この記事では、間違った答えがインターネット上に広まった論理的な面接の質問 (分析付き) を紹介します。自分自身で分析して、正しく答えられるかどうかを確認してください。
01 話の由来
100 人が 5 つの質問に正解し、81 人が最初の質問に正解し、91 人が 2 番目の質問に正解し、85 人が 3 番目の質問に正解し、79 人が正解しました。 4 番目の質問に正解しました。 、5 番目の質問に 74 人が正解しました。
3 問以上正解した人が合格したとみなされるのですが、100 人のうち何人が合格したのでしょうか?
02 小規模、2 つの質問について考えます AB
まずは 2 つの質問 AB、100 人しかない場合を考えます反応 それは収集方法で行われます。
状況は全部で上記の 3 つだけですが、前者は人数が 100 人を超えると不正となるため、後者 2 つの状況のみが存在します。
次の結論が導き出されます:
質問 AB に同時に回答した人は少なくとも 72 人、最大 81 人です。
同時に、問題 AB と AB を間違えた人の最大数は 9 人、最小数は 0 人でした。
パターンが見えてきたようなので、この考え方に従ってさらにデータ規模を拡大し、ABCの3つの質問について考えていきます。
03 スケールを拡大、ABC 3 つの質問
まず、それぞれの 2 つの質問間の関係を考えます。
次に、3 つの質問間の関係を総合します。ちょっと待ってください。少し複雑ですね。これは直線的な複雑さではありません。申し訳ありませんが、K ちゃんは IQ が少し不十分で、自閉症です。
リトル K は諦める準備ができていますか? いいえ、決して諦める必要はありません。時には、壁にぶつからず、決して振り返らないようにしてください。Xiao K の長年の経験に基づくと、見つけたパターンが明白でない場合、または非常に複雑な場合は、通常、間違った道を進んでいることを意味するため、方向を変えることを検討する必要があります。この時の考え方。
04 思考を切り替える
上記はすべてポジティブシンキングですが、対処が難しいので、逆の思考をすることもできます。
3 問間違えれば不合格です。間違える問題は合計 19 9 15 21 26 = 90 問あります。すると、90/3 = 30 となります。多くても 30 人が不合格となるため、少なくとも 70 人が合格すれば合格となり、それで終わりです。
「待つ」はいつも少し奇妙に感じますが、それは単純すぎるからではなく、情報量に関する私の直感から、このソリューションでは多くの情報が無視されていることがわかるからです。
総数のみを使用し、5 問の不正解数の分布は使用しません。それから、合計 90 件のエラーがあるとだけ伝えてください。なぜ具体的な数字を別に言わなければならないのでしょうか。これは本当に誤解を招く情報なのでしょうか?
05 極端な考え方
上記の解決策によれば、特定の分布は気にしないため、極端な考え方を使用して特別なデータを構築します。たとえば、すべての間違った問題は問題 A に集中しています。
まだ全部で90問不正解ですが、全員が4問正解したので100人は合格するはずで、また自閉症です。
この時、弾幕魂が飛び出してきているはずです。
リトル K: あなたの言ったことは理にかなっていますが、私は言葉が出ません。
冗談は言わないので、さらに考えてみましょう。この反例は、間違った質問は意のままに均等に共有できないという 1 つのポイントを示しています。したがって、この点から始めましょう。
06 間違った質問は均等に分布しています
まず、間違いの分布を確認します。
これらの間違った質問を多くの人に配布する方法。
分析しやすいように、まず簡単な例を書いてみましょう。たとえば、間違った問題の分布は 7、8、9、10、11 です。
最初の割り当て:
A、B、C を 7 人に割り当てます
割り当て C、D、割り当てE を 2 人に割り当てます
B、D、E を 1 人に割り当てます
合計 7 2 1=10 人を割り当てることができます。
#3 番目のタイプは、C、D、E の合計 12 名が優先されます。
#ここでパターンを発見しました。3 つの最大のチャネルを優先すると、より多くの人々が集まります。割り当てプロセス中に、最大 3 つの注文が動的に変化するため、貪欲な考えが刺激されます。
- 間違った質問を最大から最小の順に並べ替えます。
- 最大の質問上位 3 つを毎回 1 人に割り当て、並べ替えます。
最終的に 0 以外の 3 つの数値が見つからなくなるまで、つまり X,0,0,0,0 または X,Y,0,0,0 になるまで、上記の手順を繰り返します。 。
07 要約
変換問題: 5 つの長方形がありますが、順序は任意です。幅 3 の N 個の長方形を切り出すには、全体の重ね合わせができるだけ高くなければなりません。最高はどれですか?
味わってください、注意深く味わってください、これは同じ問題ですか?だから、トップ 3 から始めて、少しずつ進めていきましょう(笑)。
08 真実が明らかになる
元の質問に戻りますが、少なくとも何人いますか?パスコードのテスト結果。
8.1 コードの実装
int main() { int a[5], ans = 0; for (int i = 0; i < 5; ++i) { cin >> a[i]; } sort(a, a + 5, compare); while (a[2] > 0) { a[0]--; a[1]--; a[2]--; sort(a, a + 5, compare); ans++; for (int i = 0; i < 5; ++i) { cout << a[i] << " "; } cout << endl; } cout << "ans=" << ans << endl; return 0; }
8.2 データ テスト
25 20 18 15 9 24 19 17 15 9 23 18 16 15 9 22 17 15 15 9 21 16 15 14 9 20 15 14 14 9 19 14 14 13 9 18 13 13 13 9 17 13 12 12 9 16 12 12 11 9 15 11 11 11 9 14 11 10 10 9 13 10 10 9 9 12 9 9 9 9 11 9 9 8 8 10 8 8 8 8 9 8 8 7 7 8 7 7 7 7 7 7 7 6 6 6 6 6 6 6 6 6 5 5 5 5 5 5 5 4 5 4 4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 1 2 1 1 1 1 1 1 1 0 0 0 0 0 0 0 ans=30
つまり、多くても30人が不合格、少なくとも70人が合格ということになり、答えは同じでも考え方が異なります。
09 まとめ
一見単純な質問についてもっと深く考えてみると、もしかしたら違う結論が見つかるかもしれません。また、他の人の分析を簡単に信じないでください。インターネット上の 90% の人々は、この問題について間違っています。また、私の分析が厳密かどうかを確認することもできます。ご質問がある場合は、メッセージを残してフィードバックをお寄せください。ありがとうございます。
関連する推奨事項: 「C 言語ビデオ チュートリアル 」、「PHP ビデオ チュートリアル 」
以上が論理的な面接の質問を共有して、正しく答えられるかどうかを確認してください。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

