python算法核心算法有哪些

来源：蜘蛛抓取(WebSpider) 时间：2018-09-23 03:20 标签： python算法

这是一个创建于 186 天前的主题，其中的信息可能已经有所发展或是发生改变。

名校毕业，精通各类算法，tensorflow, pytorch 如数家珍，面试不会写排序

实战经验丰富的 CRUD 工程师，连个 Group By 都不会，来应聘机器学习工程师

想要一个基础扎实的，认真刷刷 LeetCode 和 Kaggle 题的面试者，好难啊

大家跳槽或者找工作的的时候都在哪里玩儿，拉钩，boss 直聘，v2ex ？

大家觉的 Python 算法工程师 这个 Title 会有吸引力吗？

感觉大家好像对这个topic感兴趣，，我顺便贴个招聘连接，

经过和同事们的交流，还是觉的这种二合一人才，其实是对应聘者有点误导

我们的部门的确可以让工程人员来进行模型方面的工作，但是绝对不是一上来就做模型，还是要从研发做起

所以先招工程师吧，谢谢大家给的建议和回复

脚本语言入门简单，很多人不讲究，基本数据结构 都搞不清，就更别说算法了

反正没有什么不是一个 import 解决不了的

我昨年一段时间负责爬虫工程师的招聘，一个月，面试几十个，没招到一个

如果要招算法工程师，语言不是很重要，python 和各种 package 以及机器学习框架，比算法优先级低很多

算法和工程差别会越来越大，就跟软硬件工程师一样

楼主可能对专家特征比较执着。观察过市场上的从业者，2000+年后的基本如此，怀疑和学术思潮有关。

在目前 DL 可以完胜人工专家特征的情况下。。。为什么还对专家特征如此执着？目前机器学习应该是联结主义的天下。

这不就是专业分化的趋势吗？搞理论的跟搞工程的逐渐分成两拨人。
Python 市面上的调包侠多得是，但是不一定能力就差，做工程一样是能手。主要还是取决于楼主的需求。

写业务代码的，和作算法研究应用的当然是不同的人呀

python 太网红了，直接导致不合格的 python 程序员太多，调过几个包看过几本算法理论书就自称 python+机器学习，然而最基础的数据结构关很多人都不重视

“帅的男人没有钱, 有钱的男人不帅, 又帅又有钱的男人却靠不住” 所以只能是： “虽然我没有车，虽然我没有房，但是我......”

没有问题是 import 不能解决的，如果有，就再 import 一次。 -- 调包侠

嗯嗯，遇不上啊，拉钩职位挂了半个月，，，我最后的面试方法是，我靠的是 leetcode 这道题，你查 10 分钟再写一下，，，

最适合的人选是本身是有经验的 Pyhon 开发，想往算法方面转，而且还自己向前走了一段，比如认真刷了几个月 Kaggle 题这种

现在别人学 python 也怕找不到工作的。别人都说拉勾一百年匹配不上。换个地方试试吧。

我在的公司 是 fintech 方面的，DL 在图像语音这些方面的确完胜人工，

但是在面临不同的场景的时候，其实人还是更有优势的，需要真对场景提出不同特征和模型

团队由 4 名经验丰富的 90 后工程师组成，各个都是独挡一面的大拿。

都是大拿了，相信对他们来说简单说下你要求的这些东西应该很快搞定的了。

你这个还是招 python 服务开发和机器学习开发，两个分开，就好搞了，你这招聘要求多了

我们公司研发部门也就三百来人

我这种 java 出生的爬虫工程师导师经常开发小型 python 服务，用来部署一些机器学习模型（如贷款评分卡）

如果用 Xception 的思路的话，把人的判断作为模型的特征量或许可行。但其实也是把人当成传感器使了。。。

这是用一个人的钱干两个人的活。 当然难招了。

专业分工这个是真的，但是其实程序员更熟悉业务，其实慢慢是可以朝着数据科学家发展的，现在只是太缺人了，所以硬生生改成两拨人了

,,,,工程能力好的调包侠,,,感觉就是大熊猫

看标题，感觉这估计是 py 在历史上被黑的最惨的一次

可惜我还没毕业…给我留下了市场很需要我的幻想

尝试过分开招，但是跟大厂一个招聘策略的话，那就注定我们这种中小场，开发和算法都 找不到比较好的人，很多时候就是人家过来拿个 offer 当个跳板。

最后留下混的好是那种有经验的开发，然后想转机器学习的开发，这样的人自驱能力比较强

，单做现在的业务，其实我们都能远程办公了，但是比如别人的团队都在成长，我们团队规模没上来，新机会抓不住

應該有不少研發工程師有憑自己興趣玩過一些機器學習，嘗試一下這部分人群吧。

看到这个标题，我就知道说的是我这种人，前两年做 java，python 高并发后台，最近两年转行做机器学习，哈哈，看到身边的纯算法同事各种代码看不懂我就表示很欣慰。

