google面试经历

分享了一次Google面试经历,涉及自我介绍、算法题和数据结构问题。面试题目包括:转义特殊ASCII字符、查找两个有序数组中缺失的第一个整数、在二叉搜索树中实现随机元素选取。面试过程中暴露了编程实现和思考问题的不足。
本来约了六号下午两点开始,早早就打开了google docs 等待面试官,到了2点30面试官还没出现,一个hr在google docs上回复我面试官在开会,可能要3点才开始,没办法,只好继续的苦逼等待半个小时。三点面试准时开始。

1. 首先要求自我介绍一下最近做的一个项目和具体的实现方案。
我就说了一下我在微软那边做的那个基于Lync的离线消息的项目。Blablabla..感觉他也没有在认真听,就点到为止。

2. 出算法题之前,面试官说他自己平时比较熟悉c++和java,叫我尽量代码用这两种语言编写,同时要加上必要的头文件和main函数,使得代码可以是在编译器上直接编写的。
 
第一道算法题目,原题目如下:
Escape strings. Convert special ASCII characters to form of ‘\ooo’, where ‘ooo’ is oct digit of the corresponding  special character. 
The ascii characters that smaller than space are regarded as special characters.
第一次的时候我理解错了题意,以为是将一些特殊的字符从十进制转化成八进制然后打印出来。
这道题本意是对一些无法打印的特殊字符,可以用‘\ooo’的形式替换,然后打印出来。
coding的时候犯了两个错误:
A. 转换成八进制字符存到对应的字符串时候直接存储数值了,应该是存储(数值+‘0’)
B. 对于那些不够三位数字的数值,应该在前面补0(这个没有实现)

3. 两个排好序的正的数组,找到第一个不在两个数组中出现的最小的整数,并分析算法时空复杂度。
伪代码入下:
   p = q = 1
   min = 1
   a = size(A)
   b = size(B)
   while(1)
          if (p < a && A[p] == min)
                p++; min++
          else if (q < b && A[q] == min)
                q++; min++
           else
                return min

时间复杂度O(n),空间复杂度O(1).

4. Suppose we use binary search tree to implement set, design an algorithm that we can get an random element from the set, while maintain all the other set operations have same complexities.
那时候想到的一个方法就是set集合维护一个最大值max和最小值min,每一次random从min和max之间获得一个数字,然后从BST中找到最接近这个数字的值。
后来面试官质疑说如果这棵树里面的数值不是很平衡,例如数值大部分都聚集在min附近,这样会导致random的这个方法不够随机。
面试的时候确实没想到更好的方法。后来挂了电话就想到一个做法:每个节点都维护一个数值,这个数值记录了它的子树包括它自己的节点个数。
这样每次我们从根节点开始,假如左儿子维护的节点个数是p,右儿子维护的节点个数是q,然后我们random一个[1,p+q+1]之间的数k,如果k<=q,就选择左边子树,如果 q<k<p+q就选择右边子树,如果k=p+q+1,就选择根节点;然后这样递归的往下面做。
同时要确保我们在insert和delete节点的时候记得维护好这个数值。

总结:写代码能力不行。思维不够开阔。
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在部特征定位方表现卓越。 技术实现包含以下关键环节: - 部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬闭合动作 - 持续闭眼检测:设定更严格的状态持续间与闭合程度双重标准,准确识别长间闭眼行为 - 实处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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