百度2014 深度学习算法工程师
2016-04-13 20:32
316 查看
原文地址: http://blog.csdn.net/luoweifu/article/details/12685169
1.深度神经网络目前有哪些成功的应用?简述原因。(10分)
2.列举不同进程共享数据的方式(至少三种)。(10分)
3.对于N个样本,每个样本为D维向量,采用欧式距离使用KNN做类预测。(10分)
1).给出预测时间复杂度。
2).当N很大时,有哪些方法可以降低复杂度?
3).k取值的大小对预测方差和偏差有何影响?
1.给出一个数据A=[a_0, a_1, a-2, ... a_n](其中n可变),打印出该数值元素的所有组合。(15分)
2.有这样一个数组A,大小为n,相邻元素差的绝对值都是1,如A={4,5,6,5,6,7,8,9,10,9}。现在给定数组A和目标整数t,请找到t在数组中的位置。(15分)
3.在平面上有一组间距为d的平行线,将一根长度为l(l<d)的针任意掷在这个平面上,求此针与平行线中任意一根相交的概率,用高等数学(微积分、概率的方法)求解,基于布丰投针的结论,任选一种编程语言(C/C++, matlab, python, java),写出模拟投针实验(程序中允许把一个理想的Pi作为常量使用),求解圆周率
![](file:///E:/%E5%90%84%E7%A7%8D%E6%AF%95%E4%B8%9A%E7%AE%80%E5%8E%86%E9%9D%A2%E8%AF%95%E5%87%86%E5%A4%87/%E7%AC%94%E8%AF%95%E9%9D%A2%E8%AF%95%E9%A2%98/%E7%99%BE%E5%BA%A62014%E6%A0%A1%E5%9B%AD%E6%8B%9B%E8%81%98%E7%AC%94%E8%AF%95%E9%A2%98_%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E7%A0%94%E5%8F%91%E5%B7%A5%E7%A8%8B%E5%B8%88%203.files/%E7%99%BE%E5%BA%A62014%E6%A0%A1%E5%9B%AD%E6%8B%9B%E8%81%98%E7%AC%94%E8%AF%95%E9%A2%98_%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E7%A0%94%E5%8F%91%E5%B7%A5%E7%A8%8B%E5%B8%88%203-553.png)
。(15分)
![](http://img.blog.csdn.net/20131013205705406?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbHVvd2VpZnU=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
2.关于K-means聚类算法,请回答以下问题:
1).写出将N个样本X=(x1, ... xN)聚类成k类的k_means聚类算法的优化目标;
2).描述K-means终止的常用条件;
3).以Kmeans算法为例,描述Expectation-Maximization(EM)算法的基本原理与步骤。
4).用伪代码给出基于MPI或者HADOOP的Kmeans并行算法。
二、(2)
[java] view
plain copy
public static int find(int[] a, int t) {
int i=0;
while(i<a.length) {
if(t == a[i]) {
return i;
} else {
i += Math.abs(t - a[i]);
}
}
return -1;
}
public static void main(String[] args) {
int[] a = {4,5,6,5,6,7,8,9,10,9};
System.out.println(find(a, 7));
}
今天上午到腾迅那里,没有叫到笔试通知,是去霸笔的。原本以为是可以霸笔的,因为像阿里,360等大公司都专门的考场给霸笔的人准备的,但是腾迅不是这样,只有两个很小教室给那些霸笔的人考试,一会就都占满了,太少了,还有一大批没收到通知人不让考试。参加腾迅笔试的也够火爆的,一条走廊全占满了人,都是霸笔的,等了半小时者不让进,太不厚道了。
下午到百度的笔试,比腾迅大气多了,给那些霸笔的人提供了3个大教室,每个教室能容纳100多人,而且有专门的人安排座位。百度的职位真多啊,有一二十个,我选择的是B13深度学习算法研发工程师,一个教室还就我一个人选这个职位。试卷一发下来,我愣了,真难度也太大了,好多我见都没见过……
现将题目贡献如下:
一、简答题
1.深度神经网络目前有哪些成功的应用?简述原因。(10分)2.列举不同进程共享数据的方式(至少三种)。(10分)
3.对于N个样本,每个样本为D维向量,采用欧式距离使用KNN做类预测。(10分)
1).给出预测时间复杂度。
2).当N很大时,有哪些方法可以降低复杂度?
