目次
01 話の由来
02 小規模、2 つの質問について考えます AB
03 スケールを拡大、ABC 3 つの質問
04 思考を切り替える
05 極端な考え方
06 間違った質問は均等に分布しています
07 要約
08 真実が明らかになる
09 まとめ
ホームページ バックエンド開発 C#.Net チュートリアル 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。

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。

Mar 09, 2022 am 10:43 AM
アルゴリズム

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?

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

# 2 番目のタイプでは、B、C、D の合計 11 名が優先されます。

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。#3 番目のタイプは、C、D、E の合計 12 名が優先されます。

1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。#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)。

1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。

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;
}
ログイン後にコピー

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
ログイン後にコピー

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。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

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

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

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

CLIP-BEVFormer: BEVFormer 構造を明示的に監視して、ロングテール検出パフォーマンスを向上させます。 CLIP-BEVFormer: BEVFormer 構造を明示的に監視して、ロングテール検出パフォーマンスを向上させます。 Mar 26, 2024 pm 12:41 PM

上記および筆者の個人的な理解: 現在、自動運転システム全体において、認識モジュールが重要な役割を果たしている。道路を走行する自動運転車は、認識モジュールを通じてのみ正確な認識結果を得ることができる。下流の規制および制御モジュール自動運転システムでは、タイムリーかつ正確な判断と行動決定が行われます。現在、自動運転機能を備えた自動車には通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなどのさまざまなデータ情報センサーが搭載されており、さまざまなモダリティで情報を収集して正確な認識タスクを実現しています。純粋な視覚に基づく BEV 認識アルゴリズムは、ハードウェア コストが低く導入が容易であるため、業界で好まれており、その出力結果はさまざまな下流タスクに簡単に適用できます。

C++ での機械学習アルゴリズムの実装: 一般的な課題と解決策 C++ での機械学習アルゴリズムの実装: 一般的な課題と解決策 Jun 03, 2024 pm 01:25 PM

C++ の機械学習アルゴリズムが直面する一般的な課題には、メモリ管理、マルチスレッド、パフォーマンスの最適化、保守性などがあります。解決策には、スマート ポインター、最新のスレッド ライブラリ、SIMD 命令、サードパーティ ライブラリの使用、コーディング スタイル ガイドラインの遵守、自動化ツールの使用が含まれます。実践的な事例では、Eigen ライブラリを使用して線形回帰アルゴリズムを実装し、メモリを効果的に管理し、高性能の行列演算を使用する方法を示します。

C++sort 関数の基礎となる原則とアルゴリズムの選択を調べる C++sort 関数の基礎となる原則とアルゴリズムの選択を調べる Apr 02, 2024 pm 05:36 PM

C++sort 関数の最下層はマージ ソートを使用し、その複雑さは O(nlogn) で、クイック ソート、ヒープ ソート、安定したソートなど、さまざまなソート アルゴリズムの選択肢を提供します。

人工知能は犯罪を予測できるのか? CrimeGPT の機能を調べる 人工知能は犯罪を予測できるのか? CrimeGPT の機能を調べる Mar 22, 2024 pm 10:10 PM

人工知能 (AI) と法執行機関の融合により、犯罪の予防と検出の新たな可能性が開かれます。人工知能の予測機能は、犯罪行為を予測するためにCrimeGPT (犯罪予測技術) などのシステムで広く使用されています。この記事では、犯罪予測における人工知能の可能性、その現在の応用、人工知能が直面する課題、およびこの技術の倫理的影響について考察します。人工知能と犯罪予測: 基本 CrimeGPT は、機械学習アルゴリズムを使用して大規模なデータセットを分析し、犯罪がいつどこで発生する可能性があるかを予測できるパターンを特定します。これらのデータセットには、過去の犯罪統計、人口統計情報、経済指標、気象パターンなどが含まれます。人間のアナリストが見逃す可能性のある傾向を特定することで、人工知能は法執行機関に力を与えることができます

改良された検出アルゴリズム: 高解像度の光学式リモートセンシング画像でのターゲット検出用 改良された検出アルゴリズム: 高解像度の光学式リモートセンシング画像でのターゲット検出用 Jun 06, 2024 pm 12:33 PM

