硅谷PYTHON工程师面试指南:数据结构、算法与系统设计

Contents?目　　录
前　言
**部分　面试流程
第1章　硅谷公司面试流程　2
1.1　非技术电话面试　　2
1.2　技术电话面试　　3
1.2.1　闲谈环节　3
1.2.2　技术沟通环节　3
1.2.3　提问环节　4
1.3　现场面试　　4
1.3.1　准备好闲谈素材　5
1.3.2　保持积极沟通　6
第二部分　数据结构
第2章　列表　8
2.1　列表的基础知识　　8
2.1.1　创建列表　8
2.1.2　向列表中添加元素　9
2.1.3　删除列表中的元素　11
2.2　实例1：*长连续1的个数　　12
2.3　实例2：二进制相加　　13
2.4　实例3：查询范围和　　15
2.4.1　利用一维数组求解　16
2.4.2　利用二维数组求解　16
2.5　实例4：随机索引　　18
2.6　实例5：下一个更大排列　　19
2.7　实例6：验证有效数字　　21
2.8　实例7：递归小数　　23
第3章　堆栈　25
3.1　堆栈的基础知识　　25
3.1.1　堆栈操作及时间复杂度　25
3.1.2　3种实现方式　26
3.1.3　堆栈的应用　29
3.2　实例1：通过*小移除操作
得到有效的括号　　29
3.3　实例2：函数的专用时间　　30
第4章　队列　33
4.1　队列的3种实现方式　　33
4.2　实例1：设计循环队列　　36
4.3　实例2：求和大于K的*短
非空连续子数组的长度　　38
第5章　优先队列　40
5.1　优先队列的3种实现方式　　40
5.2　实例1：雇用K个工人的*低
成本　　42
5.3　实例2：判断数组是否可以
拆分为连续的子序列　　43
第6章　字典　45
6.1　字典的基础知识　　45
6.1.1　创建字典　45
6.1.2　向字典中添加元素　46
6.1.3　访问字典中的元素　48
6.1.4　从字典中删除元素　49
6.2　实例1：和等于K的连续子
数组的总数　　50
6.3　实例2：标签中的*大值　　51
6.4　实例3：以平均时间复杂度
O(1)实现插入、删除和获取
随机值　　52
6.5　实例4：*近*少使用缓存　　54
第7章　集合　57
7.1　集合的基础知识　　57
7.2　集合的基本操作　　58
7.2.1　添加元素　58
7.2.2　删除元素　59
7.2.3　并集　59
7.2.4　交集　60
第8章　链表　61
8.1　双指针技术　　61
8.2　实例1：判断链表是否有循环　　62
8.3　实例2：两个链表的交集　　62
8.4　实例3：克隆随机链表　　64
8.5　实例4：反转链表　　65
第9章　二叉树　66
9.1　层次顺序遍历　　66
9.1.1　前序遍历　66
9.1.2　中序遍历　67
9.1.3　后序遍历　68
9.1.4　层序遍历　69
9.2　递归方法用于树的遍历　　69
9.2.1　自上而下的解决方案　70
9.2.2　自下而上的解决方案　70
9.3　实例1：二叉树的*低共同
祖先　　72
9.4　实例2：序列化和反序列化
二叉树　　73
9.5　实例3：求二叉树的*大
路径和　　74
9.6　实例4：将二叉树转换为
双链表　　75
第10章　其他树结构　77
10.1　前缀树　　77
10.1.1　前缀树节点的数据结构　78
10.1.2　在前缀树中插入单词　78
10.1.3　在前缀树中搜索单词　80
10.2　线段树　　82
10.3　二叉索引树　　86
10.3.1　二叉索引树的表示　87
10.3.2　getSum操作　87
10.3.3　update操作　88
10.3.4　二叉索引树的工作原理　89
10.4　实例1：范围和的个数　　90
10.4.1　利用线段树求解　90
10.4.2　利用二叉索引树求解　94
10.4.3　利用二分搜索求解　96
10.5　实例2：计算后面较小数字的
个数　　97
10.5.1　二叉索引树解法　97
10.5.2　二分搜索解法　98
10.5.3　线段树解法　99
第11章　图　100
11.1　图的表示　　100
11.1.1　邻接矩阵　100
11.1.2　邻接表　101
11.2　实例1：克隆图　　103
11.3　实例2：图验证树　　104
11.3.1　深度优先搜索解法　104
11.3.2　广度优先搜索解法　106
11.3.3　并查集解法　107
第三部分　算法
第12章　二分搜索　110
12.1　实例1：求平方根　　110
12.2　实例2：在旋转排序数组中
搜索　　111
12.3　案例3：会议室预订问题　　112
12.3.1　问题1：如何优化　112
12.3.2　问题2：如何预订多个
房间　113
第13章　双指针法　114
13.1　实例1：稀疏向量的点积　　114
13.2　实例2：*小窗口子字符串　　115
13.3　实例3：间隔列表相交　　116
13.4　实例4：*长连续1的个数　　119
13.5　实例5：查找字符串中的所有
字母　　121
第14章　动态规划　123
14.1　动态规划的基础知识　　123
