一 、爱奇艺2019秋招算法方向笔试题（A）

1. 使用堆排序方法排序（45，78，57，25，41，89），初始堆为（      ）

首先根据现有的序列进行二叉树的构建得到：

然后将这棵二叉树转化为最大堆积树(树根最大，从而每次删除树根，就得到了一个降序排序的序列。)

第一次得到的最大堆积树（初始堆）：

则结果是89,78,57,25,41,45

2. 6个圆盘的汉诺塔，总的移动次数是（63）

解释:当有n个盘子时，需要进行的移动数是 2^n-1（n=6, 则为63）次。

3.  设哈希表长为11，哈希函数为Hash (key)=key%11。存在关键码{43,7,29,22,16,92,44,8,19}，采用二次探测法处理冲突，建立的hash表为（    ）  （考察哈希冲突时，采用平方(二次)探测解决冲突的过程！！！）

解释：

采用开放定址法处理冲突中的二次探测再散列（也即是题目中的二元探测法）,则哈希函数变为Hash(key） = (Hash(key)  + d) % 11，其中d = 1^2, -1^2, 2^2, -2^2, 3^2,……，则开始计算。

对于43，代入公式为Hash(43) = 43 % 11 = 10, 则地址为10；

对于7，代入公式为Hash(7) = 7 % 11 = 7,则地址为7；

对于29，代入公式为Hash(29) = 29 % 11 = 7, 与7冲突，则采用二次探测进行消除冲突， 继续(7 + 1) % 11 = 8，没有冲突，则地址为8；

对于22，代入公式Hash(22) = 22 % 11 = 0, 则地址为0；

对于16，代入公式Hash(16) = 16 % 11 = 5, 则地址为5；

对于92，代入公式Hash(92) = 92 % 11 = 4,则地址为4；

对于44，代入公式Hash(44) = 44 % 11 = 0, 与22的地址冲突，则继续(0 + 1) % 11 = 1,没有冲突，则地址为1；

对于8， 代入公式Hash(8) = 8 % 11 = 8, 与29有冲突，则继续(8 + 1) % 11 = 9, 没有冲突，则地址为9；

对于19，代入公式Hash(19) = 19 % 11 = 8. 与 29有冲突，则继续(8 + 1) * 11 = 9, 与8有冲突，继续(8 - 1) % 11 = 7, 与7有冲突，则继续(8 + 4) % 11 = 1, 与44有冲突，则继续(8 - 4) % 11 = 4, 与92有冲突，则继续(8 + 9) % 11 = 6, 没有冲突，则地址为6.

所以最后得到的Hash表为下图所示：

4. 有关希尔排序算法叙述正确的是（ AB）

A. 最后一次的步长增量一定为1 （排序最后一次则会对间隔为 1 的元素，也就是相邻元素执行标准插入排序。）

B.分割后子序列内部的排序算法是直接插入排序 （shell排序时直接插入排序算法的改进版本）

C.分割后子序列内部的排序算法是直接选择排序（应该是直接插入排序）

D.希尔排序是稳定排序算法（非稳定序列）

5.  广义表K=(m,n,(p,(q,s)),(h,f)),则head[tail[head[tail[tail(K)]]]]的值为（q）

解释：本题需要注意tail()和head()两个函数的含义：

head() 返回列表的第一个元素；

tail() 返回列表的删去第一个元素之后的剩余列表；

K=(m,n,(p,(q,s)),(h,f)),

head[tail[head[tail[tail(K)]]]]

tail(K)-------(n,(p,(q,s)),(h,f))

tail[tail[K]]--------((p,(q,s)),(h,f))

head()-----((p,(q,s))

tail()-----(q,s)