确实很多搞学术的代码写的太烂了

对他们来说，能用就行了，工程不是重点方向。

真的啊，做的好的研发，转算法成本很低，安心干两年业务，熟悉了流程其实发展很好

国内能顺溜的把冒泡写完整了的所谓"程序员"都少, 所以到处缺人呢, 人力紧缺啊, 这种档次的只能叫人肉

leetcode 刷过，python 搞过机器学习，但是没用 python 开发过项目，应该不满足楼主的要求了，1-3 年后不知道能不能达到，想请教下这个岗位的薪资 在多少范围（北京）？

如果是初级，其实比较合理的是 18k 左右，可以简历发来看看

认识的算法大牛都去玩 c++了，你让他们用 py 写业务？不可能的?

基本都是 py 原型验证 上线的时候再用 c++重写吧

会 C 之类的 py 就是一脚本语言 边看文档边写就够了

看了 JD，还是有需求混淆的问题...

作风控和数学模型，这本身已经是个单独的岗位了，数学统计专业最佳，有金融和风控行业更棒（这个薪资水准嘛,招不到的）。

还想同时满足一线去写业务系统代码，招人更难。

相关 python 代码实现，得另外找个 有风控系统相关经验(没有也问题不大)的 python 码工就行了

#53 补充，是看的 “闪银-数模组”

今天在 boss 上刚刚刷到这家公司。就来 v2 上看到了

这要求发散下去就差手写汇编了。。

我个人刷题都是用 Python 的...搞 CV 有时候也需要实现一些 tricky 的算法，而且很多人都是这样，所以我觉得不成立

看了此贴，坚定了继续一面开发一面搞一下算法的决心。。。但是真的很累啊。。。

这么说吧，去微博微信上面搜一下，xx 小时学会 py，xx 小时学会爬虫、xx 万数据爬虫、xx 分钟建立模型；无力吐槽；爬虫隔一天重发一次，n 年前的，除了给网站增加压力不知道还有什么效果。。。哦对刚想起来，培训机构出来的都很“屌”

再者 py，偏重工程实现效率，所以都是直接 import 大法了；数挖熟悉的不是经典算法；

如果 group by 都不会，那就。。。（想起前同事吐槽他现在的公司的港中高材生不会安装 py。。。）

现在的机器学习难道不是调参数工程师么?
只能说... 现在几乎没啥脑力劳动的编程了, 基本都是体力活儿.
熟练了的人根本不需要过脑子了, 不熟练的人可能对着文档搞搞也出来了, 也没有过多少脑子 - -!!
没有要 AOE 的意思啦, 大部分程序员工作其实都是这样啊...

算法一般会出到 LEETCODE 什么难度的。。如果是 HARD 的而且没做过的，估计没把握在半个小时的面试里面手写出来还能 debug 过··

我见过算法好的 任意图灵完备的语言都玩得转 说到底语言只是表达方式而已

确实如此 不过现在 mit 也有两本书是用 python 来讲 CS 和数据结构的 只是出得有点晚 可能过几年就不同了

我会写排序可是我找不到工作啊，hhh

这方面搞得好的都去大厂或者高知名度例如商汤之类的公司了，楼主组内没有知名大牛，职位描述吸引力也不是很大。
顺便问一句，面试的人里面，有在 CVPR/ICCV/ECCV/NIPS 等顶级会议里发过期刊的吗，如果这些人连简单的算法题都不会做，那楼上许多 AOE 才成立，毕竟这些人才是真正的机器学习实践者 :)

话说你们是只考虑一直写 Python 的吗？像有的工程师可能并不专注于某一种语言。

业务强 + Python 强，感觉已经筛掉了很多人。不妨直接招业务极强并且有往你们方向上靠的意愿的工程师，然后开始培养。

我倒是发了简历，完全没人鸟我　。。。。　可能我还是太 low 了吧

感觉搞算法的话，不懂 python 也可以理解，用 c 写个包给 py 调用就可以了吧。

你见过哪 AI 包是 python 写的？还不都是 C++，连 java 都少，因为性能。

算法确实用任何一门通用编程语言都可以描述。

问题是 py 是个以包多省事儿慢得出翔的胶水脚本语言。

python 算法工程师听起来简直就跟清纯的岛国动作片女演员一样。

Python递归算法Vip干货！人工智能核心课程，算法入门就用它了！

用或其他应用扫描二维码

Python递归算法Vip干货！人工智能核心课程，算法入门就用它了！

若未安装客户端，可直接扫此码下载应用

本文来自于简书,本文主要介绍了数据结构中的八大排序算法，利用Python分别将他们进行实现。

八大排序，三大查找是《数据结构》当中非常基础的知识点，在这里为了复习顺带总结了一下常见的八种排序算法。

常见的八大排序算法，他们之间关系如下：

下面，利用Python分别将他们进行实现。

直接插入排序的核心思想就是：将数组中的所有元素依次跟前面已经排好的元素相比较，如果选择的元素比已排序的元素小，则交换，直到全部元素都比较过。

因此，从上面的描述中我们可以发现，直接插入排序可以用两个循环完成：

第一层循环：遍历待比较的所有数组元素

希尔排序的算法思想：将待排序数组按照步长gap进行分组，然后将每组的元素利用直接插入排序的方法进行排序；每次将gap折半减小，循环上述操作；当gap=1时，利用直接插入，完成排序。

