- 综合排序
- 最热优先
- 最新优先
- 来自专栏接地气学堂
算法工程师之死
于是，很多企业咬牙跺脚，出高薪，聘请来自互联网大厂的算法工程师、数据挖掘工程师、数据建模师，期望他能做出超厉害模型。“只要你能预测精准了，那我肯定能如鱼得水”是他们的口头禅。 又刚好，一批2019年左右混入所谓互联网大厂的算法工程师们，被裁员了，以为自己可以打着“前头腾阿高级算法工程师”旗号收割一波传统企业，从此乌鸡变凤凰，走上人生巅峰。两者一拍即合。 3、有的产品先天短腿，功能不行、定价不合理，根本干不过竞品，推荐算法有毛用。 4、有些产品品质还行，只是在内部政治地位不高，拿不到资源，或者定价不合理，导致后天短腿。 ，为啥还要小妹来帮忙，你看人家抖音不都是算法工程师做的？？” 别的不说，单说生鲜电商，疫情影响，大家都觉得生鲜电商有前途，于是一帮连饭都没有煮过、娃都没有生过的算法工程师们，正在努力研究“蔬菜精准推荐”“买菜智能预测”算法呢。 是滴！
49531编辑于 2022-06-13 - 来自专栏修也的进阶日记
算法手记4
解题代码: 本题解题代码如下: class Solution { public: int vis[101][101]={0};//标记这个位置是否被用过 int dx[4]={0,0,1 ,-1}; int dy[4]={1,-1,0,0}; bool exist(vector<string>& board, string word) { word.size()-1) return true; //进入这个位置就把这个位置锁住 vis[x][y] = 1; //如果递归的是中间字符,继续搜索4个方位有没有符合下一个的 ,如果有,继续递归搜 for(int i=0; i<4; i++) { int a = x+dx[i],b=y+dy[i]; 如果四个位置找完没有符合下一个字符的,那么释放本位置的锁,返回false vis[x][y]=0; return false; } }; 结语 说点啥好呢...牵扯二维的算法就有点难了
17310编辑于 2025-03-15 - 来自专栏云深之无迹
Python算法.4
Python算法.3 Python 算法.2 Python算法.1 colors=['black','white'] sizes=['S','M','L'] tshirts=[(color,size print("A:%2d B:%2d C:%2d" % (a, b, c), end='') i += 1 if i % 4 # 求阶乘 def fact(n): if n==1: return 1 return n*fact(n-1) fact(4) def fib(n): if n
37950发布于 2021-07-23 - 来自专栏木东居士的专栏
数据工程师的算法！
翻出来了17年自己梳理的数据工程师的算法学习内容，当时的理解和现在会有些许不同，但整体来看还是可以的，有一些比较细节的内容并没有花较多的时间来整理，留待大家自己补充了，在此不再做任何修改分享给大家参考， 该图中包含的算法范围可能会比较广，当然大家在学习的时候也可以有所取舍，根据居士个人经验，简单举例说明一下几大块算法对数据工程师的重要性，或者说是学习建议吧： 分布式算法：大数据相关的同学必备，日常工作可能使用不多 大数据算法：偏ETL和基于大数据平台开发的同学最好多做了解，现在很多大数据处理的背后都隐藏了这些大数据相关的算法，比如ES、Kylin、Hadoop。 其它算法：这里列了一些日常工作会遇到，但是一般不需要我们了解太深的算法，比如加密、压缩和调度算法，这些最好是有所了解知道不同算法的作用和区别，但是如果项目不太需要，不必学的特别深。 ok，大致就这些内容，如果此图对你有帮助，欢迎开启你的算法学习道路！
70450发布于 2019-05-17 - 来自专栏技术杂记
BattlEye逆向工程师跟踪（4）
