笔试时间：2023年3月26日 春招实习第一题题目：密码学小明学会了一种加密方式。他定义suc(x)为x在字母表中的后继，例如a的后继为b，b的后继为c… （即按字母表的顺序后一个）。特别的，z的后继为a。对于一个原字符串S，将其中每个字母x都替换成其三重后继，即suc(suc(suc(x)))的字母，即完成了加密。例如，abc加密后变成def （suc(suc(suc(a)))=d suc(suc(suc(b)))=e suc(suc(suc(c)))=f）。现在小明知道一个加密后的字符串S'，想请你找出他的原串S。输入描述第一行一个正整数N，表示加密后的字符串长度；接下来一行是长度为N的字...

笔试时间：2023年3月25日 春招备注：第三题暂缺失第一题题目：火车迷小美是一个火车迷。最近她在观察家附近火车站的火车驶入和驶出情况，发现火车驶入和驶出的顺序并不一致。经过小美调查发现，原来这个火车站里面有一个类似于栈的结构，如下图所示：例如可能1号火车驶入了火车站中的休息区s，在驶出之前2号火车驶入了。那么在这种情况下，1号火车需要等待2号火车倒车出去后才能出去（显然被后面驶入的2号火车挡住了，这个休息区s只有一个出入口）。出于好奇，小美统计了近些天的火车驶入驶出情况，开始统计和结束统计时休息区s中均是空的。由于中途疏忽，小美觉得自己好像弄错了几个驶入驶出顺序，想请你帮她验证一下。值得注意...

笔试时间：2023年3月23日 春招实习第一题题目：二叉树赋值小红拿到了一个二叉树，二叉树共有n个节点。小红希望你将所有节点赋值为1到n的正整数，且没有两个节点的值相等。需要满足:奇数层的权值和与偶数层的权值和之差的绝对值不超过1。如果有多种赋值方案，请返回任意—种方案。如果无解，请返回空树。数据范围: 1<n ≤105。给定的二叉树节点初始权值默认为-1。示例输入示例一：{-1,-1,-1}示例二：{-1,-1,#,-1,-1}示例三：{-1,-1,-1,#,-1,-1}示例输出示例一：{3,1,2}示例二：{}示例三：{1,3,4,#,2,5}参考题解贪心。如果奇数层的节点数和偶数层...

笔试时间：2023年3月22日 春招实习第一题题目：满二叉树的染色给定一个n层的满二叉树,一共2^n -1个节点,编号从1到2^n—1。对于编号为i(1<i<2^n-1-1)的节点,它的左儿子为2i,它的右儿子为2i＋1。有q次操作,每次操作我们选择一个节点,将该节点的子树的所有节点全部染红。每次操作后,你需要输出当前二叉树红色节点的数量。我们定义一棵二叉树是满二叉树,当且仅当每一层的节点数量都达到了最大值(即无法在这一层添加新节点)。输入描述第一行输入两个正整数n和q,代表二叉树的层数和操作次数。接下来的q行,每行输入一个正整数Q，代表染色的节点编号。1<n <401...

笔试时间：2023年3月15日 春招实习第一题题目：满子二叉树给定一棵二又树，试求这棵二叉树有多少个节点满足以该节点为根的子树是满二叉树？我们定义一棵树是满二叉树，当且仅当每一层的节点数量都达到了最大值(即无法在这一层添加新节点)。输入描述第一行输入一个正整数n，代表节点的数量。接下来的n行，第i行输入两个整数li和ri，代表i号节点的左儿子和右儿子。请注意，如果一个节点没有左儿子/右儿子，则对应的li和ri为-1。输出描述子树为满二又树的节点数量。示例输入52 34 5-1 -1-1 -1-1 -1示例输出4说明2、3、4、5号节点的子树都是满二叉树。参考题解Python：[此代码未进行大量...

笔试时间：2023年3月12日 春招实习第一题题目：飞机大战多多最近下载了一款飞机大战的游戏,多多可以通过游戏上的不同发射按键来控制飞机发射子弹：按下A键,飞机会发射出2枚子弹,每个子弹会对命中的敌人造成1点固定伤害，但不能作用于同个敌人。按下B键,飞机会发射出1枚子弹,子弹会对命中的敌人造成巨额伤害并瞬间将其秒杀。多多是个游戏高手,总是能操控子弹命中想要命中的敌人。这个游戏—共有T价关卡,消灭当前关卡全部敌人后,发射出去多余的子弹会消失,游戏会自动进入下一个关卡。假设每个关卡都会在屏幕中同时出现N个敌人,这N个敌人所能承受的伤害也已经知道。多多想知道,每个关卡自己最少按几次发射按键就可以将敌...

笔试时间：2023年3月11日 春招第一题题目：小美的字符串小美有一个由数字字符组成的字符串。现在她想对这个字符串进行一些修改。具体地，她可以将这个字符串中任意位置字符修改为任意的数字字符。她想知道至少进行多少次修改，可以使修改后的字符串不包含两个连续相同的字符？例如，对于字符串”111222333”，她可以进行3次修改将其变为”121212313"。输入描述一行， 一个字符串s，保证s只包含数字字符。(1 <= |s| <= 100000)输出描述一行，一个整数，表示修改的最少次数。示例输入示例一：111222333示例二：11551111示例输出示例一：3示例二：4参...