同样的：从上面的描述中我们可以发现：希尔排序的总体实现应该由三个循环完成：

第一层循环：将gap依次折半，对序列进行分组，直到gap=1

第二、三层循环：也即直接插入排序所需要的两次循环。具体描述见上。

简单选择排序的基本思想：比较+交换。

从待排序序列中，找到关键字最小的元素；

如果最小元素不是待排序序列的第一个元素，将其和第一个元素互换；

从余下的 N - 1 个元素中，找出关键字最小的元素，重复(1)、(2)步，直到排序结束。

因此我们可以发现，简单选择排序也是通过两层循环实现。

第一层循环：依次遍历序列当中的每一个元素

第二层循环：将遍历得到的当前元素依次与余下的元素进行比较，符合最小元素的条件，则交换。

堆：本质是一种数组对象。特别重要的一点性质：任意的叶子节点小于（或大于）它所有的父节点。对此，又分为大顶堆和小顶堆，大顶堆要求节点的元素都要大于其孩子，小顶堆要求节点元素都小于其左右孩子，两者对左右孩子的大小关系不做任何要求。

利用堆排序，就是基于大顶堆或者小顶堆的一种排序方法。下面，我们通过大顶堆来实现。

堆排序可以按照以下步骤来完成：

首先将序列构建称为大顶堆（这样满足了大顶堆那条性质：位于根节点的元素一定是当前序列的最大值）；

取出当前大顶堆的根节点，将其与序列末尾元素进行交换（此时：序列末尾的元素为已排序的最大值；由于交换了元素，当前位于根节点的堆并不一定满足大顶堆的性质）；

对交换后的n-1个序列元素进行调整，使其满足大顶堆的性质；

重复2.3步骤，直至堆中只有1个元素为止。

冒泡排序思路比较简单：

将序列当中的左右元素，依次比较，保证右边的元素始终大于左边的元素（ 第一轮结束后，序列最后一个元素一定是当前序列的最大值）；

对序列当中剩下的n-1个元素再次执行步骤1。

对于长度为n的序列，一共需要执行n-1轮比较（利用while循环可以减少执行次数）。

快速排序的基本思想：挖坑填数+分治法

从序列当中选择一个基准数(pivot)，在这里我们选择序列当中第一个数最为基准数；

将序列当中的所有数依次遍历，比基准数大的位于其右侧，比基准数小的位于其左侧；

重复步骤1.2，直到所有子集当中只有一个元素为止。用伪代码描述如下：

j--由后向前找比它小的数，找到后挖出此数填前一个坑a[i]中。

i++由前向后找比它大的数，找到后也挖出此数填到前一个坑a[j]中。

再重复执行2，3二步，直到i==j，将基准数填入a[i]中

归并排序是建立在归并操作上的一种有效的排序算法，该算法是采用分治法的一个典型的应用。它的基本操作是：将已有的子序列合并，达到完全有序的序列；即先使每个子序列有序，再使子序列段间有序。

归并排序其实要做两件事：

分解：将序列每次折半拆分

合并：将划分后的序列段两两排序合并

因此，归并排序实际上就是两个操作，拆分+合并

首先依次从第一段与第二段中取出元素比较，将较小的元素赋值给temp[]

重复执行上一步，当某一段赋值结束，则将另一段剩下的元素赋值给temp[]

在这里，我们采用递归的方法，首先将待排序列分成A,B两组；然后重复对A、B序列分组；直到分组后组内只有一个元素，此时我们认为组内所有元素有序，则分组结束。

基数排序：通过序列中各个元素的值，对排序的N个元素进行若干趟的“分配”与“收集”来实现排序。

分配：我们将L[i]中的元素取出，首先确定其个位上的数字，根据该数字分配到与之序号相同的桶中

收集：当序列中所有的元素都分配到对应的桶中，再按照顺序依次将桶中的元素收集形成新的一个待排序列L[ ]

对新形成的序列L[]重复执行分配和收集元素中的十位、百位...直到分配完该序列中的最高位，则排序结束。

根据上述“基数排序”的展示，我们可以清楚的看到整个实现的过程。

写完之后运行了一下时间比较：

从运行结果上来看，堆排序、归并排序、基数排序真的快。

对于快速排序迭代深度超过的问题，可以将考虑将快排通过非递归的方式进行实现。

我要回帖

更多关于 python算法 的文章

 

随机推荐