【测试面试题】控制体重

医疗级体重预测模型:从回归算法到临床可解释部署 体重预测是健康大数据中的基础回归任务,本质是利用身高、年龄、性别、腰围等可测指标,建立人体质量与生理特征之间的量化关系。其技术核心在于平衡统计拟合精度与临床可解释性,避免黑箱模型导致的误判风险。加权线性回归因其系数直观、归因清晰、部署轻量,成为基层医疗场景的优选方案;而特征工程的关键不在于数据维度多少,而在于是否契合解剖规律(如腰围/身高比)、临床分界(如45岁肌肉流失拐点)和测量鲁棒性(卷尺误差<体脂秤)。本文聚焦回归模型、特征工程两大热词,覆盖从社区卫生站落地到HIS系统嵌入的全链路实践,为慢病管理提供 阅读详情

测试面试题

控制体重

程序应读取用户输入的体重(公斤)和身高(米)。然后显示有关用户体重指数的消息。

“体重不足:BMI < 18.5”- 如果体重指数低于 18.5,
“体重正常:18.5 <= BMI < 25”- 如果体重指数介于 18.5 和 25(不含)之间,
“超重:25 <= BMI < 30”- 如果体重指数介于 25 和 30(不含)之间,
“肥胖:BMI >= 30”- 如果体重指数大于或等于 30。

提示:
体重指数 (BMI) = 体重(公斤)/(身高米数 * 身高米数)

例如:输入 68.4 和 1.77
输出:

体重正常:18.5 <= BMI < 25

Python

"""
程序应读取用户输入的体重(公斤)和身高(米)。然后显示有关用户体重指数的消息。
“体重不足:BMI < 18.5”- 如果体重指数低于 18.5,
“体重正常:18.5 <= BMI < 25”- 如果体重指数介于 18.5 和 25(不含)之间,
“超重:25 <= BMI < 30”- 如果体重指数介于 25 和 30(不含)之间,
“肥胖:BMI >= 30”- 如果体重指数大于或等于 30。

提示:
体重指数 (BMI) = 体重(公斤)/(身高米数 * 身高米数)

68.4 和 1.77 的示例输出:
体重正常:18.5 <= BMI < 25
"""
class Solution:
    @staticmethod
    def main():
        # 从键盘获取数值
        weight = float(input())
        height = float(input())

        # 查看 BMI 数值
        BMI = weight / (height * height)
        if 18.5 <= BMI < 25:
            print("体重正常:18.5 <= BMI < 25");
        elif BMI < 18.5:
            print("体重不足:BMI < 18.5")
        elif 25 <= BMI < 30:
            print("超重:25 <= BMI < 30")
        else:
            print("肥胖:BMI >= 30")


if __name__ == '__main__':
    Solution = Solution()
    Solution.main()

Java

/*
程序应读取用户输入的体重(公斤)和身高(米)。然后显示有关用户体重指数的消息。
“体重不足:BMI < 18.5”- 如果体重指数低于 18.5,
“体重正常:18.5 <= BMI < 25”- 如果体重指数介于 18.5 和 25(不含)之间,
“超重:25 <= BMI < 30”- 如果体重指数介于 25 和 30(不含)之间,
“肥胖:BMI >= 30”- 如果体重指数大于或等于 30。

提示:
体重指数 (BMI) = 体重(公斤)/(身高米数 * 身高米数)

68.4 和 1.77 的示例输出:
体重正常:18.5 <= BMI < 25
 */

/*
控制体重
*/

import java.io.*;

public class Solution{
    public static void main(String[] args) throws IOException {
        // 获取键盘数值
        BufferedReader bis = new BufferedReader(new InputStreamReader(System.in));
        double weight = Double.parseDouble(bis.readLine());
        double height = Double.parseDouble(bis.readLine());

        Body.calculateBMI(weight, height);
    }

    public static class Body {
        public static void calculateBMI(double weight, double height) {
            // 查看 BMI 数值
            double BMI = weight / (height * height);
            if (BMI >= 18.5 && BMI < 25) {
                System.out.println("体重正常:18.5 <= BMI < 25");
            } else if (BMI < 18.5) {
                System.out.println("体重不足:BMI < 18.5");
            } else if (BMI >= 25 && BMI < 30){
                System.out.println("超重:25 <= BMI < 30");
            } else {
                System.out.println("肥胖:BMI >= 30");
            }
        }
    }
}

GO

/*
程序应读取用户输入的体重(公斤)和身高(米)。然后显示有关用户体重指数的消息。
“体重不足:BMI < 18.5”- 如果体重指数低于 18.5,
“体重正常:18.5 <= BMI < 25”- 如果体重指数介于 18.5 和 25(不含)之间,
“超重:25 <= BMI < 30”- 如果体重指数介于 25 和 30(不含)之间,
“肥胖:BMI >= 30”- 如果体重指数大于或等于 30。

