面圈网
面试哥
注册登录
搜索
首页
社区
题库
问答广场
求职
职业考试
真题库
新
排行榜
教程
公司
发现
经验笔记
代码片段
技术栈
源码
在线文稿
资源下载
书库
首页
职业考试
【2020】奇安信秋招算法方向试卷3
【2020】奇安信秋招算法方向试卷3
时长:120分钟
总分:100分
181浏览
2人已完成答题
开始做题
题型介绍
题型
单选题
多选题
填空题
数量
20
10
2
1.
计算派出机器人的数量
问题详情
查看答案
有一个大型仓库使用拣货机器人从不同的货架间取货。
已知:
1、货架呈二维网格排列,网格中的每个货架只会放置一种商品。
2、受这代设备的技术水平所限,
机器人只能沿上下左右四个方向移动
,还不能沿斜线移动,请理解。
仓库当前使用的拣货算法是这样:
1、一张订单会包含X种商品,分布在X个货架上
2、结合将这X种商品的所在位置,将地图上的商品分解为Y个“商品堆”,然后
同时派出Y个机器人,并发取货,每个机器人只负责一个“商品堆”。
3、“商品堆”的定义是上下左右彼此相邻的一组商品。
在订单被分析后,给你一个由 '1'(该货架有待取货物)和 '0'(该货架没有待取货物)组成的的二维网格表示货架地图,请计算需要派出的机器人的数量。
比如,下面的这张货物地图:
在这个例子中,一共有6“堆”商品,共需要同时派出6个机器人。
2.
无助的产品经理
问题详情
查看答案
在某厂,产品经理同学的工作职责除了给开发同学提需求,还有一件极其重要的事:对产品运营数据做归因分析。
某天,该产品经理同学接到老板要求:根据在过去一段时间内产品的“每日活跃用户数”,统计出最长的增长总天数,也就是把保持增长势头(
可以不连续
)的天数抽出来,你可能会得到多个新序列,计算最长的那个序列的总天数。
我们把该产品自上线以来“每日的活跃用户数”,都按照顺序放入一个数组,比如:
[1,5,122,34,45,232,342,34],以这组数据为例,把其中所有的增长子序列罗列出来:
形成了
第一个子序列: [1,5,122]
第二个子序列:[34,45,232,342]
第三个子序列:[1,5,122,232,342]
第四个子序列:[1,5,34,45,232,342]
这四个序列,其中最长的是第四个,所以这个例子中,最长的增长总天数是:6
因为该产品上线时间有十几年了,产品同学数了1个小时,眼都数花了,最后只好放弃,她决定用请开发同学吃饭,来解决这个问题,你能帮帮她吗?
3.
设计一个判别表达式中左,右括号是否配对出现的算法,采用____数据结构最佳
问题详情
查看答案
A. 线性表的顺序存储结构
B. 栈
C. 图
D. 循环链表
4.
对于有n个结点的二叉树,其高度为()
问题详情
查看答案
对于有n 个结点的二叉树, 其高度为( )
A. nlog2n
B. unknown
C. log2n
D. log2n+1
5.
如何判定一个头指针为head的带头结点的单链表为空表()
问题详情
查看答案
如何判定一个头指针为head的带头结点的单链表为空表( )
A. head→next==NULL
B. head→next==head
C. head==NULL
D. head!=NULL
6.
对于顺序存储的有序表(1,2,3,4,5,6,7,8,9),若采用折半查找...
问题详情
查看答案
对于顺序存储的有序表(1,2,3,4,5,6,7,8,9),若采用折半查找查找元素4,需要查几次?
A. 2
B. 3
C. 4
D. 5
7.
redis在的有序集合中在数据量极少的情况下使用的一下那种结构存储方案
问题详情
查看答案
B. 跳跃表
A. 压缩表
C. 散列表
D. 双向链表
8.
先进先出页面置换算法中以下描述正确的是
问题详情
查看答案
A. 频繁访问的页面不会被淘汰
B. 最先进来页面最先淘汰出去
C. 最近未使用的页面先被淘汰出去
D. 访问次数很少的优先淘汰
9.
从一个大量整数中找出最大的10个数,以下使用最优的算法是()
问题详情
查看答案
A. 最大堆算法
B. 快速排序
C. 冒泡算法
D. 选择排序
10.
HashMap与HashTable相关以下描述不正确的是
问题详情
查看答案
A. HashMap不能进行数组扩容
B. 二者都可以进行数组扩容
C. 二者都是以链表来作为解决冲突方案
D. 二者都是以散列表数据结构存储数据
11.
下列哪个函数不是常用激活函数?
问题详情
查看答案
A. Sigmoid
B. Tanh
C. Relu
D. Exp
12.
深度网络反向传播中,第N层发生梯度消失,则?
问题详情
查看答案
A. >N层的网络梯度消失
B. 奇数层梯度消失
C. <N层的网络梯度消失
D. 偶数层梯度消失
13.
以下关于dropout的说法中,正确的有?
问题详情
查看答案
A. 使用时需要较大的learning rate
B. 有助于防止过拟合
C. 有助于防止梯度消失
D. 减少了模型参数数量
14.
多分类函数输出为(P1,P2,&hellip,Pk),下列哪个函数的Pi之和为1?
问题详情
查看答案
多分类函数输出为(P1, P2, …, Pk), 下列哪个函数的Pi之和为1?
A. Relu
B. Sigmoid
C. Tanh
D. Softmax
15.
