专栏分享：计算机小伙伴秋招春招找工作的面试经验和面试的详情知识点
专栏首页：软件测试开发类面经合集
主要分享：测试开发类岗位在面试互联网公司时候一些真实的经验
面试code学习参考请看：数据结构面试必刷100题
1、自我介绍
2、项目
2.1 服务器开发
问了一下对通信协议有没有了解
2.2 QT
问了对安卓平板相关的开发是否了解。
3、个人技能
问了对自动驾驶相关的东西是否了解。
问了路径规划算法A*
4、面试官介绍了一下工作地点和实习薪资
5、后续会发一个笔试题的邮件
2023年秋招算法：北京清丰智行科技 自动驾驶开发 面经
2023-11-06
34
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
2023年秋招算法：北京清丰智行科技 自动驾驶开发 面经
目录
相关文章
|
6天前
|
机器学习/深度学习
算法
大模型开发：解释随机森林算法以及它是如何做出决策的。
随机森林是集成学习方法，利用多棵决策树提升性能。通过随机抽样和特征选择创建弱分类器，减少模型相关性。每个决策树基于子数据集和特征子集构建，预测时集成所有决策树结果，分类问题采用投票，回归问题取平均值。这种方法降低过拟合风险，提高准确性和稳定性，对噪声和异常值容忍度高，广泛应用。
17
0
0
|
6天前
|
机器学习/深度学习
运维
算法
大模型开发：描述一种用于异常检测的技术或算法。
LOF算法是一种无监督异常检测技术，通过比较数据点局部密度识别离群点。它计算每个点的局部离群因子得分，得分高则异常可能性大。主要步骤包括：距离度量、k近邻搜索、计算局部可达密度和LOF得分，然后设定阈值识别异常点。适用于入侵检测、故障检测等场景，Python中可使用scikit-learn库实现。
26
1
1
|
4天前
|
算法
前端开发
Android开发
|
6天前
|
机器学习/深度学习
人工智能
算法
31万奖金池等你挑战！IJCAI 2024 第九届“信也科技杯”全球AI算法大赛正式开赛！聚焦AI尖端赛题！
31万奖金池等你挑战！IJCAI 2024 第九届“信也科技杯”全球AI算法大赛正式开赛！聚焦AI尖端赛题！
50
1
1
|
6天前
|
JavaScript
算法
前端开发
【专栏】前端开发中的slot算法和shadow DOM，两者提供更灵活、高效和模块化的开发方式
【4月更文挑战第29天】本文探讨了前端开发中的slot算法和shadow DOM，两者提供更灵活、高效和模块化的开发方式。slot算法允许在组件中定义插槽位置，实现内容的灵活插入和复用，提高代码可读性和维护性。shadow DOM则通过封装DOM子树，实现样式和事件的隔离，增强组件独立性和安全性。这两种技术常应用于组件开发、页面布局和主题定制，但也面临兼容性、学习曲线和性能优化等挑战。理解并掌握它们能提升开发效率和用户体验。
30
2
2
|
6天前
|
算法
Java
索引
金石推荐 | 【算法数据结构专题】「延时队列算法」史上手把手教你针对层级时间轮（TimingWheel）实现延时队列的开发实战落地（下）（二）
金石推荐 | 【算法数据结构专题】「延时队列算法」史上手把手教你针对层级时间轮（TimingWheel）实现延时队列的开发实战落地（下）
32
1
1
|
6天前
|
存储
算法
Java
金石推荐 | 【算法数据结构专题】「延时队列算法」史上手把手教你针对层级时间轮（TimingWheel）实现延时队列的开发实战落地（下）（一）
金石推荐 | 【算法数据结构专题】「延时队列算法」史上手把手教你针对层级时间轮（TimingWheel）实现延时队列的开发实战落地（下）
45
1
1
|
6天前
|
消息中间件
算法
Java
金石推荐 |【算法数据结构专题】「延时队列算法」史上手把手教你针对层级时间轮（TimingWheel）实现延时队列的开发实战落地（上）
金石推荐 |【算法数据结构专题】「延时队列算法」史上手把手教你针对层级时间轮（TimingWheel）实现延时队列的开发实战落地（上）
41
1
1
|
6天前
|
机器学习/深度学习
算法
大模型开发：解释反向传播算法是如何工作的。
反向传播算法是训练神经网络的常用方法，尤其适用于多层前馈网络。它包括前向传播、计算损失、反向传播和迭代过程。首先，输入数据通过网络层层传递至输出层，计算预测值。接着，比较实际输出与期望值，计算损失。然后，从输出层开始，利用链式法则反向计算误差和权重的梯度。通过梯度下降等优化算法更新权重和偏置，以降低损失。此过程反复进行，直到损失收敛或达到预设训练轮数，优化模型性能，实现对新数据的良好泛化。
37
4
4
|
6天前
|
机器学习/深度学习
分布式计算
算法
大模型开发：你如何确定使用哪种机器学习算法？
在大型机器学习模型开发中，选择算法是关键。首先，明确问题类型（如回归、分类、聚类等）。其次，考虑数据规模、特征数量和类型、分布和结构，以判断适合的算法。再者，评估性能要求（准确性、速度、可解释性）和资源限制（计算资源、内存）。同时，利用领域知识和正则化来选择模型。最后，通过实验验证和模型比较进行优化。此过程涉及迭代和业务需求的技术权衡。
30
2
2