提示:
体重指数 (BMI) = 体重(公斤)/(身高米数 * 身高米数)

68.4 和 1.77 的示例输出:
体重正常:18.5 <= BMI < 25
*/

/*
控制体重
*/

package main
import "fmt"

func main() {
	// 获取键盘数值
	weight := 0.0
	height := 0.0
	_, _ = fmt.Scanln(&weight)
	_, _ = fmt.Scanln(&height)

	// 查看 BMI 数值
	BMI := weight / (height * height)
	if BMI >= 18.5 && BMI < 25 {
		fmt.Println("体重正常:18.5 <= BMI < 25");
	} else if BMI < 18.5 {
		fmt.Println("体重不足:BMI < 18.5")
	} else if BMI >= 25 && BMI < 30 {
		fmt.Println("超重:25 <= BMI < 30")
	} else {
		fmt.Println("肥胖:BMI >= 30")
	}
}
DeepSeek+豆包协同面试准备:JD解码与压力测试工作流 在技术面试准备中,'岗位JD理解'与'答案抗追问能力'是两大核心挑战。本文围绕AI工具协同这一工程实践范式,解析如何利用大模型的语义解析能力(如DeepSeek对中文技术语境的高精度术语还原)和对话模型的交互稳定性(如豆包的多轮状态保持),将模糊的招聘需求转化为可执行的能力图谱与可验证的答案单元。其本质是构建一套面向真实生产约束的‘JD翻译—答案生成—压力验证—知识补全’闭环链路,适用于算法、后端、SRE等需深度技术表达的岗位场景,尤其适配AIGC、金融科技、云原生等强调工程落地能力的面试环境。 阅读详情

相关推荐

基于SpringBoot的体质测试数据分析及可视化系统设计与实现

数据分析与可视化是挖掘数据价值的关键手段,在系统开发中扮演着连接原始数据与业务决策的桥梁角色。通过合理的指标建模与图表呈现,能够将隐藏的规律转化为直观结论。在Java技术栈中,SpringBoot为后端服务提供了高效稳定的开发框架,结合MySQL进行数据存储,利用ECharts实现前端图表渲染,即可构建完整的可视化分析链路。此类方案在教育管理场景中尤为适用,例如体质测试数据分析系统,可针对学生体测数据开展多维度统计、趋势对比与异常分布洞察。基于SpringBoot的体质测试数据分析及可视化系统,正是这一思路

weixin_31102231的博客 285

测试面试题第三篇:专项业务领域 - 下

文章摘要:针对物联网远程控制功能,需测试指令准确性、网络适应性、状态同步及异常处理;直播礼物赠送需覆盖多种赠送方式、支付场景及特殊时段;智能硬件数据分析重点在于数据准确性、分析逻辑合理性及异常处理;电商秒杀活动需考虑高并发稳定性、库存控制及防作弊;导航路线规划需验证基础准确性、多样性选择、实时路况响应及特殊场景处理。各业务测试均需结合实际用例确保功能完整性。

m0_74320567的博客 1231

InternVL 3.5 深度解析:开源多模态模型的新里程碑

InternVL 3.5是由上海人工智能实验室OpenGVLab团队推出的开源多模态大模型,在推理能力、效率和灵活性方面取得突破。该模型采用ViT-MLP-LLM架构,包含60亿参数的InternViT-6B视觉编码器和多种规格的语言模型骨干。核心创新包括:1)Cascade RL强化学习框架,通过离线热身和在线强化两阶段训练提升推理能力;2)ViR视觉分辨率路由器,动态调整图像处理分辨率以优化计算效率;3)DvD动态视觉token压缩技术。模型系列涵盖2B到241B参数规模,满足从边缘设备到高性能计算的不

m0_47999117的博客 1027

SpringBoot军人体重管理系统设计与实现:从数据库到JWT权限实战

在Java后端开发中,SpringBoot以自动装配和生态成熟的优势,成为企业级应用与毕业设计的主流框架。理解其核心原理,如依赖注入、约定优于配置以及基于JWT的无状态认证机制,是构建安全可靠Web服务的基石。通过MyBatis Plus操作关系型数据库,结合BMI算法与可配置的评估规则,可以高效实现数据录入、趋势统计与健康预警等核心业务。这类技术方案广泛应用于健康管理、体质监测及部队信息化场景,既能体现分层架构的工程实践,又能覆盖权限控制、事务处理等关键知识点。本文围绕一个完整的军人体重管理系统,从数据库

weixin_32642109的博客 148

如何用DETR(detection transformer)训练自己的数据集

DETR(detection transformer)简介 DETR是Facebook AI的研究者提出的Transformer的视觉版本,是CNN和transformer的融合,实现了端到端的预测,主要用于目标检测和全景分割。 DETR的Github地址:link