此说法是否正确:word2vec模型由多个深度神经网络模型构成。
问题详情
查看答案
A. 正确
B. 错误
16.
以下不属于凸函数的是?
问题详情
查看答案
A. y = logx
B. y = xlogx
C. y = ||x||
D. y=e^ax
17.
&ensp机器学习中L1正则化和L2正则化的区别是?
问题详情
查看答案
A. 使用L1可以得到稀疏的权值,使用L2可以得到平滑的权值。
B. 使用L1可以得到平滑的权值,使用L2可以得到平滑的权值。
C. 使用L1可以得到平滑的权值,使用L2可以得到稀疏的权值。
D. 使用L1可以得到稀疏的权值,使用L2可以得到稀疏的权值。
18.
如下8个点聚为3类,A1(1,2),A2(3,1),A3(8,4),B1(...
问题详情
查看答案
如下8个点聚为3类,A1(1,2),A2(3,1),A3(8,4),B1(5,8),B2(4,1),B3(6,4),C1(3,5),C2(4,9),采用K均值算法,以下不属于第一次循环后的聚类中心的是?
A. (A1,A2,B2)
B. (B1,A3,C2)
C. (B1,A2,C2)
D. (C1,B3)
19.
通常,在LSTM中,遗忘门、输入门和输出门使用()函数作为激活函数。
问题详情
查看答案
通常,在LSTM中,遗忘门、输入门和输出门使用( )函数作为激活函数。
A. Sigmoid函数
B. 双曲正切函数Tanh
C. ReLU函数
D. Leaky ReLU函数
20.
以下关于CNN的描述错误的是?
问题详情
查看答案
A. 卷积操作可获取图像区域不同类型的特征。
B. 汇合等操作可对提取出的特征进行融合和抽象。
C. 随着若干卷积、汇合层的堆叠,各层得到的深度特征逐渐从泛化特征过度到高层语义表示。
D. 不能通过叠加多层小卷积核取得与大卷积核同等规模的感受野。
21.
一个有n个顶点的图最少有(&ensp&ensp&ensp&ensp)条边。
问题详情
查看答案
A. n-1
B. n*(n-1)/2
C. n*(n+1)/2
D. 0
22.
8个外观一样的铁球,其中一个较轻,给你一个天秤,至少()次可以找出较轻的球?
问题详情
查看答案
8个外观一样的铁球,其中一个较轻,给你一个天秤,至少( )次可以找出较轻的球?
A. 1
B. 2
C. 3
D. 4
23.
以下属于生成式模型的是?
问题详情
查看答案
A. 隐马尔科夫模型
B. 神经网络
C. 贝叶斯网
D. 条件随机场
24.
以下关于自然语言处理错误的有?
问题详情
查看答案
A. N-gram模型相对神经网络的主要优点是其具有更高的模型容量,且处理样本只需非常少的计算量。
B. 在许多自然语言应用中,通常希望模型产生字符作为输出的基本单位。
C. 加速神经语言模型训练的一种方式是,避免明确地计算个别未出现在下一位置的词对梯度的贡献。
D. 在神经机器翻译中,为生成以源句为条件的整句,模型必须具有表示整个源句的方式。
25.
下列哪些库可以用于词嵌入?
问题详情
查看答案
A. Word2vec
B. Glove
C. Fasttext
D. Numpy
26.
关于PCA的,哪些说法为真?
问题详情
查看答案
A. PCA是非监督学习模型
B. 算法优先保留方差最大的维度
C. 主成分数量<=特征维度数
D. 所有主成分彼此正交
27.
下列排序算法中不是稳定排序的是?
问题详情
查看答案
A. 直接选择排序
B. 直接插入排序
C. 希尔排序
D. 快速排序
28.
以下激活函数,哪个的输出值不为负?
问题详情
查看答案
A. ReLU
B. tanh
C. Sigmoid
D. 其他选项都有可能
29.
如果在线性回归模型中增加一个特征变量,下列可能发生的是?
问题详情
查看答案
A. R-squared 增大,Adjust R-squared 增大
B. R-squared 增大,Adjust R-squared 减小
C. R-squared 减小,Adjust R-squared 减小
D. R-squared 减小,Adjust R-squared 增大
30.
想要训练一个ML模型,样本数量有100万个,特征维度是5000,面对如此大...
问题详情
查看答案
想要训练一个 ML 模型,样本数量有 100 万个,特征维度是 5000,面对如此大数据,如何有效地训练模型?
A. 对训练集随机采样,在随机采样的数据上建立模型
B. 尝试使用在线机器学习算法
C. 使用 PCA 算法减少特征维度
31.
下列说法错误的有?
问题详情
查看答案
A. Bagging可以降低方差
B. Random Forest可以降低方差
C. Boosting可以降低偏差
D. Decision Tree可以降低偏差
32.
以下描述正确的是?
问题详情
查看答案
A. 链表进行插入、删除操作,比顺序表中效率高
B. 散列法存储的思想是由关键字值决定数据的存储地址
C. 一个广义表的表尾总是一个广义表
D. 数组元素的下标值越大,存取时间越长
开始测试
×
确定开始答题吗? 一旦开始,将马上开始计时。
提
问题
写
面经
写
文章
微信
公众号
扫码关注公众号
回到
顶部
登录
×
微信登录
账号登录
验证码登录
记住我
登 录
忘记密码?
没有帐户?
立即注册
获取短信验证码
登 录
没有帐户?
立即注册
注册帐号
×
获取短信验证码
我已阅读并同意
《服务协议》
注 册
已有帐号?
立即登录