【虹软2023届校招】笔试题型&考点重点，通关必看！
笔试攻略做得好，校招offer跑不了！想要加入虹软科技的学弟学妹们，请务必认真阅读：
本次虹软的笔试一共分为三个赛道，根据岗位类别分为：算法类 算法优化类 开发类
应聘职位 嵌入式驱动开发工程师、嵌入式应用开发工程师、算法集成开发工程师、智能驾驶规划/控制算法工程师
笔试题型tips：
1.算法类 笔试题型：（选择题；编程题；问答题）
第一部分 ：不定项选择题：共20题，合计满分40分，
判分标准：错选不得分，少选得1/3分；
笔试难度Tips：
历年同学反馈虹软的算法题笔试非常难，题量大、计算量大、范围广等问题，问为了让大家考后不EMO，今年的校招笔试我们降低了难度，做出了如下调整：
1、线上答题编程题会改成leetcode的方式, 只要实现函数体内部代码就行, 不需要写输入输出了，这个对学生的帮助应该挺大的, 以前好多学生都挂在输入输出上；
2、编程/数据结构相关的分值变高了，代码能力非常看中，尽量多花时间；
数学基础
基本的排列组合，常见的概率分布，期望计算，条件概率，贝叶斯概率公式要理解到位。线性代数：考察矩阵的基础知识，基本概念要清楚，对机器学习、信号处理中容易用到的一些知识点要熟悉，例如线性规划、奇异值分解等。
机器学习
机器学习：各种常见的特征、分类器，各种有监督、无监督学习方法，度量学习，决策树，回归，支持向量机，随机森林，聚类等等。
计算机基础
编程基础优先级：C > C++ > Python，常规的编程需要非常熟练，对于涉及到内存、指针等易错的知识点，需要弄懂原理不能一知半解。数据结构：数组、链表、树、图等常见数据结构，涉及遍历、查找、排序等操作的一些经典算法，需要考虑时间复杂度。
图像处理/传统图像算法
图像处理：常见的图像/信号处理方法，经典手工特征，各类算子、滤波器，插值、仿射变换、模板匹配、光流等常见算法。
基于深度学习的图像算法
深度学习常见的检测、分类、分割方法，各种常见的神经网络模型结构，神经网络的基本数学原理，损失函数的相关数学推导，正则化原理，常见的深度学习改善网络效果的trick，需要至少熟悉一个开源深度学习训练框架。
算法优化类
编程基础
C/C++的语法，C++标准模板库STL中常用的容器、算法的使用，链表、栈、队列等数据结构，时间复杂度，空间复杂度的计算。
系统知识
操作系统知识：进程管理，内存管理，中断机制 常用开发工具：例如gcc, clang, make, CMake。
优化知识
算法优化：循环中公共部分外提、一些运算的强度减弱方法（例如特殊常数的乘法转成移位或加法）、提高Cache命中率的方法、处理器优化：SIMD，SIMT，乒乓Buffer，DMA。
图像处理/传统图像算法
常见的滤波（均值滤波、中值滤波、双边滤波等），插值算法，仿射变换。
深度学习
常见的网络模型结构，神经网络的基本原理，至少熟悉一个第三方深度学习网络框架（Caffe, Tensorflow, PyTorch, ONNX, MxNet）。
开发类
编程基础
C/C++基础语法需要非常熟练；对于涉及到内存、指针、多线程等易错的知识点需要弄懂原理不能一知半解。
数据结构与算法
涉及数组、链表、树、图等常见数据结构，以及排序、搜索、动态规划、字符串匹配、哈希等经典算法。