01 今後の概要 現時点では、検出効率と検出結果の適切なバランスを実現することが困難です。我々は、光学リモートセンシング画像におけるターゲット検出ネットワークの効果を向上させるために、多層特徴ピラミッド、マルチ検出ヘッド戦略、およびハイブリッドアテンションモジュールを使用して、高解像度光学リモートセンシング画像におけるターゲット検出のための強化されたYOLOv5アルゴリズムを開発しました。 SIMD データセットによると、新しいアルゴリズムの mAP は YOLOv5 より 2.2%、YOLOX より 8.48% 優れており、検出結果と速度のバランスがより優れています。 02 背景と動機 リモート センシング技術の急速な発展に伴い、航空機、自動車、建物など、地表上の多くの物体を記述するために高解像度の光学式リモート センシング画像が使用されています。リモートセンシング画像の判読における物体検出

Jiuzhang Yunji DataCanvas マルチモーダル大規模モデル プラットフォームの実践と考察 Jiuzhang Yunji DataCanvas マルチモーダル大規模モデル プラットフォームの実践と考察 Oct 20, 2023 am 08:45 AM

1. マルチモーダル大型モデルの発展の歴史 上の写真は、1956 年に米国のダートマス大学で開催された最初の人工知能ワークショップです。このカンファレンスが人工知能開発の始まりとも考えられています。記号論理学の先駆者たち(前列中央の神経生物学者ピーター・ミルナーを除く)。しかし、この記号論理理論は長い間実現できず、1980 年代と 1990 年代に最初の AI の冬の到来さえもたらしました。最近の大規模な言語モデルが実装されて初めて、ニューラル ネットワークが実際にこの論理的思考を担っていることがわかりました。神経生物学者ピーター ミルナーの研究は、その後の人工ニューラル ネットワークの開発に影響を与えました。彼が参加に招待されたのはこのためです。このプロジェクトでは。

58 ポートレート プラットフォームの構築におけるアルゴリズムの適用 58 ポートレート プラットフォームの構築におけるアルゴリズムの適用 May 09, 2024 am 09:01 AM

1. 58 Portraits プラットフォーム構築の背景 まず、58 Portraits プラットフォーム構築の背景についてお話ししたいと思います。 1. 従来のプロファイリング プラットフォームの従来の考え方ではもはや十分ではありません。ユーザー プロファイリング プラットフォームを構築するには、複数のビジネス分野からのデータを統合して、ユーザーの行動や関心を理解するためのデータ マイニングも必要です。最後に、ユーザー プロファイル データを効率的に保存、クエリ、共有し、プロファイル サービスを提供するためのデータ プラットフォーム機能も必要です。自社構築のビジネス プロファイリング プラットフォームとミドルオフィス プロファイリング プラットフォームの主な違いは、自社構築のプロファイリング プラットフォームは単一のビジネス ラインにサービスを提供し、オンデマンドでカスタマイズできることです。ミッドオフィス プラットフォームは複数のビジネス ラインにサービスを提供し、複雑な機能を備えていることです。モデリングを提供し、より一般的な機能を提供します。 2.58 中間プラットフォームのポートレート構築の背景のユーザーのポートレート 58

SOTA をリアルタイムで追加すると、大幅に増加します。 FastOcc: より高速な推論と展開に適した Occ アルゴリズムが登場しました。 SOTA をリアルタイムで追加すると、大幅に増加します。 FastOcc: より高速な推論と展開に適した Occ アルゴリズムが登場しました。 Mar 14, 2024 pm 11:50 PM

上記と著者の個人的な理解は、自動運転システムにおいて、認識タスクは自動運転システム全体の重要な要素であるということです。認識タスクの主な目的は、自動運転車が道路を走行する車両、路側の歩行者、運転中に遭遇する障害物、道路上の交通標識などの周囲の環境要素を理解して認識できるようにすることで、それによって下流のシステムを支援できるようにすることです。モジュール 正しく合理的な決定と行動を行います。自動運転機能を備えた車両には、通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなど、さまざまな種類の情報収集センサーが装備されており、自動運転車が正確に認識し、認識できるようにします。周囲の環境要素を理解することで、自動運転車が自動運転中に正しい判断を下せるようになります。頭

See all articles