2025年人工智能領(lǐng)域校招面試預(yù)測(cè)題集一、編程題（3題，每題15分）1.Python基礎(chǔ)編程題（15分）題目：請(qǐng)編寫一個(gè)Python函數(shù)，實(shí)現(xiàn)以下功能：給定一個(gè)非空列表，其中包含整數(shù)和字符串，函數(shù)需要返回一個(gè)新列表，其中僅包含原列表中的整數(shù)，并按從大到小的順序排序。示例輸入：`[3,"apple",12,"banana",7,"orange",5]`示例輸出：`[12,7,5]`要求：1.不能使用內(nèi)置的排序函數(shù)2.不能使用列表推導(dǎo)式3.需要考慮性能優(yōu)化答案：pythondeffilter_and_sort(lst):result=[]foriteminlst:ifisinstance(item,int):result.append(item)#實(shí)現(xiàn)冒泡排序（降序）n=len(result)foriinrange(n):forjinrange(0,n-i-1):ifresult[j]<result[j+1]:result[j],result[j+1]=result[j+1],result[j]returnresult2.數(shù)據(jù)結(jié)構(gòu)題（15分）題目：請(qǐng)用Python實(shí)現(xiàn)一個(gè)LRU（最近最少使用）緩存機(jī)制。要求：1.支持get和put操作2.使用哈希表和雙向鏈表實(shí)現(xiàn)3.get操作返回鍵對(duì)應(yīng)的值，如果不存在返回-14.put操作將鍵值對(duì)插入緩存，如果鍵已存在則更新值并移動(dòng)到鏈表頭部要求：1.時(shí)間復(fù)雜度：get和put操作均為O(1)2.可以自定義節(jié)點(diǎn)類答案：pythonclassNode:def__init__(self,key,value):self.key=keyself.value=valueself.prev=Noneself.next=NoneclassLRUCache:def__init__(self,capacity:int):self.capacity=capacityself.cache={}self.head=Node(0,0)self.tail=Node(0,0)self.head.next=self.tailself.tail.prev=self.headdef_remove_node(self,node):node.prev.next=node.nextnode.next.prev=node.prevdef_add_node(self,node):node.prev=self.headnode.next=self.head.nextself.head.next.prev=nodeself.head.next=nodedefget(self,key:int)->int:ifkeynotinself.cache:return-1node=self.cache[key]self._remove_node(node)self._add_node(node)returnnode.valuedefput(self,key:int,value:int)->None:ifkeyinself.cache:self._remove_node(self.cache[key])node=Node(key,value)self.cache[key]=nodeself._add_node(node)iflen(self.cache)>self.capacity:lru=self.tail.prevself._remove_node(lru)delself.cache[lru.key]3.算法題（15分）題目：給定一個(gè)包含n個(gè)整數(shù)的數(shù)組，返回所有和為target的三元組數(shù)量。要求：1.不能有重復(fù)的三元組2.時(shí)間復(fù)雜度盡可能優(yōu)化示例輸入：`nums=[-1,0,1,2,-1,-4]`,`target=0`示例輸出：`2`（解釋：[(-1,0,1),(-1,-1,2)]）`要求：1.可以使用哈希表優(yōu)化2.需要考慮重復(fù)數(shù)字的情況答案：pythondefthree_sum(nums,target):nums.sort()n=len(nums)result=0foriinrange(n):#跳過重復(fù)的數(shù)字ifi>0andnums[i]==nums[i-1]:continueleft,right=i+1,n-1whileleft<right:total=nums[i]+nums[left]+nums[right]iftotal==target:result+=1left+=1right-=1#跳過重復(fù)的數(shù)字whileleft<rightandnums[left]==nums[left-1]:left+=1whileleft<rightandnums[right]==nums[right+1]:right-=1eliftotal<target:left+=1else:right-=1returnresult二、基礎(chǔ)知識(shí)題（5題，每題10分）1.