主要是聊基礎算法知識和代碼題。
又到安利Python的時間， 最終代碼不超過30行（優(yōu)化前），加上優(yōu)化也不過40行。
第一步. 構造Trie（用dict登記結點信息和維持子結點集合）：
-- 思路：對詞典中的每個單詞，逐詞逐字母拓展Trie，單詞完結處的結點用None標識。
def make_trie(words):
trie = {}
for word in words:
t = trie
for c in word:
if c not in t: t[c] = {}
t = t[c]
t[None] = None
return trie
第二步. 容錯查找（容錯數(shù)為tol）：
-- 思路：實質上是對Trie的深度優(yōu)先搜索，每一步加深時就消耗目標詞的一個字母。當搜索到達某個結點時，分為不消耗容錯數(shù)和消耗容錯數(shù)的情形，繼續(xù)搜索直到目標詞為空。搜索過程中，用path記錄搜索路徑，該路徑即為一個詞典中存在的詞，作為糾錯的參考。
-- 最終結果即為諸多搜索停止位置的結點路徑的并集。
def check_fuzzy(trie, word, path='', tol=1):
if word == '':
return {path} if None in trie else set()
else:
p0 = set()
if word[0] in trie:
p0 = check_fuzzy(trie[word[0]], word[1:], path+word[0], tol)
p1 = set()
if tol > 0:
for k in trie:
if k is not None and k != word[0]:
p1.update(check_fuzzy(trie[k], word[1:], path+k, tol-1))
return p0 | p1簡單測試代碼 ------
構造Trie：
words = ['hello', 'hela', 'dome']
t = make_trie(words)
In [11]: t
Out[11]:
{'d': {'o': {'m': {'e': {'$': {}}}}},
'h': {'e': {'l': {'a': {'$': {}}, 'l': {'o': {'$': {}}}}}}}
容錯查找：
In [50]: check_fuzzy(t, 'hellu', tol=0)
Out[50]: {}
In [51]: check_fuzzy(t, 'hellu', tol=1)
Out[51]: {'hello'}
In [52]: check_fuzzy(t, 'healu', tol=1)
Out[52]: {}
In [53]: check_fuzzy(t, 'healu', tol=2)
Out[53]: {'hello'}
似乎靠譜~
---------------------------分--割--線--------------------------------------
以上是基于Trie的approach，另外的approach可以參看@黃振童鞋推薦Peter Norvig即P神的How to Write a Spelling Corrector
雖然我已有意無意模仿P神的代碼風格，但每次看到P神的源碼還是立馬跪...
話說word[1:]這種表達方式其實是有淵源的，相信有的童鞋對(cdr word)早已爛熟于心...（呵呵
------------------------分-----割-----線-----二--------------------------------------
回歸正題.....有童鞋說可不可以增加新的容錯條件，比如增刪字母，我大致對v2方法作了點拓展，得到下面的v3版本。
拓展的關鍵在于遞歸的終止，即每一次遞歸調(diào)用必須對參數(shù)進行有效縮減，要么是參數(shù)word，要么是參數(shù)tol~
def check_fuzzy(trie, word, path='', tol=1):
if tol < 0:
return set()
elif word == '':
results = set()
if None in trie:
results.add(path)
# 增加詞尾字母
for k in trie:
if k is not None:
results |= check_fuzzy(trie[k], '', path+k, tol-1)
return results
else:
results = set()
# 首字母匹配
if word[0] in trie:
results |= check_fuzzy(trie[word[0]], word[1:], path + word[0], tol)
# 分情形繼續(xù)搜索（相當于保留待探索的回溯分支）
for k in trie:
if k is not None and k != word[0]:
# 用可能正確的字母置換首字母
results |= check_fuzzy(trie[k], word[1:], path+k, tol-1)
# 插入可能正確的字母作為首字母
results |= check_fuzzy(trie[k], word, path+k, tol-1)
# 跳過余詞首字母
results |= check_fuzzy(trie, word[1:], path, tol-1)
# 交換原詞頭兩個字母
if len(word) > 1:
results |= check_fuzzy(trie, word[1]+word[0]+word[2:], path, tol-1)
return results好像還是沒有過30行……注釋不算（
本答案的算法只在追求極致簡潔的表達，概括問題的大致思路。至于實際應用的話可能需要很多Adaption和Tuning，包括基于統(tǒng)計和學習得到一些詞語校正的bias。我猜測這些拓展都可以反映到Trie的結點構造上面，比如在結點處附加一個概率值，通過這個概率值來影響搜索傾向；也可能反映到更多的搜索分支的控制參數(shù)上面，比如增加一些更有腦洞的搜索分支。（更細節(jié)的問題這里就不深入了逃
----------------------------------分-割-線-三----------------------------------------
童鞋們可能會關心時間和空間復雜度的問題，因為上述這種優(yōu)（cu）雅（bao）的寫法會導致產(chǎn)生的集合對象呈指數(shù)級增加，集合的合并操作時間也指數(shù)級增加，還使得gc不堪重負。而且，我們并不希望搜索算法一下就把所有結果枚舉出來（消耗的時間亦太昂貴），有可能我們只需要搜索結果的集合中前三個結果，如果不滿意再搜索三個，諸如此類...
