精华内容
下载资源
问答
  • 深度学习图像算法面试题总结(七月学员思维导图总结)
  • 1.常用的图像空间。 RGB、HSV(H:0-180,S:0-255,V:0-255)、YUV、HIS、YGrcb 2.简述你熟悉的聚类算法并说明其优缺点。 (1)K-mean:优势:如果样本集是团簇密集状的,K-means聚类方法效果较好。 ...

    疫情期间、工作越来越难找。只有不断提升自我,让自己变得更加优秀才行。万事开头难,好事多磨,加油!

    1.常用的图像空间。

    RGB、HSV(H:0-180,S:0-255,V:0-255)、YUV、HIS、YGrcb

    2.简述你熟悉的聚类算法并说明其优缺点。

    (1)K-mean:优势:如果样本集是团簇密集状的,K-means聚类方法效果较好。

                              缺点:①、对于条状、环形状等非团簇状的样本集,聚类效果一般;

                                        ②、对于事先给定的K值、初始点敏感,不同K值、初始点可能导致聚类得到结果差异较大;也可能因为                                         初始点分属同一类,导致最后结果陷入局部最小值,无法达到全局最优解。

    3.请描述以下任一概念:SIFT/SURF LDA/PCA

    4.请说出使用过的分类器和实现原理。

    1. Random Forest的随机性表现在哪里。

    2. Graph-cut的基本原理和应用。

    3. GMM的基本原理和应用。

    8.用具体算法举例说明监督学习和非监督学习的区别。

    数学知识:

    1.贝叶斯全概率公式题。

    2.最小二乘拟合的公式推导和代码实现。

    3.数论or组合数学题。

    白板编程:

    1.图的遍历

    思路:深度搜索DFS和广度搜搜BFS

    2.网格搜索:给一张二值化图片,用1~n标记不同的连通域。

    思路:可以采用最简单的四领域搜索。

    3.代码实现HSV图的直方图表示,已知H bins=8 S bins=4 V bins=2

    开放问答:

    1.怎样在一张街拍图像中识别明星的衣着服饰信息?

    2.上衣纯色,裙子花色,怎样做区分?

    3.怎样判断一张广告图片中是否有文字信息?是否用到OCR技术?怎样应用?

    4.给一张二值化图片(包含一个正方形),怎样识别图片中的正方形?如果图片污损严重,怎样识别并恢复?

    5.简述图像识别在移动互联网中的应用。

    (待完善)

    展开全文
  • 点击上方“图解面试算法”,选择“星标”公众号重磅干货,第一时间送达今天分享的题目来源于 LeetCode 上的剑指 Offer 系列 面试题05. 替换空格,据官方统计,近半年在字节跳动...

    点击上方“图解面试算法”,选择“星标”公众号

    重磅干货,第一时间送达

    今天分享的题目来源于 LeetCode 上的剑指 Offer 系列 面试题05. 替换空格,据官方统计,近半年在字节跳动算法面试中出现过 5 次。

    题目链接:https://leetcode-cn.com/problems/ti-huan-kong-ge-lcof/

    一、题目描述

    请实现一个函数,把字符串 s 中的每个空格替换成"%20"。

    示例 1:

    输入:s = "We are happy."
    输出:"We%20are%20happy."
    

    限制:

    • 0 <= s 的长度 <= 10000

    二、题目解析

    这题还是挺简单的。

    遍历字符串中的每个字符,如果不是空格,直接赋值过去数组中;否则,赋值 %20 过去数组中。

    最后,从数组中的前 size 个字符创建新字符串,并返回新字符串。

    三、动画描述

    四、图片描述

    五、参考代码

    //来源:https://leetcode-cn.com/problems/ti-huan-kong-ge-lcof/solution/mian-shi-ti-05-ti-huan-kong-ge-by-leetcode-solutio/
    class Solution {
        public String replaceSpace(String s) {
            //获取字符串 s 的长度 length
            int length = s.length();
            //创建字符数组 array,其长度为 length * 3
            char[] array = new char[length * 3];
            //初始化 size 为 0,size 表示替换后的字符串的长度
            int size = 0;
            //从左到右遍历字符串 s
            for (int i = 0; i < length; i++) {
                //获得 s 的当前字符 c
                char c = s.charAt(i);
                //如果字符 c 是空格,则令 array[size] = '%',array[size + 1] = '2',array[size + 2] = '0',并将 size 的值加 3
                if (c == ' ') {
                    array[size++] = '%';
                    array[size++] = '2';
                    array[size++] = '0';
                } else {
                    array[size++] = c;
                }
            }
            //遍历结束之后,size 的值等于替换后的字符串的长度,从 array 的前 size 个字符创建新字符串,并返回新字符串
            String newStr = new String(array, 0, size);
            return newStr;
        }
    }
    

    六、复杂度分析

    时间复杂度

    时间复杂度为 O(n),遍历字符串 s 一遍。

    空间复杂度

    空间复杂度:O(n),额外创建字符数组,长度为 s 的长度的 3 倍。

    七、相关标签

    • 字符串

    • 数组

    ---

    由 五分钟学算法 原班人马打造的公众号:图解面试算法,现已正式上线!
    接下来我们将会在该公众号上,为大家分享优质的算法解题思路,坚持每天一篇原创文章的输出,感兴趣的小伙伴可以关注一下哈!
    