特斯拉是一个典型的AI公司,过去一年训练了75000个神经网络,意味着每8分钟就要出一个新的模型,共有281个模型用到了特斯拉的车上。接下来我们分几个方面来解读特斯拉FSD的算法和模型进展。01 感知 Occupancy Network特斯拉今年在感知方面的一个重点技术是Occupancy Network (占据网络)。研究机器人技术的同学肯定对occupancy grid不会陌生,occupancy表示空间中每个3D体素(voxel)是否被占据,可以是0/1二元表示,也可以是[0, 1]之间的

译者 | 朱先忠审校 | 孙淑娟在我之前的博客中,我们已经了解了如何使用因果树来评估政策的异质处理效应。如果你还没有阅读过,我建议你在阅读本文前先读一遍,因为我们在本文中认为你已经了解了此文中的部分与本文相关的内容。为什么是异质处理效应(HTE:heterogenous treatment effects)呢?首先,对异质处理效应的估计允许我们根据它们的预期结果(疾病、公司收入、客户满意度等)选择提供处理(药物、广告、产品等)的用户(患者、用户、客户等)。换句话说,估计HTE有助于我

译者 | 朱先忠审校 | 孙淑娟引言模型超参数(或模型设置)的优化可能是训练机器学习算法中最重要的一步,因为它可以找到最小化模型损失函数的最佳参数。这一步对于构建不易过拟合的泛化模型也是必不可少的。优化模型超参数的最著名技术是穷举网格搜索和随机网格搜索。在第一种方法中,搜索空间被定义为跨越每个模型超参数的域的网格。通过在网格的每个点上训练模型来获得最优超参数。尽管网格搜索非常容易实现,但它在计算上变得昂贵,尤其是当要优化的变量数量很大时。另一方面,随机网格搜索是一种更快的优化方法,可以提供更好的