head()-------q

6.  在一个空的5阶B-树中依次插入关键字序列{6,8,15,16,22,10,18,32,20}，插入完成后，关键字6所在结点包含的关键字个数为（3）

（来自于牛客上一位同学的解答：）

7.  在求两个集合并集的过程中，可能需用到的操作是（ ABCD）

A. 取元素

B. 插入元素

C.比较操作

D. 求表长

解释：

需求：求两个集合的并集

1. 取元素，至少得知道集合存的是啥元素

2. 插入元素，并集可能存在集合 A 中有而集合 B 中无的元素，需要插入到新的集合中

3. 比较操作，判断是否相等

4. 求表长，完整遍历

8.  TCP协议与UDP协议负责端到端连接，下列那些信息只出现在TCP报文，UDP报文不包含此信息（AD）

A. 序列号

B.源端口

C.目标端口

D. 窗口大小

解释：TCP与UDP最大的不同就是前者是可靠传输，后者是不可靠的。为了保证可靠传输，TCP采用了一系列机制，比如序列号是指客户端确认序列号以及以前的信息都收到了，窗口大小则是提高传输效率，保证信息按序到达。这些很明显UDP是没有的。

UDP头部信息只有4个，

从哪来：源端口  16位

到哪去：目的端口   16位

有多长：长度   16位

对不对：校验和   16位

9. 程序员编写程序时使用文件系统提供的系统调用将内存中由address地址开始的n个字节或n个记录的信息写入指定文件中，但发现文件名不可用，可行的解决办法是（）AB

A. 使用文件描述符代替文件名

B.使用文件句柄代替文件名

C.使用当前进程的PCB编号代替

D.以上办法都不可行

补充：文件句柄与文件描述符 https://www.cnblogs.com/ChunJian-YANG/p/5322041.html

10. 某软件公司正在升级一套水务管理系统。该系统用于县市级供排水企业、供水厂、排水厂中水务数据的管理工作。系统经重新整合后，开发人员决定不再使用一张备份数据表waterinfo001表，需永久删除。选出符合要求的语句。

DROP TABLE waterinfo001

补充：

DELETE FROM TABLE waterinfo001;

清除 waterinfo001 表全部记录

DROP TABLE waterinfo001;

删除 waterinfo001 表

11.  下列程序段的功能是将2~n的质数放入向量A中，请将横线处缺失程序补充完整（）

vector<int>  A(10); int n; int count = 0, i, j;cin >> n;A.reserve(n);A[count++] = 2; for(i = 3; i < n; i++){ if (i % 2 == 0)____________; # continuej = 3;while (j <= i/2 && i % j != 0)j += 2; if (j > i/2) A[count++] = i;}

12. 下面关于Adaboost算法的描述中，错误的是（ ）D

A. AdaBoost模型是弱分类器的线性组合

B.提升树是以分类树或者回归树为基本分类器的提升办法，提升树被认为是统计学习中最有效的办法之一

C.AdaBoost算法的一个解释是该算法实际上是前向分步算法的一个实现，在这个方法里，模型是加法模型，损失函数是指数损失，算法是前向分步算法。

D.AdaBoost同时独立地学习多个弱分类器(错误）

Adaboost算法的思想是在前一轮识别过程中识别错误的样本会在下一轮中提升权重，而那些识别正确的样本会降低权重。所以不是独立的学习弱分类器

13.下列关于随机森林和Adaboost说法正确的是（ACD）

A. 和adaboost相比，随机森林对错误和离群点更鲁棒

B.随机森林准确率不依赖于个体分类器的实例和他们之间的依赖性 （准确率是一直都依赖于样本的，受到正负样本的影响， ）

C.随机森林对每次划分所考虑的属性数很偏感

D.Adaboost初始时每个训练元组被赋予相等的权重

14.  《同义词词林》的词类分类体系中，将词分为大类、中类、小类，下列说法正确的是（D）

D.中类有94个字。

补充解释：

大类用大写字母表示（12个），中类用小写字母表示（94个），小类用阿拉伯数字表示（小类1438个，标题词3933个 ）。

15. 文本信息检索的一个核心问题是文本相似度计算，将查询条件和文本之间的相似程度数值化，从而方便比较。当文档和查询都表示成向量时，可以利用向量的内积的大小近似地表示两个向量之间的相关程度。

设有两个文档和查询抽取特征和去除停用词后分别是：
文档d1: a、b、c、a、f、b、a、f、h
文档d2: a、c
查询q: a、c、a
特征项集合为 {a、b、c、d、e、f、g、h}

如果采用二值向量表示，那么利用内积法计算出q和d1、d2的相似度分别是（ 2，2）

解释： 主要计算是否出现，并不涉及出现几次.

