题目：给定n件商品，用于上货架，现在你可以根据顾客到来的顺序设置商品摆放顺序，用户取走某一个位置的商品之后，该商品位置之后的商品都无法再被顾客选择，求解最大销售件数？样例：输入：n=3,s=abc,c=abc，也即商品类别为abc三种，用户0要购买a，用户1购买b，这个时候不能直接摆成abc，因为a被选中后，a的位置就空出来了，导致用户1和用户2无法选择，最优排序为cba，输出3解题思路：直接一把排序，用c中对应商品的位置进行排序，具体步骤如下：第一步：商品去重构建列表；第二步：用c对s排序，注意这里排序有两个限制（用户购买的重合商品的数量，用户购买商品顺序的逆序）s.sort(key=lambda x:(c.count(x),-1*c.index(x)))

题目：给定一个列表，以及k，现在需要求解列表中每两个元素的乘积之和，每个元素只参与一次计算，且用于计算的两个元素的差值要小于k？样例：输入：l=[1,2,3,4],k=2；输出：res=4*3+2*1=14；解题思路：贪心策略+模拟，先对l进行排序，然后从后往前遍历，每次遇到满足条件(l[i]-l[j])<k，计算两个的乘积并将两个元素对应的idx设置为false，不可再次访问，最后返回res即可。

题目：给定一个数组a，其中每个元素ai表示走到ai需要消耗的体力，每次可以选择走一步或者两步，求解从0走到n消耗的最少的体力？样例：输入：[1,2,3,0]，输出：2，也即所走的路径为[1,3]；解题思路：直接dp，状态方程为dp[i]=min(dp[i-1],dp[i-2])+a[i]，注意的地方这里是需要最小值，因此dp初始值得为无穷大，返回最后两个位置的最小值即可 min(dp[-1],dp[-2]).

题目：给定一个整数n，和一个长度为n的列表的数组l，给定一个公式f(x)=1*l[0]+2*l[2]+...+n*l[n-1]，现在需要求解数组l所有子数组的对应公式的值的和？样例：给定[1,2]，输出8，8=1*1+2*2+1*1+2*1解题思路：直接求子数组O(n^2)，时间复杂度高，找规律，使用一维dp，直接100%；思路：8=2*(1+2)+1*1+(2*1)，dp[0]=1*1=1，dp[1]=dp[0]+2*((1+2)*2)//2，res=dp[0]+dp[1]=8；

题目：给定一个字符串集合，对于任意一个字符串A，从所有字符串中任取两个字符串B和C用于拼接为B+C，使得原始的字符串A可以通过B+C删除一个非空前缀和一个非空后缀得到，求出所有满足条件的字符串；样例：s=["AABCD","BCDAA","BCD"]，"BCD"可以由s[0]+s[1]去掉前缀AA和后缀AA得到；解题思路：方法一：暴力法，对于所有字符串进行两两拼接构成一个集合，然后便利查询每个字符串是否可以通过集合中的字符串删除前缀和后缀得到，时间复杂度高，建立集合O(n^2)，遍历查询O(n*(n^2))，一共有n^2个字符串，遍历一次就是n^2;大佬们有没有什么更好的解法，望赐教。

题目：给定三个整数，n、a、b，和一个列表l，其中n表示车间数目，a表示需要的生产件数，b表示生产一件产品需要的原料数目，列表中元素l[i]表示车间i每小时生产的产品的件数。求解对于给定的列表l，生产a件产品的最少花费天数？样例：输入：3、3、2，[1,2,3]，最少需要的天数为2，也即生产的产品数目为(1*2)//2+(2*2)//2+(3*2)//2=6>3解题思路：方法一：直接采用暴力解法，修改初始值（也即至少需要的天数为(a*b)//sum(l)）；方法二：采用二分查找，left=至少需要的天数，right=(a*b)//(max(l))，找到一个符合条件的最小值即可；大佬们还有其他的解题思路吗？望赐教。

题目：给定一颗二叉树，如果其所有叶子节点的度数为0或2，则其为一棵好二叉树，求解给定节点数目的好二叉树的方案数？样例：输入：1，输出：1，也即只有根节点，只有一种方案；输入：2，输出：0，其不满足条件；输入：3，输出：1，只有一种方案；输入：5，输出：2，有两种方案；解题思路：先求解叶子节点数目，然后再根据叶子节点数目与排列的方案数的关系使用递归进行求解；大佬们还有什么更好的解法吗？

题目：给定一个常数n，现需要构造一个长度为n的字符串，其只由A，B，C三种字母组成，求解所构成的字符串中包含"ABC"子序列，但是不包含"ABC"子串的所有字符串的方案数？样例：输入：4，输出：3，例如{ABBC、ACBC、ABAC}解题思路：固定一个子序列[...,A,...,B,...,C,...]，使用插空法进行填补，使用数学方法进行求解；大佬们还有什么更好的解法吗？

题目：给定一个数，如果其所有位数中只包含一个非0元素，其为完美数，给定一个长度为n的列表，求解列表两两相乘能够组合成完美数的方案数目？样例：输入为：[1,2,5,10]，输出为：5，也即{1*2,1*5,2*5,1*10,2*10,5*10}解题思路：第一种暴力O(n^2)，求解每两个数的乘积再进行判断；第二种优化一下，按照%2==0和%5==0构造字典，然后使用第一种方法求解；大佬们还有什么更好的解法吗

