이 기사에서는 인터넷에 오답이 퍼진 논리 면접 문제(분석 포함)를 공유해 드립니다. 정답을 맞힐 수 있는지 스스로 분석해 보세요!
01 이야기의 유래
5개 질문에 100명, 첫 번째 질문에 81명, 두 번째 질문에 91명, 세 번째 질문에 85명, 네 번째 질문에 79명, 네 번째 질문에 74명 사람들은 다섯 번째 질문에 올바르게 대답했습니다.
3개 이상 정답을 맞추신 분들을 합격으로 간주합니다. 그럼 이 100명 중 최소한 몇 명이나 합격할까요?
02 소규모, 두 개의 질문 AB에 대해 생각하기
먼저 두 개의 질문 AB와 100명만 있다고 생각하면 첫 번째 반응은 집합 방법을 사용하는 것입니다.
위의 3가지 상황만 있고, 인원이 100명이 넘으면 첫번째가 불법이므로 후자의 2가지 상황만 있습니다.
다음과 같은 결론을 내릴 수 있습니다.
두 문제 AB를 동시에 맞힌 사람의 수는 최소 72명이었고 최대 81명이었습니다.
두 문제를 모두 맞힌 사람의 수; AB오류는 동시에 최대 9명, 최소 0명이었습니다.
패턴을 찾은 것 같으니, 이 아이디어에 따라 데이터 규모를 더욱 확장하고 세 가지 ABC 질문을 고려해 보겠습니다.
03 규모를 확장해 ABC 3가지 질문
먼저 두 질문 사이의 관계를 생각해 보세요.
세 가지 질문 사이의 관계를 종합해보세요. 잠깐만요, 좀 복잡한 것 같은데요. 선형적인 복잡성은 아닙니다. 죄송합니다. 꼬마 K는 IQ가 조금 부족하고 자폐증이 있습니다.
리틀K는 포기할 준비가 되어 있나요? NO, 포기하지 마세요. 가끔은 벽에 부딪히지 말고 절대 뒤돌아보지 마세요. Xiao K의 다년간의 경험에 따르면, 발견한 패턴이 명확하지 않거나 매우 복잡하지 않다면 일반적으로 잘못된 길을 가고 있다는 의미이므로 전환을 고려해야 합니다. 이때의 사고방식.
04 발상의 전환
위의 내용은 모두 긍정적인 생각이지만 대처하기 어려운 경우를 반대로 생각하시면 됩니다.
3개의 틀린 문제를 만들면 총 19+9+15+21+26=90개의 틀린 문제가 있습니다. 그러면 최대 30명이 실패합니다. , 그러면 최소 70명이 실패할 것입니다. 합격, 완벽합니다.
Wait은 항상 좀 이상하게 느껴집니다. 너무 단순해서가 아니라 정보의 양에 대한 직관에 따르면 이 솔루션은 많은 정보를 무시하고 있기 때문입니다.
전체 개수만 사용하며, 5개 문제에 대한 틀린 문제 개수의 분포는 사용하지 않습니다. 그럼 총 90개 오류가 있다고만 말씀해주시는데 왜 구체적인 숫자를 따로 알려주셔야 할까요?
05 극단적인 사고
위의 해결방법에 따르면, 구체적인 분포는 신경쓰지 않으니, 극단적인 사고를 이용해 특별한 데이터를 구축해 보세요. 예를 들어, 모든 잘못된 질문은 질문 A에 집중되어 있습니다.
아직 총 90문제가 틀렸는데 모두 4문제를 맞췄으니 100명이 합격했어야 하는데 또 자폐증이 생겼네요.
이때 누군가 튀어나올 것 같아요.
Little K: 말씀하신 내용은 일리가 있지만 말문이 막힙니다.
먼저 헛소리하지 말고 좀 더 생각해 봅시다. 이 반례는 한 가지 점을 보여줍니다. 잘못된 질문은 마음대로 균등하게 공유할 수 없으므로 여기서부터 시작하겠습니다.
06 틀린 문제는 고르게 분포되어 있습니다.
먼저 오류 분포를 살펴보세요.
이 잘못된 질문을 대부분의 사람들에게 배포하는 방법.
분석의 편의를 위해 먼저 간단한 예를 작성해 보겠습니다. 예를 들어 잘못된 질문의 분포는 7, 8, 9, 10, 11입니다.
첫 번째 할당:
A, B, C를 7명에게 할당
C, D, E를 2명에게 할당
-
B, D, E를 1명에게 할당
A 총 7+2+1=10명을 배정할 수 있습니다.
두 번째 그룹은 B, C, D 총 11명에게 우선권을 드립니다.
세 번째 유형은 C, D, E 총 12명에게 우선권을 부여합니다.
이 시점에서 우리는 가장 큰 3개 채널에 우선순위를 두는 것이 더 많은 사람들을 확보할 것이라는 패턴을 발견했습니다. 할당 과정에서 가장 큰 3개의 주문이 동적으로 변경되어 탐욕의 아이디어를 불러일으킵니다.
잘못된 질문을 큰 것부터 작은 것 순으로 정렬하세요.
매번 상위 3개를 한 사람에게 할당한 다음 다시 정렬하세요.
마침내 0이 아닌 숫자 3개가 발견되지 않을 때까지, 즉 X,0,0,0,0 또는 X,Y,0,0,0이 될 때까지 위 단계를 반복합니다.
07 Abstract
변환 문제: 5개의 직사각형이 있으며 순서는 임의적일 수 있습니다. 너비가 3인 N개의 직사각형을 자르려면 전체 중첩이 최대한 높아야 합니다. 가장 높은 것은 무엇입니까?
맛을 보시고, 맛을 보시는 것도 같은 문제인가요? 그러니 상위 3개부터 시작해서 조금씩 깎아내세요, 하하.
08 진실이 드러난다
원래 질문으로 돌아가서, 최소한 사람은 몇 명인가요? 비밀번호 테스트 결과입니다.
8.1 코드 구현
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 데이터 테스트
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
그래서 최대 30명이 실패하면 최소 70명이 합격한다는 생각은 같지만. 다른.
09 요약
단순한 질문일지라도 좀 더 깊이 생각해보면 다른 결론이 나올 수도 있습니다. 그리고 이 질문에 대한 인터넷상의 90%의 사람들의 분석은 쉽게 믿지 마십시오. 질문이 있으시면 메시지를 남겨주세요.
관련 추천: "C 언어 비디오 튜토리얼", "PHP 비디오 튜토리얼"
위 내용은 논리 면접 질문을 공유하고 올바르게 답할 수 있는지 확인해보세요!의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

