快手timeline+面经(C++)

timeline:
5.19 一面
5.21 约二面
5.22 二面
5.23 约三面
5.26 三面+oc

##一面(1h10min)
【手撕】:
1.域名变换
要求空间复杂度O(1)。
2.求栈内最大值
栈是一个已存在的栈。要求空间复杂度、时间复杂度O(1)。鼠鼠想半天也只想到辅助栈并提出从存数开始,被要求优化空间复杂度,想的几个都被否了。查了下说是对放进去的数编码。
3.环形上有100个灯泡,每个灯泡有一个按钮,按一下也会影响左右两个灯泡,如“暗-亮-暗”变成“亮-暗-亮”,要求设计算法把随机状态的所有灯泡变亮,只说思路。
鼠鼠想了很久,然后在和面试官的讨论下做出,首先1-100遇到暗的灯泡就按下一个(100不按),得到除99和100全亮状态,此时四中状态,一种全亮排除,一种暗暗情况下再按一次99,得到三种情况都为100个灯泡只有一个暗。然后从暗的开始三个一组按一下中间的变成全暗。然后每个灯泡按一次,因为收到前后和自己三次按奇数次的影响,遂全变亮。
【八股】:
1. tcp三次握手和四次挥手
2. 三次握手第三次可以没有吗为什么
3. 浏览器输入网址到显示的全过程
【反问】:无,面试官说超时了会议室外有人催他就赶紧下了。

## 二面(1h10min)
1. 自我介绍
2. STL中关联式容器有哪几个
3. map和unordered_map区别(说了底层、时间复杂度、用法)
4. unordered_map的时间复杂度一直是o(1)吗
5. 为什么最坏O(n),什么情况是O(n)?
6. unordered_map底层是怎么实现的(哈希函数、桶+链表)
7. 除了链表有没有别的方法(开放地址法,不了解具体)
8. 有一亿个string数据应该用map还是unorered_map存为什么
9. 说到map底层是红黑树,了解平衡二叉树吗?
10. 5个节点的平衡树,最少有多少个节点
11. 那假如有50个呢?n个呢?怎么算?
    1. 鼠鼠说那肯定是有一个计算公式,但是得让鼠鼠想想
    2. 鼠鼠想了好久得出F(N)=F(N-1)+F(N-2)+1;然后面试官让讲讲遂开始讲。
12. 用queue怎么实现stack,要几个queue?
13. 那用stack怎么实现queue,要几个stack?
14. 时间复杂度是多少?
15. 了解线程和进程吗?为什么Muduo网络库用多线程而不是多进程?
16. 详细讲解线程和进程的区别?
17. 存一个数据从内存到到磁盘,经过哪些步骤?
18. 手撕:求逆波兰表达式,如string=(101+20)*30-45/5变成101 20 + 30 * 45 5 - /
    1. 鼠鼠想了大概五分钟说了思路,用stack做,面试官说思路没问题
    2. 然后写了十五分钟,最后输出有点小问题面试官说没关系整体是ok的
19. 反问:1.业务 2.进来做什么 3.要提高那些方面(多理解怎么应用)

## 三面hr面(25min)
1.岗位理解
2.岗位适配度
3.介绍项目和难点
4.详细介绍每个模块的选型
5.实验室研究方向和内容
6.选择实习时考虑的点
7.为什么之前没有实习
8.为什么要做xx项目
9.实习时间等问题
10.有没有别的offer
反问:团队氛围、有无转正等
然后现场就口头offer了,已接
全部评论
二面,queue和stack互相实现那个,是不是说的有点问题
点赞 回复 分享
发布于 05-27 14:50 黑龙江
春招吗
点赞 回复 分享
发布于 05-27 08:54 北京

相关推荐

作为一枚AI大模型方向的硕士生,近一年来深刻感受到行业正经历从学术验证到产业深水区的迁移,所以我觉得我们这代技术人面临着挺多学术挑战,更需回答如何让实验室成果产生商业价值的现实命题 。最近在牛客刷到不少关于京东TGT的帖子,一句话总结就是:面向全球高校的技术应届生和毕业两年内的年轻人,不设薪资上限,直接招顶尖人才。我详细看了TGT官网的内容,简单分享几个我比较关注以及匹配我方向的课题吧,毕竟我们在选择一个课题投递的时候,如果能关注到课题背后的技术方向,在准备上会更有针对性一些:京东的供应链核心优势自然不用再提,TGT里面也有很多非常具象的研究课题:比如有聚焦供应链智能化方向的大模型驱动的库存预测与动态调货算法课题,直击零售行业库存周转率与履约成本的核心痛点,背后需要调度千万级SKU数据、融合时序预测与强化学习的技术栈,而且我记得去年京东也拿了Informs的大奖,足见京东在供应链数字化领域持续攻坚的决心;另外物流方向也有很多我感兴趣的,比如网络优化领域的多模态大模型在仓储机器人路径规划中的应用课题,会涉及视觉感知、轨迹预测与机器人控制的跨模态融合,这里的技术落地依赖于自研物流场景下的亿级图像数据标注体系与边缘计算算力集群,足以洞见京东在垂直场景数据壁垒与算力基建上的深厚积累;另外其他的课题方向我看也非常的具象且前沿,京东不愧是应用场景天花板,推荐大家都可以去看看有没有自己对口的课题,能兼顾科研&产业落地的研究还是蛮吸引人的。另外,TGT 计划的 "不设薪资上限" 标签固然吸睛,但更令我关注的是其背后的技术人才培育逻辑:算力基建维度:项目标配的行业顶尖算力资源,并非简单提供 GPU 集群,而是涵盖异构计算调度、分布式训练框架优化、模型压缩部署的全链路支撑体系。这种从 "调参优化" 到 "算力基建优化" 的能力培养,恰好对接了当前大模型训练中 "算法 - 系统协同优化" 的前沿需求;导师赋能体系:三位一体导师制(技术导师 + 业务导师 + 成长导师)构建了独特的知识传递网络。试想在优化Transformer架构时,既能得到技术大佬的指导,又能获取零售场景中千万级用户交互数据的调优经验,这种双轨制培养模式正是突破实验室 - 产业鸿沟的关键;对于处于职业选择关键期的算法硕士而言,京东TGT计划的价值不仅在于薪资激励(虽然不设上限这个确实非常吸引人hhh),但更吸引我的还是在于其基础研究-应用创新-场景落地的立体成长通道。在这个算力与数据齐飞的AI时代,应该没有比在真实的商业战场中,与顶尖团队共同破解 "效率与体验"" 安全与创新 " 的技术方程式,更令人心驰神往的了吧。
点赞 评论 收藏
分享
评论
3
27
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务