    
    展开全文
  • 深度学习算法面试题总结

    万次阅读 多人点赞 2018-07-08 22:02:52
    投影变换:图像旋转+平移+缩放+切变+射影(不仅改变了图像的形状,而且改变了图像中的平行线) 21. HOG 特征的计算流程 直方图:横轴:间隔,纵轴为各间隔统计值的个数。特点1:显示此数据的的分布情况;特点...

    1.  什么是凸集、凸函数、凸学习问题?

    凸集:若对集合C中任意两点u和v,连接他们的线段仍在集合C中,那么集合C是凸集。

    公式表示为:αu+(1-α)v∈C α∈[0, 1]

    凸函数:凸集上的函数是凸函数。凸函数的每一个局部极小值也是全局极小值( f(x) = 0.5x^2 )。

    公式表示为:f(αu + (1-α)v) ≤ αf(u)+ (1-α)f(v)

    2.  L0、L1、L2正则化?

    L0范数:计算向量中非0元素的个数。

    L1范数:计算向量中各元素绝对值之和。

    L2范数:计算向量中各元素平方和的开方。

    L0范数和L1范数目的是使参数稀疏化。L1范数比L0范数容易优化求解。

    L2范数是防止过拟合,提高模型的泛化性能。

    3.  无监督学习方法有哪些?

    强化学习、K-means 聚类、自编码、受限波尔兹曼机

    4.  空洞卷积(dilated convolution)的理解?

    基于FCN的语义分割问题中,需保持输入图像与输出特征图的size相同。

    若使用池化层,则降低了特征图size,需在高层阶段使用上采样,由于池化会损失信息,所以此方法会影响导致精度降低;

    若使用较小的卷积核尺寸,虽可以实现输入输出特征图的size相同,但输出特征图的各个节点感受野小;

    若使用较大的卷积核尺寸,由于需增加特征图通道数,此方法会导致计算量较大;

    所以,引入空洞卷积(dilatedconvolution),在卷积后的特征图上进行0填充扩大特征图size,这样既因为有卷积核增大感受野,也因为0填充保持计算点不变。

    5.  增大感受野的方法?

    空洞卷积、池化操作、较大卷积核尺寸的卷积操作

    6.  卷积层中感受野大小的计算?

    卷积层的感受野大小与其之前层的卷积核尺寸和步长有关,与padding无关。基于从深层向浅层递归计算的方式。

    计算公式为:Fj-1 = Kj + (Fj - 1)*Sj(最后一层特征图的感受野大小是其计算卷积核大小)

    7.  梯度下降法和牛顿法的优缺点?

    优点:梯度下降法:可用于数据量较大的情况;

    牛顿法:收敛速度更快;

    缺点:梯度下降法:每一步可能不是向着最优解的方向;

    牛顿法:每次迭代的时间长;需要计算一阶和二阶导数;

    8.  解决训练样本类别不平衡问题?

    现象:训练样本中,正负样本数量的比例较大。

    1. 过采样。增加正例样本数量,使得正负样本数量接近,然后再进行学习。

    2. 欠采样。去除反例样本数量,使得正负样本数量接近,然后再进行学习。

    3. 设置阈值。基于原始数据集学习,当使用已训练好的分类器进行预测时,将正负样本数量的比例作为阈值嵌入到决策过程中。

    9.  各个激活函数的优缺点?

    Sigmoid激活函数 缺点:

    1. 不是关于原点对称;

    2. 需要计算exp

    Tanh 激活函数 优点:

    1. 关于原点对称

    2. 比sigmoid梯度更新更快

    ReLU激活函数 优点:

    1. 神经元输出为正时,没有饱和区

    2. 计算复杂度低,效率高

    3. 在实际应用中,比sigmoid、tanh更新更快

    4. 相比于sigmoid更加符合生物特性

    ReLU激活函数 缺点:

    1. 神经元输出为负时,进入了饱和区

    2. 神经元的输出在非0中心

    3. 使得数据存在Active ReLU、Dead ReLU(当wx+b<0时,将永远无法进行权值更新,此时的神经元将死掉)的问题

    Leaky ReLU激活函数 优点:

    1. 解决了ReLU激活函数Dead ReLU问题;

    Maxout激活函数max(w1*x+b1,w2*x+b2)  缺点:

    2. 参数较多;

    10. 神经网络的正则化方法?/过拟合的解决方法?

    数据增强(镜像对称、随机裁剪、旋转图像、剪切图像、局部弯曲图像、色彩转换)

    early stopping(比较训练损失和验证损失曲线,验证损失最小即为最优迭代次数)

    L2正则化(权重参数的平方和)

    L1正则化(权重参数的绝对值之和)

    dropout 正则化(设置keep_pro参数随机让当前层神经元失活)

    11. 目标检测领域的常见算法?