考察的是文本的词集表示，注意与词袋表示区别。把特征项看作字典，如果文档中的词在特征项中出现则为1，否则为0.以题目为例，将文档和查询都表示成8维的向量。具体来说，d1的表示为[1,1,1,0,0,1,0,1],也就是对应于特征项中的每一项，分别在文档1中查询，如果文档1中出现，那么该位置1，否则为0.同理，文档2的向量表示为[1,0,1,0,0,0,0,0],查询项的表示为[1,0,1,0,0,0,0,0],然后分别做内积即可。注意词集模型并不考虑词在文本中出现的频率。

16.  在统计语言模型中，通常以概率的形式描述任意语句的可能性，利用最大相似度估计进行度量，对于一些低频词，无论如何扩大训练数据，出现的频度仍然很低，下列哪种方法可以解决这一问题（）

数据平滑

17.  命名实体识别是指出文本中的人名、地名等专有名词和时间等，其中有有监督的命名实体识别和无监督的命名实体识别，下列选项哪些是属于有监督的学习方法（ BCD）

A. 字典法

B.决策树

C.隐马尔可夫模型

D.支持向量机

解释：监督学习方法是决策树，因马尔科夫，支持向量机， 字典法是属于正则不等式匹配，涉及不到算法层面

18.  设A为n阶方阵，且A的行列式 ，而  是A的伴随矩阵，则    等于下列哪个选项?

19.  下列等式在上都成立的等式是 D

A. 

B.  (反例)

C.

D. （主要运用求导数，导数恒大于0，则整个函数就大于0)

解释：

A. 错。求解x^2+3x-3=0，delta=b^2-4ac>0，方程有解，故必然存在x使得x^2+3x-3<0

B. 错。反例，x=-10

C. 错。左边=e^t|(t=x) - e^t|(t=-inf) = e^x，e^x>0

D. 对。

令f(x)=e^(-x)+x-1

有f'(x)=-e^(-x)+1

令f'(x)=0，有x=0，于是f(x)在x=0处取得最小值为f(0)=0，因此f(x)>=f(0)=0，即e^(-x)+x>=1

二、顺丰科技2019秋招人工智能与机器学习工程师笔试客观

1. 此段代码的正确输出是：

public class CharToString {public static void main(String[] args){char myChar = 'g';String myStr = Character.toString(myChar);System.out.println("String is: "+myStr);myStr = String.valueOf(myChar);System.out.println("String is: "+myStr);}
}
String is: g
String is: g

解释：

2.  关于链表正确的是（）AC

A.  无需事先估计空间

B. 支持随机访问  （不支持随机访问）

C.增删不必挪动元素  （增删不需要挪动，只需要改变链表地址即可）

D.所需空间与线性表长度成正比，并且地址连续  （不一定是连续的，要看是顺序存储还是链式存储，前者是连续的，后者并不是连续的）

E.插入一个元素所需挪动元素的平均个数为n/2

3.  某打车公司将驾驶里程（drivedistanced）超过5000里的司机信息转移到一张称为seniordrivers 的表中,他们的详细情况被记录在表drivers 中，正确的sql为（）

select * into seniordrivers from drivers where drivedistanced >=5000

4.  关于udp协议，不正确的是（）ABD

A.udp需要三次握手，但不需要建立连接 (TCP协议中需要三次握手和四次挥手，UDP不需要 )

B.2500B的udp包能够一次穿透以太网  （以太网最大的数据帧大小为1518Bytes）

C.DNS、NFS和SNMP使用的是UDP

D.UDP和TCP一样都会出现粘包问题

解释：

C.

DNS在进行区域传输的时候使用TCP协议，其它时候则使用UDP协议；（百度百科）

SNMP是基于TCP/IP协议族的网络管理标准；（百度百科）

NFS貌似也是TCP/IP协议族下的；（百度百科）

D.

