能接受吗? 楼主实在受不了了,这个薪资简直是超乎我预料的大侮辱价,
我们会在这章探索朴素贝叶斯分类算法,使用概率密度函数来处理数值型数据。 内容: 朴素贝叶斯 微软购物车 贝叶斯法则 为什么我们需要贝叶斯法则? i100、i500健康手环 使用Python编写朴素贝叶斯分类器 共和党还是民主党 数值型数据 使用Python实现
在所有的机器学习分类算法中,朴素贝叶斯和其他绝大多数的分类算法都不同。对于大多数的分类算法,比如决策树,KNN,逻辑回归,支持向量机等,他们都是判别方法,也就是直接学习出特征输出Y和特征X之间的关系,要么是决策函数Y=f(X),要么是条件分布P(Y|X)。但是朴素贝叶斯却是生成方法,也就是直接找出特征输出Y和特征X的联合分布P(X,Y),然后用P(Y|X)=P(X,Y)/P(X)得出。 朴素贝叶斯
朴素贝叶斯 概述 贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。本章首先介绍贝叶斯分类算法的基础——贝叶斯定理。最后,我们通过实例来讨论贝叶斯分类的中最简单的一种: 朴素贝叶斯分类。 贝叶斯理论 & 条件概率 贝叶斯理论 我们现在有一个数据集,它由两类数据组成,数据分布如下图所示: 我们现在用 p1(x,y) 表示数据点 (x,y) 属于类别 1(图中用圆点表示
福州疫情原因,均为腾讯会议线上进行。 一面 (30min) 自我介绍 Vue响应式原理 Vue2、3区别 浏览器和Node.js事件循环 浏览器更新队列,即关于Dom操作的性能优化 BFC?清除浮动? 场景:如何全局维护用户个人信息,避免重复请求个人数据? 衍生问题,如何防止重复请求,即在统一时间内不重复对后端业务接口进行请求操作。 反问 二面(40min) HR旁听,所以没有HR面; 自我介绍
校验者: @Kyrie 翻译者: @TWITCH 朴素贝叶斯方法是基于贝叶斯定理的一组有监督学习算法,即“简单”地假设每对特征之间相互独立。 给定一个类别 和一个从 到 的相关的特征向量, 贝叶斯定理阐述了以下关系: ![P(y \mid x_1, \dots, x_n) = \frac{P(y) P(x_1, \dots x_n \mid y)}
#encoding:utf-8 from numpy import * #词表到向量的转换函数 def loadDataSet(): postingList = [['my','dog','has','flea','problems','help','please'], ['maybe','not','take','him','to','dog',
上例的数据格式如下: both sedentary moderate yes i100 both sedentary moderate no i100 health sedentary moderate yes i500 appearance active moderate yes i500 appearance moderate aggressive yes i500