Salesforce Einstein Phone + Onsite

Einstein team from linkedin recruiter。这个组在卖力算是很新的，听HM说非常有影响力，里面也有不少牛人 e.g. Spark summit speaker

phone: define two functions to first analyze and then predict based on text input data
example: "i like apple i like beer i like beer", predict "like" as 33% apple 66% beer
其实就是做一下text parsing，做成一个key -> list of following words 的形式来解决

您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

h level architercutre design

还有就是世界真小，午饭的时候lead问我认不认识XXX，我说是我现在team的，他说他前两天刚来salesforce做一个 session talk，我连忙说don't tell him i am interviewing with salesforce please...

我连忙说don't tell him i am interviewing with salesforce please....    哈哈楼主

楼主第一题求代码~~ follow up怎么解决的？谢谢

楼主在哪工作啊? 是面senior 的position 吗 跟我的面经完全不同...

+1 想请教您这个怎么优化空间啊？ key-value已经不能再精简了啊。。。？ 谢谢！

2011051305 发表于 2017-7-1 14:06
+1 想请教您这个怎么优化空间啊？ key-value已经不能再精简了啊。。。？ 谢谢！

key 后面的 list 做成 trie?

say543 发表于 2017-7-1 13:45
楼主在哪工作啊? 是面senior 的position 吗 跟我的面经完全不同...

对 senior data engineer 感觉问的问题完全看人

我刚开始的想法是 key -> following words list, e.g. like -> [ apple beer beer ] Space O(N) predict time O(1)
但是面试官说这样子的话会有冗余数据 worst case N^2 space e.g. "a b a c a d a e a f"
但其实我不理解为什么这个情况就是N^2了，这也是N space吧？也可能我没有完全理解他的意思

后来优化的话，可以用 key -> word -> count e.g. like -> {apple = 1, beer  = 2} 然后用类似counting sort + binary search的思路，每次predict a random number within the range of counting sort, then find the index in the counting array and return the random word这样子 analyze 方法需要 space O(N)，predict方法 O(logN)

之后还说可以做到 space O(N) time O(log (logN)) 但是没有继续讨论了

2011051305 发表于 2017-7-1 14:06
+1 想请教您这个怎么优化空间啊？ key-value已经不能再精简了啊。。。？ 谢谢！

我刚开始的想法是 key -> following words list, e.g. like -> [ apple beer beer ] Space O(N) predict time O(1)
但是面试官说这样子的话会有冗余数据 worst case N^2 space e.g. "a b a c a d a e a f"
但其实我不理解为什么这个情况就是N^2了，这也是N space吧？也可能我没有完全理解他的意思

后来优化的话，可以用 key -> word -> count e.g. like -> {apple = 1, beer  = 2} 然后用类似counting sort + binary search的思路，每次predict a random number within the range of counting sort, then find the index in the counting array and return the random word这样子 analyze 方法需要 space O(N)，predict方法 O(logN)

之后还说可以做到 space O(N) time O(log (logN)) 但是没有继续讨论了


补充内容 (2017-8-17 12:50):
其实这道题目就是蓄水池抽样问题，跟LC的这道题很像：
https://leetcode.com/problems/random-pick-index/description/

谢谢分享