那腫么辦呢？................是時候祭出yield小魔杖了? ??)ノ
下述版本姑且稱之為lazy，看上去和v3很像（其實它倆在語義上是幾乎等同的
def check_lazy(trie, word, path='', tol=1):
if tol < 0:
pass
elif word == '':
if None in trie:
yield path
# 增加詞尾字母
for k in trie:
if k is not None:
yield from check_lazy(trie[k], '', path + k, tol - 1)
else:
if word[0] in trie:
# 首字母匹配成功
yield from check_lazy(trie[word[0]], word[1:], path+word[0], tol)
# 分情形繼續(xù)搜索（相當于保留待探索的回溯分支）
for k in trie:
if k is not None and k != word[0]:
# 用可能正確的字母置換首字母
yield from check_lazy(trie[k], word[1:], path+k, tol-1)
# 插入可能正確的字母作為首字母
yield from check_lazy(trie[k], word, path+k, tol-1)
# 跳過余詞首字母
yield from check_lazy(trie, word[1:], path, tol-1)
# 交換原詞頭兩個字母
if len(word) > 1:
yield from check_lazy(trie, word[1]+word[0]+word[2:], path, tol-1)不借助任何容器對象，我們近乎聲明式地使用遞歸子序列拼接成了一個序列。
[新手注釋] yield是什么意思呢？就是程序暫停在這里了，返回給你一個結果，然后當你調(diào)用next的時候，它從暫停的位置繼續(xù)走，直到有下個結果然后再暫停。要理解yield，你得先理解yield... Nonono，你得先理解iter函數(shù)和next函數(shù)，然后再深入理解for循環(huán)，具體內(nèi)容童鞋們可以看官方文檔。而yield from x即相當于for y in x: yield y。
給剛認識yield的童鞋一個小科普，順便回憶一下組合數(shù)C(n,m)的定義即
C(n, m) = C(n-1, m-1) + C(n-1, m)
如果我們把C視為根據(jù)n和m確定的集合，加號視為并集，利用下面這個generator我們可以懶惰地逐步獲取所有組合元素：
def combinations(seq, m):
if m > len(seq):
raise ValueError('Cannot choose more than sequence has.')
