Redian新闻
>
Beauty.com 10 off 25 + fs!差不多40% off 了!
avatar
Beauty.com 10 off 25 + fs!差不多40% off 了!# Fashion - 美丽时尚
r*h
1
三哥,口音很重
给一堆feature和label,如何用logistic regression求一个classifier
overfit如何处理
解释一下KMeans?
GMM如何估计参数?
是否用过矩阵分解
不同regularizer的异同和作用
编程题:反转链表
概率题:一个人喝醉的人往前走的概率是p,往前一步就要摔倒,但是可以后退
请问他摔倒的概率有多少
感觉答得一般,估计要跪了,求bless
avatar
j*e
2
今天偶然发现beauty.com也有referral program了, 下面这个是我的referral Link:
Get $10 off your $25 Beauty.com order!
http://beauty.tellapal.com/a/clk/VT2vP
点这个进去就会直接看到一个10 off 25的coupon, 如下图所示,直接加入到你购物车
了(但是你要购物车里面有超过25$的东西才能看得到这个offer,然后checkout的总额
会reflect这个10 off),并且现在是25 fs,不过不能跟bing cb合用(我刚才试过了
)。我觉得是非常好的deal,可以最终以15块买到25的东西。 现在还有些比较好的GWP
,比如Caudalie的满25 就送三件套的GWP(注意是在“Brand Spotlight”这个section
不是通常的“Gift With Purchase” Section)
这个不知道什么时候expire哈,所以有买的尽快买。
前后下了两单
1)两个大葡萄水 $26 + ($15 travel set for free)
2)大葡萄水
avatar
r*e
3
电面聊了这么多,应该过了
概率那题不大懂,前n步摔的概率是1-(1-p)^n ?

【在 r**h 的大作中提到】
: 三哥,口音很重
: 给一堆feature和label,如何用logistic regression求一个classifier
: overfit如何处理
: 解释一下KMeans?
: GMM如何估计参数?
: 是否用过矩阵分解
: 不同regularizer的异同和作用
: 编程题:反转链表
: 概率题:一个人喝醉的人往前走的概率是p,往前一步就要摔倒,但是可以后退
: 请问他摔倒的概率有多少

avatar
z*s
4
lz 哪 可以找到那个Caudalie的满25 就送三件套的GWP啊 我加了两个大葡萄水然后灭
有显示GWP的啊
avatar
t*d
5
摔倒的概率为1
因为永远往后走的概率为0

★ 发自iPhone App: ChineseWeb 7.8

【在 r*******e 的大作中提到】
: 电面聊了这么多,应该过了
: 概率那题不大懂,前n步摔的概率是1-(1-p)^n ?

avatar
z*s
6
lz 哪 可以找到那个Caudalie的满25 就送三件套的GWP啊 我加了两个大葡萄水然后灭
有显示GWP的啊
avatar
r*h
7
我觉得不是呀
有可能无限往后走,也有可能循环呢
比如说在某地前后前后

【在 t****d 的大作中提到】
: 摔倒的概率为1
: 因为永远往后走的概率为0
:
: ★ 发自iPhone App: ChineseWeb 7.8

avatar
c*8
8
我也没有找到满25送三件套的GWP,不过还是下了一个葡萄水,没税省10刀也不错了
avatar
r*h
9
我也不大懂。。。
我的想法是,摔倒只有可能是走了奇数步,然后把所有概率可能加起来
不过序列长了还要考虑排列组合,然后就不懂了

【在 r*******e 的大作中提到】
: 电面聊了这么多,应该过了
: 概率那题不大懂,前n步摔的概率是1-(1-p)^n ?

avatar
p*m
10
你们说的葡萄水到底是啥呢?

【在 c******8 的大作中提到】
: 我也没有找到满25送三件套的GWP,不过还是下了一个葡萄水,没税省10刀也不错了
avatar
t*d
11
大哥,你看懂题了吗
只要往前走就摔倒

【在 r**h 的大作中提到】
: 我觉得不是呀
: 有可能无限往后走,也有可能循环呢
: 比如说在某地前后前后

avatar
r*h
13
我题目没有描述清楚
这么说把,假设那个人站在一维坐标轴的原点,每次可以向正负两个方向移动一个单位
。当他走到1这个位置就会摔倒
但是可以退