    两阶段检测器:R-CNN、Fast R-CNN、Faster R-CNN

    单阶段检测器:YOLO、YOLO9000、SSD、DSSD、RetinaNet

    12. Batch Normalization如何实现?作用?

    实现过程

    计算训练阶段mini_batch数量激活函数前结果的均值和方差,然后对其进行归一化,最后对其进行缩放和平移。

    作用

    1. 限制参数对隐层数据分布的影响,使其始终保持均值为0,方差为1的分布;

    2. 削弱了前层参数和后层参数之间的联系,使得当前层稍稍独立于其他层,加快收敛速度;

    3. 有轻微的正则化效果。

    13. Momentum优化算法原理?作用?

    原理:在梯度下降算法中引入指数加权平均数,在更新梯度方向的过程中,在一定程度上保留了之前梯度更新的方向,同时利用当前mini_batch的梯度方向微调最终的更新方向。

    作用:在一定程度上增加梯度更新方向的稳定性,从而使得收敛速度更快。

    14. 群卷积?

    假设上一层的特征图通道数为N,群卷积数目为M,则每个群卷积层上的特征图通道数为N/M,然后将其分配在不同的GPU上,待卷积完成后将输出叠加在一起。

    15. 反卷积?

    卷积的逆过程,GANs基于反卷积操作生成图片。

    16. 梯度消失和梯度爆炸?

    原因:激活函数的选择。

    梯度消失:令bias=0,则神经网络的输出结果等于各层权重参数的积再与输入数据集相乘,若参数值较小时,则权重参数呈指数级减小。

    梯度爆炸:令bias=0,则神经网络的输出结果等于各层权重参数的积再与输入数据集相乘,若参数值较大时,则权重参数呈指数级增长。

    17.质数与互质数

    质数是能被1和其本身整除的数;比如2,3,5,7是质数;

    互质数是两个数的公因数只有一个1的数;比如8和9、27和32是互质数;

    18. 生成模型和判别模型

    生成方法是首先基于数据学习联合概率分布P(X,Y),然后获得条件概率分布P(Y|X)作为预测模型。

    常用模型:隐马尔可夫模型(HMM)、朴素贝叶斯

    判别方法是直接基于数据学习到决策函数F或条件概率分布P(Y|X)作为预测模型。

    常用模型:支持向量机、K近邻算法、决策树、逻辑回归、感知机、最大熵等

    19. 从贝叶斯的角度来看,正则化等价于对模型参数引入先验分布,谈谈你对正则化的理解,并且阐述引入L2和L1分别对应什么分布。

    正则化的理解:正则化是在损失函数中加入对模型参数的惩罚项,以平衡因子lamda控制惩罚力度,其通过在训练过程中降低参数的数量级,从而降低模型的过拟合现象。

    从贝叶斯的角度来看,正则化等价于对模型参数引入先验分布:对参数引入高斯先验分布等价于L2正则化,对参数引入拉普拉斯分布等价于L1正则化。

    20. 从变换矩阵和变换效果等方面阐述相似变换、仿射变换、投影变换的区别。

    等距变换:图像旋转+平移

    相似变换:图像旋转+平移+缩放(放大或缩小原图)

    仿射变换:图像旋转+平移+缩放+切变(虽改变图像的形状,但未改变图像中的平行线)

    投影变换:图像旋转+平移+缩放+切变+射影(不仅改变了图像的形状,而且改变了图像中的平行线)

    21. HOG特征的计算流程

    直方图:横轴:间隔,纵轴为各间隔统计值的个数。特点1:显示此数据的的分布情况;特点2:显示各组统计数据的差异;

    HOG(histogram of oriented gradient)通过获得局部区域像素的梯度直方图来构成特征。

    1. 转化为灰度图;

    2. 图像的归一化;

    3. 计算各个像素的梯度;

    4. 将图像划分为cell(6*6个像素是一个cell)

    5. 计算cell区域的梯度直方图(统计各个梯度的数量),构成cell的discripter

    6. 将cell划分为block(3*3个cell是一个block),串联block内的cell discripter即可得到此区域的HOG特征discripter

    7. 将一幅图像中的Hog discripter串联就是用于分类的特征向量;

    22. 简述回归,分类,聚类方法的区别和联系并分别举出一个例子,简要介绍算法思路

    回归:对连续随机变量建模预测的监督学习算法;经典案例:房价预测;算法举例:线性回归,建立数据的拟合曲线作为预测模型(y = wx + b);

    分类:对离散随机变量建模预测的监督学习算法;经典案例:垃圾邮件分类;算法举例:支持向量机,寻找二类支持向量的最大切分超平面;

    聚类:基于数据的内部规律,寻找其属于不同族群的无监督学习算法;算法举例:k-means;

    23. 列举至少三种损失函数,写出数学表达式并简述各自优点

    https://blog.csdn.net/heyongluoyao8/article/details/52462400

    0-1损失 感知机损失 绝对值损失

    平方误差损失(线性回归)

    对数损失(逻辑回归)

    指数损失(Adaboost)

    铰链损失(SVM)

    24. 分类问题的评价标准

    准确率 = (TP+TN)/总样本数

    精确率 = TP/(TP+FP) = 所有预测为正类样本中正类的概率

    召回率 = TP/(TP+FN) = 所有真正类样本中正类的概率

    2/调和平均值 = 1/精确率+1/召回率

    P-R曲线:纵轴为精确率,横轴为召回率,基于平衡点(P=R)度量各个基分类器的优劣;

    ROC曲线:纵轴为TPR,横轴为FPR

    TPR = TP/(TP+FN)  FPR = FP/(FP+TN)

