2018秋招java笔试题 目录 共分三部分： 内容 经过招聘季每个人都会有相当多的面试经历，对我来说把这些写出来一方面是为了学习，另外一方面也希望能够为之后求职的同学提供一定的借鉴意义 我的笔试经历会把主要记得的题目列出来 我的面试经历详细介绍了以下几点 面试岗位 面试体验：这个有主观成分，但也能从我个人的侧面去反映公司是如何对待招聘的，请记住“面试者也是面试官，反之亦然” 面试问题：在面试过程中被面试官提问的问题 拉勾offer工厂2017资料，是当时拉勾做的一系列沙龙活动，其中ppt提到的面试问题很有参考价值，故而放到其中 我面试的岗位主要是后台开发和Java开发岗，有关Java的复习策略在我的中有写 目录的README.md中记录了面试的总时间线，为了方便了解单独公司的单独部门情况，我又拆分了一下各公司的情况，想单独了解公司的可以去看各个公司的我个人面试情况

机器人学的PPT以及相关试题，共16章节：概述、机器人机构、位姿描述与齐次变换、刚体速度和静力、操作臂运动学、雅可比矩阵、动力学、轨迹生成、轨迹控制、力控制、协调控制、视觉图像处理、视觉运动控制、视觉导航定位、汽车式移动机器人、运动规划

武汉理工大学计算机考研复试题 武汉理工考研计算机复试题 计算机考研复试 理工计算机考研复试 武汉理工大学考研复试

数模电常见面试简答题及笔记(仅供参考)

自考计算机科学 04735 数据库系统原理 07.10-18.04 试题与答案 对应07版自考教材 ，18年新换了教材，这份试题仅供参考，18年之后的两份试卷我单独上传了

2010年首师师范大学考研复试ArcGIS上机试题

Java基础 JVM原理 集合 多线程 IO 问题排查 Web框架、数据库 Spring MySQL Redis 通用基础 操作系统 网络通信协议 排序算法 常用设计模式 从URL到看到网页的过程 分布式 CAP理论 锁 事务 消息队列 协调器 ID生成方式 一致性hash 限流 微服务 微服务介绍 服务发现 API网关 服务容错保护 服务配置中心 算法 数组-快速排序-第k大个数 数组-对撞指针-最大蓄水 数组-滑动窗口-最小连续子数组 数组-归并排序-合并有序数组 链表-链表反转-链表相加 链表-双指针-删除倒数第n个 二叉树-递归-二叉树反转 二叉树-递归-多叉树中最长的连续序列 动态规划-连续子数组最大和 数据结构-LRU淘汰算法 其他-二十进制相加 有序数组中位数 数组中的k个最小值 项目举例 秒杀架构 系统设计 系统设计-高并发抢红包 系统设计-答题套路 系统设计-在AWS上扩展到数百万用户的系统 系统设计-从面试者角度设计一个系统设计题 智力题 概率p输出1，概率1-p输出0，等概率输出0和1 判断点是否在多边形内部

2.4 元器件的选用 因为元器件直接决定了电源的可靠性，所以元器件的选用非常重要。元器件的失效主要集中在以下四个方面： （1）制造质量问题 质量问题造成的失效与工作应力无关。质量不合格的可以通过严格的检验加以剔除，在工程应用时应选用定点生产厂 家的成熟产品，不允许使用没有经过认证的产品。 （2）元器件可靠性问题 元器件可靠性问题即基本失效率的问题，这是一种随机性质的失效，与质量问题的区别是元器件的失效率取决于工作 应力水平。在一定的应力水平下，元器件的失效率会大大下降。为剔除不符合使用要求的元器件，包括电参数不合格、密 封性能不合格、外观不合格、稳定性差、早期失效等，应进行筛选试验，这是一种非破坏性试验。通过筛选可使元器件失 效率降低 1～2 个数量级，当然筛选试验代价（时间与费用）很大，但综合维修、后勤保障、整架联试等还是合算的，研 制周期也不会延长。电源设备主要元器件的筛选试验一般要求： ①电阻在室温下按技术条件进行 100％测试，剔除不合格品。 ②普通电容器在室温下按技术条件进行 100％测试，剔除不合格品。 ③接插件按技术条件抽样检测各种参数。 ④半导体器件按以下程序进行筛选： 目检→初测→高温贮存→高低温冲击→电功率老化→高温测试→低温测试→常温测试 筛选结束后应计算剔除率 Q Q=（n / N）×100% 式中：N——受试样品总数; n——被剔除的样品数; 如果 Q 超过标准规定的上限值，则本批元器件全部不准上机，并按有关规定处理。 在符合标准规定时，则将筛选合格的元器件打漆点标注，然后入专用库房供装机使用。 （3）设计问题 首先是恰当地选用合适的元器件： ①尽量选用硅半导体器件，少用或不用锗半导体器件。 ②多采用集成电路，减少分立器件的数目。 ③开关管选用 MOSFET 能简化驱动电路，减少损耗。 ④输出整流管尽量采用具有软恢复特性的二极管。 ⑤应选择金属封装、陶瓷封装、玻璃封装的器件。禁止选用塑料封装的器件。

汇总了计算机研究生复试有关机器学习各章节简答题，使用了易于口头表达的语言进行了总结。包括了机器学习的常用概念及相关算法内容。可供研究生复试或相关专业岗位面试使用。 1. 什么是梯度爆炸和梯度消失？如何解决梯度消失、梯度爆炸？ 2. 数据挖掘是干什么的？ 3. 回归模型 4. k-means算法（k均值算法） 5. kNN （k近邻）学习 6. 决策树（ID3算法和C4.5算法） 7. 随机森林模型 8. SVM（支持向量机） 9. 朴素贝叶斯(naive Bayes) 1. 基础神经网络架构及常用名词 2. BP(back propagation，多层前馈)神经网络 3. 循环神经网络RNN、LSTM 网络： 4. CNN 网络 5. Hopfield 神经网络

里面包含了 我准备浙大CS复试的一些英语、上机、专业课面试经验。希望对你们有用！