機(jī)器學(xué)習(xí)基礎(chǔ)（10分）題目：簡(jiǎn)述過擬合和欠擬合的區(qū)別，并說明如何通過交叉驗(yàn)證來檢測(cè)模型是否過擬合或欠擬合。答案：過擬合和欠擬合是機(jī)器學(xué)習(xí)模型常見的兩個(gè)問題：1.過擬合：模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)很好，但在測(cè)試數(shù)據(jù)上表現(xiàn)差，因?yàn)槟Ｐ蛯W(xué)習(xí)了訓(xùn)練數(shù)據(jù)中的噪聲和隨機(jī)波動(dòng)。-表現(xiàn)：訓(xùn)練誤差低，測(cè)試誤差高-解決方法：-增加訓(xùn)練數(shù)據(jù)-減少模型復(fù)雜度（如減少層數(shù)或神經(jīng)元數(shù)量）-使用正則化技術(shù)（L1/L2正則化）-使用Dropout2.欠擬合：模型過于簡(jiǎn)單，未能捕捉到數(shù)據(jù)中的基本模式。-表現(xiàn)：訓(xùn)練誤差和測(cè)試誤差都高-解決方法：-增加模型復(fù)雜度（如增加層數(shù)或神經(jīng)元數(shù)量）-減少特征選擇（去除不相關(guān)特征）-使用更復(fù)雜的模型交叉驗(yàn)證檢測(cè)方法：1.K折交叉驗(yàn)證：將數(shù)據(jù)分為K份，每次用K-1份訓(xùn)練，1份測(cè)試，重復(fù)K次，計(jì)算平均測(cè)試誤差。2.觀察曲線：-如果訓(xùn)練誤差和測(cè)試誤差都很高，則是欠擬合-如果訓(xùn)練誤差低，測(cè)試誤差高，則是過擬合-如果訓(xùn)練誤差和測(cè)試誤差都很低且接近，模型較好2.深度學(xué)習(xí)基礎(chǔ)（10分）題目：比較CNN和RNN在網(wǎng)絡(luò)結(jié)構(gòu)、數(shù)據(jù)處理方式、適用場(chǎng)景上的差異。答案：CNN（卷積神經(jīng)網(wǎng)絡(luò)）vsRNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）1.網(wǎng)絡(luò)結(jié)構(gòu)-CNN：使用卷積層、池化層，通過局部感知和參數(shù)共享減少參數(shù)量-核心組件：卷積層、池化層、全連接層-局部連接和權(quán)值共享-RNN：使用循環(huán)連接，信息可以傳遞到后續(xù)狀態(tài)-核心組件：循環(huán)單元（如LSTM、GRU）-狀態(tài)傳遞機(jī)制2.數(shù)據(jù)處理方式-CNN：處理固定大小的輸入（如圖像），通過滑動(dòng)窗口提取特征-批處理效率高-對(duì)輸入順序不敏感-RNN：處理序列數(shù)據(jù)（如文本、時(shí)間序列），按順序處理每個(gè)元素-可以處理變長(zhǎng)序列-長(zhǎng)程依賴問題（梯度消失/爆炸）3.適用場(chǎng)景-CNN：圖像識(shí)別、目標(biāo)檢測(cè)、圖像分類-優(yōu)勢(shì)：對(duì)局部特征提取能力強(qiáng)-RNN：自然語言處理（機(jī)器翻譯）、語音識(shí)別、時(shí)間序列預(yù)測(cè)-優(yōu)勢(shì)：能捕捉序列依賴關(guān)系3.數(shù)據(jù)預(yù)處理（10分）題目：假設(shè)你要處理一個(gè)包含缺失值的表格數(shù)據(jù)集，請(qǐng)簡(jiǎn)述常見的處理缺失值的方法及其優(yōu)缺點(diǎn)。答案：處理缺失值的方法：1.刪除含有缺失值的行-優(yōu)點(diǎn)：簡(jiǎn)單易實(shí)現(xiàn)-缺點(diǎn)：可能丟失大量信息，若缺失值隨機(jī)分布則影響不大，否則偏差嚴(yán)重2.填充缺失值-均值/中位數(shù)/眾數(shù)填充-均值：適用于數(shù)值型數(shù)據(jù)，但對(duì)異常值敏感-中位數(shù)：對(duì)異常值不敏感，適合偏態(tài)分布-眾數(shù)：適用于分類數(shù)據(jù)-優(yōu)點(diǎn)：不丟失數(shù)據(jù)量-缺點(diǎn)：可能引入偏差3.使用模型預(yù)測(cè)缺失值-如KNN、隨機(jī)森林等模型預(yù)測(cè)缺失值-優(yōu)點(diǎn)：更準(zhǔn)確-缺點(diǎn)：計(jì)算復(fù)雜度高4.插值法-線性插值、多項(xiàng)式插值等-優(yōu)點(diǎn)：保留數(shù)據(jù)趨勢(shì)-缺點(diǎn)：假設(shè)數(shù)據(jù)有某種模式4.