    AUC:ROC曲线下的面积

    mAP = 所有类别的AP之和/类别数量

    P = (一张图片类别C识别正确数量)/(一张图片类别C的总数量)

    AP = 每张图片的P之和/图片数量

    25. 回归问题的评价指标

    平均绝对值误差(MAE)

    均方差(MSE)

    26.  逻辑回归和SVM的区别和联系

    1.损失函数不同,LR损失函数是对数损失;SVM损失函数时合页损失;

    2.LR考虑了所有点的损失,但通过非线性操作大大减小离超平面较远点的权重;SVM仅考虑支持向量的损失

    3.LR受类别平衡的影响;SVM则不受类别平衡的影响;

    4.LR适合较大数据集;SVM适合较小数据集

    27. 深度学习为什么在计算机视觉领域这么好

    以目标检测为例,传统的计算机视觉方法需首先基于经验手动设计特征,然后使用分类器分类,这两个过程都是分开的。而深度学习里的卷积网络可实现对局部区域信息的提取,获得更高级的特征,当神经网络层数越多时,提取的特征会更抽象,将更有助于分类,同时神经网路将提取特征和分类融合在一个结构中。

    28.  Bagging和Boosting之间的区别?

    1.从样本选择角度:

    Bagging采用随机有放回的采样方式(Boostraping);Boosting使用所有样本,但每个样本的权重不同;

    2.从决策方式角度:

    Bagging分类预测采用大多数投票选举法,回归预测采用各基分类器预测结果的平均值;Boosting采用各基分类器在不同权重作用下预测结果的累加和;

    3.从方差、偏差角度:

    Bagging以减小方差为目的;Boosting以减少偏差为目的;

    模型过拟合,则方差大,Bagging以随机采样样本的方式减少异常样本的选择比例,从而可以降低过拟合,随之也就减小了方差;

    Boosting的损失函数就是以减少偏差为目的来训练下一个基分类器;

    4.从权重角度:

    Bagging各个样本的权重相同,各个基分类器权重相同;Boosting各个样本的权重不同,正确预测的样本权重减小,错误预测的样本权重增大;各个基分类器的权重不同,预测准确率高的权重大,预测准确率低的权重小;

    29. 常用的池化操作有哪些?

    1.Max pooling:选取滑动窗口的最大值

    2.Average pooling:平均滑动串口的所有值

    3.Global average pooling:平均每页特征图的所有值

    优点:

    1.解决全连接层所造成的过拟合问题

    CNN网络需要将特征图reshape成全连接层,然后再连接输出层,而global average pooling不需要此操作,直接将特征图pooling成输出层

    2.没有权重参数

    29. 朴素贝叶斯的朴素是什么意思?

    朴素指的是各个特征之间相互独立。

    30.1*1卷积核的作用?

    1.跨通道信息的融合;

    2.通过对通道数的降维和升维,减少计算量;

    31. 随机森林的随机性指的是?

    1.决策树训练样本是有放回随机采样的;

    2.决策树节点分裂特征集是有放回随机采样的;

    32. 随机森林和GBDT算法的区别?

    1.并行和串行

    随机森林是并行算法,GBDT算法是串行算法

    2.决策方式

    随机森林分类问题采用大多数投票选举法,回归问题采用各基分类器结果的平均值;GBDT算法采用各基分类器预测结果的累加和;

    3.样本选择

    随机森林各基分类器采用有放回随机采样的方式;GBDT则使用所有的样本;

    4.偏差、方差

    随机森林通过降低方差提高性能;GBDT通过降低偏差提高性能;

    5.异常值

    随机森林对异常值不敏感;GBDT对异常值敏感;

    33. 为什么ReLU常用于神经网络的激活函数?

    1.在前向传播和反向传播过程中,ReLU相比于Sigmoid等激活函数计算量小;

    2.在反向传播过程中,Sigmoid函数存在饱和区,若激活值进入饱和区,则其梯度更新值非常小,导致出现梯度消失的现象。而ReLU没有饱和区,可避免此问题;

    3.ReLU可令部分神经元输出为0,造成网络的稀疏性,减少前后层参数对当前层参数的影响,提升了模型的泛化性能;

    34. 卷积层和全连接层的区别?

    1.卷积层是局部连接,所以提取的是局部信息;全连接层是全局连接,所以提取的是全局信息;

    2.当卷积层的局部连接是全局连接时,全连接层是卷积层的特例;

    35. 偏差和方差的区别?

    偏差是真实值和预测值之间的偏离程度;方差是预测值得分散程度,即越分散,方差越大;

    36. 机器学习和深度学习的区别?

    机器学习在训练模型之前,需要手动设置特征,即需要做特征工程;深度学习可自动提取特征;所以深度学习自动提取的特征比机器学习手动设置的特征鲁棒性更好;

    37. 神经网络的优缺点?