TCP粘包，就是发送方发送的多个数据包，到接收方后粘连在一起，导致数据包不能完整的体现发送的数据。

UDP具有消息边界，不存在粘包问题

5.  快件信息表（waybillinfo）中存储了快件的所有操作信息，请找出在中山公园网点，异常派送（optype='异常派件'）次数超过3次的快件(waybillno),正确的sql为（）

select waybillno
from waybillinfo
where zonecode='中山公园' and optype='异常派件'
group by waybillno
having count(*) > 3

6. 死锁产生的必要条件是（ ）

7.  OSI层（）？物理层、数据链接层、网络层、传输层、会话层、表示层、应用层。

OSI七层模型

TCP/IP模型

功能

TCP/IP协议族

应用层

应用层

直接向用户提供服务，完成用户希望完成的各种网络操作

HTTP，FTP，TFTP，DNS，Telnet，SMTP

表示层

进行数据编解码，数据加解密和格式转换

没有协议
会话层

解除或建立与别的节点的联系，组织和协调两个会话进程之间的通信，并对数据交换进行管理

没有协议

传输层

传输层

向两台主机中进程之间的通信提供通用的数据传输服务，实现端到端连接

TCP，UDP

网络层

网络层

为分组交换网上的不同主机提供通信服务，也就是进行IP选址和路由选择

IP，ICMP，RIP，IGMP

数据链路层

数据链路层

在物理层提供的比特流基础上，通过差错控制、流量控制的方法，将由差错的物理线路变为无差错的、能可靠传输数据帧的数据链路

SLIP，CSLIP，PPP，ARP，RARP，

物理层

物理层

利用传输介质为数据链路层提供物理连接，实现相邻计算机节点之间比特流的透明传输

IEEE802.1 A，IEEE802.2到IEEE802.11

8.  二维数组k[1..7,1..9],每元素大小占2个字节，而且使用列存储，a[5,4]的偏移量为（50）个字节。

解释：

a[5,4]左边有三列，上方有4行。

列存储的话，a[5,4]前方有3*7+4=25个元素，共50个字节。

9.  一个队列只能从右侧入队，左右侧皆可出队。顺序为Ka、Kb、Kc、Kd、Ke的序列入队后，不能得到的输出是（）D

A.Ka->Kb->Kc->Kd->Ke

B.Ke->Kd->Kc->Kb->Ka

C.Ka->Kb->Ke->Kc->Kd

D.Ke->Ka->Kc->Kb->Kd

解释：

把握好先进后出的原则：

A.进一个出一个（Ka 右进左出，Kb 右进左出，Kc 右进左出，Kd 右进左出，Ke 右进左出，）

B.所有的进去之后再依次出去（Ka，Kb，Kc，Kd，Ke 依次进入，Ke，Kd，Kc，Kb，Ka）

C.Ka 右侧进，左侧出; Kb右侧进，左侧出; Kc, Kd, Ke 依次进，Ke 右侧出，Kc 左侧出，Kd 左右均可出。

10. "abcdefg"中长度2的子串的个数是（）6：ab、cd、ef、bc、de、fg

11.

单链表的按升序排列，其中L指向头结点，写一个函数,若start<元素<end，则删除，并释放空间。

如13->19->26->30->49->63,start=21,end=51,删除后为13->19->63.结点定义及函数模板如下，请为（1)(2)(3)(4)处出选择合适的代码。

typedef struct Node{int data;struct Node *next;
}Node,*LinkList;
int delList(LinkList L,int start,int end)
{(1) * q = L;*p = L->next;int delFlag = 0;while ( p )if ( p->data <= start){ q = p; p = (2);}elseif ( p->data < end ){q->next = (3); free(p);p = (4); delFlag = 1;}else  break;if( delFlag == 0) return -1;return 0;
}
(1)Node
(2)p->next
(3)p->next
(4)q->next

12. 以下叙述中，正确的是（ ）ABC

A. 通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性 （ok）

B.当用户查询索引字段时，索引可以快速地执行检索操作，借助索引，在执行查询的时候不需要扫描整个表就可以快速地找到所需要的数据。（ok）

C.创建索引和维护索引要耗费时间、空间,当对表中的数据进行增加、删除和修改的时候,会降低数据的维护速度（ok）

D.一张表只能创建一个唯一索引 (一张表可以有多个索引，就表明可以有除了主键以外的其他的唯一索引)