elif m == 0:
yield ()
elif m == len(seq):
yield tuple(seq)
else:
for p in combinations(seq[1:], m-1):
yield (seq[0],) + p
yield from combinations(seq[1:], m)
for combi in combinations('abcde', 2):
print(combi)可以看到，generator結構精準地反映了集合運算的特征，而且蘊含了對元素進行映射的邏輯，可讀性非常強。
OK，代碼到此為止。利用next函數(shù)，我們可以懶惰地獲取查找結果。
In [54]: words = ['hell', 'hello', 'hela', 'helmut', 'dome']
In [55]: t = make_trie(words)
In [57]: c = check_lazy(t, 'hell')
In [58]: next(c)
Out[58]: 'hell'
In [59]: next(c)
Out[59]: 'hello'
In [60]: next(c)
Out[60]: 'hela'話說回來，lazy的一個問題在于我們不能提前預測并剔除重復的元素。你可以采用一個小利器decorator，修飾一個generator，保證結果不重復。
from functools import wraps
def uniq(func):
@wraps(func)
def _func(*a, **kw):
seen = set()
it = func(*a, **kw)
while 1:
x = next(it)
if x not in seen:
yield x
seen.add(x)
return _func這個url打開的文件包含常用英語詞匯，可以用來測試代碼：
In [10]: import urllib
In [11]: f = urllib.request.urlopen("https://raw.githubusercontent.com/eneko/data-repository/master/data/words.txt")
# 去除換行符
In [12]: t = make_trie(line.decode().strip() for line in f.readlines())
In [13]: f.close()----------------------分-割-線-四-----------------------------
最后的最后，Python中遞歸是很昂貴的，但是遞歸的優(yōu)勢在于描述問題。為了追求極致性能，我們可以把遞歸轉成迭代，把去除重復的邏輯直接代入進來，于是有了這個v4版本：
from collections import deque
def check_iter(trie, word, tol=1):
seen = set()
q = deque([(trie, word, '', tol)])
while q:
trie, word, path, tol = q.popleft()
if word == '':
if None in trie:
if path not in seen:
seen.add(path)
yield path
if tol > 0:
for k in trie:
if k is not None:
q.appendleft((trie[k], '', path+k, tol-1))
else:
if word[0] in trie:
q.appendleft((trie[word[0]], word[1:], path+word[0], tol))
if tol > 0:
for k in trie.keys():
if k is not None and k != word[0]:
q.append((trie[k], word[1:], path+k, tol-1))
q.append((trie[k], word, path+k, tol-1))
q.append((trie, word[1:], path, tol-1))
if len(word) > 1:
q.append((trie, word[1]+word[0]+word[2:], path, tol-1)) 可以看到，轉為迭代方式后我們?nèi)匀豢梢宰畲蟪潭缺Ａ暨f歸風格的程序形狀，但也提供了更強的靈活性（對于遞歸，相當于我們只能用棧來實現(xiàn)這個q）?；谶@種迭代程序的結構，如果你有詞頻數(shù)據(jù)，可以用該數(shù)據(jù)維持一個最優(yōu)堆q，甚至可以是根據(jù)上下文自動調(diào)整詞頻的動態(tài)堆，維持高頻詞匯在堆頂，為詞語修正節(jié)省不少性能。這里就不深入了。