    优点:

    1.拟合复杂的函数

    随着神经网络层数的加深,网络的非线性程度越来越高,从而可拟合更加复杂的函数;

    2.结构灵活

    神经网络的结构可根据具体的任务进行相应的调整,选择适合的网络结构;

    3.神经网络可自动提取特征,比人工设置的特征鲁棒性更好;

    缺点:

    1.由于神经网络强大的假设空间,使得神经网络极易陷入局部最优,使得模型的泛化能力较差;

    2.当网络层数深时,神经网络在训练过程中容易产生梯度消失和梯度下降的问题;

    3.随着网络层数的加深,神经网络收敛速度越来越慢;

    4.神经网络训练参数多,占用内存大;

    38. 解决过拟合的方法

    1.数据增强

    2.Ealy stopping

    3.Dropout

    4.交叉验证

    5.L1、L2正则化

     

    展开全文
  • 现在很多互联网公司面试都会问到算法题,以腾讯、字节跳动为代表,尤其是对于应届生来说,算法是必问的知识点之一。所以,今天总结了2020年,截止到目前为止,常问到的一些算法题,希望能够对你接下来的面试有所帮助...

    前言

    “人工智能”,“机器学习”,“大数据”,这些越来越常听到的字眼,背后其实都是一个个“算法”。诸多高新科技,似乎都离不开“算法”的“加持”。无论是什么语言,什么方向,学习算法是一件非常有必要的事情。

    现在很多互联网公司面试都会问到算法题,以腾讯、字节跳动为代表,尤其是对于应届生来说,算法是必问的知识点之一。所以,今天总结了2020年,截止到目前为止,常问到的一些算法题,希望能够对你接下来的面试有所帮助。

    扫描下方二维码获取更多资料!

     

    此外,有一道题我没有在leetcode上找到的题,频繁考察,大家注意下。

    题目描述:一个链表,奇数位升序偶数位降序,让链表变成升序的。 比如:1 8 3 6 5 4 7 2 9,最后输出1 2 3 4 5 6 7 8 9。

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    注意:下文内容以岗位进行了区分,很多算法内容虽是相通的,但不同岗位有不同侧重。这些算法题,我也一一整理在文档内,标注好了是LeetCode多少题,需要我分享pdf的,可以私信口令「算法」免费获取。

    Java岗

    • 剑指 Offer 53 - II. 0~n-1中缺失的数字
    • 如何判断一个单链表是不是有环
    • 给你一个数组,求三个数字之和为100.
    • 1243534543634交换各位的数字,找出大于目前这个数的最小的一个数。
    • 对一个奇数位升序,偶数位降序的链表,进行排序,例如 1->100->20->80->40->30
    • 算法题:(1)设计sqtr(x)
    • 算法题:(1)判断回文链表
    • 对于给定的数据,找出比这个数大的最小回文数(正反读都一样的数),如 12310 -> 12321
    • 第一道代码:数组只交换一次求最大
    • 第二道代码: 单链表判断是否有环
    • 括号匹配
    • 链表每k个翻转
    • 判断单链表有没有环,有的话找入口
    • 给定m和n,输出从1~n中任意多个数字,且和为mu的组合(数字不能重复使用)
    • 算法题(求第n个丑数,leetcode原题,难度mid)
    • 第一题是求开根号n的值
    • 第二题是输出交错后的链表(比如链表a-b-c-d-e,交错后输出为a-e-b-d-c)
    • 反转链表
    • 找峰值
    • 2*N的格子 1*2的格子填满它有多少种方法, 给个数组,找出右边第一个比它大的元素, 链表两两反转
    • 手撕代码:Z字型遍历二叉树(剑指offer原题,LeetCode第1553题)
    • 算法题1:很大量的int型数,输出前100最大的数(中等)
    • 算法题2:单向链表,头尾奇偶交替输出(中等)
    • 单链表反转
    • 平衡二叉搜索树插入算法
    • 算法:掷骰子走路,1~6,给定的输入n,走到第n个格子有多少种走法
    • 算法:青蛙跳格子,数组里元素表示该位置石头个数,每次跳3-5格,问跳出数组最少踩多少石头。
    • 算法:给定链表和k,要求每k个元素翻转一次
    • 算法:找出数组里出现次数大于n/k的数
    • 算法判断树是否对称,用bfs做了
    • 第二题:二叉树的左视图
    • 第一题,一个int数组,找出两个异或最大的数字,时间要求O(n)
    • 第二题,四个int数组,从每个数组里边挑一个数,加起来等于指定数,要求打印出所有非重复的组合,要求最大n2。
    • 代码题:不含重复字符的最长子串(leetcode原题)
    • 最长上升子序列的状态转移,时间复杂度
    • 给出前序和中序数组,生成后序数组
    • 算法题:给一棵二叉树和一个整数,要求输出二叉树中路径和等于这个整数的路径
    • 算法题,两个链表了类型的整数求和,如1->2->5与3->6求和得到1->4->1,用栈或者反转链表。
    • 算法题:找波谷数;
    • 算法题:复制带随机指针的单向链表;
    • 算法题:找到两个链表的公共节点
    • 给定两个单链表,判断是否有公共节点
    • 求字符数组的全排列
    • 查找有序数组中一个目标值出现的第一次位置,没有找到返回 -1
    • 算法:滑动窗口寻找满足的字符串
    • 爬楼梯
    • 说思路:实现一个栈,o(1)时间找最大值
    • 写代码:矩阵从左上到右下找最小路径
    • 说思路:删除单链表的倒数第k个节点
    • 01矩阵最大正方形,经典题了,dp选左上最小+1,随便写了一下,没让跑test。
    • 二叉树找target路径
    • 二叉树转单链表,常规题,递归一下完事了。
    • 算法题:从左上角走到右下角有多少种不同的路线
    • 两个有序链表合并
    • 给定2D矩阵,求里面1构成的正方形的最大面积。
    • 算法题:接雨水
    • 抛硬币(一个0.3 一个0.7 如何保证公平)
    • z字形打印二叉树
    • 一颗搜索二叉树有两个节点是颠倒的,恢复成正确的
    • 单链表高位在前、低位在后,大数计算
    • 阶乘
    • 一个有序、有重复元素数组找到有多少满足 a + b = target的
    • 手撕:层序遍历
    • 二叉树中序遍历
    • 手撕 lru
    • 字符串转换为整数,leetcode第67题
    • 先问两个无序数组怎么找交集。
    • 算法题,最长连续相同字符的子串
    • 写个题,每K个节点翻转链表
    • 字符串全排列
    • 二叉树的最大路径和
    • 类似于并查集的问题,最终求连通分量的数量
    • 回文串判断
    • 二叉搜索树转链表
    • 二叉树求和leetcode129-讲一下时间复杂度
    • 求链表的倒数第k个节点
    • 序列化和反序列化二叉树
    • 求数组的极值点,找出一个满足的就行(二分查找)
    • 前序遍历和中序遍历重构二叉树 (不给用HashMap 好在做出来了)
    • 算法题:判断回文链表(中间拆分两条链表 后面的反转链表 对比数值是否相等)
    • 算法题:奇数位升序偶数位降序的链表要求时间O(n)空间O(1)的排序?(奇偶拆分 偶链反转 归并merge)
    • 手撕代码:链表加法
    • 链表的两两翻转
    • LRu
    • 一面:最大连续子序列和和回文链表
    • 二面:一个奇数位升序、偶数位降序的单向无环链表,排成一个有序链表
    • 三面:S型打印二叉树,两条单向链表的相交节点,任意数组中的第一个缺失的正整数
    • 第一题 判断是否回文链表
    • 第二题 求逆数对
    • 第三题 动态规划
    • 最大化股票交易
    • 最大化股票交易(有限交易)
    • 滑动窗口匹配字符串
    • 大数问题中的topK问题
    • 给整数数组做数字次数统计,答unordered_map,让我再想其他方法,不会。
    • 给你一个数组和一个target,找出和是target整数倍的连续子串
    • 一个括号字符串,找出最长合法长度