【在 t****d 的大作中提到】
: 大哥,你看懂题了吗
: 只要往前走就摔倒

avatar
G*g
14
怎么我放了26块钱的NARS Powder Blush进去购物车没显示10刀 OFF呢?
avatar
t*d
15
1-P(摔倒)
摔倒只能发生在奇数步
求和就可以了
p如果是前行概率,那么
P(摔倒)=p+nchoosek(3,1)(1-p)p^2+nchoosek(5,2)(1-p)^2*p^3+...
化简求和就好

【在 r**h 的大作中提到】
: 我题目没有描述清楚
: 这么说把,假设那个人站在一维坐标轴的原点,每次可以向正负两个方向移动一个单位
: 。当他走到1这个位置就会摔倒
: 但是可以退

avatar
d*2
16
下单了,定了一支Origins 的洗面奶,加上我原来的2刀off,才13刀,笑哦!谢谢搂住
提供的10刀off链接。对了,还得了3个免费的小样。
avatar
r*h
17
C31是不对的
如果先往前走就直接摔倒了,所以只有(后, 前, 前)一种可能呀
五步的时候同理

【在 t****d 的大作中提到】
: 1-P(摔倒)
: 摔倒只能发生在奇数步
: 求和就可以了
: p如果是前行概率,那么
: P(摔倒)=p+nchoosek(3,1)(1-p)p^2+nchoosek(5,2)(1-p)^2*p^3+...
: 化简求和就好

avatar
s*e
18
mm,不能下两单阿
第二单就不给10OFF了
是不是还要重新注册账号啊
avatar
t*d
19
大哥,概率是可以加条件的,只要条件充沛
那就就是假设在第一步跌倒,第三步跌倒,第五步跌倒等等
也就是说
P(a)=P(a,b)+p(a,~b)

【在 r**h 的大作中提到】
: C31是不对的
: 如果先往前走就直接摔倒了,所以只有(后, 前, 前)一种可能呀
: 五步的时候同理

avatar
g*e
21
店面问这么多 可以的!
avatar
m*a
22
“$15 travel set for free”是怎么拿到的?

GWP
section

【在 j****e 的大作中提到】
: 今天偶然发现beauty.com也有referral program了, 下面这个是我的referral Link:
: Get $10 off your $25 Beauty.com order!
: http://beauty.tellapal.com/a/clk/VT2vP
: 点这个进去就会直接看到一个10 off 25的coupon, 如下图所示,直接加入到你购物车
: 了(但是你要购物车里面有超过25$的东西才能看得到这个offer,然后checkout的总额
: 会reflect这个10 off),并且现在是25 fs,不过不能跟bing cb合用(我刚才试过了
: )。我觉得是非常好的deal,可以最终以15块买到25的东西。 现在还有些比较好的GWP
: ,比如Caudalie的满25 就送三件套的GWP(注意是在“Brand Spotlight”这个section
: 不是通常的“Gift With Purchase” Section)
: 这个不知道什么时候expire哈,所以有买的尽快买。

avatar
t*d
23
对不起,刚刚又想了一下,你说的是对的,所以可能只能用markov chain来做
用坐标来作为状态
设状态0的概率为x,状态1为px
状态-1为(1-p)/px
这样所有状态的状态就都可以用x来表示
所以求结出x就可以得到摔倒的概率了

【在 r**h 的大作中提到】
: C31是不对的
: 如果先往前走就直接摔倒了,所以只有(后, 前, 前)一种可能呀
: 五步的时候同理

avatar
v*y
24
我想买的东西60刀,悲剧啊……啥时还能有30% off呢……
avatar
c*z
25
居然都看得懂XD
可恶Wlab就是不给店面
avatar
s*y
26
这是一个refer的program,跟hautelook,gilt一样;refer别人自己得10刀,别人也减
10刀,貌似长期有效;你可以再建立个账户自己refer自己

【在 s********e 的大作中提到】
: mm,不能下两单阿
: 第二单就不给10OFF了
: 是不是还要重新注册账号啊

avatar
f*e
27
最后一题概率是不是
p/(1-p+p*p)
?

【在 r**h 的大作中提到】
: 三哥,口音很重
: 给一堆feature和label,如何用logistic regression求一个classifier
: overfit如何处理
: 解释一下KMeans?
: GMM如何估计参数?
: 是否用过矩阵分解
: 不同regularizer的异同和作用
: 编程题:反转链表
: 概率题:一个人喝醉的人往前走的概率是p,往前一步就要摔倒,但是可以后退
: 请问他摔倒的概率有多少

avatar
l*a
28
请问有CB么
avatar
f*e
29
楼主是统计的还是CS的?

