zoukankan      html  css  js  c++  java
  • 腾讯面试经历小记

    今天早上突然接到了腾讯的电话,要我下午去面试。于是赶紧起床,上网搜各种面试题。随便看了几题后,发现都好难啊,算了,到时候知道什么就回答什么吧。整理了下仪表就出发了。

    今天天气很好,我骑车从清华西门出发,穿越北大,来到了银科大厦,据说这里16-21楼都是腾讯公司的地盘。到了20楼,一个年轻的帅哥领我进去。腾讯的办公环境很大、很宽松。面试我的是两个面试官,除了刚才那位帅哥,还有一位美女(后来知道是电子系3字班的直系学姐)。帅哥对我说:“不用紧张,随便聊聊~”。

    刚开始,他们问了我一些个人情况,比如现在几年级啊,能实习多久啊,毕业后是否准备工作……等等。接着,他们看着我的简历,问我做过的一些项目的情况。我先说了一个比较偏物理的关于spp波导的研究,估计学姐能听懂一些,帅哥估计不是这专业的。看到他们一脸茫然,我就转移话题,说了一些他们比较感兴趣的。先说了关于“基于Fourier级数的电子音乐实现”的内容,我就把大致原理和过程说了,帅哥挺感兴趣,但也没有细问。后来我又说我用MATLAB实现过JPEG压缩编码,这个貌似跟他们的方向比较接近,他问我为什么JPEG图像压缩要用DCT变换,为什么不用其它变换(比如Fourier变换)。我说DCT变换可以把低频分量和高频分量分开,通过去除对人眼不敏感的高频分量达到有损压缩的目的。他接着问Fourier变换也可以达到分开高、低频分量的目的啊?我说通过DCT变换可以得到一个变换阵,矩阵的左上角都是低频分量,且数值较大;而右下角都是高频分量,数值较小。经过量化后,右下角绝大部分都变为0了。然后此时如果我们把高频分量扔掉,那么可以以最小的失真度获得最大的压缩。他貌似还不是很满意这个答案,最后他说:人类研究发现(不管是理论上也好,经验也好),对于图像这种信号,它的分布函数决定了利用DCT变换处理是一种最优化的方法,就像你刚才说的,这时我们用DCT变换就能获得很多0,压缩效果最好。如果换做其他形式的信号,DCT变换就不是最优的了。

    接下来他问了一些编程的问题:
    第一题,他随便写了一个表达式(如下),问我是什么意思。

    int*(*f[10])(int*)

    我说,左边的int*是返回类型,右边的int*是函数参量类型,中间的*f[10]是指针数组,表示一个10个元素的数组中每个元素的类型是指针。

    第二题,他问我编译器实现虚函数的机制是什么?编译器怎么知道是调用基类的成员函数还是派生类的成员函数?我没有学过编译器之类的知识,所以答不上来。这时学姐在一旁对帅哥说:“可能他没学过,电子系学的还是比较简单的语法之类的,这个我也不会。”对我说:“不会没关系!”帅哥问我学的是什么教材,我说谭浩强,他笑着说:“那不会很正常,呵呵,他的书残害了一代青年,我当年也深受其害。”

    第三题,比较简单,他问我RISC是什么(我简历中写我实现过32位RISC处理器),我说精简指令集计算机。他接着问还有一种是什么?我说CISC。他又问:“我们现在用的比如奔腾是哪种?”我说:“当然是CISC啊,我们用的个人计算机基本都是x86计算机嘛!”他最后问:“那你知道哪些是用RISC的?”这个我一下子没想出来,他随口对学姐说了句:“好像龙芯是的。”我恍然大悟,“对对对,龙芯是的!”

    最后,他又问我信号与系统的内容,“请你说说FT、DFT、DTFT、FFT的关系”,这个当然很简单啦,我一口气说完了。

    总之,这次面试还算成功吧。学姐人超好,每当问到我不知道的问题时,她就帮我解围,对帅哥说:“别问这个了,这个我也不知道,平时也用不到。”他们还推荐了《C专家编程》(其实我有,但束之高阁了),对付面试很管用。

    静等通知……

    本文作者:清风行云
    目前我开通了新博客,最新的内容和资讯都会第一时间在新博客发布,欢迎关注我的新博客 iFreeThinking.com ! 
    本文版权归 清风行云博客园 共有,欢迎转载!但未经作者同意,必须保留此段声明,且在文章页面明显位置给出原文链接,否则保留追究法律责任的权利!
  • 相关阅读:
    洛谷 P1226 【模板】快速幂||取余运算 题解
    洛谷 P2678 跳石头 题解
    洛谷 P2615 神奇的幻方 题解
    洛谷 P1083 借教室 题解
    洛谷 P1076 寻宝 题解
    洛谷 UVA10298 Power Strings 题解
    洛谷 P3375 【模板】KMP字符串匹配 题解
    Kafka Shell基本命令
    Mybatis与Hibernate的详细对比
    MyBatis简介
  • 原文地址:https://www.cnblogs.com/passingcloudss/p/2029437.html
Copyright © 2011-2022 走看看