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

    扫描下方二维码获取更多算法习题及更多学习资料!!

     

    C++客户端

    • 算法题(合并链表
    • 求岛屿个数
    • 树找两节点最长距离
    • leetcode原题 从一个数 l 一直 与 操作到 r ,怎么做最快,复杂度最小
    • k个一组反转链表
    • 二叉树的非递归后序遍历
    • 按字典序全排列输出
    • 跳台阶
    • 有两个单链表,其有交叉节点,求交叉节点。
    • LRU算法,给一个整数数组,若LRU的窗口大小是4,求下一个元素进来后剔除哪个元素。
    • 求最小子数组,leetcode209题。
    • 给定一个int数组A,数组中元素互不重复,给定一个数x,求所有求和能得到x的数字组合,组合中的元素来自A,可重复使用。
    • 一个二叉树, 求路径之和。
    • 手撕代码:1)给定数组,求连续子串的最大和
    • 用两个栈实现队列
    • 手撕代码:1)给定一个二维数组,从左到右,从上到下都是递增的,查找某个元素;2)给定一个矩阵,每次只能向右或向下走,从左上角开始到右下角一共有多少种走法
    • 第一题就是给一个矩阵,从右上角往左下角一层一层斜着遍历,类似于这样:
    • 层次遍历二叉树
    • 给一个正整数,表示成一个或多个不同的正整数的和,输出所有的解决方案(深搜,但是我实现的时候写的不好)
    • 给一个n*n的方阵,螺旋填入数字
    • 编程:判断两个链表是否相交并返回交点;
    • LeetCode 25. K个一组反转链表
    • LeetCode 53.最大子序和
    • 给定一个包含大写英文字母和数字的句子,找出这个句子所包含的最大的十六进制整数,返回这个整数的值。数据保证该整数在int表示范围内。
    • 字符串数组两个字符串的最小距离(easy)
    • 做题,数组中和最大的连续子数组(mid)
    • 手撕 无序数组两数之和
    • 手撕代码 两个栈实现队列
    • 手撕代码 实现洗牌算法
    • 简化路径(算法题)
    • 二叉树的右视图(算法题)
    • 手撕代码:从无序数组中找到右边第一个大的数
    • 两两反转链表
    • 算法:判断两个链表是否相交
    • 算法:查找二叉树中两个节点的最近公共祖先
    • 手撕代码 求m个数中最大的n个数
    • 算法题 镜像二叉树
    • 先升后降数组,找峰值的坐标,二分法
    • 给一个分数n/m,如果这个分数是无线循环小数,找出循环位。
    • 判断二叉树是否镜像

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    测试岗

    • 撕代码环节:题目为leetcode第三题,求最长连续不含重复字符子串
    • 代码:驼峰字符串问题
    • 用String存两个很长的数,求和
    • 求二叉树最大长度
    • 两个大数字符串求和输出字符串
    • 对含有重复数字的数组去重并排序,手撕快排
    • 算法:返回一棵树的最大叶节点距离
    • 手撕代码:驼峰数组最大值
    • 手撕代码:求一个数组的所有子集
    • 二叉树遍历
    • 平衡二叉树
    • 代码:判断回文
    • 代码:链表的逆序输出
    • 算法:两个链表找公共节点
    • 算法:求数组中升序的子序列
    • 代码:无重复最长字串
    • 二维有序数组(从左到右递增,从上到下也递增),找目标数(我写的二分法)
    • 求子集

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

    扫描下方二维码获取更多学习资料!!

