面试题
文章平均质量分 92
G5Lorenzo
这个作者很懒,什么都没留下…
展开
-
SQL题——中位数相关问题
如果解压这个 Numbers 表,可以得到 [0, 0, 0, 0, 0, 0, 0, 1, 2, 2, 2, 3] ,所以中位数是 (0 + 0) / 2 = 0。编写解决方案,找出在 所有 测验中都处于中游的学生 (student_id, student_name)。不要返回从来没有参加过测验的学生。成绩处于中游的学生是指至少参加了一次测验, 且得分既不是最高分也不是最低分的学生。(exam_id, student_id) 是该表主键(具有唯一值的列的组合)。id 是该表的主键列(具有唯一值的列)。原创 2024-06-13 22:32:48 · 934 阅读 · 0 评论 -
SQL-窗口函数合集
MySQL 开窗函数(Window Functions)是 MySQL 8.0 版本引入的一个强大特性,它可以用于计算聚合的同时提供数据行的上下文信息。聚合开窗函数:SUM(), AVG(), MIN(), MAX()。排名开窗函数:ROW_NUMBER(), RANK(), DENSE_RANK(), PERCENT_RANK()。首尾开窗函数:LEAD(), LAG(),LAST_VALUE(),FIRST_VALUE(),NTH_VALUE()。原创 2024-06-12 22:34:42 · 597 阅读 · 0 评论 -
SQL题——连续问题
编写解决方案找出 2019-01-01 到 2019-12-31 期间任务连续同状态 period_state 的起止日期(start_date 和 end_date)。结果忽略了 2018 年的记录,因为我们只关心从 2019-01-01 到 2019-12-31 的记录。从 2019-01-01 到 2019-01-03 所有任务成功,系统状态为 “succeeded”。从 2019-01-06 到 2019-01-06 所有任务成功,系统状态为 “succeeded”。任务的状态可以是失败或是成功。原创 2024-06-11 23:07:34 · 805 阅读 · 0 评论 -
卷积神经网络基础题——CNN中为什么用ReLU,而不用Sigmoid?
CNN中为什么用ReLU,而不用Sigmoid?原创 2019-10-14 14:34:46 · 2613 阅读 · 0 评论 -
卷积神经网络基础题——如何计算多层卷积、池化网络每一层的感受野(Receptive Field)?
卷积神经网络基础如何计算多层卷积、池化网络每一层的感受野(Receptive Field)?1.感受野:感受野(Receptive Field)指的是卷积神经网络中每一层输出的特征图上的像素点在输入图像上的映射区域的大小,通俗点讲就是特征图在输入图像上所能看到的区域大小。2.感受野的计算感受野计算的知识点:最后一层(卷积层或池化层)输出特征图感受野的大小等于卷积核的大小。第i层卷...转载 2019-10-10 10:26:47 · 4468 阅读 · 1 评论 -
卷积神经网络基础题——为什么要添加非线性的激活函数,线性的会如何?
卷积神经网络基础为什么要添加非线性的激活函数,线性的会如何?答:如果使用线性激活函数,那么无论神经网络中有多少层,都只是在做线性运算,最后一层得到的结果是输入层的线性组合,而输入层的线性组合,用一层隐藏层就可以表示,也就是说,多层的隐藏层运算后的结果等同于一层的结果,那么这么多隐藏层就没有意义了,还不如去掉。因此,隐藏层的激活函数必须是要非线性的。证明:假设所有隐藏层的激活函数都是线性的,...原创 2019-10-10 09:13:03 · 4906 阅读 · 0 评论 -
卷积神经网络基础题——如何计算CNN的参数量?
卷积神经网络基础如何计算CNN的参数量?先从简单的单层结构分析:CNN的单层结构与标准的神经网络单层结构非常相似:Z[l]=W[l]A[l−1]+bA[l]=g[l](Z[l])Z^{[l]}=W^{[l]}A^{[l-1]}+b \\A^{[l]}=g^{[l]}(Z^{[l]})Z[l]=W[l]A[l−1]+bA[l]=g[l](Z[l])卷积运算对应着上式中的乘积运算,滤波器组...原创 2019-10-09 22:11:22 · 3669 阅读 · 0 评论 -
深度学习基础题——写出反向传播的推导公式
深度学习基础题写出反向传播的推导公式原创 2019-10-09 11:09:07 · 259 阅读 · 0 评论 -
机器学习基础题——什么是Bias?什么是Variance?如何解决过拟合和欠拟合问题?
机器学习基础1.什么是Bias?什么是Variance?2.如何解决过拟合和欠拟合问题?Bias:反映的是模型在样本上的输出与真实值之间的误差,即模型的精准度(单个模型的学习能力)Variance:反映的是模型每一次输出结果与模型输出期望之间的误差,即模型的稳定性(同一个算法在不同的数据集上的不稳定性)机器学习中的调优方向:High Bias + Low Variance,即上图左...原创 2019-09-30 17:25:25 · 1129 阅读 · 0 评论 -
概率题——1段1米长的绳子,随机切两刀,分成三段,求能够组合成一个三角形的概率?
Q1 概率题1段1米长的绳子,随机切两刀,分成三段,求能够组合成一个三角形的概率?解:设切成三段后的长度分别为x,y,1-x-y,则有:{0<x<10<y<10<1−x−y<1\begin{cases}0<x<1\\0<y<1\\0<1-x-y<1\end{cases}⎩⎪⎨⎪⎧0<x<10<y&...原创 2019-09-30 16:47:27 · 2725 阅读 · 0 评论