weixin_50233398的博客 3万+

CAPL编程入门:从零开始掌握汽车通信脚本语言

本文详细介绍了CAPL编程的基础知识,从开发环境搭建到核心语法精要,再到总线通信实战和高级调试技巧。CAPL作为汽车通信脚本语言,专为CAN、LIN等网络协议设计,帮助工程师高效完成车载网络测试。通过实战案例和性能优化建议,读者可以快速掌握CAPL编程技能。

s1t2u3的博客 978

两年软件测试程序员的面试总结

工作两年左右,实习一年左右,正式工作一年左右,其实挺尴尬的,高不成低不就。 因此在面试许多公司,找到了目前最适合自己的公司之后。 于是做一个关于面试的总结。希望能够给那些依旧在找工作的同学提供帮助。

伤心的辣条 220

OCR文字识别基础

ocr文字识别

m0_47405013的博客 1755

如何高效地设计测试用例并评审

对每一项数据均采用多个技术设计出若干个非法无效数据和有效数据,所有必填项的有效数据拼成一组组的完整数据,数据组的个数按最多的有效数据项来算,有效数据个数不足的数据项可将已有的有效数据进行复制,补齐个数的不足。笔者做测试经理时就是这样做的,测试工程师刚开始的时候很抵触,觉得这样做很麻烦且进度慢,但当进入测试执行阶段,他们都很开心,因为测试用例执行的很流畅,也没有以往的那些改用例的活了。合并时,使用业务数据来替代合法数据。11) 将必填项的剩余未测的多组数据,按组填入,然后点击【保存】,完成剩下的必填项测试。

2301_78276982的博客 947

PCIe Base Specification解析(二)

PCIe事务层,Transaction Layer Specification

Crazzy_M的博客 1290

【WRF理论】配置诊断变量 &diags

【WRF理论】配置诊断变量 &diags

WW、forever的博客 136

性能测试概念(一)

本文介绍了性能测试的基本概念和常见指标。性能测试是为了发现系统性能问题或获取性能指标而进行的测试,主要针对接口进行。常见性能指标包括:1)并发数,指同时使用系统的用户数;2)吞吐量,反映系统单位时间内处理的请求数;3)响应时间,衡量系统处理速度;4)事务,表示完整功能单元;5)TPS(每秒事务数)和QPS(每秒查询数),评估系统处理能力;6)资源利用率,分析CPU、内存等系统资源占用情况。文章通过生活案例(如双11购物、微博热搜)和具体计算公式,帮助理解这些性能指标的实际意义和应用场景。

2301_79178723的博客 921

为什么idea已经改了UTF-8还是乱码,如何解决?

🏆本文收录于 《全栈Bug调优(实战版)》 专栏,该专栏专注于分享我在真实项目开发中遇到的各类疑难Bug及其深层成因,并系统提供高效、可复现的解决思路和实操方案。无论你是刚入行的新手开发者,还是拥有多年项目经验的资深工程师,本专栏都将为你提供一条系统化、高质量的问题排查与优化路径,助力你加速成长,攻克技术壁垒,迈向技术价值最大化与职业发展的更高峰🚀!

**My Coding Family** 1575

应届生软件测试简历就该删删加加:项目经历技能清单这样写

软件测试岗位竞争激烈,简历是进入软件测试公司的第一道门槛。一份合格的软件测试简历,核心不在于堆砌工具名称,而在于呈现可验证的测试能力。从软件测试基础流程、用例设计方法到缺陷管理,招聘方关注的是求职者能否快速上手项目实战。对应届生而言,与其罗列全部经历,不如围绕测试思维重构项目经历,用“工具+场景+结果”的方式展示技能,同时删减与岗位无关的信息。这样优化后的简历,不仅能帮助HR在十秒内完成关键词匹配,也能让测试主管在面试追问中找到具体切入点。若简历已投递多份却无回应,建议对照岗位JD逐项排查关键词,并结合软件

weixin_42546508的博客 329

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

DPJ-039 宠物智能饲喂控制系统设计(源代码+proteus仿真)