     

    算法岗

    • 子序最大和(要求子序列长度大于等于k)
    • 一个list,一个target,求list中两数之和等于target的所有组合,list中有重复的,算medium吧。
    • 用两个栈实现一个队列
    • 判断给定序列是否为二叉搜索树的前序遍历
    • 给定一个数组,求连续子序列乘积为完全平方数的最大长度
    • 合并数组
    • 链表找环
    • 第K大个数
    • 求和为k的子数组个数
    • 判断是否存在个数超过数组长度一半的数
    • 二叉树子路径和为k的路径个数
    • 给一个类似树的结构,每个节点都可以有多个节点(不止两个树)然后每个根节点和字节点间的路径不一样,求叶子结点到叶子结点的最大路径
    • 判断左右括号是否合理
    • 朴素贝叶斯的算法实现
    • 两个很大的数据集存着url 找到两个数据集共有的url
    • 一个二维矩阵由小到大排列,找target数字
    • 二叉树按行输出
    • 给二叉树前序遍历和中序遍历 输出这个树
    • 翻转链表

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    前端

    • 删除链表的倒数第n个
    • leetcode 93
    • 二叉树层序遍历
    • Merge 两个有序的链表
    • 找出两个链表的交叉点
    • 斐波那契 递归实现/dp实现/空间优化
    • 算法题:找出sum大于等于target的最短连续数组的长度,要通过所有测试数据
    • 算法:合并有序数组
    • 算法:逆序输出数字。
    • 算法题:数组去重
    • 爬楼梯
    • 二叉树所有根到叶子节点路径上所有节点,组成的数字之和
    • 算法题:判断给定的一棵树是否是 二叉查找树
    • 算法题:给定一个数字数组,以及数字出现次数
    • 输出数组第k大元素
    • 实现斐波纳西数列

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    大数据

    • 算法题1: 请对3个有序数组进行归并排序
    • 算法题2: 求一个字符串中最长不重复子串的长度

    ios

    • 算法题:求k大数
    • leetcode1 两数之和
    • 剑指offer 62 圆圈中剩下的数字(约瑟夫环问题)
    • leetcode 41 缺失的第一个正数
    • 如何用两个栈实现一个队列?如何优化前面说的那种思路?
    • 编程题:上台阶(那个简单的fabonacci)然后就又来了一道
    • 编程题:区间合并求并集
    • 算法题:连续子数组的最大和
    • 二分查找在升序数组中找出绝对值最小的那个数
    • 8个桶(每个桶只能放一个球),5个球,三个连续的情况有几种,一般情况下呢?
    • ......

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    Andriod

    • 算法题:根据前中序重构二叉树
    • 算法:螺旋矩阵
    • 代码题:旋转数组
    • 代码题:两数相加(链表,要求原地实现,空间复杂度O(1)
    • 代码题:a) 螺旋遍历矩阵;b)(变种)原地旋转图像

    我的算法必备资料

    • 算法刷题LeetCode:

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    • 算法的乐趣:

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    • 算法(详解版):

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    我服了!今年最新的“算法面试题汇总”,面试字节跳动没压力了

     

    总结

    解决同一个问题,可能有各种各样的算法。不同的算法,可能执行速度不同,可能编写难易度不同,可能占用的资源不同,甚至可能计算准确度都不同;很多时候并没有最好的算法,只有在特定条件下最适合的算法。所以,关于算法的学习,我们要学会举一反三。

    以上的算法资料均整理成PDF

    扫描下方二维码获取更多算法习题及更多学习资料!!

    展开全文
  • 进大厂是大部分程序员的梦想,而进大厂的门槛也是比较高的,所以这里整理了一份腾讯、字节跳动、百度、阿里等一线互联网公司面试题大全,其中概括的知识点(HTML,CSS,JS,React,Vue,NodeJS,互联网基础知识)
  • 图像处理算法 面试题

    万次阅读 2018-09-03 16:56:10
    其主要用于边缘检测,在技术上它是以离散型的差分算子,用来运算图像亮度函数的梯度的近似值, Sobel算子是典型的基于一阶导数的边缘检测算子,由于该算子中引入了类似局部平均的运算,因此对噪声具有平滑作用,能很...
  • 算法面试题大全

    2012-02-01 14:34:45
    一些常见的算法面试的总结,需要面试的同学来拿了。
  • 这四个岗位其实都是相同的,问的问题也都大差不差,主要从传统的图像算法和深度学习进行提问。 1.传统图像算法问题 图像预处理有哪些方法? 图像增强有哪些方法? 直方图均衡介绍。 膨胀和腐蚀含义?开运算和...
  • 图像基础知识: 1.常用的图像空间。 颜色空间也称彩色模型(又称彩色空间或彩色系统)它的用途是在某些标准下用通常可接受的方式对彩色加以说明。颜色空间有许多种,常用有RGB,CMY,HSV,HSI等。 RGB颜色空间 :在...
  • CV/NLP算法面试题汇总

