百度2017校園招聘經(jīng)典筆試題
百度2017校園招聘經(jīng)典筆試題
百度2017校園招聘開始啦，你準備好了嗎。校園招聘要先通過筆試題，百度公司同樣需要用面試題來篩選，所以下面就由學(xué)習(xí)啦小編為大家介紹一下百度2017校園招聘筆試題的文章，歡迎閱讀。
百度2017校園招聘筆試題篇1
簡答題
1.深度神經(jīng)網(wǎng)絡(luò)目前有哪些成功的應(yīng)用?簡述原因。(10分)
2.列舉不同進程共享數(shù)據(jù)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(yù)測。(10分)
1).給出預(yù)測時間復(fù)雜度。
2).當N很大時，有哪些方法可以降低復(fù)雜度?
3).k取值的大小對預(yù)測方差和偏差有何影響?
百度2017校園招聘筆試題篇2
算法和程序設(shè)計
1.給出一個數(shù)據(jù)A=[a_0, a_1, a-2, ... a_n](其中n可變)，打印出該數(shù)值元素的所有組合。(15分)
2.有這樣一個數(shù)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}?，F(xiàn)在給定數(shù)組A和目標整數(shù)t，請找到t在數(shù)組中的位置。(15分)
百度2017校園招聘筆試題篇3
關(guān)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(yōu)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。
猜你感興趣: