大家好,又见面了,我是你们的朋友全栈君。
听说周日大疆就要笔试了,今年的秋招来的有点让人猝不及防啊,牛客的各种讨论群里都弥漫着一种恐惧的氛围,我是谁,我在哪,我该怎么办(惊恐脸)。。。。。
哈哈哈 没关系,作为一个刚刚踏上工作岗位的老学长,去年秋招在牛客网收获颇丰,是时候来回馈一波牛客网,回报一下牛妹了;)
话不多说,干货奉上
2018秋招大疆机器学习、算法笔试题
1、两个小车,走一步能量消耗1,方向为1向右,-1为向左,首先输入路途长度,然后输入两行,每行第一个为小车的能量,第二个位小车起始位置,第三个为方向。求几个小车可以走出去?
2、一共N种花,插花需要每次选M种,每种R支。第二行输入每种花个数,求最多有多少种插花方法。
3、输入初始位置和结束位置,以及二维数组的大小,与其中的元素,为0可以走,为1,其上下左右不能走,如果为2,则该位置的上两个,下两个,左两个,右两个不能走。以此类推,求最短路径?
4、H的水桶,注水速度X,h处有洞,流水速度Y,S秒以后水深(四舍五入)。
2018春招大疆机器学习提前批笔试题
1、考察 L1 和 L2 正则化的区别
L0 范数:向量中非0元素的个数。
L1 范数 (Lasso Regularization):向量中各个元素绝对值的和。
L2 范数(Ridge Regression):向量中各元素平方和再求平方根。
L0 范数和 L1 范数都能够达到使参数稀疏的目的,但 L0 范数更难优化求解,L1 范数是 L0 范数的最优凸近似,而且它比 L0 范数要容易优化求解。
L2 范数不但可以防止过拟合,提高模型的泛化能力,还可以让我们的优化求解变得稳定和快速。L2 范数对大数和 outlier 更敏感!
2、考察 SVM 决策边界
四个点坐标为(1,1),(1,0),(-1,-1),(-1,0),用 SVM 分类的决策边界是
A. y = x
B. x = 0
C. y = -x
D. y = 0
填空题
1.经过下列卷积操作后,3×3 conv -> 3×3 conv -> 2×2 maxpool -> 3×3 conv,卷积步长为 1,没有填充,输出神经元的感受野是多大?
2.100×100×3,3×3 卷积核,输出是 50×50×10,算进行了多少次乘-加操作?
简答题
1.简述梯度下降法和牛顿法的优缺点?
2.正样本 10000,负样本 1000,怎样训练
3.Relu 相对于 sigmoid 函数的优缺点?
4.正则化方法?
5.说出物体检测、人脸识别、物体分割等某一领域的常见算法,并用一两句话简述其中一种算法的原理?
编程题
1.输入序列 a, 判断是否存在 i < j < k, 满足 a[i] < a[k] < a[j],并写出算法复杂度?
2.输入多边形顶点坐标 List,判断是否为凸多边形(如果把一个多边形的所有边中,任意一条边向两方无限延长成为一直线时,其他各边都在此直线的同旁,那么这个多边形就叫做凸多边形)?
2018校招大疆面经汇总
2018秋招面经汇总
2018春招面经汇总
日本留学生】渣硕视觉算法面经:华为,搜狗,
最后非常感谢牛客网这个平台,不仅帮助自己获得了满意的offer,还结识了很多不错的朋友,希望牛客网以后会越来越好!!!
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/147840.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...