什么是算法面试?
-
让大家在面对面试中的算法问题时,有一个合理的思考路径:
-
不代表能够“正确”回答每一个算法问题,但是合理的思考方向其实更重要,也是正确完成算法面试问题的前提
-
算法面试优秀不意味着技术面试优秀
-
技术面试优秀不意味着能够拿到Offer
什么是给出合理的思考路径?
-
算法面试的目的不是给出一个“正确”答案,
-
而是展示给面试官你思考问题的方式。
“正确”本身是一个相对概念
-
算法面试不是高考。
-
把这个过程看作是和面试官一起探讨一个问题的解决方案。
-
对于问题的细节和应用环境,可以和面试官沟通。
-
这种沟通本身很重要,它暗示着你思考问题的方式。
例子
我们需要对一组数据进行排序
-
设计排序接口,标准库的设计,业务中排序算法。
-
排序是基础操作,很重要。
解决
快速排序算法:O(nlogn)
-
忽略了算法使用的基础环境。要动态选择。
(向面试官提问):这组数据有什么样的特征?
-
有没有可能包含有大量重复的元素?
-
如果有这种可能的话,三路快排是更好地选择。
-
普通数据:普通快速排序就行了;java语言标准库排序使用的三路快排。
-
是否大部分数据距离它正确的位置很近?是否近乎有序?
-
如果是这样的话,插入排序是更好地选择。
-
按照业务发生顺序,先发生先完成,几乎有序,插入排序是更好的选择。
-
-
是否数据的取值范围非常有限?比如对学生成绩排序。
-
如果是这样的话,计数排序是更好地选择。高考成绩取值范围有限:计数排序更好。
-
(向面试官提问):对排序有什么额外的要求?
-
是否需要稳定排序?
-
如果是的话,归并排序是更好地选择。
-
(向面试官提问):数据的存储状况是怎样的?
-
是否是使用链表存储的?
-
如果是的话,归并排序是更好地选择。
-
快排依赖于数组的随机存取。
-
(向面试官提问):数据的存储状况是怎样的?
-
数据的大小是否可以装载在内存里?
-
数据量很大,或者内存很小,不足以装载在内存里,需要使用外排序算法。
-
对一组数据进行排序小结
-
有没有可能包含有大量重复的元素?
-
是否大部分数据距离它正确的位置很近?是否近乎有序?
-
是否数据的取值范围非常有限?比如对学生成绩排序。
-
是否需要稳定排序?
-
是否是使用链表存储的?
-
数据的大小是否可以装载在内存里?
什么是“正确”的回答一个算法问题
-
正确除了你能把代码编出来运行出正确的结果。正确还包含对问题的独到见解;优化;代码规范;容错性;
-
不仅仅是给出解决算法问题的代码,还要把上面因素包括。
-
如果是非常难的问题,对你的竞争对手来说,也是难的。
-
-
关键在于你所表达出的解决问题的思路。
-
甚至通过表达解题思路的方向,得出结论:这个问题的解决方案,应该在哪一个领域,我可以通过查阅或者进一步学习解决问题。
算法面试只是面试的一部分
-
算法面试只是技术面试的一部分。
-
根据你的简历和应聘职位的不同,势必要考察其他技术方面。
-
项目经历和项目中遇到的实际问题
-
解决能力,是否参与
-
深入思考
-
技术态度
-
面试前梳理自己简历上所写到的项目:整理一下可能会问到的。
-
你遇到的印象最深的bug是什么?
-
面向对象
-
设计模式
-
网络相关;安全相关;内存相关;并发相关;…
-
系统设计;scalability(大规模)
技术面试优秀不意味着能够拿到Offer
技术面试只是面试的一部分。面试不仅仅是考察你的技术水平,还是了解你的过去以及形成的思考行为方式。
-
关于过去:参与项目至关重要
项目经历:
-
工作人士
-
研究生
-
本科生
-
毕业设计
-
其他课程设计(大作业)
-
如何找到项目?
-
实习
-
创建自己的项目
-
自己做小应用:计划表;备忘录;播放器…
-
自己解决小问题:爬虫;数据分析;词频统计...
-
“不是项目”的项目:一本优秀的技术书籍的代码整理等…(github)
-
分享:自己的技术博客;github等等
-
行为类问题
通过过去了解你的思考行为方式:
-
遇到的最大的挑战?
-
犯过的错误?
-
遭遇的失败?
-
最享受的工作内容?
-
遇到冲突的处理方式?
-
做的最与众不同的事儿?
具体阐述:我在某某项目中遇到一个怎样的算法问题:这个问题是怎样的。它是我遇到的最大的挑战,我是如何克服解决的。
准备好合适的问题问面试官
-
整个小组的大概运行模式是怎样的?
-
整个项目的后续规划是如何的?
-
这个产品中的某个问题是如何解决的?
-
为什么会选择某些技术?标准?
-
我对某个技术很感兴趣,在你的小组中我会有怎样的机会深入这种技术?
算法面试仍然是非常重要的一部分
如何准备算法面试
准备面试和准备算法面试 是两个概念
-
算法面试,只是面试中的一个环节。
-
远远不需要啃完一本《算法导论》
-
强调理论证明
-
第一遍读不需要弄懂证明
-
前几遍阅读应该记住结论就行了,不需要弄懂证明。把更多的精力放在算法思想上。
-
-
针对算法面试,算法导论里面的理论推导和证明不是很重要的方面。
学习切记完美主义
-
高级数据结构和算法面试提及的概率很低
-
基础的概念要知道,但是不需要实现等更深入的层面。
-
远远不需要到达信息学竞赛的水平
算法面试的准备范围
-
不要轻视基础算法和数据结构,而只关注“有意思”的题目
-
各种排序算法
-
基础数据结构和算法的实现:如堆、二叉树、图…
-
基础数据结构的使用:如链表、栈、队列、哈希表、图、Trie、并查集…
-
基础算法:深度优先、广度优先、二分查找、递归…
-
基本算法思想:递归、分治、回溯搜索、贪心、动态规划…
例子
Intel的面试题:
初始序列为1 8 6 2 5 4 7 3的一组数采用堆排序,当建堆(小根堆)完毕时,堆所对应的二叉树中序遍历序列为:( )
A. 8 3 2 5 1 6 4 7
B. 3 2 8 5 1 4 6 7
C. 3 8 2 5 1 6 7 4
D. 8 2 3 5 1 4 7 6
乐视的面试题:
对一个含有20个元素的有序数组做二分查找,数组起始下标为1,则查找A[2]的比较序列的下标为()
A. 9、5、4、2
B. 10、5、3、2
C. 9、6、2
D. 20、10、5、3、2
考查二分查找法。
阿里巴巴面试题
一组记录排序码为(5、11、7、2、3、17),则利用堆排序方法建立的初始堆为()
A. (11、5、7、2、3、17)
B. (11、5、7、2、17、3)
C. (17、11、7、2、3、5)
D. (17、11、7、5、3、2)
E. (17、7、11、3、5、2)
F. (17、7、11、3、2、5)
百度面试题
在图采用邻接表存储时,求最小生成树的Prim算法的时间复杂度为( )
-
O(n)
-
O(n+e)
-
O(n^2)
-
O(n^3)