百度校園招聘深度學習算法研發工程師面試試題

　　上午到騰迅那里，沒有叫到筆試通知，是去霸筆的。原本以為是可以霸筆的，因為像阿里，360等大公司都專門的考場給霸筆的人準備的，但是騰迅不是這樣，只有兩個很小教室給那些霸筆的人考試，一會就都占滿了，太少了，還有一大批沒收到通知人不讓考試。參加騰迅筆試的也夠火爆的，一條走廊全占滿了人，都是霸筆的，等了半小時者不讓進，太不厚道了。

　　下午到百度的筆試，比騰迅大氣多了，給那些霸筆的人提供了3個大教室，每個教室能容納100多人，而且有專門的人安排座位。百度的職位真多啊，有一二十個，我選擇的是B13深度學習算法研發工程師，一個教室還就我一個人選這個職位。試卷一發下來，我愣了，真難度也太大了，好多我見都沒見過……

　　現將題目貢獻如下：

　　一、簡答題

　　1.深度神經網絡目前有哪些成功的應用?簡述原因。(10分)

　　2.列舉不同進程共享數據的方式(至少三種)。(10分)

　　3.對于N個樣本，每個樣本為D維向量，采用歐式距離使用KNN做類預測。(10分)

　　1).給出預測時間復雜度。

　　2).當N很大時，有哪些方法可以降低復雜度?

　　3).k取值的大小對預測方差和偏差有何影響?

　　二、算法和程序設計

　　1.給出一個數據A=[a_0, a_1, a-2, ... a_n](其中n可變)，打印出該數值元素的所有組合。(15分)

　　2.有這樣一個數組A,大小為n，相鄰元素差的絕對值都是1，如A={4,5,6,5,6,7,8,9,10,9}。現在給定數組A和目標整數t，請找到t在數組中的位置。(15分)

　　3.在平面上有一組間距為d的平行線，將一根長度為l(l

　　三、系統設計題(兩題中任選一題作答，25分)

　　2.關于K-means聚類算法，請回答以下問題：

　　1).寫出將N個樣本X=(x1, ... xN)聚類成k類的k_means聚類算法的優化目標;

　　2).描述K-means終止的常用條件;

　　3).以Kmeans算法為例，描述Expectation-Maximization(EM)算法的基本原理與步驟。

　　4).用偽代碼給出基于MPI或者HADOOP的Kmeans并行算法。

【百度校園招聘深度學習算法研發工程師面試試題】相關文章：

百度校園招聘筆試題09-26

百度技術研發類筆試題09-26

百度php面試題目09-25

公司招聘面試試題08-09

外企招聘經理的面試試題08-06

公司招聘面試試題及答案08-09

鐵塔公司招聘面試試題08-09

校園招聘面試技巧09-25

看看蘋果招聘面試測試題08-06

教師招聘面試答辯試題08-08