我不是招聘人员。我是一个软件工程师。正因为如此,我知道被要求当场想出聪明的算法,然后在白板上写出完美的代码是什么感觉。作为一个求职者和面试官,我都经历过这些。

破解编码面试,第六版是在这里帮助你通过这个过程,教你需要知道的,并使你在你最好的表现。我曾经指导和面试过成百上千的软件工程师。结果就是这本书。

学习如何发现问题中的提示和隐藏的细节,如何把问题分解成易于处理的小块,学习技术让自己摆脱困境,学习(或重新学习)核心的计算机科学概念,并练习189个面试问题和解决方案。

这些面试问题都是真实的;它们不是从计算机科学教科书中抽出来的。它们反映了顶级公司真正要问的问题,所以你可以尽可能地做好准备。里面有什么

  • 189个编程面试问题,从基础到最棘手的算法问题。
  • 一个如何推导每个解决方案的演练,以便您可以学习如何自己到达那里。
  • 如何解决这189个问题的提示,就像你在真正的面试中会得到的那样。
  • 解决算法问题的五种已被证实的策略,这样你就可以解决你从未见过的问题。
  • 广泛覆盖基本主题,如大O时间,数据结构,和核心算法。
  • 看看像谷歌和Facebook这样的顶级公司是如何雇佣开发人员的。
  • 准备并战胜面试软面的技巧:行为性问题。
  • 对于面试官和公司:详细说明怎样才能提出一个好的面试问题和招聘流程。
成为VIP会员查看完整内容
0
39

相关内容

本书使用高级Python语言首次介绍科学应用的计算机编程。该阐述以实例和问题为导向,其中应用程序取自数学、数值微积分、统计学、物理学、生物学和金融。这本书教授“matlab风格”和过程编程以及面向对象编程。高中数学是一个必要的背景,它有利于学习经典和数字一元微积分并行阅读这本书。除了学习如何编写计算机程序,读者还将学习如何利用数值方法和程序设计来解决科学和工程的各个分支中出现的数学问题。通过混合编程,数学和科学应用,这本书为实践计算科学奠定了坚实的基础。

这本书的目的是使用从数学和自然科学的例子来教授计算机编程。我们选择使用Python编程语言,因为它结合了非凡的表达能力和非常干净、简单和紧凑的语法。Python很容易学习,非常适合作为计算机编程的入门。Python也非常类似于MATLAB,是一种很好的数学计算语言。将Python与编译语言(如Fortran、C和c++)相结合很容易,这些语言被广泛用于科学计算。

本书中的例子将编程与数学、物理、生物和金融的应用程序相结合。读者需要具备基本的一元微积分知识,在高中数学强化课程中教授。这当然是一个优势,以并行的大学微积分课程,最好包含经典和数值方面的微积分。虽然不是严格要求,高中物理背景使许多例子更有意义。

许多入门编程书籍都很紧凑,重点是列出编程语言的功能。然而,学习编程就是学习如何像程序员一样思考。这本书主要关注的是思考过程,或者等价地说: 编程是一种解决问题的技术。这就是为什么大多数页面都致力于编程中的案例研究,在这里我们定义一个问题并解释如何创建相应的程序。新的结构和编程风格(我们可以称之为理论)通常也通过示例介绍。

成为VIP会员查看完整内容
0
34

《数据科学设计手册》提供了实用的见解,突出了分析数据中真正重要的东西,并提供了如何使用这些核心概念的直观理解。这本书没有强调任何特定的编程语言或数据分析工具套件,而是专注于重要设计原则的高级讨论。这个易于阅读的文本理想地服务于本科生和早期研究生的需要,开始“数据科学入门”课程。它揭示了这门学科是如何以其独特的分量和特点,处于统计学、计算机科学和机器学习的交叉领域。在这些和相关领域的从业者会发现这本书完美的自学以及。

《数据科学设计手册》是数据科学的介绍,重点介绍建立收集、分析和解释数据的系统所需的技能和原则。作为一门学科,数据科学位于统计学、计算机科学和机器学习的交汇处,但它正在构建自己独特的分量和特征。

这本书涵盖了足够的材料在本科或早期研究生水平的“数据科学入门”课程。在这里可以找到教学这门课程的全套讲课幻灯片,以及项目和作业的数据资源,以及在线视频讲座。

成为VIP会员查看完整内容
0
37

C++是一种功能强大、高度灵活、适应性强的编程语言,它允许软件工程师快速有效地组织和处理信息。但是,即使您已经掌握了C编程语言,也很难掌握这种高级语言。实用c++编程的第二版是一个完整的介绍c++语言的程序员谁正在学习c++。这第二版反映了c++标准的最新变化,它采取了一种实用的脚踏实地的方法,着重强调了如何设计干净、优雅的代码。简而言之,切中要点的章节,涵盖了编程的所有方面,包括风格、软件工程、编程设计、面向对象设计和调试。它还涵盖了常见的错误以及如何发现(和避免)它们。章节结束练习帮助你确保你已经掌握了材料。实用c++编程彻底涵盖:

