大風(fēng)車網(wǎng)推薦百度招聘筆試題目精選集合！

一，簡(jiǎn)答題(本題共30分)

1. 當(dāng)前計(jì)算機(jī)系統(tǒng)一般會(huì)采用層次結(jié)構(gòu)來存儲(chǔ)數(shù)據(jù)，請(qǐng)介紹下典型的計(jì)算機(jī)存儲(chǔ)系統(tǒng)一般

分為哪幾個(gè)層次，為什么采用分層存儲(chǔ)數(shù)據(jù)能有效提高程序的執(zhí)行效率?(10分)

2. Unix/Linux系統(tǒng)的僵尸進(jìn)程是如何產(chǎn)生的?有什么危害?如何避免?(10)

3. 簡(jiǎn)述Unix/Linux系統(tǒng)中使用socket庫編寫服務(wù)器程序的流程，請(qǐng)分別用對(duì)應(yīng)的socket

通信函數(shù)表示。

二，算法與程序設(shè)計(jì)題(本題共45分)

1， 使用C/C++語言寫一個(gè)函數(shù)，實(shí)現(xiàn)字符串的反轉(zhuǎn)，要求不能用任何系統(tǒng)函數(shù)，且時(shí)間復(fù)

雜度最小。函數(shù)原型是：char *reverse_str(char *str)(15分)

2， 給定一個(gè)如下輸入格式的字符串，(1，(2，3)，(4，(5，6)，7))括號(hào)內(nèi)的元素可以是

數(shù)字，也可以另一個(gè)括號(hào)，請(qǐng)實(shí)現(xiàn)一個(gè)算法消除嵌套的括號(hào)。比如把上面的表達(dá)式變成：(1，2，3，4，5，6，7)，如果表達(dá)式有誤請(qǐng)報(bào)錯(cuò)。(15分)

3， 相似度計(jì)算用于衡量對(duì)象之間的相似程度，在數(shù)據(jù)挖據(jù)，自然語言處理中使一個(gè)基礎(chǔ)性

計(jì)算，在廣告檢索服務(wù)中往往也會(huì)判斷網(wǎng)民檢索Query和廣告Adword的主題相似度。假設(shè)Query或者Adword的主題屬性定義為一個(gè)長(zhǎng)度為10000的浮點(diǎn)數(shù)據(jù)Pr[10000](稱之為主題概率數(shù)組)，其中Pr[i]表示Query或者Adword屬于主題Id為i的概率，而Query和Adword的相似度簡(jiǎn)化定義為兩者主題概率數(shù)組的內(nèi)積，即sim(Query,Adword)=sum(QueryPr[i]*AdwordPr[i])(0<==i<10000).在實(shí)際應(yīng)用場(chǎng)景中，由于大多數(shù)主題的概率都為0，所以主題概率數(shù)組往往比較稀疏，在實(shí)現(xiàn)時(shí)會(huì)以一個(gè)緊湊型數(shù)組topic_info_t[]的方式保存，其中100<=數(shù)組大小<=1000，并按照topic_id遞增排列，0<=topic_id<10000,0

現(xiàn)在給出Query的topic_info_t數(shù)組和N(N>=5000)個(gè)Adwords的 topic_info-t數(shù)組，現(xiàn)要求出Query與Adwords的相似度最大值，即max(sim(Query,Adword[i])(0<=i& query_topic_info, Const vector adwords_topic_info[], Int adwords_number);

編寫代碼求時(shí)間復(fù)雜度最低的算法，并給出時(shí)間復(fù)雜度分析。(15分)

三，系統(tǒng)設(shè)計(jì)題(本題共25分)

在企業(yè)中，對(duì)生產(chǎn)數(shù)據(jù)進(jìn)行分析具有很重要的意義。但是生產(chǎn)數(shù)據(jù)通常不能直接用于數(shù)據(jù)分析，通常需要進(jìn)行抽取，轉(zhuǎn)換和加載，也就是業(yè)界常識(shí)的ETL

相關(guān)文章推薦：

應(yīng)對(duì)微軟公司筆試的絕招

愛立信往年筆試真題

谷歌2015招聘筆試試題心得與答案分享

移動(dòng)筆試題目精選