导读:因果推断是数据科学的一个重要分支,在互联网和工业界的产品迭代、算法和激励策略的评估中都扮演者重要的角色,结合数据、实验或者统计计量模型来计算新的改变带来的收益,是决策制定的基础。然而,因果推断并不是一件简单的事情。首先,在日常生活中,人们常常把相关和因果混为一谈。相关往往代表着两个变量具有同时增长或者降低的趋势,但是因果意味着我们想要知道对一个变量施加改变的时候会发生什么样的结果,或者说我们期望得到反事实的结果,如果过去做了不一样的动作,未来是否会发生改变?然而难点在于,反事实的数据往往是

SimCLR(Simple Framework for Contrastive Learning of Representations)是一种学习图像表示的自监督技术。 与传统的监督学习方法不同,SimCLR 不依赖标记数据来学习有用的表示。 它利用对比学习框架来学习一组有用的特征,这些特征可以从未标记的图像中捕获高级语义信息。SimCLR 已被证明在各种图像分类基准上优于最先进的无监督学习方法。 并且它学习到的表示可以很容易地转移到下游任务,例如对象检测、语义分割和小样本学习,只需在较小的标记

一、盒马供应链介绍1、盒马商业模式盒马是一个技术创新的公司,更是一个消费驱动的公司,回归消费者价值:买的到、买的好、买的方便、买的放心、买的开心。盒马包含盒马鲜生、X 会员店、盒马超云、盒马邻里等多种业务模式,其中最核心的商业模式是线上线下一体化,最快 30 分钟到家的 O2O(即盒马鲜生)模式。2、盒马经营品类介绍盒马精选全球品质商品,追求极致新鲜;结合品类特点和消费者购物体验预期,为不同品类选择最为高效的经营模式。盒马生鲜的销售占比达 60%~70%,是最核心的品类,该品类的特点是用户预期时

1.线性回归线性回归(Linear Regression)可能是最流行的机器学习算法。线性回归就是要找一条直线,并且让这条直线尽可能地拟合散点图中的数据点。它试图通过将直线方程与该数据拟合来表示自变量(x 值)和数值结果(y 值)。然后就可以用这条线来预测未来的值!这种算法最常用的技术是最小二乘法(Least of squares)。这个方法计算出最佳拟合线,以使得与直线上每个数据点的垂直距离最小。总距离是所有数据点的垂直距离(绿线)的平方和。其思想是通过最小化这个平方误差或距离来拟合模型。例如

译者 | 李睿 审校 | 孙淑娟随着机器学习成为人们每天都在使用的很多应用程序的一部分,人们越来越关注如何识别和解决机器学习模型的安全和隐私方面的威胁。 然而,不同机器学习范式面临的安全威胁各不相同,机器学习安全的某些领域仍未得到充分研究。尤其是强化学习算法的安全性近年来并未受到太多关注。 加拿大的麦吉尔大学、机器学习实验室(MILA)和滑铁卢大学的研究人员开展了一项新研究,主要侧重于深度强化学习算法的隐私威胁。研究人员提出了一个框架,用于测试强化学习模型对成员推理攻击的脆弱性。 研究


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

Safe Exam Browser
Safe Exam Browser は、オンライン試験を安全に受験するための安全なブラウザ環境です。このソフトウェアは、あらゆるコンピュータを安全なワークステーションに変えます。あらゆるユーティリティへのアクセスを制御し、学生が無許可のリソースを使用するのを防ぎます。

ZendStudio 13.5.1 Mac
強力な PHP 統合開発環境

MinGW - Minimalist GNU for Windows
このプロジェクトは osdn.net/projects/mingw に移行中です。引き続きそこでフォローしていただけます。 MinGW: GNU Compiler Collection (GCC) のネイティブ Windows ポートであり、ネイティブ Windows アプリケーションを構築するための自由に配布可能なインポート ライブラリとヘッダー ファイルであり、C99 機能をサポートする MSVC ランタイムの拡張機能が含まれています。すべての MinGW ソフトウェアは 64 ビット Windows プラットフォームで実行できます。

SublimeText3 中国語版
中国語版、とても使いやすい

EditPlus 中国語クラック版
サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

ホットトピック