handle_info->handles[handle_index].GrantedAccess; buffer_index = after_name_index + 4; *)&report_buffer[buffer_index] = process_entry.th32ProcessID; report_buffer[buffer_index + 4] process_entry.th32ProcessID); } while ( Process32Next(snapshot_handle, &process_entry) && buffer_index < 0x4EFB
15.5K480发布于 2021-02-09 - 来自专栏国产程序员
垃圾回收算法(4)-复制算法
算法原理 复制算法首先将或者的内存空间分为2块，每次只使用其中一块，在垃圾会搜时将正在使用的内存中的存活对象复 制到未被使用的内存块中，之后清楚正在使用的内存块中的所有对象，交换2个内存的角色，最后完成垃圾回收 因为年轻代中的对象基本都是朝生夕死的(80%以上)，所以在年轻代的垃圾回收算法使用的是复制算法，复制算法的基本思想就是将内存分为两块，每次只用其中一块，当这一块内存用完，就将还活着的对象复制到另外一块上面 复制算法不会产生内存碎片。 在GC开始的时候，对象只会存在于Eden区和名为“From”的Survivor区，Survivor区“To”是空的。 image 存在问题 由于JVM中的绝大多数对象都是瞬时状态的，生命周期非常短暂，所以复制算法被广泛应用于年轻代中。 不过在垃圾收集技术中，复制算法提高效率的代价是认为的将可用内存缩小了一半。 个人博客 简书 掘金 CSDN OSCHINA
91420发布于 2020-07-22 - 来自专栏AI科技评论
干货 | 让算法解放算法工程师——NAS 综述
另外，如无其他说明，模型簇一般能容纳 1000 个个体，工作者的数量一般是个体数量的 1/4，而消亡个体的目录会被删除，以保证整个算法能长时间在有限空间中运行。 图 4 基于单目标 VS 多目标神经网络架构搜索算法对比 MONAS/ MnasNet/DPP-Net[12][13][14] 等模型提出基于移动端的多目标神经网络搜索算法，评价指标从准确率扩展到功耗、 图 5 AutoML 开源框架全景图 AutoML 框架能帮助算法工程师减轻负担，降低特征工程和超参数调优的工作量，NAS 可以完成模型的构建，基于 AutoML 的一揽子解决方案（如图 5 包含 AutoML 目前 Cloud AutoML 的费用是 20 美金/小时，相当于国内算法工程师的时薪。 机器学习的平台化降低了 AI 产品的使用成本，最终会降低机器学习的准入门槛，但提高了个人的职业门槛。 工业时间业务不止模型调参那么简单，需要结合很多图像数据的先验知识，随着 NAS 的发展，也许不能取代 100% 的人力成本，但是在项目团队中解放 50% 以上的算法工程师还是可行的。
1.8K10发布于 2018-09-21 - 来自专栏牛客网
阿里算法工程师面经
从事iOS两年，转算法工程师的历程。 技术题目： * 1、讲一下SVM的原理，核函数，以及和LR的区别 * 2、GBDT、XGBoost、LightGBM三个算法的原理和区别 * 3、梯度下降和随机梯度下降 * 4、如何防止过拟合 * 5、 总结失败的经验，我对每个算法是理解了，但是对算法的应用场景思考不多，也没有经验，对于应用方面回答不好，所以失败。所以总结对算法的学习，需要从原理，和其他算法的优缺点，以及应用场景去把握，面试才不可怕。 说了这么多，如果你是应届生，尽量多参加天池或者kaggle的比赛，对算法有一定基础，所有公司对应届生的要求不会太高，会很宽容，好好珍惜应届生的机会；本人不是应届生，也不是研究生，中途转算法，虽然是985 大学，但是简历关都被刷了很多，历程坎坷，幸好还是顺利踏入算法工程师的行业，且看未来吧。
1.1K60发布于 2018-06-07 4种回收算法
