經歷過春季實習生招聘的洗禮,我已經意識到了秋招的嚴峻性,因此一邊實習一邊一直關注着秋招。雖然 6 月下旬已經投出了秋招的第一份簡歷,而後,事實倒是,落花有意,流水無情。在提早批階段,要麼是簡歷都沒經過,要麼是筆試沒過,要麼是萬幸過了筆試面試又遭打擊,惟一的一家拼多多,遠程面試整個流程持續了一個多月纔算是得知經過。python
八月底結束實習回到學校,花了一週時間集中複習,大概過了一遍《劍指 Offer》、機率論、線性代數、深度學習以及簡歷上相關的內容,而後就是爲期半個多月的筆試面試。所幸多家企業到學校現場筆試的難度不高,得以面試了幾家公司,斬獲了幾個 offer,而遠程面試則是幾無收穫。面試
回顧整個秋招,一方面,做爲自動化轉到計算機的半吊子,在算法崗競爭這麼激烈的狀況下還能拿到幾個不錯的 offer,真是感到有太多不易但又有幾分幸運。另外一方面,豐富的面試經歷也讓我充分意識到了本身的不足,接下來,我還須要在代碼能力和基礎知識方面苦下功夫,及早未雨綢繆着眼將來。算法
一道代碼題,打印 1 到最大的 n 位數json
《劍指 Offer》原題,因爲 1000 位數 10^1000-1 可能很大,利用字符串來模擬加法後端
0911 offer call,下午收到意向書數組
兩個 rand 3 生成 rand 7,調用 rand 3 次數的指望網絡
第一次調用 rand 3 獲得的數爲 \(X_1\),第二次調用 rand 3 獲得的數 \(X_2\),令 \(X =(X_1-1)*3 + X_2\),則 \(X\) 的取值範圍爲 1-9,捨棄 8 和 9 便可獲得 1-7 的均勻分佈。
取值 1-9 的機率分別都爲 1/9,其中 7/9 的機率只用調用一次 rand 3,2/9 的機率須要從新調用,而這是一個幾何分佈,從新調用的過程與第一次調用狀況同樣。假設調用次數的指望爲 E[X],則有 E[X] = 7/9 * 1 + 2/9 * (E[X]+1)。機器學習
字符串裏面選出 K 個字符使得字典序最小
初始選定字符串的最後 K 個字符爲字符串 S,而後依次向前遍歷:若是當前字符大於 S 的第一個字符,繼續遍歷;若是當前字符小於等於 S 的第一個字符,則替換掉 S 中的第一個字符,而後再依次檢查是否應該替換 S 中的後續字符。
單鏈表實現棧的功能
棧爲先進後出,在單鏈表的頭部進行插入和彈出便可。
Linux 後臺運行的進程怎麼再轉到前臺;Ctrl-Z 中斷程序是怎麼實現的
$ python tree.py cv cv ├── main.py ├── main.pyc ├── models │ ├── hello │ │ ├── a.json │ │ └── 12.json │ ├── foot │ │ ├── model_px.xml │ │ ├── model_py.xml │ │ └── model_score.xml │ └── reid │ ├── reid_config.json │ ├── reid.params │ └── reid.json ├── module.py └── module.pyc
n 個任務分給 m 我的作,每一個人作任務須要一個時間 t,作完一個任務才能接着作下一個,怎麼最快作完,講思路
按照每一個人作任務的時間進行排序,第一次咱們讓最後一我的作一個任務,而後看前面的人在這個時間段內能夠作多少個任務,求出全部人的任務數量和。而後進行二分查找,直到全部人的任務數量和正好等於 n 便可。
最後,以一句話送給全部還在努力前進的人。若是你發現本身所知甚少舉步維艱,或許,是你來到了攀登高峯的起點!
獲取更多精彩,請關注「seniusen」!