【可選的一步】我們在對單詞進行糾正的時候往往傾向于認為首字母是無誤的，利用這個現(xiàn)象可以減輕不少搜索壓力，花費的時間可以少數(shù)倍。
def check_head_fixed(trie, word, tol=1):
for p in check_lazy(trie[word[0]], word[1:], tol=tol):
yield word[0] + p最終我們簡單地benchmark一下：
In [18]: list(check_head_fixed(trie, 'misella', tol=2))
Out[18]:
['micellar',
'malella',
'mesilla',
'morella',
'mysell',
'micelle',
'milla',
'misally',
'mistell',
'miserly']
In [19]: %timeit list(check_head_fixed(trie, 'misella', tol=2))
1.52 ms ± 2.84 μs per loop (mean ± std. dev. of 7 runs, 1000 loops each)在Win10的i7上可以在兩毫秒左右返回所有結果，可以說令人滿意。
面試題各公司不盡相同。一般而言，都會考一些最基礎的東西，來看你學的扎不扎實。
比如，我經(jīng)歷過的面試題里，最經(jīng)常遇到的就是畫出星三角接線圖。相信專業(yè)人員都會知道，但真的讓你在紙上畫出來，你真的能完全無誤的畫好嗎？
再就是最基礎的PLC小功能程序編寫，很常見的小程序，如果，寫不出來，那么被錄用的機會很小。
算法工程師各種待遇按工作時間，資歷，等不同，差異很大，基本從4500元到15000元不等。
因為最近都參加了好幾家公司的音頻算法工程師面試主要總結一下
1.自我介紹
2.會根據(jù)你自我介紹的內(nèi)容針對性的提問
3.講一下AEC都有哪些步驟
4.講一下自適應濾波的原理
5.NLP的步驟
6.噪聲估計的方法有幾種
基礎知識題：這類題目會測試應聘者對硬件工程基礎知識的掌握程度，如電路理論、數(shù)字邏輯、微處理器架構等。
請解釋什么是歐姆定律，并給出其在電路設計中的應用。
描述一下你在數(shù)字電路設計中常用的幾種邏輯門電路，并解釋它們的工作原理。
專業(yè)技能題：這些問題會針對應聘者的專業(yè)技能進行測試，如PCB設計、嵌入式系統(tǒng)開發(fā)、硬件調(diào)試等。
你使用過哪些PCB設計軟件？請描述一下你設計PCB板的流程。
請談談你在嵌入式系統(tǒng)開發(fā)方面的經(jīng)驗，包括你使用過的工具和編程語言。
實踐經(jīng)驗題：這類題目會詢問應聘者在過去的項目或工作中遇到的實際問題以及他們的解決方案。
請描述一個你在硬件調(diào)試過程中遇到的最困難的問題，以及你是如何解決的。
在你的職業(yè)生涯中，有沒有一個項目讓你特別自豪？為什么？請談談你在這個項目中的貢獻。
解決問題能力題：這類題目會提供一個假設的場景，要求應聘者展示他們?nèi)绾畏治龊徒鉀Q問題。
假設你在設計一個新的電路板時，發(fā)現(xiàn)某個元件的性能不穩(wěn)定，你會如何定位并解決這個問題？
如果你在一個緊迫的項目中遇到了一個技術難題，而你的團隊成員對此都沒有經(jīng)驗，你會怎么做？
行業(yè)知識題：這些問題會測試應聘者對硬件工程行業(yè)的了解程度，包括最新的技術趨勢、市場動態(tài)等。
你認為目前硬件工程領域最大的技術挑戰(zhàn)是什么？為什么？
請談談你對物聯(lián)網(wǎng)（IoT）在硬件工程中的應用和未來發(fā)展的看法。
算法工程師是處理數(shù)據(jù)的專業(yè)人士，他們研究并開發(fā)可用于計算機程序的算法。原理是基于數(shù)學和計算機科學的基礎理論，結合各種技術來實現(xiàn)數(shù)據(jù)處理、模型構建和性能優(yōu)化等任務。算法工程師的工作需要了解常用算法的原理，需要掌握數(shù)據(jù)結構、算法復雜度分析等知識，以及具備編程能力。算法工程師的工作職責是識別問題、設計解決方案，實現(xiàn)這些方案并優(yōu)化算法的性能。算法的使用和優(yōu)化是算法工程師的核心任務，他們需要保證算法的準確性、高效性以及可擴展性，以使計算機程序能夠高效地進行數(shù)據(jù)處理和分析。
答：算法工程師簡稱是cuda。
利用算法處理事物的人
算法（Algorithm）是一系列解決問題的清晰指令，也就是說，能夠對一定規(guī)范的輸入，在有限時間內(nèi)獲得所要求的輸出。如果一個算法有缺陷，或不適合于某個問題，執(zhí)行這個算法將不會解決這個問題。
不同的算法可能用不同的時間、空間或效率來完成同樣的任務。一個算法的優(yōu)劣可以用空間復雜度與時間復雜度來衡量。算法工程師就是利用算法處理事物的人。
我認為算法工程師的核心競爭力是對模型的理解，對于模型不僅知其然，還得知其所以然。
