各位想要加入虹软科技的学弟学妹们
请务必认真阅读本条推送哦~
本试卷满分为100分，一共分为三个部分。
线上考试时间
8月21日 10:00--12:00
第一部分不定项选择：共15题，满分45分（多选题，未选全给1分）
第二部分论述题：共4题，满分35分，多做多得分
其中1道题必做，剩余三道中选做一道即可
（投递算法优化岗位的同学，请务必选择算法优化选做题）
第三部分
编程题：共2题，满分20分
PS：测试类、产品类：简历优秀、直接面试、不安排集中笔试
开发类：与正式批次一并安排笔试
笔试范围No.1 数学基础
概率论基本的排列组合，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。、
No.2 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。
No.3 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。
代码优化
涉及到硬件平台相关的代码优化，包括x86、arm、dsp等平台，例如neon、sse、cuda、opencl等优化方法。
此部分应该只有投递优化岗位的同学需要准备。
No.4 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。
No.5 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。
试考点覆盖面相对较广
鉴于很难完全复习到位
大家可以根据自己投递的职位方向
有重点地复习准备！
看完这条笔试指南
大家切记做好大展身手的准备哦！
来为梦想努力拼搏吧！
虹哥在这里等着你们的到来
全部评论
(4) 回帖