24秋招Java后端

感觉很寄，牛客上好多约面的，但自己到现在也没有收到消息。我甚至都没有收到AI面，只有笔试我投的是算法岗，想问下有没有算法的uu收到面了呀——————update13.20看了下网页上的流程，第一志愿已经结束了那看来基本上是寄了——————update23.24二志愿把我捞起来了，周三一面，周五二面。看看能不能挺到最后吧#大家都开始春招面试了吗# #美团# #美团约面# #美团求职进展汇总#

得物java一面面经#得物校招求职汇总# 8.30投递，9.7一面，时间卡得很严，30～40min应该算是秋招的第一面了感觉面试官比较友善，会引导回答，整体问题都是和实习的项目有关，相关八股也是从实习经历引申出来的就是感觉时间很紧迫，想给实习内容铺垫一下前因后果，结果被提示时间有限，直接讲重点就行基础1、手撕：合并两个有序链表，时间与空间复杂度（口述）2、Java中的设计模式，至少四个（工厂模式和策略模式差异，为什么要用策略模式）3、说说Spring中的AOP实习项目 + 穿插八股1、在实习期间，最有挑战性的事情？担任的是什么角色？ 遇到什么问题？怎么解决？2、...

微调（Fine-tuning）是机器学习中一种迁移学习技术，指在预训练模型（如BERT、GPT、ResNet等）的基础上，通过少量特定领域或任务的数据进一步调整模型参数，使其适应新任务。其核心思想是利用预训练模型的通用知识（如语言理解或图像特征提取能力），通过针对性训练提升模型在特定任务上的性能。微调的核心作用1. 节省资源：无需从头训练，减少计算成本。2. 提升性能：预训练模型已学习通用特征，微调能快速适应新任务。3. 小数据友好：适合数据量有限的任务。微调的主要方式1. 全参数微调（Full Fine-tuning）- 方法：解冻预训练模型的所有参数，用新数据更新全部权重。- 适用场景：数据量充足，任务与预训练任务差异较大。- 缺点：计算成本高，可能过拟合小数据集。2. 部分参数微调（Partial Fine-tuning）- 方法：冻结部分层（如底层），仅更新顶层参数。- 冻结策略：预训练模型的底层通常学习通用特征（如语法、低级视觉特征），可冻结；顶层更接近任务，需调整。- 适用场景：数据量较少，任务与预训练任务相似。- 示例：冻结ResNet的前几层，仅微调最后几层用于医学图像分类。 #产品经理#  #牛客激励计划#  #数据人的面试交流地#  #聊聊我眼中的AI#  #面试时最害怕被问到的问题# #牛客AI配图神器#

📍面试公司：美团👜面试岗位：C++后端📖面试问题：SQL相关：1.MySQK有哪些索引，有什么分类？2.主键索引、二级索引有什么区别？使用主键索引有什么好处？ 然后又问了一些相关的 插入一个没有索引的语句时，会发生什么？3.联合索引的例子（c and b and a）4.为什么选用B+树而不是B树？5.统计本周的订单量（手撕SQL）6.事务有哪些特性？7.隔离有哪些级别，哪个级别解决了脏读8.MySQL有哪些锁？数据结构：1.了解LRU吗？简单说说LRU各个功能是怎么实现的2.LRU底层是什么？-回答的是链表3.追问：链表的查询时间复杂度是多少？4.追问：如何优化到O(1)？-回答...