题目：给定一棵完全二叉树的层次遍历序列，以及树的结点数目，求解其先序遍历序列？样例：输入为：ABCDE，5；输出：ABDEC解题思路：主要考察了完全二叉树的特性（也即父节点与其儿子结点存在一个关系node_left=2*root+1,node_right=2*root+2），因此这里可以采用递归的解法；def preorder(level_search,idx,n,preorder_list):    if idx>n:        return     else:        preorder_list.append(level_search[idx])        if 2*idx+1<n:                preorder(level_search,2*idx+1,n,preorder_list)        if 2*idx+2<n:                preorder(level_search,2*idx+2,n,preorder_list)if __name__=="__main__":    input_="ABCDEF"    n=len(input_)    res=[]    preorder(input_,0,n,res)    print("".join(res))        考察知识点：完全二叉树的一些知识点，以及层次遍历（从上至下，从左至右）；

1.自我介绍；2.介绍一下项目（对着github介绍，模型、评价指标）；3.对比学习（公式、具体实现方法）；4.深度学习模型了解哪些（RNN、CNN、Transformer、BERT）；5.说一下RNN梯度消失和梯度爆炸的问题，缓解办法（引入门控机制、LSTM、GRU等）；6.了解过语音算法相关的模型吗（RNN、LSTM、BiLSTM），更近一点的呢（DFSMN）；7.为什么想要来做语音算法（本身是做推荐相关的，了解一些CV和NLP模型）；8.数据预处理方法（缺失值填充、异常值处理、数值型数据的分箱等）；9.了解Linux吗，常规shell命令等；10.可以实习的时长，还问了一下学校的安排；11.总结：技术问题不多，问了面试官说需要补充的知识还有点多（模型板块有最常用的语音算法、最新的语音算法等；工具板块有shell的常规命令、C++等）；

1.自我介绍；2.论文中使用的技术（对比学习、元学习）；3.了解VAE吗，VAE做什么的（生成式任务）；4.了解GAN吗，GAN的思想；5.了解NLP吗，用过哪些模型（BERT、Transformer、Word2Vec）；6.常用正则项有哪些（L1、L2、Lp），说一说各自的优缺点；7.常用激活函数有哪些（Sigmoid、ReLU、Softmax、tanh），说一说各自的特点以及适用场景；8.向量之间的相似度计算方法（余弦相似度、点积等），文本之间的相似度计算方法（共现词次数、embedding相似度等）；9.算法题：给定两个字符串s1和s2，求解将s1和s2变为c的最小开销（可以进行插入、删除、替换），并且c需要在该条件下尽可能的长，例如s1="AB"，s2="BADC"，最后应该返回4，也即将s1变为"ABDC"需要2次,将s2替换为"ABDC"需要2次,合计4次；（ps：没有完全写出来，只考虑了一部分情况，这里有大佬会的话可以手撕一下）；10.反问（需要补充哪些知识，具体做什么应用场景）；总结：总体感觉良好，有一部分没有答上来，需要补充和完善，另外算法题也没有AC，有待提高；

1.自我介绍；2.介绍一下做过的项目和论文；3.用过哪些机器学习模型（XGBoost、LightGBM、RF、LR等），介绍他们的特点和区别；5.深度学习用过哪些结构（MLP、CNN、RNN、Transformer、BERT等），介绍一下各自的特点和区别；6.深度学习主要有哪些任务（分类和回归，分类可以使用有监督、无监督、半监督等方法，回归主要使用有监督方法）；7.了解CV吗，用过开源框架OpenMMLab吗；8.CNN处理图像的长处；9.了解哪些GNN模型（GCN），说一下其特点和区别；10.Transformer的Q、K、V分别来自那一部分；11.介绍一下常见的Loss（均方误差（回归）、交叉熵（分类））；12.介绍一下交叉熵的特点；13.介绍一下常用的激活函数（ReLU、sigmoid、softmax），各自的优缺点；14.反问（实习主要做哪些任务，需要弥补一下哪些地方的知识等）；15.总结：面试整体感觉良好，大致上都能回答上来，对一些深度学习技术原理的知识有待进一步提高；

1.自我介绍；2.做过哪些项目（说了一下自己的论文和项目）；3.推荐的任务和应用场景（主要是做序列推荐的）；4.如何缓解数据稀疏和冷启动的问题（使用辅助信息用基于内容的协同过滤）；5.有了解过语音算法吗（这里只是说了一下语音中的频域和时域）；6.介绍一下XGboost，其结构以及其拟合的目标；7.熟悉使用什么深度学习框架（Pytorch）；8.用过C++吗（了解一些基本语法，开发过一些小Demo）；9.用过Docker吗（只了解一些基本语法）；10.对NLP有了解吗（只了解BERT、Word2Vec）；11.说一下BERT的结构以及其与Transformer的区别；12.介绍一下RNN和LSTM，说一下结构和区别；13.python字典、集合、列表的特点；14.数据存储过程中出现冲突（先使用哈希函数进行映射再使用链表进行存储）；15.算法题（a.实现数组和链表的逆序；b.二分查找；c.给定一个字符串（包含和不包含重复字母）的全排列）；16.反问（语音算法当前使用的算法有哪些，应该补充哪些知识）17.总结：整体面试感觉良好，引文本身是做推荐算法的，所以没有问太多语音算法相关的内容，算法题只有c没有写出来，还是得多练练；