http://www.oualline.com/books.free/teach/intro.html

C++语法 编码标准和风格 对象类的创建和使用 模板 调试和优化 使用c++预处理器

成为VIP会员查看完整内容
0
34

人工智能是由机器表现出来的智能,而不是由人类表现出来的智能。

这本书涵盖了人工智能的各个领域的基本概念,如人工神经网络,自然语言处理,机器学习,深度学习,遗传算法等,以及它在Python中的实现。

这本书将是有用的毕业生,研究生,和研究学生谁有兴趣在这个课题或有这个课题作为他们的课程的一部分。读者可以是初学者,也可以是高级学习者。

成为VIP会员查看完整内容
0
47

这本书是为任何想学习如何开发机器学习系统的人准备的。我们将从理论和实践两方面涵盖关于机器学习算法的最重要概念,并将使用Python编程语言中的Scikit-learn库实现许多机器学习算法。在第一章中,您将学习机器学习最重要的概念,在下一章中,您将主要学习分类。在最后一章中,你将学习如何训练你的模型。我假定你已经了解了编程的基础知识。

成为VIP会员查看完整内容
0
92

欢迎学习Python的基础知识。不仅仅是高级语法和编写干净代码的熟练技巧的集合,您将学习如何通过使用命令行和其他专业工具(如代码格式化器、类型检查器、linters和版本控制)来提高您的Python编程技能。

Sweigart带您通过设置开发环境、命名变量和提高可读性的最佳实践,然后处理文档、组织和性能度量,以及面向对象设计和编程面试中常用的Big-O算法分析。你所学的技能将会提高你编程的能力——不仅仅是用Python,而是用任何语言。

https://nostarch.com/beyond-basic-stuff-python

你将学习:

  • 编码风格,以及如何使用Python的黑色自动格式化工具来更简洁的代码
  • bug的常见来源,以及如何使用静态分析器检测它们
  • 如何使用Cookiecutter模板工具在你的代码项目中构造文件
  • 函数式编程技术,如lambda和高阶函数
  • 如何使用Python内置的timeit和cProfile模块来配置代码的速度
  • Big-O算法分析背后的计算机科学
  • 要使您的注释和文档字符串提供信息,以及编写它们的频率
  • 在面向对象编程中如何创建类,以及为什么它们被用于组织代码
  • 在本书的末尾,您将阅读两个经典命令行游戏的详细源代码分解,它们是河内塔(一个逻辑谜题)和四人一排(一个双人游戏),以及它们的代码是如何遵循本书的最佳实践的。你可以通过自己实施这个计划来测试你的技能。
  • 当然,没有哪本书可以使您成为专业的软件开发人员。但是,在Python的基础知识之外,当你学习编写易于调试和完全Python化的可读代码时,你会在这条道路上走得更远,并使你成为一个更好的程序员
成为VIP会员查看完整内容
0
57

如果您是用Python编程的新手,并且正在寻找可靠的介绍,那么这本书就是为您准备的。由计算机科学教师开发,在“为绝对初学者”系列丛书通过简单的游戏创造教授编程的原则。您将获得实际的Python编程应用程序所需的技能,并将了解如何在真实场景中使用这些技能。在整个章节中,你会发现一些代码示例来说明所提出的概念。在每一章的结尾,你会发现一个完整的游戏,展示了这一章的关键思想,一章的总结,以及一系列的挑战来测试你的新知识。当你读完这本书的时候,你将非常精通Python,并且能够将你所学到的基本编程原理应用到你要处理的下一种编程语言。

成为VIP会员查看完整内容
0
114

有兴趣的数据科学专业人士可以通过本书学习Scikit-Learn图书馆以及机器学习的基本知识。本书结合了Anaconda Python发行版和流行的Scikit-Learn库,演示了广泛的有监督和无监督机器学习算法。通过用Python编写的清晰示例,您可以在家里自己的机器上试用和试验机器学习的原理。

所有的应用数学和编程技能需要掌握的内容,在这本书中涵盖。不需要深入的面向对象编程知识,因为工作和完整的例子被提供和解释。必要时,编码示例是深入和复杂的。它们也简洁、准确、完整,补充了介绍的机器学习概念。使用示例有助于建立必要的技能,以理解和应用复杂的机器学习算法。

对于那些在机器学习方面追求职业生涯的人来说,Scikit-Learn机器学习应用手册是一个很好的起点。学习这本书的学生将学习基本知识,这是胜任工作的先决条件。读者将接触到专门为数据科学专业人员设计的蟒蛇分布,并将在流行的Scikit-Learn库中构建技能,该库是Python世界中许多机器学习应用程序的基础。

你将学习

  • 使用Scikit-Learn中常见的简单和复杂数据集
  • 将数据操作为向量和矩阵,以进行算法处理
  • 熟悉数据科学中使用的蟒蛇分布
  • 应用带有分类器、回归器和降维的机器学习
  • 优化算法并为每个数据集找到最佳算法
  • 从CSV、JSON、Numpy和panda格式加载数据并保存为这些格式