13.  用递归算法实现转换，如“uvxyz”转换后为“zyxvu”，请选择合适的语句（）

void rev_str（char *s，int len）
{char ch;if ( len > 1){ch = *s;*s = *(s+len-1);*(s+len-1) = ch;rev_str(?,?);}
}
s+1,len-2

14.  在有序表( 7, 13, 33, 87, 99, 97, 117, 123,129,131,137)中，使用二分查找算法查找13时需要的关键字比较次数是（）4

解释：

left, right=0,10

step1. mid=(left+right)//2=5  num[5]=97    13<97   right=mid-1=4

step2. mid=(left+right)//2=2  num[2]=33    13<33   right=mid-1=1

step3. mid=(left+right)//2=0  num[0]=7      13>7     left=mid+1=1

step4. mid=(left+right)//2=1  num[1]=13    13==13  break

15.  以下函数的时间复杂度是( ) O(n^2)

void foo(int n, int x, int y)
{int z = 0;if (n <= 0){z = x + y;}else{foo(n - 1, x + 1, y);foo(n - 1, x, y + 1);}
}

16.

import numpy as np
a = np.repeat(np.arange(5).reshape([1,-1]),10,axis = 0)+10.0 b = np.random.randint(5, size= a.shape)
c = np.argmin(a*b, axis=1)
b = np.zeros(a.shape)
b[np.arange(b.shape[0]), c] = 1
print b

以上函数的正确输出结果是：一个 shape = (10,5) 的 one-hot 矩阵

补充解释repeat函数的应用：

1

a = np.repeat(np.arange(5).reshape([1,-1]),10,axis = 0)+10.0

np.repeat(a,b)将a重复b次，np.arange(5).reshape([1,-1])创建等差数组，1行，列未知

即【1，2，3，4，5】按行重复10次，广播每一个值加10， axis=0,则行重复10次，即有(10,5)

1

b = np.random.randint(5, size= a.shape)

生成[0,5)随机矩阵，大小和矩阵a相同

1

c = np.argmin(a*b, axis=1)

矩阵a和b乘积，返回每行最小值位置

1

b = np.zeros(a.shape)

与矩阵a相同大小的全零矩阵

1

b[np.arange(b.shape[0]), c] = 1

b中所有c返回位置置为1

17. 已知a = [1, 2, 3]和b = [1, 2, 4]，那么id(a[1])==id(b[1])的执行结果 （） TRUE

python中id函数是返回object的内存地址，因为两者数字均为2，则内存地址一样。

18.  以下不能在list中添加新元素的方法是（） add()函数

append，insert，extend()函数均可以实现往list中增添元素。

19. 下列关于分类器的说法中不正确的是（）C

A. SVM的目标是找到使得训练数据尽可能分开且分类间隔最大的超平面，属于结构风险最小化 （对）

B.Naive Bayes是一种特殊的Bayes分类器，其一个假定是每个变量相互独立。 （对）

C.Xgboost是一种优秀的集成算法，其优点包括速度快、对异常值不敏感、支持自定义损失函数等等（

GBDT核心在于每一棵树学的是之前所有树的结论和的残差，残差是一个加预测值后能得到真实值得累加量，xgboost和GBDT差不多，不过还支持线性分类器

xgboost可以自定损失函数，速度很快，但是对异常值很敏感）

D. 随机森林中列采样的过程保证了随机性，所以就算不剪枝，也不容易出现过拟合。（对，随机森林不需要剪枝，因为本类就很大方差，防止过拟合 ）

20. 下列关于线性回归说法错误的是（）D

A.在现有模型上，加入新的变量，所得到的R^2的值总会增加

B.线性回归的前提假设之一是残差必须服从独立正态分布

C.残差的方差无偏估计是SSE/(n-p)

