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
62
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
|
5月前
|
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。
86
1
1
|
5月前
|
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。
74
0
0
|
5月前
|
人工智能
编解码
算法
使用 PAI-DSW x Free Prompt Editing图像编辑算法，开发个人AIGC绘图小助理
在本教程中，您将学习在阿里云交互式建模平台PAI-DSW x Free Prompt Editing图像编辑算法，开发个人AIGC绘图小助理，实现文本驱动的图像编辑功能单卡即可完成AIGC图片风格变化、背景变化和主体变化等功能。让我们一同开启这场旅程，为您的图像编辑添上无限可能性的翅膀吧。
57218
131
134
|
2月前
|
算法
NoSQL
中间件
go语言后端开发学习(六) ——基于雪花算法生成用户ID
本文介绍了分布式ID生成中的Snowflake（雪花）算法。为解决用户ID安全性与唯一性问题，Snowflake算法生成的ID具备全局唯一性、递增性、高可用性和高性能性等特点。64位ID由符号位（固定为0）、41位时间戳、10位标识位（含数据中心与机器ID）及12位序列号组成。面对ID重复风险，可通过预分配、动态或统一分配标识位解决。Go语言实现示例展示了如何使用第三方包`sonyflake`生成ID，确保不同节点产生的ID始终唯一。
56
0
0
|
5月前
|
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！
125
1
1
|
4月前
|
算法
Java
API
|
5月前
|
算法
前端开发
Android开发
|
5月前
|
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。
82
2
2
|
5月前
|
存储
算法
PHP
|
5月前
|
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。
153
4
4
热门文章
最新文章
1
SAP Cloud for Customer客户主数据的重复检查-Levenshtein算法
2
前端代码是怎样智能生成的-布局算法篇
3
1.[数据结构和算法分析笔记]数组
4
取代公司债电话交易员？高盛新算法可自动提供债券价格
5
算法起步之拓扑排序
6
【c++】三种算法求最小公倍数与最大公约数
7
AES算法
8
算法排序-归并排序
9
结合stack数据结构，实现不同进制转换的算法
10
Base64加密解密算法的C/C++代码实现
1
MVVM模型，虚拟DOM和diff算法
218
2
Opencv（C++）学习系列---Laplacian拉普拉斯边缘检测算法
230
3
Opencv(C++)学习系列---Canny边缘检测算法
167
4
使用python实现FP-Growth算法
223
5
使用C语言实现DES算法代码
112
6
ICLR 2024：近似最优的最大损失函数量子优化算法
138
7
基于yolov2深度学习网络的视频手部检测算法matlab仿真
112
8
Python基础算法解析：支持向量机（SVM）
133
9
探索数据结构在算法优化中的关键作用
131
10
视觉智能平台常见问题之算法私有化部署交付给公司内部运行如何解决
111