网易有道 1，2面

最新推荐文章于 2024-03-22 13:03:01 发布

原创最新推荐文章于 2024-03-22 13:03:01 发布 · 436 阅读

0 ·

CC 4.0 BY-SA版权

公司项目介绍自己了解的机器学习算法说一个（SVM原理）

1）两个栈实现一个队列

2）数组最大的n个数

个人情况介绍

SVM算法介绍，软间隔

1）树的非递归后续遍历

2）两个字符串的最小编辑距离（用动态规划，一步步推倒）

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

wxwxy919

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

网易有道-测试工程师-一面通过二面失败的总结

weixin_43280707的博客

02-07

1100

在沉淀了半个多月后决定记录一下我知道的所有的内容供大家参考。网易（有道）岗位：测试工程师（校招）时间：2021.1 本人简历中的点：大厂实习，熟悉项目流程，jira，功能测试，编写用例，数据库，linux，git，jmeter，xmind，java，c，c#，js，Android，HTML，pytest，selenium(一点) ————————— 一面（通过）持续时间：42min 关注点：理论基础&功能测试个人感觉：比较偏向基础，同时面试官很注重看简历，问题大多根据简历提问题（小部分

实用软件1| 网易有道翻译

weixin_74324570的博客

09-03

965

为各位推荐“网易有道翻译”，我认为对我阅读英文文献有很大帮助。

参与评论您还未登录，请先登录后发表或查看评论

Seeker的奇妙求职历险(网易有道二面)

qq_33241802的博客

08-24

600

前言 8月24日早上10点，我进行了网易有道的二面。之前看牛客上很多人都是一面完直接二面，而我等了大概有4天，所以我想可能是大神优先二面，然后挂了之后再让下面一批陪跑吧。这次面试前面十几分钟就聊了聊项目，然后问我怎么优化的，做了哪些工作，之后就说做题目吧，然后给我出了三道算法题。第一题还算比较简单，第二题的话没能在面试的时候想明白，第三题应该算是一道场景题。走格子给出m*n的方格，计算从左上角走到右下角有几种路径。经典的走格子问题，写完之后问我能不能优化一下，我说那我考虑采用滚动数组的方式，从后

缅怀一次惨痛的网易有道面试经历

热门推荐

MrMrs的专栏

12-09

1万+

恩。。。自己还是太弱了，这次面试被虐的无地自容。。。一面：哇，来了一个美女，一开始还以为是hr，结果是面试官。还是老一套的面试流程，上来先看看简历，她边看边让我介绍一下项目经历，先是详细问了问模糊聚类那个项目，然后又问了问一个数据挖掘的项目，问得挺细的，数据挖掘那个项目还问了是否做了交叉的特征，用LR做预测的时候是否考虑了迭代步长的参数，是否了解这个参数怎么自动化确定最佳参数。

网易有道测试岗一面凉

zzzzze

08-30

1115

起初做完线上笔试，感觉很一般，可能笔试都过不了。等了大概两周，期间也有人收到面试通知，以为是凉了，突然收到短信，通知预约视频面试时间。预约的时间是下午3点，早上9点时闲来无事就先签了到。中午12点40左右还没吃饭，没怎么准备就通知面试开始。面试的是一个小姐姐，上来让做一个自我介绍。小姐姐看有代码能力，推荐让我转测开，没敢转。第一个问题是给一支笔，说出这支笔的测试点和测试用例...

网易有道校招二面

liuyidiandian的专栏

10-30

979

1.说一下你熟悉的JDK中的包答：集合框架类 2.HashTable get方法为什么要加锁 3.vector 与list 的区别？为什么vector扩容与list扩容与不同？ 4.Java 线程同步有哪些实现方式？方别应用于什么样的场景？信号量是怎么用的？信号量与synchornized的区别？ 5.sleep() 与wait()的区别

网易有道 3/22

xiaofanren1111的博客

03-22

247

一面计网部分直接就是垮了，二面的话面试官水平很高，根本就和我不是一个级别的，三言两语就知道了我的项目大致情况，然后不断拷打。项目问完了又问了一些简单的八股，最后问个设计题和算法，强度太高了。一面还比较常规，二面真的是压力爆炸，还是感觉自己太菜了。3.19 一面（30 min）3.20 二面（90 min）