【在 r**h 的大作中提到】
: 三哥,口音很重
: 给一堆feature和label,如何用logistic regression求一个classifier
: overfit如何处理
: 解释一下KMeans?
: GMM如何估计参数?
: 是否用过矩阵分解
: 不同regularizer的异同和作用
: 编程题:反转链表
: 概率题:一个人喝醉的人往前走的概率是p,往前一步就要摔倒,但是可以后退
: 请问他摔倒的概率有多少

avatar
l*a
30
lz能拿到 bonus吧。
avatar
r*h
31
CS的
这是我当时给的答案不过我觉得不对,因为没有考虑组合的情况

【在 f*****e 的大作中提到】
: 最后一题概率是不是
: p/(1-p+p*p)
: ?

avatar
S*y
32
不可以free shipping啊~~~~~~~~~~~楼主有fs code么~~
avatar
h*u
34
谢谢楼主哦~~~一开始还不晓得在上面买点啥呢,刚好提醒了我,我的水水快要用完了~
~~
买了两瓶大葡萄水,+ free $15 travel set + free shipping!!! $16 only!!!
avatar
r*n
35
都是最基本的machine learning的知识, 比问算法的题目有意思。 最后一题应该是 1
avatar
f*y
36
有没有 绿泥卖?绿泥主要是有什么功用
avatar
f*e
37
p>=1/2 是1
p<1/2 是p/(1-p)?

1

【在 r*******n 的大作中提到】
: 都是最基本的machine learning的知识, 比问算法的题目有意思。 最后一题应该是 1
: 吧

avatar
h*u
38
有绿泥呢,我看了,$61一罐,去角质,清洁型面膜吧~~~
我有别的类似的面膜,前段刚买的,所以不考虑了。。。

【在 f*********y 的大作中提到】
: 有没有 绿泥卖?绿泥主要是有什么功用
avatar
r*n
39
LZ 是new grad吗?我在他家网站上面看了下,貌似没有new grad的position
avatar
F*2
40
这不是华人粉版那个吵翻天的帖子吗?
。。。

GWP
section

【在 j****e 的大作中提到】
: 今天偶然发现beauty.com也有referral program了, 下面这个是我的referral Link:
: Get $10 off your $25 Beauty.com order!
: http://beauty.tellapal.com/a/clk/VT2vP
: 点这个进去就会直接看到一个10 off 25的coupon, 如下图所示,直接加入到你购物车
: 了(但是你要购物车里面有超过25$的东西才能看得到这个offer,然后checkout的总额
: 会reflect这个10 off),并且现在是25 fs,不过不能跟bing cb合用(我刚才试过了
: )。我觉得是非常好的deal,可以最终以15块买到25的东西。 现在还有些比较好的GWP
: ,比如Caudalie的满25 就送三件套的GWP(注意是在“Brand Spotlight”这个section
: 不是通常的“Gift With Purchase” Section)
: 这个不知道什么时候expire哈,所以有买的尽快买。

avatar
f*e
41
p=0的时候肯定不是1。所以还是个分段函数,有点意思。

1

【在 r*******n 的大作中提到】
: 都是最基本的machine learning的知识, 比问算法的题目有意思。 最后一题应该是 1
: 吧

avatar
m*a
42
啊?为什么吵翻天了?
我用那个link下了两单,不会有什么事吧?

【在 F*******2 的大作中提到】
: 这不是华人粉版那个吵翻天的帖子吗?
: 。。。
:
: GWP
: section

avatar
r*n
43
最后那个问题是martingale stopping time的升级版
如果p不等于0.5,不是martingale,但是可以算出均值(2p-1)n
Let X_n = S_n + (2p-1)n, where S_n is a martingale, E(S_n) = 0,n is # steps
Let Z_n = exp{sigma*S_n}*(2/(exp{sigma}+exp{-sigma})), which is a martingale
, E(Z_n) = 0, and sigma is a design parameter. Then you can express Z_n in
terms of X_n.
A martingale stopped at stopping time is still a martingale
E(Z_{min{n,tau}}) = 0, where tau denotes stopping time
Now you can choose X_n = 1 and X_n = -infinity as the stopping criteria.
Using the above identity, substituting X_n with 1 and -infinity, you can set
up an equation involving prob{X_n=1} and solve for it.
avatar
u*o
45
嘛也不说,MARK走人
avatar
l*a
46
奇怪,我的回帖又看到了
avatar
u*o
47
LZ你申的这个位置是DATA SCIENTIST还是SDE啊?
avatar
F*2
48
其实也没啥。。。
下单没有问题的
只是华人有人说那个lz用refer的link赚好处,很多人不满或者眼红之类的
这个楼主和那个楼主是同一个人吗???
帖子内容都一样的