模型評(píng)估（10分）題目：在二分類問題中，解釋Precision（精確率）、Recall（召回率）和F1-Score的含義，并說明它們?cè)谑裁辞闆r下需要優(yōu)先考慮。答案：1.Precision（精確率）-定義：TP/(TP+FP)-含義：預(yù)測(cè)為正類的樣本中，實(shí)際為正類的比例-關(guān)注點(diǎn)：減少假陽性2.Recall（召回率）-定義：TP/(TP+FN)-含義：實(shí)際為正類的樣本中，被正確預(yù)測(cè)為正類的比例-關(guān)注點(diǎn)：減少假陰性3.F1-Score-定義：2*Precision*Recall/(Precision+Recall)-含義：精確率和召回率的調(diào)和平均-適用場(chǎng)景：當(dāng)Precision和Recall同等重要時(shí)優(yōu)先考慮場(chǎng)景：-高Precision：醫(yī)療診斷（假陽性代價(jià)高）-高Recall：欺詐檢測(cè)（漏檢代價(jià)高）-高F1：一般二分類問題5.梯度下降（10分）題目：簡(jiǎn)述梯度下降法的基本思想，并說明學(xué)習(xí)率（LearningRate）過大或過小可能帶來的問題。答案：梯度下降法基本思想：1.目標(biāo)：最小化損失函數(shù)2.方法：-計(jì)算損失函數(shù)關(guān)于參數(shù)的梯度（導(dǎo)數(shù)）-沿梯度反方向（下降最快方向）更新參數(shù)-重復(fù)直到收斂學(xué)習(xí)率問題：-學(xué)習(xí)率過大：-問題：可能跳過最小值，導(dǎo)致震蕩或發(fā)散-表現(xiàn)：損失值在最小值附近劇烈波動(dòng)，訓(xùn)練不穩(wěn)定-學(xué)習(xí)率過?。?問題：收斂速度極慢-表現(xiàn)：需要大量迭代才能收斂，計(jì)算效率低調(diào)整策略：-使用學(xué)習(xí)率衰減（逐步減小學(xué)習(xí)率）-使用驗(yàn)證集監(jiān)控?fù)p失變化三、系統(tǒng)設(shè)計(jì)題（2題，每題20分）1.推薦系統(tǒng)設(shè)計(jì)（20分）題目：設(shè)計(jì)一個(gè)簡(jiǎn)單的商品推薦系統(tǒng)，要求：1.描述系統(tǒng)架構(gòu)2.說明核心算法（如協(xié)同過濾）3.提出至少兩種可能的優(yōu)化方案答案：系統(tǒng)架構(gòu)：1.數(shù)據(jù)層：-用戶行為數(shù)據(jù)（點(diǎn)擊、購(gòu)買）-商品信息（類別、標(biāo)簽）-用戶畫像（年齡、性別等）2.計(jì)算層：-協(xié)同過濾引擎（用戶-商品矩陣）-內(nèi)容推薦（基于商品特征）3.應(yīng)用層：-推薦API（返回推薦列表）-前端展示核心算法：協(xié)同過濾-User-BasedCF：-計(jì)算用戶相似度（余弦相似度）-找到相似用戶喜歡的商品-推薦給當(dāng)前用戶-Item-BasedCF：-計(jì)算商品相似度-推薦與用戶已購(gòu)商品相似的商品優(yōu)化方案：1.混合推薦：結(jié)合User-Based和Item-Based，提高準(zhǔn)確率2.實(shí)時(shí)推薦：使用流處理技術(shù)（如Flink）處理實(shí)時(shí)用戶行為2.簡(jiǎn)單搜索引擎設(shè)計(jì)（20分）題目：設(shè)計(jì)一個(gè)支持關(guān)鍵詞搜索的簡(jiǎn)單搜索引擎，要求：1.描述索引構(gòu)建過程2.說明搜索排名的基本邏輯3.提出至少一個(gè)性能優(yōu)化方案答案：索引構(gòu)建過程：1.分詞：將文本切分成關(guān)鍵詞（如jieba分詞）2.去除停用詞（如"的"、"是"）3.詞干提取/詞形還原（如"running"還原為"run"）4.構(gòu)建倒排索引：-鍵：關(guān)鍵詞-值：包含該關(guān)鍵詞的文檔列表及位置搜索排名邏輯：1.基礎(chǔ)排名：-關(guān)鍵詞匹配度（詞頻TF）-文檔質(zhì)量（如PageRank）2.高級(jí)排名：-相關(guān)性（語義相似度）-用戶行為（點(diǎn)擊率、停留時(shí)間）性能優(yōu)化方案：-分布式索引：將索引分片存儲(chǔ)在多臺(tái)服務(wù)器-緩存機(jī)制：緩存熱門查詢結(jié)果四、開放性問題（2題，每題10分）1.深度學(xué)習(xí)前沿（10分）題目：簡(jiǎn)述當(dāng)前深度學(xué)習(xí)領(lǐng)域的前沿研究方向，并選擇一個(gè)方向談?wù)勀愕睦斫?。答案：前沿方向?.Transformer：-應(yīng)用：NLP、計(jì)算機(jī)視覺-特點(diǎn)：自注意力機(jī)制，并行計(jì)算2.多模態(tài)學(xué)習(xí)：-融合文本、圖像、語音等3.小樣本學(xué)習(xí)：-少量樣本下進(jìn)行學(xué)習(xí)選擇方向：多模