摘要:本文设计了一款基于STC89C52单片机的智能宠物饲喂系统,具备自动定时定量喂食功能。系统由主控模块、红外传感器、电机驱动、LCD1602显示屏等组成,支持手动/自动两种模式切换,具有饲料余量监测、环境温度检测及声光报警功能。通过Proteus仿真和实物调试验证了系统的稳定性和可靠性,为宠物饲养提供了智能化解决方案。作者提供完整的技术支持,包括设计指导、代码编写和答辩辅导等服务。关键词:STC89C52;智能饲喂;电机驱动;LCD1602

weixin_39642851的博客 707

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Spring Boot基础面试题

Spring Boot 一、 @SpringBootApplication **@SpringBootApplication**是三个注解的集合 注解 @Configuration @EnableAutoConfiguration @ComponentScan 作用 允许Spring Boot在上下文中注册额外的bean或导入其他配置类 启动Spring Boot的自动配置类 扫描@Component(@Service,@Controller)注解的Bean,默认扫描该类所在的包下的所有类

qq_41527980的博客 604

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

别再死磕 Prompt 了:一文搞懂 Loop Engineering,附面试题

文章摘要:AI工程领域正从Prompt Engineering向Loop Engineering演进,其核心是将人工触发、判断的循环升级为自动化系统。Loop Engineering包含四层架构:智能体循环(执行任务)、验证循环(质检)、事件驱动循环(自动触发)、爬坡循环(自我优化),通过控制论原理(控制器+执行器+传感器)实现闭环。其六大组件(自动化触发、工作区隔离、技能规则等)支撑系统自主运行。关键挑战在于设计可靠的验证机制,避免系统"自信地输出错误结果"。该技术适用于重复性、可验证

2401_88038564的博客 448

数据库面试题

MySQL(数据库) 1、主键、外键有什么区别? 2、怎么理解三范式和反范式? 3、范式和反范式的优缺点? 4、什么是事务? 5、事务有哪几个特性? 6、什么是脏读、幻读、不可重复读? 7、MySQL 有哪些事务隔离级别? 8、MySQL 默认的事务隔离级别是? 9、什么是索引? 10、索引有什么用? 11、索引为什么能提高查询效率? 12、索引的设计有哪些原则? 13、什么情况下应不建或少建索引? 14、MySQL 索引的种类有哪些? 15、MySQL 索引最左匹配原则怎么理解? 16、MySQL 数据库

weixin_43964191的博客 2590

数据库、集群、Hadoop、zookeeper、负责均衡面试题合集

第三阶段 1.什么是数据库 DB.DataBase数据库: 依照某种数据模型进行组织并存放到存储器的数据集合 DBMS.DataBase Management System – 数据库管理系统: 用来操纵和管理数据库的大型服务 软件 DBS.DataBase System – 数据库系统: 即 DB+DBMS ,指带有数据库并整合了数据库管理软件的计算机系统 2.主流数据库服务软件有哪些?开源且跨平台的数据库软件有哪些? 主流数据库服务软件有: 甲骨文公司 Oracle IBM DB2 微软 SQL Ser

HYFarashi的博客 580

JSD-2204-同步和异步请求-Ajax-Day13

JSD-2204-同步和异步请求-Ajax-Day13

TheNewSystrm的博客 967

Java开发大厂面试 第12讲:底层源码分析 Spring 的核心功能和执行流程?(下)

今天我们分享了 IoC 和 DI 概念,以及 IoC 的优势和 IoC 注入的三种方式:构造方法注入、Setter 注入和接口注入,最后讲了 Spring AOP 的概念与它的三种配置方式:基于 Java API 的方式、基于 Java 注解的方式和基于 XML 标签的方式。

2401_84585615的博客 1521

大模型接口鉴权:从成本控制到生产落地的完整体系

API接口安全是系统设计的基石,而大模型时代的接口鉴权已从普通的安全加分项升级为成本控制的第一闸门。与传统的REST接口不同,大模型接口的每一次调用都直接消耗GPU算力和Token费用,一旦接口裸奔,攻击者便能零成本盗刷,短时间内造成巨额账单。本文从鉴权的基本原理出发,分析身份认证、授权与配额三者的边界,并深入Spring Boot拦截器、SSE长连接、Netty WebSocket等真实场景下的落地实现,同时整理常见绕过姿势与面试追问Top 5,帮助工程师构建从网络边界到业务层的纵深防御体系,让大模型应用

weixin_33768481的博客 399

java怎么定义scanner_java自定义Scanner类似功能类的实例讲解

读取键盘输入package com.zjx.io;import java.io.BufferedReader;import java.io.IOException;import java.io.InputStreamReader;/*** 面试题* 读取键盘各个数据类型**/public class TestFaceIo {public static void main(String[] args...

weixin_28829325的博客 976

Python+Agent入门笔记(二):列表推导式、模块和异常,这些写 Agent 前得会

接上一篇《Python+Agent入门笔记(一)》。基础语法跑通之后,这篇聊几块日常写脚本绕不开的东西。还是按 JS/Go 开发者的视角写,尽量记录我实际卡过的地方。

qq_41241612的博客 428
上一篇: 【测试面试题】偶数和奇数
下一篇: 【面试测试题】贪婪是好事
Warolitbos
博客等级 码龄7年 108粉丝 66原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Warolitbos

如果有帮助,请我喝咖啡!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值