14.2　实例1：买卖股票的*佳
时间　　124
14.3　实例2：硬币找零　　124
14.4　实例3：计算解码方式
总数　　125
第15章　深度优先搜索　127
15.1　深度优先搜索的应用　　127
15.2　实例1：太平洋和大西洋的
水流问题　　128
15.3　实例2：预测获胜者　　129
15.4　实例3：表达式加运算符　　130
第16章　回溯　132
16.1　实例1：数独求解　　132
16.2　实例2：扫地机器人　　135
第17章　广度优先搜索　137
17.1　广度优先搜索的应用　　138
17.2　实例1：墙和门　　139
17.3　实例2：课程表　　141
17.4　实例3：公交路线　　142
17.5　实例4：判断二分图　　143
17.6　实例5：单词阶梯　　145
第18章　并查集　147
18.1　并查集的基础知识　　147
18.2　实例：朋友圈　　150
18.2.1　广度优先搜索解法　150
18.2.2　深度优先搜索解法　151
18.2.3　并查集解法　152
第19章　数据结构与算法面试
真题实战　153
19.1　实例1：文件系统　　153
19.1.1　关于数据结构的探讨　154
19.1.2　面试题考查点　156
19.1.3　完整代码　156
19.2　实例2：*长有效词　　157
19.2.1　找到更快的解决方案　158
19.2.2　基于存储/缓存的解决
方案　159
19.2.3　面试题考查点　161
19.3　实例3：圆圈组　　161
19.3.1　圆圈组的个数　163
19.3.2　*大的k个圆圈组　163
第四部分　系统设计
第20章　系统设计理论　166
20.1　设计步骤　　166
20.1.1　描述使用场景、约束和
假设　166
20.1.2　构建高层设计　166
20.1.3　设计核心组件　167
20.1.4　扩展设计　169
20.2　域名系统　　171
20.3　负载均衡器　　172
20.4　分布式缓存系统　　173
20.5　哈希一致性　　176
第21章　系统设计实战　178
21.1　设计分布式缓存系统　　178
21.1.1　缓存无效　178
21.1.2　缓存逐出策略　179
21.1.3　设计分布式键值缓存
系统　180
21.2　设计网络爬虫系统　　181
21.2.1　架构设计　181
21.2.2　爬虫服务　181
21.2.3　处理重复链接　183
21.2.4　更新爬网结果　184
21.2.5　可扩展性设计　184
21.3　TinyURL的加密与解密　　185
21.3.1　系统的要求和目标　185
21.3.2　容量估算和约束　185
21.3.3　系统API　186
21.3.4　核心算法设计　187
21.3.5　数据库设计　187
21.3.6　数据分区和复制　188
21.3.7　缓存　188
21.3.8　负载均衡器　189
21.4　设计自动补全功能　　189
21.4.1　基本系统设计与算法　190
21.4.2　主数据结构　191
21.4.3　优化设计　192
21.5　设计新闻动态功能　　195
21.6　设计X（Twitter）应用　　198
21.7　设计Uber/Lyft应用　　203
第22章　多线程编程　206
22.1　多线程面试问题　　206
22.2　实例1：形成水分子　　207
22.3　实例2：打印零、偶数、
奇数　　208
第23章　设计机器学习系统　210
23.1　机器学习的基础知识　　210
23.1.1　什么是机器学习　210
23.1.2　为什么使用机器学习　211
23.1.3　监督学习和无监督学习　212
23.1.4　分类模型和回归模型　213
23.1.5　转换问题　214
23.1.6　关键数据　214
23.1.7　机器学习工作流程　215
23.1.8　欠拟合和过拟合　216
23.1.9　偏差和方差　217
23.2　机器学习的进阶知识　　220
23.2.1　处理不平衡的二进制
分类　220
23.2.2　高斯混合模型和K均值
的比较　221
23.2.3　梯度提升　221
23.2.4　决策树的约束　223
23.2.5　加权更新　223
23.2.6　随机梯度提升　223
23.2.7　惩罚性学习　224
23.3　机器学习面试　　224
23.3.1　机器学习面试考查点　224
23.3.2　机器学习面试的思路　226
23.4　实例1：搜索排名系统　　227
23.4.1　题目解读　227
23.4.2　指标分析　228
23.4.3　架构　229
23.4.4　结果选择　231
23.4.5　训练数据生成　237
23.4.6　排名　238
23.4.7　筛选结果　240
23.5　实例2：Netflix电影推荐
系统　　242
23.5.1　题目解读　242
23.5.2　指标分析　244
23.5.3　架构　246
23.5.4　特征工程　247
23.5.5　候选电影的产生　250
23.5.6　训练数据生成　252
23.5.7　排名　253