(先不清理，先移动再清理回收对象) 优点： 不产生空间碎片：将所有存活对象整理到一端，边界以外被清理掉 缺点： 效率低：标记-整理算法是在标记-清除算法的基础上，又进行了对象的移动，因此成本更高 复制算法(Copying)： 复制算法：将可用内存分为大小相等两块，每次只使用其中一块，当该内存使用完后，就将该内存中活着的对象复制到另一块内存；然后再将已使用过得内存一次性清理 这样每次都是对一块内存进行回收 ，如果存活对象很多，那么复制算法的效率将会大大降低。 ，再根据不同的算法进行回收。 3、当对象寿命超过阈值时，会晋升至老年代，最大寿命是15（4bit） 4、当老年代空间不足，会先尝试触发 minor gc，如果之后空间仍不足，那么触发 full gc，STW(stop the
25710编辑于 2024-03-20- 来自专栏PPV课数据科学社区
阿里电话面试(算法工程师)
所以我也经常无私的去帮助陌生人和朋友，无论是生活还是编程上，你也可以试试~ 因为我导师的研究方向是数据挖掘和自然语言处理，同时毕业设计在做知识图谱和实体对齐相关的研究，自己对这部分挺感兴趣的，所以申请了“算法工程师 职位描述 算法工程师：自然语言处理(NLP)、图像处理、语音识别、机器学习、分布式并行算法、数据挖掘、推荐搜索、复杂网络、深度学习、广告、机器翻译 岗位描述：如何从海量商品中找到最合适的商品、推荐和搜索系统 题4：二叉树是个什么鬼？平衡二叉树又是什么？ (4)建立一个公共溢出区 题6：图相关知识。最小生成树普里姆算法、最短路径Dijkstra算法、Floyd算法。 PS: 前些天无聊百度了下图灵奖获得者，确实都是些大牛啊！ 比如有5个等级0-4，其中4表示perfect完全相关，0表示完全不相关，就是预测结果看它属于什么等级。 面试官：你还没有自我介绍，你先做个自我介绍吧！ 作者：好的！
1.6K40发布于 2018-04-18 - 来自专栏机器学习AI算法工程
阿里电话面试(算法工程师)
所以我也经常无私的去帮助陌生人和朋友，无论是生活还是编程上，你也可以试试~ 因为我导师的研究方向是数据挖掘和自然语言处理，同时毕业设计在做知识图谱和实体对齐相关的研究，自己对这部分挺感兴趣的，所以申请了“算法工程师 职位描述 算法工程师：自然语言处理(NLP)、图像处理、语音识别、机器学习、分布式并行算法、数据挖掘、推荐搜索、复杂网络、深度学习、广告、机器翻译 岗位描述：如何从海量商品中找到最合适的商品、推荐和搜索系统 题4：二叉树是个什么鬼？平衡二叉树又是什么？ (4)建立一个公共溢出区 题6：图相关知识。最小生成树普里姆算法、最短路径Dijkstra算法、Floyd算法。 PS: 前些天无聊百度了下图灵奖获得者，确实都是些大牛啊！ 比如有5个等级0-4，其中4表示perfect完全相关，0表示完全不相关，就是预测结果看它属于什么等级。 面试官：你还没有自我介绍，你先做个自我介绍吧！ 作者：好的！
2.6K80发布于 2018-03-09 - 来自专栏华章科技
阿里电话面试(算法工程师)
所以我也经常无私的去帮助陌生人和朋友，无论是生活还是编程上，你也可以试试~ 因为我导师的研究方向是数据挖掘和自然语言处理，同时毕业设计在做知识图谱和实体对齐相关的研究，自己对这部分挺感兴趣的，所以申请了“算法工程师 职位描述 算法工程师：自然语言处理(NLP)、图像处理、语音识别、机器学习、分布式并行算法、数据挖掘、推荐搜索、复杂网络、深度学习、广告、机器翻译 岗位描述：如何从海量商品中找到最合适的商品 题4：二叉树是个什么鬼？平衡二叉树又是什么？ (4)建立一个公共溢出区 题6：图相关知识。最小生成树普里姆算法、最短路径Dijkstra算法、Floyd算法。 比如有5个等级0-4，其中4表示perfect完全相关，0表示完全不相关，就是预测结果看它属于什么等级。 面试官：你还没有自我介绍，你先做个自我介绍吧！
2.3K20发布于 2018-08-17 - 来自专栏帆说区块链
