[秋招]大疆秋招正式批笔试

8月13日练习往年笔试题

笔试链接中给出了题目类型

8月14日笔试后更新：测试给出的题型不正确，应该是5道单选，5道多选，3道问答题和1道算法编程题

这里给出一个大佬总结的往年题目以及相应的解析，很详细，非常值得一看：机器学习笔试题目_北冥有小鱼的博客-CSDN博客_机器学习题目

其余往年题目总结：

选择题1
如果SVM模型欠拟合, 以下方法哪些可以改进模型 :
A. 增大惩罚参数C的值
B. 减小惩罚参数C的值
C. 减小核系数(gamma参数)
答案: A
如果SVM模型欠拟合, 我们可以调高参数C的值, 使得模型复杂度上升.
SVM中，SVM的目标函数是:

gamma参数是你选择径向基函数作为kernel后,该函数自带的一个参数.隐含地决定了数据映射到新的特征空间后的分布.gamma参数越高, 模型越复杂.虽说gamma参数与C参数无关.但C是gamma前的调节系数，也会影响模型复杂度。
选择题1涉及知识：过拟合是模型太复杂了，欠拟合是模型复杂度不够。

问答题1
一个200*200的图像，经过5*5的卷积滤波器，padding = 1 , stride = 2; 再经过3X3的最大池化层，其中stride = 1，no padding; 再经过一个卷积层，其中padding = 1, kernal = 3，stride = 1，问所得到的feature map的尺寸是多大。计算方法：卷积神经网络(CNN)张量(图像)的尺寸和参数计算(深度学习) - 冂冋冏囧 - 博客园
1.特征图尺寸的答案是
2.感受野的计算
2.1 感受野的计算：RFn=RFn-1 + (kn-1)*stride_n，其中stride_n表示的是第n次卷积的移动步幅stride。注意求解过程是从RF1开始的，RF1一定为第一个卷积核的尺寸大小
2.2 需要注意的不能通过计算输出特征图的尺寸推算感受野，这其中设计步长调整感受野。如20x20的输入，第一层k=3，s=2，第二层k=3，s=2。第一层过后输出为9x9，感受野为3.第二程后输出为4x4，公式计算感受野为7，而不是20/4=5

编程题1：一个数组a[0...n-1],求a[j]-a[i]+a[q]-a[p]的最大值,其中i<j<p<q
#算法解析：借鉴a[j]-a[i]的最大值，先把数组分为两段，每一段按单独算法执行，也就是先把该段
前面一截的最小值找出，后面一截的最大值找出。然后算出最大值，同理算出第二段最大值，相加得赋值为max，如果更大则替换。

def getmax(array):arrlen=len(array)-1arraymax = [-100000]    #这里赋初值时要尽可能的小，以防max-min是小于0的一些数而导致没记录。for i in range(1,arrlen+1):prearray=array[:i]endarray=array[i:]prelen=len(prearray)endlen=len(endarray)#每次重新循环时都会被初始化，必须在for循环外部加一个存储空间，防止最大值被初始化。min = prearray[0]max = endarray[0]if max-min>arraymax[0]:arraymax[0]=max-minfor i in range(prelen):if array[i]<min:min=array[i]for i in range(endlen):if array[i]>max:max=array[i]return arraymax[0]
if __name__ == '__main__':array=[1,2,3,9,6,4,2,1]slen=len(array)-2max1 = 0max2 = 0totalmax = max1 + max2for i in range(2,slen+1):array1=array[0:i]array2=array[i:]max1=getmax(array1)max2=getmax(array2)totalmax = max1+max2if max1+max2>totalmax:totalmax=max1+max2print(totalmax)

编程题2：n个字母A,m个字母B组合成n+m字符串满足连续3个不为同一字符

# coding:utf-8
# n->A
# m->B
#输入n和m，构造一个n+m长度的字符串。正好有n个A，m个B。
# 不能有三个相同的字母连续出现。任意写出来一个组合输出
def construct(m, n, size):if max(m, n) <= min(m, n) * 2 + 2:dif = 0res = ""if m < n:dif = n - m - 2 if n - m >= 2 else n - mi = 1while i <= m:if i <= dif:res += "AAB"else:res += "AB"i += 1res += "AA" if n - m >= 2 else ""return reselse:dif = m - n - 2 if m - n >= 2 else m - ni = 1while i <= n:if i <= dif:res += "BBA"else:res += "BA"i += 1res += "BB" if m - n >= 2 else ""return reselse:return resif __name__ == "__main__":m = 12n = 5ans = construct(m, n, 3)print(ans)

