大家好，又见面了，我是你们的朋友全栈君。
听说周日大疆就要笔试了，今年的秋招来的有点让人猝不及防啊，牛客的各种讨论群里都弥漫着一种恐惧的氛围，我是谁，我在哪，我该怎么办(惊恐脸)。。。。。
哈哈哈 没关系，作为一个刚刚踏上工作岗位的老学长，去年秋招在牛客网收获颇丰，是时候来回馈一波牛客网，回报一下牛妹了;)
话不多说，干货奉上
2018秋招大疆机器学习、算法笔试题
1、两个小车，走一步能量消耗1，方向为1向右，-1为向左，首先输入路途长度，然后输入两行，每行第一个为小车的能量，第二个位小车起始位置，第三个为方向。求几个小车可以走出去？
2、一共N种花，插花需要每次选M种，每种R支。第二行输入每种花个数，求最多有多少种插花方法。
3、输入初始位置和结束位置，以及二维数组的大小，与其中的元素，为0可以走，为1，其上下左右不能走，如果为2，则该位置的上两个，下两个，左两个，右两个不能走。以此类推，求最短路径？
4、H的水桶，注水速度X，h处有洞，流水速度Y，S秒以后水深(四舍五入)。
2018春招大疆机器学习提前批笔试题
1、考察 L1 和 L2 正则化的区别
L0 范数：向量中非0元素的个数。
L1 范数 (Lasso Regularization)：向量中各个元素绝对值的和。
L2 范数(Ridge Regression)：向量中各元素平方和再求平方根。
L0 范数和 L1 范数都能够达到使参数稀疏的目的，但 L0 范数更难优化求解，L1 范数是 L0 范数的最优凸近似，而且它比 L0 范数要容易优化求解。
L2 范数不但可以防止过拟合，提高模型的泛化能力，还可以让我们的优化求解变得稳定和快速。L2 范数对大数和 outlier 更敏感！
2、考察 SVM 决策边界
四个点坐标为(1,1)，(1,0)，(-1,-1)，(-1,0)，用 SVM 分类的决策边界是
A. y = x
B. x = 0
C. y = -x
D. y = 0
填空题
1.经过下列卷积操作后，3×3 conv -> 3×3 conv -> 2×2 maxpool -> 3×3 conv，卷积步长为 1，没有填充，输出神经元的感受野是多大？
2.100×100×3，3×3 卷积核，输出是 50×50×10，算进行了多少次乘-加操作？
简答题
1.简述梯度下降法和牛顿法的优缺点？
2.正样本 10000，负样本 1000，怎样训练
3.Relu 相对于 sigmoid 函数的优缺点？
4.正则化方法？
5.说出物体检测、人脸识别、物体分割等某一领域的常见算法，并用一两句话简述其中一种算法的原理？
编程题
1.输入序列 a, 判断是否存在 i < j < k, 满足 a[i] < a[k] < a[j]，并写出算法复杂度？
2.输入多边形顶点坐标 List，判断是否为凸多边形(如果把一个多边形的所有边中，任意一条边向两方无限延长成为一直线时，其他各边都在此直线的同旁，那么这个多边形就叫做凸多边形)?
2018校招大疆面经汇总
2018秋招面经汇总
2018春招面经汇总
日本留学生】渣硕视觉算法面经：华为，搜狗,
最后非常感谢牛客网这个平台，不仅帮助自己获得了满意的offer，还结识了很多不错的朋友，希望牛客网以后会越来越好！！！
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/147840.html原文链接：https://javaforall.net