D.自变量和残差不一定保持相互独立（错，两者就是相互独立的）

解释： 

21.  关于机器学习算法正确的是（）C

A. LR模型在加入正则化项后Variance将增大 （过拟合时是高variance,加入正则化项减少过拟合，因此variance会减少。）

B.线性SVM是寻找最小边缘的超平面的一个分类器（最大化间隔距离的超平面）

C.xgboost和GDBT都是属于boosting算法 （对）

D.xgboost和随机森林都是属于bagging算法（x）

后两者的解释：

22. 以下说法正确的是（）D

A.增加模型复杂度，模型在测试集上的准确率就能更好（错，会出现过拟合，在训练集上效果更好，在测试集上，效果变差）

B.L2正则化的解通常是稀疏的，L1正则化可以使得参数趋向于更平滑（错，说反了，L2正则化平滑，L1稀疏）

C.对于PCA，我们应该选择是的模型具有最小variance的主成分（错，应该是选择最大的variance的作为主成分）

D.每次使用K-means算法得到的聚类结果可能会不一样 （对，k-means因为其初始点的随机初始化，使得其是一种不确定算法，而PCA是一种确定性算法。）

23. 下列关于PCA的说法错误的是（）A

A.

B.对任何一个的矩阵来说，它的奇异值分解总是存在

C.各个主成分变量之间是保持相互垂直的

D.第一个主成分的方差总是大于其他所有的主成分的方差

24. EM算法是（）无监督算法（EM 算法通过逐步提高极大似然的下限，以此求出极大似然函数对参数的估计，为无监督算法 ）

25.  下列哪项叙述是正确的（）BC

A.Adaboost可以降低方差  （属于boosting,是降低偏差）

B.Xgboost可以降低偏差  （Xgboost属于boosting,是降低偏差）

C.Random Forest可以降低方差  (Random Forest属于bagging,是降低方差)

D.Decision Tree可以降低偏差

补充：

Bagging,直接将多个独立的弱分类器进行组合，然后基于Vote原则，可得到最终的类别选择。代表：Random Forset。并行地训练多个弱分类器的目的是降低方差（但是每个基分类器需要保证降低偏差的效果）

Boosting,迭代的更新分类器，不断加强对上一轮弱分类器的训练（加强这部分的权重），得到一个最终的分类器。代表：Adaboost,GBDT,XGBoost,LightGBM,GatBoost。在每一轮的基础上不断进行修正的目的：降低偏差（每个基础迭代，需要保证降低方差。）

26.  以下方法属于集成方法的是（）

27.以下排序算法平均时间复杂度和插入排序相同的是（）A

A. 冒泡排序

B.堆排序

C.希尔排序

D.归并排序

排除法做筛选，首选归并和堆排序是O(nlogn), 希尔排序的平均时间复杂度是O（n^(1.5)）,则冒泡排序的平均时间复杂度是O（n^2).

28.   丰巢柜中有A、B、C、D、E、F六个人的快递，每个人各有两个快递。现在随机取出5个快递，那么5个快递中至少有2个快递属于同一个人的概率是多少？（）0.757575757575758

解释:

分母如果用取柜子，取法很复杂，就直接不要取柜子这种做法(不在柜子的条件下取)，即直接从12个快递中取5个；此外，题干为至少两个快递属于同一人，反面是每个快递都属于不同的人，即5个快递来自不同的人，分母是所有情况：C(5,12) ，分子是从六个人中选择5个人来拥有这5个快递，然后每个人拥有的快递又有2种情况，所以就是：C（5,6）2^5。然后用1减去这个概率即为所求的概率。所以概率为 1-C（5,6）2^5/C(5,12) =1-（192/792）=0.75757575758.

29.  假设有三个人同时参加这场笔试，假设满分为1，三个人的得分符合分布U（0，1）。那么三个人最低分的期望为？（）1/4

今日算法笔试练习【5】（08-06）（历年笔试题）相关推荐

  1. 算法与数据结构——美团、大众点评笔试题

    算法题 12:任务调度算法(美团校招笔试题) 题目:任务调度在分布式调度系统中是一个很复杂很有挑战的问题.这里我们考虑一个简化的场景:假设一个中央调度机,有n个相同的任务需要调度到m台服务器上去执行. ...

  2. 算法小白鼠毒药c语言,EM笔试题收藏　.doc

    EM笔试题收藏 .doc EMC笔试题收藏 26道选择题,说是多选,可就没有发现一个多选.基 本上没有智力题,全是逻辑和c语言的题目. 1道编程题,判断一个单链表中是否存在环. 1个英文问答题,饥饿与 ...