编程题3：LeetCode869重新排列得到2的幂

class Solution:def reorderedPowerOf2(self, n: int) -> bool:# lowbit判断是否为2的幂def check(A):x=0for a in A:x=x*10+int(a)return x&(x-1)==0 arr=list(str(n))# 排序arr.sort()n=len(arr)visited=set()# 计算全排列def permutations(nums):            if len(nums)==n and check(nums):return Truefor i,num in enumerate(arr):# 首项不为0if not nums and arr[i]=='0':continue# 去重if i>0 and arr[i]==arr[i-1] and i-1 not in visited:continueif i not in visited:visited.add(i)if permutations(nums+[arr[i]]):return Truevisited.remove(i)return Falsereturn permutations([])

class Solution:def reorderedPowerOf2(self, n: int) -> bool:cnt=Counter(str(n))# 因为n<10^9,而2^31>10^9所以枚举到2^31即可for i in range(32):x=1<<iif Counter(str(x))==cnt:return Truereturn False

编程题4：存在一个数组，求一个k值，使得前k个数的方差 + 后面n-k个数的方差最小，时间复杂度可以到O(n)

def minVariance(arr, length=None):sum=0square_sum=0length=len(arr)left_var=[0]*lengthright_var=[0]* length#从左到右求每一段的方差for i in range(length):sum+=arr[i]square_sum+=arr[i]*arr[i]left_var[i]=square_sum/(i+1)-(sum/(i+1))**2sum = 0square_sum = 0    #从右到左求每一段的方差for j in range(length-1,-1,-1):sum+=arr[j]square_sum += arr[j] * arr[j]right_var[j] = square_sum / (length-j) - (sum / (length-j)) ** 2#二者合并，找出方差最小的两断index=0variance=left_var[0]+right_var[0]for k in range(length-1):if left_var[k]+right_var[k+1]<variance:variance=left_var[k]+right_var[k]index=k+1return indexres = minVariance([1, 2, 3, 4, 5, 6])
print(res)

8月14日笔试后回忆题目

这里给出一个大佬总结的往年题目以及响应的解析，很详细，非常值得一看，就算不为了笔试也值得用来学习：机器学习笔试题目_北冥有小鱼的博客-CSDN博客_机器学习题目

单选题

1.在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题
A 增加训练集量 B 减少神经网络隐藏层节点数
C 删除稀疏的特征 D SVM算法中使用高斯核/RBF核代替线性核
正确答案：D，过拟合就是模型过于复杂或者数据多样性差，D会使模型更加复杂

2.使用高通芯片情况下，找到了一个VGG网络，比MobileNet要快，为什么
A VGG整体只使用了一种算子 B VGG带宽大
D DW的利用率不高

3.机器人小D判卷子，老师不能具体到每一个题都给出正确答案，只能给每张卷子打一个分，这属于哪种学习模型
A 有监督学习 B无监督学习 C强化学习 D深度学习

4.大疆有80%的人喜欢摄影。今天来的人中10%的人是大疆员工，有50%的人喜欢摄影，问到一个会摄影的小哥哥，它是大疆员工的概率
A 10% B 8% C 80% D 50%

5.感受野的计算，涉及填充和池化操作是否会改变感受野

多选题

1.提高train acc的方法

2.一个模型在训练后得到train acc和test acc分别是91% 63%，下列哪种情况可能会发生
A 增大testdata数量test acc提升至90%
B 增大testdata数量test acc降低至54%
C 增大traindata数量train acc提升至93%
D 增大traindata数量train acc降低至53%

3.SVM的描述，错误的是
A 使用线性核的SVM是线性模型

4.一个特征图在使用激活函数后产生-5,10的结果，可能使用了哪种激活函数
Asigmoid B relu C tanh D leaky

5.下面属于减小过拟合的方法
改变BatchSize和Weight Delacy可改变过拟合吗

问答题

1.大疆产品丰富，用户使用场景五花八门。但由于用户隐私限制，数据不允许回传，此种情况下我们若是仍想提升模型的精度，可以采取哪些方法。

2.Batch Normalization、Layer Normalization、Instance Normalization、Group Normalization和Synchronized Normalization五种方法各自的特点和区别

编程

三数之和