【共识算法（4）】拜占庭容错算法-“PBFT”
该算法是继raft算法之后的再一次深入实践的共识算法，与raft、paxo一样都可以看作是分布式一致性算法。 Practical Byzantine Fault Tolerance：PBFT，是联盟币的共识算法的基础。实现了在有限个节点的情况下的拜占庭问题，有3f+1的容错性，并同时保证一定的性能。 容错率 raft算法的的容错只支持容错故障节点，不支持容错作恶节点，所以容错率高，过半节点正常即可 PBFT算法可以容忍小于1/3个无效或者恶意节点 作恶节点：除了可以故意对集群的其它节点的请求无响应之外 性能尚可 PBFT 算法通信复杂度 o（n^2），因为系统在尝试达成状态共识时，涉及到N个几点都需要广播N-1个其它节点。 而在没有作恶节点的zab、raft系统中，通信复杂度 O(N) raft与PBFT各有优缺点，raft容纳故障节点，PBFT容纳错误节点，要保持整个网络的稳定，或者说在一些鲁棒性要求高的场合，将两者算法结合会是一个非常不错的选择
2.3K10编辑于 2022-04-26 - 来自专栏数据科学与人工智能
算法与算法工程师，技术与技术人员
（注：标题里的算法，指机器学习算法，或者说“算法工程师”这个职位名称里的“算法”，不是“算法与数据结构”里的那个算法。 谁能告诉我有没有什么更好的名字来区别这它们，或许是“机器学习算法”与“传统算法”？） 算法与算法工程师 先来一段我在知乎里回答“做算法工程师是一种怎样的体验？” 算法工程师可能只需用类似Hive的方式，写几个类似SQL的语句就可以完成模型的训练、交叉验证、参数优化等工作。 而机器唯一不能替代的就是对数据的理解，这是算法工程师存在的价值。 而数据是和业务强相关的，算法工程师将更加接近产品经理的角色，而不是程序员。深入理解数据、业务和产品，寻找模型和它们的结合点，将成为算法工程师的核心竞争力。 这里刘同学提出一个问题，那就是算法工程师对算法需要理解到何种程度？事实是，即使从算法的应用出发，工程师也需要掌握模型的优缺点、适用场景、模型选择、参数调优等技术。
1K70发布于 2018-02-28 - 来自专栏Hsinyan写字的地方
Python算法实践Week4-查找算法
之间第一个数据为15的下标 temp_list = [1, 1, 1, 1, 1, 2, 3] print(temp_list.count(1)) # 5 # 返回数据为1的个数 使用内置函数实现上述顺序查找算法 list = [1, 2, 2, 3, 3, 3, 4, 4, 5, 6] x = int(input('请输入要查找的整数x:')) n = list.count(x) if n == 0: 找到了，第{}个数是{}'.format(mid + 1, x)) else: print('没找到') 0x04 添加数据 python实现 list = [1, 3, 5, 7, 9, 2, 4, = -1: break i -= 1 list[i + 1] = x print(list) # [1, 3, 5, 7, 9, 2, 4, 1, -1] 内置函数 # append list) for i in range(n): if list[i] == x: list[i] = -1 print(list) # [-1, 3, 5, 7, 9, 2, 4,
35120编辑于 2022-06-19 - 来自专栏【腾讯云开发者】
算法工程师深度解构ChatGPT技术
图片 引言 | 本栏目特邀腾讯知名语言文本项目算法工程师冉昱、薛晨，用专业视野带你由浅入深了解ChatGPT技术全貌。它经历了什么训练过程？成功关键技术是什么？将如何带动行业的变革？ 现在的ChatGPT没有实时更新和事实判断能力，而这如果结合WebGPT的自动搜索能力，让ChatGPT学会自己去海量知识库中探索和学习，预测可能会是GPT-4的一项能力。 可以说，RLHF是一个很有希望且有趣的方向；强化学习在即将发布的GPT-4中大概率扮演这关键角色。 除去技术上的考量，OpenAI很少开源数据，显然他们在数据上也下了大功夫，训练语料质量和开源的C4或The Pile不能同日而语。 当然，我们目前核心使用的开源千亿模型，有很多待挖掘的能力。 腾讯工程师技术干货直达： 1.太硬核！用大数据技术预测足球胜率 2.祖传代码重构：从25万行到5万行的血泪史 3.探秘微信业务优化：DDD从入门到实践 4.万字好文！