  3. 笔试 | 大疆2021秋招笔试题及题解

    DJI 文章首发于公众号"面鲸",更多思路以及解法欢迎关注公众号!后台回复"联系"可添加小编微信加入面试笔试刷题交流群哦- 第一题 假设小杰有N个bug没有修, ...

  4. 【后端研发笔试】3.25号 阿里巴巴笔试题

    直接模拟吧 . 知识点补充 判断是否为大小写字母:Character.isLetter(String s) 关于Scanner得输入输出,请访问: 代码实现: package acm;import j ...

  5. 计算机基础及应用笔试,计算机基础及应用测试笔试题

    计算机基础及应用测试笔试题 站点:专业:学号: 一.选择题 1.下面文件扩展名是不可以直接运行的是: A..exe B..doc. C..com 2.计算机将数据暂存在中等待处理. A.内存 B.硬盘 ...

  6. php笔试有多少分钟,PHP研发工程师笔试题（半小时）

    笔试题 1.请给出js代码,推荐使用jQuery,实现鼠标移动到li上时高亮当前li的功能(鼠标移到li时添加class="highlight"样式,鼠标移出时去掉该样式).(20 ...

  7. 名企笔试：网易游戏2017招聘笔试题（赶去公司）

    网易游戏2017招聘笔试题(赶去公司) 题意: 终于到周末啦!小易走在市区的街道上准备找朋友聚会,突然服务器发来警报,小易需要立即回公司修复这个紧急bug.假设市区是一个无限大的区域,每条街道假设坐标 ...

  8. 中兴历年笔试题自己收藏用03

    1. ATM采用的线路复用方式为   C    . (3分) A. 频分多路复用 B. 同步时分多路复用 C. 异步时分多路复用 D. 独占信道 2. 数据库中只存放视图的 ( C )(3分) A．操 ...

  9. [搜狐笔试] 搜狐2014产品经理笔试题

    一.选择题 1.   数据统计中PV的意义. 2.   Pinterest不具有哪些功能. 3.   最适合互联网产品原型工具. 4.   Web前端的编程语言有哪些. 二.填空题 1.   Andr ...

最新文章

  1. Sequence point 中文
  2. 微信公众号开发用书php,php微信公众号开发（3）php实现简单微信文本通讯
  3. 清华大学施路平：双脑驱动的人工通用智能
  4. channelread0会被调用两次_值得一看：C#同步方法中如何调用异步方法？
  5. SLinkList(静态链表)
  6. java的优先队列注意事项
  7. SqlServer按时间自动生成生成单据编号
  8. ue查找文件中每行第二个单词_UI设计和UE/UX设计有什么区别？它们的晋升路径是什么？...
  9. 如何用ARKit将太阳系装进iPhone（二）
  10. awk之printf及相关参数详解
  11. java运维工程师简历模板_系统运维工程师个人个人简历模板.doc
  12. 网页版查询mysql数据_网页查询数据库 数据库查询
  13. 10分钟 实现图片懒惰加载
  14. 第二次数学建模训练题
  15. excel公式编辑器_只要2步，Excel就能拥有聚光灯效果，让你看清数据
  16. C++学习 std::tr1::shared_ptr使用的一点体会tr1库介绍
  17. 数据预处理——归一化标准化
  18. Quartz定时器的时间设置
  19. 电脑系统还原节点怎么创建
  20. 基于视觉信息的网页分块算法（VIPS）

热门文章

  1. IEEE调研报告：父母关于人工智能对儿童的影响的看法
  2. 【多线程与高并发】从一则招聘信息进入多线程的世界
  3. 什么是组态？组态的概念及发展趋势
  4. 三个数差的平方公式推导过程_学懂因式分解 你只差这8个完全平方公式推导结论 立马见效...
  5. 全闪存存储的服务器虚拟化场景应用
  6. 蓝桥杯星期一（翻日历）
  7. UUID 是什么？有什么作用？
  8. excel怎么设置自动计算_Excel财务表格大全！公式已设置好，数据自动计算产生...
  9. SmtpJS发送邮件教程
  10. 点云特征提取--vfh