第2次实验——算法基本功 与 综合思考

实验要求: 戳我

题目:(2)经典算法面试题(至少选择其中1道题并作答,有自己的思考与理解)

    收集一些top软件公司经典算法面试题(有很多公司的经典面试题,可供选择)

    白话经典算法序列(个人非常优秀的总结)

Google面试题:判断一个自然数是否是某个数的平方。说明:当然不能使用开方运算。

答:既然不能用开方运算,那么我思考的切入点就是平方数的特征,或者说平方数的性质:

性质1:完全平方数的末位数只能是0,1,4,5,6,9。   
性质2:奇数的平方的个位数字为奇数,十位数字为偶数。
性质3:如果完全平方数的十位数字是奇数,则它的个位数字一定是6;反之,如果完全平方数的个位数字是 6,则它的十位数字一定是奇数。
性质4:偶数的平方是4的倍数;奇数的平方是4的倍数加1。
性质5:奇数的平方是8n+1型;偶数的平方为8n或8n+4型。
性质6:平方数的形式必为下列两种之一:3k,3k+1。
性质7:不能被5整除的数的平方为5k±1型,能被5整除的数的平方为5k型。   
性质8:平方数的形式具有下列形式之一:16m,16m+1, 16m+4,16m+9。
性质9:完全平方数的数字之和只能是0,1,4,7,9

针对以上的性质来判断一个自然数是否是某个数的平方。

 

题目:(3)算法综合实践——搜索引擎

    上网搜索有关“搜索引擎”的相关资料,包括但不限于以下方面(至少要有2个方面):搜索引擎岗位要求、搜索引擎工作原理、搜索引擎涉及到教材中哪些算法、搜索引擎的盈利模式、搜索引擎源码链接、国内外搜索引擎公司现状等。

任职要求
1、有较强的创新意识,有较好的知识分享意识,有很好的团队合作精神
2、计算机、网络技术等相关大专或以上专业毕业

职责:
1、负责公司网站及网络EO、SEM的优化,负责优化网页结构,保证网站SEO技术水平、网站PR值、alexa排名保持行业的领先地位;
2、掌握百度、google、yahoo等搜索引擎的基本排名规律;并精通以上各类搜索引擎的优化,包括站内优化、站外优化及内外部链接优化等;
3、监控网站关键字,监控和研究竞争对手及其他网站相关做法,并制定相关策略和方案持续调优;
4、负责专题广告的优化,按阶段汇报优化监控结果和研究结果,并跟踪新专题的推广;
5、能针对关键词优化进行合理内容设计;
6、有较强的数据分析能力,能定期对相关数据进行有效分析;
7、和第叁方网站进行流量、数据、反向链接或服务的交换,或战略合作联盟,增加网站的流量和知名度;
8、网站每天2-4篇左右的新闻更新网站内部优化:
9、负责网站网店产品关键字优化。分批分期将企业关联的关键词优化到百度首页
10、网站SEO内容优化,关键字密度分析,优化排名关注
11、网站标题栏(Title)的内容优化、网站内容页的标题添加 、添加并优化网站首页标签(META)
12、无限个数长尾词开发。网站外部优化:
13、针对搜索引擎的口碑优化(1)论坛推广(2)博客推广(3)知道推广、问答推广、行业网、分类信息网
14、针对搜索引擎的链接优化(1)博客链接(2)论坛链接(3)友情链接(4)提交搜索引擎:持续录入各大搜索引擎本站点信息
15、针对搜索引擎的知名度优化(1)拟写关于公司的品牌软文(2)选取知名度较高的网站(3)针对性的进行软文推广通过以上方式方法提高网站权重,优选关键词,一个月内,网站将有一批关键词可在百度搜索前十名内。
16、关键字排名:分批分次将涉及企业的关键字优化至百度首页
搜索引擎原理:
搜索引擎的基本工作原理包括如下三个过程:首先在互联网中发现、搜集网页信息;同时对信息进行提取和组织建立 索引库;再由检索器根据用户输入的查询关键字,在索引库中快速检出文档,进行文档与查询的相关度评价,对将要输出的结果进行排序,并将查询结果返回给用户。
1、抓取网页。每个独立的搜索引擎都有自己的 网页抓取程序爬虫(spider)。爬虫Spider顺着网页中的 超链接,从这个网站爬到另一个网站,通过超链接分析连续访问抓取更多网页。被抓取的网页被称之为 网页快照。由于互联网中超链接的应用很普遍,理论上,从一定范围的网页出发,就能搜集到绝大多数的网页。
2、处理网页。搜索引擎抓到网页后,还要做大量的预处理工作,才能提供检索服务。其中,最重要的就是提取关键词,建立索引库和索引。其他还包括去除重复网页、 分词(中文)、判断网页类型、分析 超链接、计算网页的重要度/丰富度等。
3、提供 检索服务。用户输入关键词进行检索,搜索引擎从索引数据库中找到匹配该关键词的网页;为了用户便于判断,除了网页标题和 URL外,还会提供一段来自网页的摘要以及其他信息。
搜索引擎基本工作原理

  搜索引擎基本工作原理[1]

 
 
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值