    千次阅读 2020-04-09 14:22:40
    面试官最后提到一种match-CNN说楼主可以面试完研究一下 判断一个整数是不是回文数 将整个数取反后看和原来的数是否相同。 class Solution { public: bool isPalindrome(int x) { if (x) return false; long long int...
  • 推荐算法面试题

    千次阅读 2019-10-26 20:43:40
    BN不是凭空拍脑袋拍出来的好点子,它是有启发来源的:之前的研究表明如果在图像处理中对输入图像进行白化(Whiten)操作的话, 所谓白化,就是对输入数据分布变换到0均值,单位方差的正态分布 那么神经网络会较...
  • 2面试题大全   1-图像基础知识: 1.常用的图像空间。 2.简述你熟悉的聚类算法并说明其优缺点。 3.请描述以下任一概念:SIFT/SURF LDA/PCA 4.请说出使用过的分类器和实现原理。 5. Random Forest的...
  • 图像处理算法工程师面试题

    万次阅读 2017-07-06 09:47:43
    图像基础知识: 1. 常用的图像空间。 2. 简述你熟悉的聚类算法并说明其优缺点。 3. 请描述以下任一概念:SIFT/SURF LDA/PCA 4. 请说出使用过的分类器和实现原理。 5. Random Forest的随机性表现在哪里。 6. Graph-...
  • 计算机视觉研究院专栏作者:Edison_G毕业季是同学们最紧张的时刻,不仅仅是如何准备面试,而且还要进入社会,经历人生最精彩的一段记忆。社会经历只能靠个人去慢慢总结摸索,努力拼搏精神一定...
  • 精心整理了leetcode常见经典算法面试题及答案,实现语言为python和c++,整理在这里主要是为了面试前复习使用,希望对您有所帮助,题目比较多建议您先收藏 题目:1.求缺失的第一个正数;2. 字符串相乘;3.通配符匹配;4.跳跃...
  • 1. 介绍目标检测网络yolo...小目标检测不好,我答可能是因为anchor太大,缩小anchor,面试官继续问,除了缩小anchor,还能如何改善? 语塞。。。。(望有识之士补充) yolov3加入了anchor机制(应该没说全) 2. 样..
  • 介绍 leetcode 题解,记录自己的 leetcode 解题之路。 本仓库目前分为五个部分: ... 第一个部分是 leetcode 经典题目的解析,包括思路,关键点和具体的代码实现。... 第三部分是 anki 卡片, 将 leetcode ...
  • 在过去解决一个人工智能的问题,比如图像分类,往往是通过分治法来解决,图像预处理,特征选择和提取,分类器设计等步骤。分治法这样的目的是将一个复杂问题分为简单可控的小问题,虽然在子问题上能得到最优解,但是...
  • 如何使用聚类算法去填补缺失值。 答: 对于缺失值较多的特征处理:我们直接将该特征弃掉,否则可能反倒会带入较大的noist,对结果造成不良影响。 对于缺失值较少的特征处理: (1)把缺失值用一个数值,例如0表示;...
  • 图像处理笔试面试题整理1

    千次阅读 2018-09-05 14:12:43
    1、图像处理笔试面试题(1) https://blog.csdn.net/m0_37407756/article/details/78800709 1.1、给定0-1矩阵,求连通域 二值图像分析最重要的方法就是连通区域标记,它是所有二值图像分析的基础,它通过对二值...
  • 注:本场面试在疫情期间三月份拿到的字节offer 基本条件 本人是底层 211本科,无科研经历,但是有一些项目经历,在国内监控行业某头部企业做过一段时间的实习。想着投一下字节,可以积累一下面试经验和为春招做准备....
  • 一、图像处理算法相关项目经验 答:略 二、编程能力C++考察 1、void指针有什么作用; 2、静态数组与动态数组的区别; 3、一个结构体,有int,char, float它的对象.size()是多大? 4、static加在变量上和加在函数...
  • 目录1 智慧星球的武器...这里分享两个比较简单的算法笔试吧。有想准备这家公司的可以参考一下 1 智慧星球的武器(100分) #include <cmath> #include <cstdio> #include <vector> #include <
  • 记一道字节跳动的算法面试题

    千次阅读 2019-11-12 14:52:28
    前几天有个朋友去面试字节跳动,面试官问了他一道链表相关的算法题,不过他一时之间没做出来,就来问了我一下,感觉这道还不错,拿来讲一讲。 题目 这其实是一道变形的链表反转,大致描述如下 给定一个单链表...
  • 算法面试题2:快速排序算法

    千次阅读 2018-02-19 10:51:53
    快速排序是极为优秀的排序算法,下面对该算法进行详细的计算。 算法基本思路: 快速排序一般基于递归实现。其思路是这样的: 1.选定一个合适的值(理想情况中值最好,但实现中一般使用数组第一个值),称为“枢轴...
  • 不骗人,整理的一套试卷的全部题目~2017年哒
  • 本文档为阿里2018年算法笔试,为截图格式。有需要的可以参考下

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 53,201
精华内容 21,280
关键字:

图像算法面试题