于是我把目標檢測的經(jīng)典論文翻來覆去地看，將各種目標檢測模型分解成了N個模塊，針對每個模塊，反復比對各篇論文處理方式的異同，思考各種處理方式各自的優(yōu)缺點，以及有沒有更好的處理方式，比如：
深度卷積神經(jīng)網(wǎng)絡中的降采樣總結了降采樣的各種方式；
深度卷積神經(jīng)網(wǎng)絡中的升采樣梳理了升采樣的諸多方法；
關于物體檢測的思考簡述了anchor free與anchor based的異同、one stage和two stage的區(qū)別與聯(lián)系；
深度學習高效網(wǎng)絡結構設計和高效卷積神經(jīng)網(wǎng)絡一覽總結了高效網(wǎng)絡的設計思路與具體細節(jié)；
在anchor free檢測器炙手可熱的時候，Why anchor?分析了anchor free和anchor based的歷史由來，以及各自利弊。
同時對目標檢測實踐中一些開放式的問題也有一些自己的思考，比如：
關于感受野的總結詳述了感受野的計算方式和在應用時需要注意的地方；
目標檢測網(wǎng)絡train from scratch問題猜想了一下目標檢測能夠train from scratch的關鍵，在這篇文章里我質疑了DSOD和DropBlock這兩篇論文對train from scratch問題下的結論（當時何愷明那篇討論train from scratch的paper還沒出來，從何愷明后來paper的實驗看來，我的質疑是對的）。
上面是把模型揉碎了看，最近開始有更多時間與精力接觸除了目標檢測以外的任務，于是思考如何將各個計算機視覺任務統(tǒng)一起來，最近有了一點小的想法，該想法形成了一篇簡短的文章。
第二階段
這一階段我認為算法工程師的核心競爭力在于代碼功底好，一則知道各個模型的實現(xiàn)細節(jié)，二則能即快又好地實現(xiàn)idea。于是我用pytorch手擼了Yolov2和Yolov3。同時看了不少優(yōu)秀的開源代碼，比如darknet、mmdetection等等。最近正在用pytorch仿照mmdetection擼一個語意分割的訓練框架。
第三階段
最近開始接觸各個行業(yè)對計算機視覺的需求，我發(fā)現(xiàn)一名優(yōu)秀的算法工程師僅僅對模型理解不錯、代碼功底不錯是不夠的，還需要對有計算機視覺業(yè)務需求的行業(yè)有著較深入的理解。恰好最近看了一篇阿里云機器智能首席科學家閔萬里的專訪文章，專訪里這幾段話我深以為然：
在阿里云的時候，我就親自打造了一個崗位：DTC：Data Technology Consultant。DT有兩個含義，一個是數(shù)據(jù)技術Data Technology，一個是數(shù)字化轉型Digital Transformation，一語雙關。他們像大夫，望聞問切，跟客戶一起梳理出業(yè)務流程中的痛點，找到優(yōu)化方式。DTC不只是對行業(yè)整體的判斷，還要對賽道中的選手體檢，有開藥的能力?？梢园褜Ψ降碾y言之隱梳理出來，定量、優(yōu)先級排序，然后從整體到細節(jié)，一層層結構化分解，最后進入具體執(zhí)行。你要在傳統(tǒng)行業(yè)創(chuàng)造新價值，就要搞清楚：什么東西制約了你的產(chǎn)能，制約了你的效率，制約了你的利潤率。技術人員今天往產(chǎn)業(yè)走，我相信整體遇到的障礙就是如何把技術思維變成以業(yè)務需求為導向的技術思維、技術分解思維。
雖然閔萬里這幾段話里的主體是技術咨詢師，但我覺得這也是成為一名優(yōu)秀算法工程師的必備品質。
總結一段話就是：
算法工程師往產(chǎn)業(yè)里走，需要把技術思維轉變?yōu)橐詷I(yè)務需求為導向的技術思維、技術分解思維；
算法工程師需要像大夫一樣望聞問切，跟客戶一起梳理出業(yè)務流程中的痛點，找到優(yōu)化方式；
算法工程師不僅需要有對行業(yè)整體的判斷，還需要對客戶有體檢、開藥的能力，可以把客戶的難言之隱梳理出來，定量、優(yōu)先級排序，然后整體到細節(jié)，一層層結構化分解，最后進入具體執(zhí)行；
要在傳統(tǒng)行業(yè)創(chuàng)造新價值就要搞清楚什么東西制約了產(chǎn)能、效率、利潤率。
僅僅輸出模型的算法工程師比較容易被替代，更高的追求是輸出一整套端到端的系統(tǒng)方案，從與客戶一起梳理業(yè)務痛點、硬件選型、模型部署環(huán)境的規(guī)劃與搭建、數(shù)據(jù)采集和標注標準制定、模型選型與設計等等。
面試流媒體工程師的流程1、自我介
面試的流程 1、自我介紹 2、你做過最自豪的項目 3、SQL題目 4、互相交流 這是一般的面試流程，自我介紹部分基本是我在說，面試官在聽，項目介紹自我感覺一般，說了之前一個媒體業(yè)務的項目；SQL題目考察的是留存的寫法；最后是交流一下公司的工作時間，常做的工作等等。
