百度校园招聘深度学习算法研发工程师面试试题

百度校园招聘深度学习算法研发工程师面试试题

　　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

　　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。

【百度校园招聘深度学习算法研发工程师面试试题】相关文章：

百度校园招聘笔试题09-26

百度技术研发类笔试题09-26

百度php面试题目09-25

公司招聘面试试题08-09

外企招聘经理的面试试题08-06

公司招聘面试试题及答案08-09

铁塔公司招聘面试试题08-09

校园招聘面试技巧09-25

看看苹果招聘面试测试题08-06

教师招聘面试答辩试题08-08