3).k取值的大小对预测方差和偏差有何影响?
二、算法和程序设计
1.给出一个数据A=[a_0, a_1, a-2, ... a_n](其中n可变),打印出该数值元素的所有组合。(15分)2.有这样一个数组A,大小为n,相邻元素差的绝对值都是1,如A={4,5,6,5,6,7,8,9,10,9}。现在给定数组A和目标整数t,请找到t在数组中的位置。(15分)
3.在平面上有一组间距为d的平行线,将一根长度为l(l<d)的针任意掷在这个平面上,求此针与平行线中任意一根相交的概率,用高等数学(微积分、概率的方法)求解,基于布丰投针的结论,任选一种编程语言(C/C++, matlab, python, java),写出模拟投针实验(程序中允许把一个理想的Pi作为常量使用),求解圆周率
![](file:///E:/%E5%90%84%E7%A7%8D%E6%AF%95%E4%B8%9A%E7%AE%80%E5%8E%86%E9%9D%A2%E8%AF%95%E5%87%86%E5%A4%87/%E7%AC%94%E8%AF%95%E9%9D%A2%E8%AF%95%E9%A2%98/%E7%99%BE%E5%BA%A62014%E6%A0%A1%E5%9B%AD%E6%8B%9B%E8%81%98%E7%AC%94%E8%AF%95%E9%A2%98_%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E7%A0%94%E5%8F%91%E5%B7%A5%E7%A8%8B%E5%B8%88%203.files/%E7%99%BE%E5%BA%A62014%E6%A0%A1%E5%9B%AD%E6%8B%9B%E8%81%98%E7%AC%94%E8%AF%95%E9%A2%98_%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E7%A0%94%E5%8F%91%E5%B7%A5%E7%A8%8B%E5%B8%88%203-553.png)
。(15分)
三、系统设计题(两题中任选一题作答,25分)
2.关于K-means聚类算法,请回答以下问题:
1).写出将N个样本X=(x1, ... xN)聚类成k类的k_means聚类算法的优化目标;
2).描述K-means终止的常用条件;
3).以Kmeans算法为例,描述Expectation-Maximization(EM)算法的基本原理与步骤。
4).用伪代码给出基于MPI或者HADOOP的Kmeans并行算法。
我的部分解答:
二、(2)[java] view
plain copy
public static int find(int[] a, int t) {
int i=0;
while(i<a.length) {
if(t == a[i]) {
return i;
} else {
i += Math.abs(t - a[i]);
}
}
return -1;
}
public static void main(String[] args) {
int[] a = {4,5,6,5,6,7,8,9,10,9};
System.out.println(find(a, 7));
}
相关文章推荐
- 自定义控件---OnMeasure()方法分析
- 14.KVM安装之脚本和镜像目录树准备
- Ubuntu下压缩解压文件
- 改变系统状态栏背景色(真机测试有效)
- ASCII标准中的数据类型——char int float 的字节大小
- JUnit的注解、套件和参数化设置的介绍
- Kruskal算法求最小生成树
- 我是一个线程
- FZUoj Problem 1884 排火车
- 分享JNI编码过程中获取java接口等公共类
- 基于scikit-learn工具的交叉检验 — cross_validation模型
- 量子计算磁共振原型机被激光脉冲原型机淘汰
- manacher算法总结
- iOS 6 Auto Layout NSLayoutConstraint 界面布局
- 13.KVM安装之网桥
- Newtonsoft.Json(Json.net)的基本用法
- Python写入CSV文件的问题
- 爆破vcrkme01(已补上注册机)
- 关于项目中上传图片时图片尺寸和大小的判断问题
- S5PV210的SD卡启动详解2