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

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

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


핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

mPDF
mPDF는 UTF-8로 인코딩된 HTML에서 PDF 파일을 생성할 수 있는 PHP 라이브러리입니다. 원저자인 Ian Back은 자신의 웹 사이트에서 "즉시" PDF 파일을 출력하고 다양한 언어를 처리하기 위해 mPDF를 작성했습니다. HTML2FPDF와 같은 원본 스크립트보다 유니코드 글꼴을 사용할 때 속도가 느리고 더 큰 파일을 생성하지만 CSS 스타일 등을 지원하고 많은 개선 사항이 있습니다. RTL(아랍어, 히브리어), CJK(중국어, 일본어, 한국어)를 포함한 거의 모든 언어를 지원합니다. 중첩된 블록 수준 요소(예: P, DIV)를 지원합니다.

SecList
SecLists는 최고의 보안 테스터의 동반자입니다. 보안 평가 시 자주 사용되는 다양한 유형의 목록을 한 곳에 모아 놓은 것입니다. SecLists는 보안 테스터에게 필요할 수 있는 모든 목록을 편리하게 제공하여 보안 테스트를 더욱 효율적이고 생산적으로 만드는 데 도움이 됩니다. 목록 유형에는 사용자 이름, 비밀번호, URL, 퍼징 페이로드, 민감한 데이터 패턴, 웹 셸 등이 포함됩니다. 테스터는 이 저장소를 새로운 테스트 시스템으로 간단히 가져올 수 있으며 필요한 모든 유형의 목록에 액세스할 수 있습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

안전한 시험 브라우저
안전한 시험 브라우저는 온라인 시험을 안전하게 치르기 위한 보안 브라우저 환경입니다. 이 소프트웨어는 모든 컴퓨터를 안전한 워크스테이션으로 바꿔줍니다. 이는 모든 유틸리티에 대한 액세스를 제어하고 학생들이 승인되지 않은 리소스를 사용하는 것을 방지합니다.

PhpStorm 맥 버전
최신(2018.2.1) 전문 PHP 통합 개발 도구