网易有道离线安装包下载

03-01

网易有道离线安装包下载，适合于无法上网的环境

Excel文件网易有道翻译插件（备注形式）

07-22

1、将“Excel文件翻译（备注）.xla”文件放入到 C:\Users{你的windows用户名}\AppData\Roaming\Microsoft\AddIns 目录下 2、随便打开一个Excel，点击菜单：文件->选项->加载项->下面的“管理”“转到（G）” 弹出...

网易有道笔试题第一部分偏产品策划知识.doc

09-19

网易有道笔试题第一部分偏产品策划知识.doc

网易有道词典APP分析：从用户需求看发展前景.docx

11-25

网易有道词典APP分析：从用户需求看发展前景.docx

YouDaoAdApi:网易有道Api 广告SDK

05-29

有道AdApi是由网易有道公司推出的广告接口SDK，它主要面向开发者，提供了一整套完整的广告接入解决方案，旨在帮助开发者在自己的应用程序中轻松集成有道广告，从而实现流量变现。这个SDK是用Java语言编写的，因此，...

网易有道JAVA一面面经

chenxianqin2的博客

03-14

2116

昨天刚语音面试了北京网易有道，算2019年春招（我19届毕业），一面的内容比较简单，面试官人也很好，先整理下，没挂的话后面继续更新。内容比较简单，本来以为会有很多算法题，但都比较基础，很多都是问我实习和项目相关的问题。一面：语音面试，时间约1小时项目相关： 1.自我介绍，项目； 2.问项目里的几个点，我修复的关于redis和elasticsearch的bug； 3.springboot常用注...

springboot智能在线预约挂号系统【附万字论文+PPT+包部署+录制讲解视频】.zip

09-05

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论，包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案，包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块，如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构，确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面，提升用户体验。3.4系统安全设计阐述系统安全策略，包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程，包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试，分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进，提升系统性能。第5章研究结果呈现系统实现后的效果，包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果，如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能

基于机器学习方法的信用风险评估体系构建与实现

09-05

在金融行业中，对信用风险的判断是核心环节之一，其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法，尤其是Sklearn工具包，建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法，并通过实际操作流程进行说明。一、机器学习基本概念机器学习属于人工智能的子领域，其基本理念是通过数据自动学习规律，而非依赖人工设定规则。在信贷分析中，该技术可用于挖掘历史数据中的潜在规律，进而对未来的信用表现进行预测。二、Sklearn工具包概述 Sklearn（Scikit-learn）是Python语言中广泛使用的机器学习模块，提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程，是数据科学项目中的常用工具。三、逻辑回归模型逻辑回归是一种常用于分类任务的线性模型，特别适用于二类问题。在信用评估中，该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值，从而表示违约的可能性。四、支持向量机模型支持向量机是一种用于监督学习的算法，适用于数据维度高、样本量小的情况。在信用分析中，该方法能够通过寻找最佳分割面，区分违约与非违约客户。通过选用不同核函数，可应对复杂的非线性关系，提升预测精度。五、数据预处理步骤在建模前，需对原始数据进行清理与转换，包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分，常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰，增强模型的适应性。六、模型构建与验证借助Sklearn，可以将数据集划分为训练集和测试集，并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时，更应关注模型的召回率与特异性。七、集成学习方法为提升模型预测能力，可采用集成策略，如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差，增强整体预测的稳定性与准确性。综上，基于机器学习的信用评估系统可通过Sklearn中的多种算法，结合合理的数据处理与模型优化，实现对借款人信用状况的精准判断。在实际应用中，需持续调整模型以适应市场变化，保障预测结果的长期有效性。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！

橙色s（）_Orange's一个操作系统的实现(随书光盘).zip

09-05

橙色s（）_Orange's一个操作系统的实现(随书光盘).zip

perl-Hash-Flatten-1.19-26.el8.tar.gz