3.2K40编辑于 2022-12-10 - 来自专栏腾讯技术工程官方号的专栏
算法工程师眼中的AI岗位
在工作职位上，相关职位有：机器学习工程师和机器学习平台工程师。前者的工作职责是将机器学习算法应用在现有业务上，后者的工作职责则是建设并维护分布式机器学习平台。 还有一个相关工作职位是算法工程师。 这里所指的算法不是计算机基础算法（如动态规划），而是机器学习算法。笔者个人认为应该称为机器学习算法工程师更加恰当。这个职位和机器学习工程师类似。另外一个职位是深度学习工程师。 推荐系统和广告系统作为能直接带来效益的部门，自然需要招聘专门的推荐算法工程师和广告算法工程师。推荐算法工程师和广告算法工程师的主要职责分别是建立推荐和广告的点击率预估。 因此，搜索工程师指的是负责搜索引擎的各个模块的工程师。 4）自然语言处理、计算机视觉和语音识别 自然语言处理要让计算机理解和生成人类语言，是机器学习和语言学融合的产物。 目前大数据在业界的概念比较宽泛，如 4v 、 5v 等 (IBM 咨询提出，大数据有4V特点，即Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值))，以至于 “人人都在谈大数据
82350发布于 2019-03-20 - 来自专栏机器学习与统计学
算法工程师的修养 | 图解SQL
https://blog.csdn.net/horses/article/details/104553075
1K20发布于 2021-10-11 - 来自专栏牛客网
数据挖掘算法工程师面经
通过实习僧，先后在中科院和平安科技实习4个月左右，特别是在平安科技，感觉提升很大，从一个只会写编程题的低等猿，到了一个可以一天写几百行的中等猿，可以独立完成一个算法，从数据处理，特征提取到模型建立，评判模型等都可以写 6个面试，3个offer： 1、360安全研究院数据挖掘工程师。 2、好未来数据挖掘机器学习工程师（一面17分钟 二面16分钟 都视频面offer） 一面： 自我介绍 项目介绍（。。。 总结：以为没有二面，但是过了4天接到了二面，二面在3天后。。。 二面： 自我介绍 项目介绍（。。。 gg 6、苏宁云商算法工程师（面试 12分钟 offer） 自我介绍 项目介绍（里面问到了异常值处理，评价指标等） 挑选你最熟悉的算法介绍下 RF与决策树的对比（无语的问题。。。
2.4K100发布于 2018-04-28 - 来自专栏奇点大数据
深度学习工程师的4个档次
那么对于深度学习这个领域目前阶段的发展来说，一个工程师要具备什么样的素质才能算是达到要求呢？我想可能可以粗略地分成4个档次吧。 LEVEL2：能修改代码 如果你能够读懂论文，并且能够在GITHUB上找到一些原生或者野生的代码，还能运行和修改，那么恭喜你，你已经算是一只脚踏进“工程师”的门槛了。 LEVEL4：新的模型建议 当你对深度学习各方面理论有了足够透彻的见解，通常都会深入地去研究一个方向而不是再涉猎广泛地去各种下载代码和让他们跑起来——物体检测、人脸识别、自动驾驶、声音转换等等一系列方向都是可以尝试的 在此之外，应该还有更高的层次，不过我想把它列入工程师的评价范畴显得不太合适——那就是，可以提出比较新的理论基础或者方式，在更大层面给后世提供一个研究的基调或者方向。 这是每个深度学习工程师都值得去努力追求的方向。
99770发布于 2018-04-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号