笔试时间：2023年3月7日 第一题题目：游游的字符串游游拿到一个长度为n的字符串，她每次操作会选择一个区间[l,r]，将第l个字母到第r个字母各重复一次，插入到该字母的后面。例如，对于字符串“abcd”，若选择区间[2,3]进行操作，字符串将变成“abbccd”。游游将进行q次操作。她想知道，q次操作结束后，最终字符串是什么样子？输入描述第一行输入两个正整数n和q，分别代表字符串的长度和操作次数。第二行输入一个仅有小写英文字母组成的字符串，代表初始的字符串。接下来q行，每行输入两个正整数l,r，代表操作的区间。1<=n<=10001<=q<=101<=l<...

笔试时间：2023年3月4日 春招第一题题目：平滑值小红定义一个数组的平滑值为:任意两个相邻元素的差的绝对值的最大值。例如:数组[2,4,3,3]的平滑值为|2-4|=2。小红希望你构造一个长度为n的排列,满足排列的平滑值等于k。你能帮帮她吗? 排列是指:长度为n的数组,1到n每个正整数都恰好出现1次。输入描述第一行输入两个正整数，分别表示n和k。其中，1≤k<n≤10^5输出描述输出n个数字，用空格隔开。输入 输出 样例输入4 2 样例输出1 3 2 4  参考题解C++：[此代码未进行大量数据的测试，仅供参考] #include <iostream> #include &...

一、简介深度学习生成对抗网络（GAN）是一种机器学习模型，用于生成具有逼真外观的数据样本。GAN 由两个主要的部分组成：生成器（Generator）和判别器（Discriminator），它们通过博弈的方式相互竞争和合作，以逐步改进生成器的能力，使其生成更加逼真的数据。生成器负责生成与真实数据相似的样本，而判别器则负责区分生成的样本是否真实。训练过程中，生成器试图愈发逼真地生成数据，以欺骗判别器，而判别器则努力识别真实数据和生成数据之间的差异。这种博弈过程迫使生成器不断提高生成的数据质量，直到生成的数据与真实数据几乎无法区分。二、面经1、GAN 是用来干什么的，怎么用的，介绍一下它的数学原理？...

一、简介Python 面试基础知识点涵盖了语言特性、数据类型、控制结构、函数、面向对象编程、异常处理、模块与包、文件操作等方面的内容。二、面经1、你认为好的代码应该是怎样的？2、python有哪些数据类型？3、python列表和链表的区别？4、python堆和栈的区别？5、python链表都有哪些？特点是什么，应用场景？6、python其他数据结构有哪些？7、说一下map用的数据结构？8、解决哈希冲突的几种方法？9、给你一个字符串，怎么判断它是整数？10、面向对象的特点有哪些？11、python设计模式有哪些？12、哈希表更像是一种列表还是链表？13、python 中列表中的 del，remo...

简介：当涉及机器学习时，概率论和统计学是两个重要的数学基础。它们为机器学习算法提供了理论支持，并帮助我们理解数据背后的不确定性和规律。其他系列面经请关注文章底部专栏：小白机器学习面试指南。持续更新中。 说说你是怎么理解信息熵的？ 答：信息熵是信息论中一个重要的概念，它是用来衡量信息的不确定性或者信息的平均不确定性的度量。在机器学习和数据科学中，信息熵被广泛用于构建决策树和衡量特征的重要性。 我将简要解释信息熵的理解： 信息熵的理解： 信息熵是衡量一个随机变量的不确定性的度量。在信息论中，假设有一个随机变量X，它的取值为x1, x2, ..., xn，每个取值xi的概率为P(xi)。那么X的信息...

简介：当涉及到机器学习中的贝叶斯方法时，通常指的是贝叶斯统计学或贝叶斯推断，它是一种用于处理不确定性的概率方法。该方法以18世纪英国数学家Thomas Bayes的名字命名，他开发了这种方法的基本原理。在传统的机器学习方法中，我们根据已知数据来训练模型，并使用该模型来预测新的未知数据。然而，贝叶斯方法采用了一种不同的方法，即将概率引入模型的参数和预测中。这使得贝叶斯方法能够更好地处理不确定性，并在小样本情况下表现较好。贝叶斯方法的基本思想是，我们开始对模型参数和未知数据的先验信念进行建模。然后，当我们观察到新数据时，我们使用贝叶斯定理来更新我们的信念，这样我们的预测就会更加准确。其他系列面经请...

简介：FM、FFM和DeepFM等都是用于解决推荐系统和CTR预测等问题的机器学习模型，能够进行一些特征交叉的工作，也是必备的一些知识点。下面整理了一些关于它们在面试中常问的一些知识点。 简单描述下FM、FFM、DeepFM的联系与区别？ 答：FM是一种基于因子分解的模型，用于解决稀疏特征下的预测问题。它通过学习特征之间的交互关系来捕获特征的二阶组合特征。FM可以有效地处理高维稀疏数据，并且参数规模与特征数量和特征维度相关，适用于处理稀疏数据的推荐问题。 FFM是FM的一种扩展，它引入了"Field"的概念，将特征分组到不同的Field中。在传统FM中，所有特征都被视为同一...