【在 m*****a 的大作中提到】
: 啊?为什么吵翻天了?
: 我用那个link下了两单,不会有什么事吧?

avatar
f*3
49
那个摔跤的有这么复杂么,不就是个geometric distribution么?
往前一步是硬币正面(p),往后是硬币反面(1-p),一直抛到第一次正面停止,求期
望抛几次(走几步)怎么martingale都整出来了,又不是deshaw的onsite
avatar
u*g
50
我的单被cancel了,为什么啊?姐妹们的呢?
avatar
r*n
51
LZ后来补充了一下题目
如果是你这么理解题意,摔倒的概率为1,题目没要求求期望

【在 f*******3 的大作中提到】
: 那个摔跤的有这么复杂么,不就是个geometric distribution么?
: 往前一步是硬币正面(p),往后是硬币反面(1-p),一直抛到第一次正面停止,求期
: 望抛几次(走几步)怎么martingale都整出来了,又不是deshaw的onsite

avatar
u*g
52
我的单被cancel了,为什么啊?姐妹们的呢?
avatar
J*3
53
赞!Bless!
avatar
j*r
54
昨天下的葡萄水单也被cancel了。重新买了一个nars腮红。26刀结帐的时候-15刀。11
刀免运费免税买下了,还是挺划算的。就是不知道为什么今天就可以-15了?
avatar
s*G
55
re这个!!
CS的同志们应该复习复习quant版的数学题目!!!

【在 f*******3 的大作中提到】
: 那个摔跤的有这么复杂么,不就是个geometric distribution么?
: 往前一步是硬币正面(p),往后是硬币反面(1-p),一直抛到第一次正面停止,求期
: 望抛几次(走几步)怎么martingale都整出来了,又不是deshaw的onsite

avatar
m*a
56
我的order也被cancel了
我买了两个caudalie的葡萄水

【在 u****g 的大作中提到】
: 我的单被cancel了,为什么啊?姐妹们的呢?
avatar
s*r
57
new CS PHD,拿到面试应该没问题

【在 r*********n 的大作中提到】
: LZ 是new grad吗?我在他家网站上面看了下,貌似没有new grad的position
avatar
a*u
59
你面的啥职位啊,为嘛我的电面巨简单。。。
avatar
v*a
60
。。。这个明显不对。因为这个process的success的定义和geometric的success完全不
一样。
举个简单的例子吧,geometric中,扔硬币扔了7次反面,第八次是正面,叫做失败了7
次第八次成功了。
但是这个走路的,往左边走了7步,然后往右走了一步,那也只是到了坐标-6的地方,
离+1还远呢。。。
而且,这道题是要算概率,而不是算期望。

【在 f*******3 的大作中提到】
: 那个摔跤的有这么复杂么,不就是个geometric distribution么?
: 往前一步是硬币正面(p),往后是硬币反面(1-p),一直抛到第一次正面停止,求期
: 望抛几次(走几步)怎么martingale都整出来了,又不是deshaw的onsite

avatar
v*a
61
I think so...

【在 f*****e 的大作中提到】
: p>=1/2 是1
: p<1/2 是p/(1-p)?
:
: 1

avatar
x*0
62
mark
avatar
g*y
63
这是SWDE的面试吗?还是data analyst?
机器学习的东西多了些,超出码农的范畴了吧!

【在 r**h 的大作中提到】
: 三哥,口音很重
: 给一堆feature和label,如何用logistic regression求一个classifier
: overfit如何处理
: 解释一下KMeans?
: GMM如何估计参数?
: 是否用过矩阵分解
: 不同regularizer的异同和作用
: 编程题:反转链表
: 概率题:一个人喝醉的人往前走的概率是p,往前一步就要摔倒,但是可以后退
: 请问他摔倒的概率有多少

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。