这本书是给谁的

  • 有抱负的数据科学家渴望通过掌握底层的基础知识进入机器学习领域,而这些基础知识有时在急于提高生产力的过程中被忽略了。一些面向对象编程的知识和非常基本的线性代数应用将使学习更容易,尽管任何人都可以从这本书获益。
成为VIP会员查看完整内容
0
155

改进您的编程技术和方法,成为一个更有生产力和创造性的Python程序员。本书探索了一些概念和特性,这些概念和特性不仅将改进您的代码,而且还将帮助您理解Python社区,并对Python哲学有深入的了解和详细的介绍。

专业的Python 3,第三版给你的工具写干净,创新的代码。它首先回顾了一些核心的Python原则,这些原则将在本书后面的各种概念和示例中进行说明。本书的前半部分探讨了函数、类、协议和字符串的各个方面,描述了一些技术,这些技术可能不是常见的知识,但它们共同构成了坚实的基础。后面的章节涉及文档、测试和应用程序分发。在此过程中,您将开发一个复杂的Python框架,该框架将整合在本书中所学到的思想。

这个版本的更新包括Python 3中迭代器的角色、用Scrapy和BeautifulSoup进行web抓取、使用请求调用没有字符串的web页面、用于分发和安装的新工具等等。在本书的最后,您将准备好部署不常见的特性,这些特性可以将您的Python技能提升到下一个级别。

你将学习

  • 用各种类型的Python函数实现程序
  • 使用类和面向对象编程
  • 使用标准库和第三方库中的字符串
  • 使用Python获取web站点数据
  • 通过编写测试套件来自动化单元测试
  • 回顾成像、随机数生成和NumPy科学扩展
  • 理解Python文档的精髓,以帮助您决定分发代码的最佳方式

这本书是给谁看的 熟悉Python的中级程序员,希望提升到高级水平。您应该至少编写了一个简单的Python应用程序,并且熟悉基本的面向对象方法、使用交互式解释器和编写控制结构。

成为VIP会员查看完整内容
0
141
小贴士
相关主题
相关VIP内容
专知会员服务
34+阅读 · 6月27日
专知会员服务
31+阅读 · 4月30日
专知会员服务
37+阅读 · 4月27日
专知会员服务
34+阅读 · 4月23日
专知会员服务
47+阅读 · 3月23日
专知会员服务
57+阅读 · 2020年12月26日
专知会员服务
114+阅读 · 2020年8月14日
专知会员服务
155+阅读 · 2020年6月10日
相关资讯
三本书,帮你解决阅读难题
罗辑思维
3+阅读 · 2019年6月13日
研究SLAM,对编程的要求有多高?
计算机视觉life
22+阅读 · 2019年2月18日
如何入门并成为一名出色的算法工程师?
【干货】数据科学与机器学习面试指南
专知
4+阅读 · 2018年5月1日
如何解决自然语言处理中 90% 的问题
AI研习社
4+阅读 · 2018年2月15日
一个年薪30万的应届生告诉你应该如何学“算法”!
全球人工智能
4+阅读 · 2018年1月23日
2017年最受欢迎的10个编程挑战网站
算法与数据结构
9+阅读 · 2017年11月22日
相关论文
Mario Beykirch,Tim Janke,Imed Tayeche,Florian Steinke
0+阅读 · 7月22日
Video Super Resolution Based on Deep Learning: A Comprehensive Survey
Hongying Liu,Zhubo Ruan,Peng Zhao,Chao Dong,Fanhua Shang,Yuanyuan Liu,Linlin Yang
8+阅读 · 2020年12月20日
Transfer Learning in Deep Reinforcement Learning: A Survey
Zhuangdi Zhu,Kaixiang Lin,Jiayu Zhou
15+阅读 · 2020年9月16日
Kazuki Irie,Albert Zeyer,Ralf Schlüter,Hermann Ney
5+阅读 · 2019年7月11日
Knowledge Flow: Improve Upon Your Teachers
Iou-Jen Liu,Jian Peng,Alexander G. Schwing
4+阅读 · 2019年4月11日
Risk-Aware Active Inverse Reinforcement Learning
Daniel S. Brown,Yuchen Cui,Scott Niekum
4+阅读 · 2019年1月8日
Brett Daley,Christopher Amato
4+阅读 · 2018年10月23日
A Multi-Objective Deep Reinforcement Learning Framework
Thanh Thi Nguyen
9+阅读 · 2018年6月27日
Zhenxin Wang,Sayan Sarcar,Jingxin Liu,Yilin Zheng,Xiangshi Ren
9+阅读 · 2018年4月20日
Iulian V. Serban,Chinnadhurai Sankar,Mathieu Germain,Saizheng Zhang,Zhouhan Lin,Sandeep Subramanian,Taesup Kim,Michael Pieper,Sarath Chandar,Nan Rosemary Ke,Sai Rajeswar,Alexandre de Brebisson,Jose M. R. Sotelo,Dendi Suhubdy,Vincent Michalski,Alexandre Nguyen,Joelle Pineau,Yoshua Bengio
10+阅读 · 2018年1月20日
Top