机器之心编辑部报道

百道Python面试题实现,搞定Python编程就靠它

想要备战 Python 面试,这两个项目有千道 Python 问题与实现。

  • 昨天机器之心介绍了 PHD 大牛的求职之路,很多读者感觉这位大牛太厉害了,他的经历对我们帮助不大。对于一般的机器学习求职者而言,最基础的就是掌握 Python 编程技巧,随后才是相关算法或知识点的掌握。在这篇文章中,我们将介绍一个 Python 练习题项目,它从算法练习题到机试实战题提供了众多问题与解决代码。

在春招之前,我们就曾介绍过 GitHub 万星的 ML 算法工程师面试指南,它提供了完整的面试知识点、编程题及题解、各科技公司的面试题锦等内容。读者可查阅该项目了解机器学习面试需要准备哪些知识。

  • 项目地址:https://github.com/imhuay/Algorithm_Interview_Notes-Chinese

在这个 2W+ 收藏量的 GitHub 项目中,作者前一部分主要介绍了机器学习及各子领域的知识点。其中每一个知识点都只提供最核心的概念,如果读者遇到不熟悉的算法或者遇到知识漏洞,可以进一步阅读相关文献。后一部分则重点介绍了怎样搞定编程面试题,包括各种数据结构和排列组合相关的题目。

一般而言,第一部分的基础知识是长期积累的结果,但对于后面的 Python 面试题,我们可以通过刷题快速提升解题水平。这篇文章重点在于介绍两个 Python 面试题项目,它们提供了大量 Python 问题与解题代码。

面试怎么做

在进入 Python 题海之前,我们还是先要了解了解面试流程。面试形式和过程大致如下:

  • 电话筛选(隐形的现场面试):这个过程一般由 HR 完成,如果是技术人员负责,这个过程一般都很短。

  • 技术面试:你将和实际开发人员进行这一轮面试,在这期间他们会深入了解你的知识背景。

  • 技术评估/homework 编程/结对编程:一般而言,如果一家公司的面试有结对编程环节,那绝对是加分的。homework 编程也能理解,但绝大多数情况下这都是在浪费每个人的时间,也无法正确评估技术水平。

  • 最终面试:和团队其他成员见面,如果这是一家小公司的话,这一轮面试你面对的可能是创始人(们)。

  • 发放 offer。

当然,每家公司都会有所不同,这只是你在找工作的过程中可能经历的大致过程。一般技术面试考察的是我们的背景知识,而技术评估则需要语言解决实际问题了。本文的这两个项目,可以让你搞定公司的技术评估,当然其实目前很多书籍与网站都在解决这个问题,例如剑指 Offer 和 LeetCode 等等。

Interview-code-practice-python

首先在第一个项目中,作者给出了 2017 校招真题、剑指 offer、华为机试、机试题和直通 BAT 算法题等各种 Python 实现,它们共计 200 道左右。

  • 项目地址:https://github.com/leeguandong/Interview-code-practice-python

如下展示了剑指 offer 文件夹包含的实现文档,每一个问题都是单独的 Python 文件:

整个项目有很多有意思的题目,例如「变态青蛙跳.py」包含的题目与题解代码为:

「合唱团.py」内的代码如下:

The Algorithms - Python

第二个项目是更流行的一个 Python 代码库,它目前有 2.4W+的星。该项目实现的各种算法都是用纯 Python 完成的,它希望更简介地展示这些问题怎样解决,因此相比 Python 标准库中实现的方法可能效率不那么高。

  • 项目地址:https://github.com/TheAlgorithms/Python

目前该项目展示的解决方案主要有:

  • 排序

  • 搜索

  • 数学

  • 算法分析

  • 二元树

  • 数据结构

  • 图像处理

  • 动态规划

  • 线性代数

  • 机器学习

  • 哈希

  • ……

这个项目的算法实现非常多,我们可以根据实际需要选择具体的类别,并查看给出的解决方案。如果我们希望了解排序算法,那么选择排序后我们大概能看到近 30 种不同的排序实现:

其中,在算法入门第一课「bubble_sort.py」中,该项目给出的冒泡排序解决方案为:

该项目提供的实现很多都非常底层,在「Math」中,我们可以了解到如何实现绝对值求解、求最大最小值等等,当然也可以了解到矩阵乘法是如何实现的。该项目其实对面试很有帮助,虽然它并不是直接解决特定的某个问题,但是复现一般的 Python 函数或者基本问题对于理解 Python 很有帮助。

综合以上两个 Python 实现项目,不论是解题技巧,还是对 Python 的理解,我们的实战能力都会有很大的提升。就像理解神经网络最好的方法是用纯 NumPy 实现一遍,理解 Python 的最好方法即过一遍基本函数与结构。有了充足的理解,再看看面试真题或在 LeetCode、牛客网就比较简单了。

工程面试Python
10
相关数据
华为机构

华为成立于1987年,是全球领先的ICT(信息与通信)基础设施和智能终端提供商。华为的主要业务分布在无线、网络、软件、服务器、云计算、人工智能与大数据、安全、智能终端等领域,发布了5G端到端解决方案、智简网络、软件平台、面向行业的云解决方案、EI企业智能平台、新一代FusionServer V5服务器、HUAWEI Mate等系列智能手机、麒麟系列AI芯片等产品。目前华为拥有18万员工,36所联合创新中心,14所研究院/所/室,业务遍及170多个国家和地区。

http://www.huawei.com/cn
排序算法技术

排序算法是将一串数据依照特定排序方式进行排列的算法,最常用到的排序方式是数值顺序以及字典顺序。基本上,排序算法的输出必须遵守下列两个原则:输出结果为递增序列(递增是针对所需的排序顺序而言);输出结果是原输入的一种排列、或是重组。

动态规划技术

动态规划(也称为动态优化),是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的,通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划将复杂的问题分解成一系列相对简单的子问题,只解决一次子问题并存储它的解决方案(solution),下一次遇到同样的子问题时无需重新计算它的解决方案,而是简单地查找先前计算的解决方案,从而节省计算时间。动态规划适用于有最优子结构(Optimal Substructure)和重叠子问题(Overlapping Subproblems)性质的问题。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

结对编程技术

结对编程(英语:Pair programming)是一种敏捷软件开发的方法,两个程序员在一个计算机上共同工作。 一个人输入代码,而另一个人审查他输入的每一行代码。 输入代码的人称作驾驶员,审查代码的人称作观察员(或导航员)。 两个程序员经常互换角色。

选择排序技术

选择排序是一种简单直观的排序算法。它的工作原理如下。首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置,然后,再从剩余未排序元素中继续寻找最小(大)元素,然后放到已排序序列的末尾。以此类推,直到所有元素均排序完毕。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

线性代数技术

线性代数是数学的一个分支,它的研究对象是向量,向量空间(或称线性空间),线性变换和有限维的线性方程组。向量空间是现代数学的一个重要课题;因而,线性代数被广泛地应用于抽象代数和泛函分析中;通过解析几何,线性代数得以被具体表示。线性代数的理论已被泛化为算子理论。由于科学研究中的非线性模型通常可以被近似为线性模型,使得线性代数被广泛地应用于自然科学和社会科学中。

冒泡排序技术

冒泡排序(英语:Bubble Sort)是一种简单的排序算法。它重复地走访过要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端。

推荐文章
暂无评论
暂无评论~