特斯拉面试--无人驾驶技术岗50w的offer你心动了吗

Posted 2021-09-21 Jason_Honey2

自从2015年，马斯克在Twitter上招揽工程师，并将亲自面试应聘者。
特斯拉的自动驾驶技术仍然远远称不上无人驾驶，但特斯拉Model S的车主已经可以在高速公路上把手离开方向盘。
特斯拉一向走在汽车科技创新的前列，马斯克也不太可能在无人驾驶汽车领域落后于人。他今年9月接受Danish TV采访时估计，特斯拉大概只需要3年就可以实现这一目标。

金九银十，总结了特斯拉最近的一轮笔试，面试岗位无人驾驶算法工程师，计算机视觉方向
面试的时间一般是两个半小时，一共三道题，面试的答主肯定是通过了，
面试的环境属于英文题目，系统自带编译环境python3.6编译环境，不是自己的编译器，下面答案仅供参考，不是特别的完善，有意见请留下你的评论
我在这对下面三道题做下总结：
先上三道题的题目图片：
第一题

这是第一道题，把代码写到这个函数里即可

import numpy as np

def transform_image(array, shift):
    pass

import numpy as np

def transform_image(array,shift):
    if not shift or shift <0 or shift > image.shape[0]:
        print("shift out of range!")

    image_rotated = np.rot90(array, 1)
	np.random.seed(0)
    x = np.random.randn(array.shape[0], array.shape[1])
    x_min = np.min(x)
    x_max = np.max(x)
    a =-0.5
    b=0.5
    x = a+(b-a) / (x_max - x_min) * (x - x_min)
    x = np.around(x, 2)
    image_noised = array + x

    image_rolled = array.copy()
    for i in range(shift):
        p = image_rolled[:,image_rolled.shape[1]-1].copy()
        a = image_rolled[:, 0:image_rolled.shape[1] - 1]
        image_rolled[:,1:image_rolled.shape[1]] = a
        image_rolled[:,0] = p

    ret = {
        "ret_rotated":image_rotated,
        "ret_rolled":image_rolled,
        "ret_flipped":image[::-1, ...],
        "ret_noised":image_noised
    }

    return ret

if __name__=="__main__":
    list1 = [
        [0, 1, 1, 1, 0],
        [0, 1, 0, 1, 0],
        [0, 1, 1, 1, 0],
        [0, 0, 0, 1, 0],
        [0, 0, 0, 1, 0]
    ]
    image = np.asarray(list1)
    ret = transform_image(image,2)

第二题：

第二题写到下面的函数中：

# you can write to stdout for debugging purposes, e.g.
# print("this is a debug message")
def solution(S, C):    # write your code in Python 3.6   
 pass

def solution(s, c):
    data = list(reader(StringIO(s)))
    header = data.pop(0)
    return int(max(row[header.index(c)] for row in data))

第三道题：

需要处理表格数据

第三道题 代码也是写到这个函数即可

import numpy as np
import pandas as pd
def solution(files):
   pass

答案：

def solution(files):
    data = pd.read_csv(files)
    data['year'] = pd.DatetimeIndex(data['date']).year
    data.groupby(['year'], sort=False)['vol'].max().reset_index()

    result_date = list(data.iloc[data.groupby(['year']).apply(lambda x: x['vol'].idxmax())]['date'])
    result_vol = list(data.iloc[data.groupby(['year']).apply(lambda x: x['vol'].idxmax())]['vol'])
    return result_date, result_vol

result_date, result_vol = solution('framp.csv')
print(result_date)
print(result_vol)

结果：

['2005-09-23', '2006-05-31', '2007-02-01', '2008-05-14', '2009-02-06', '2010-05-26', '2011-08-31', '2012-11-06', '2013-10-10', '2014-04-09', '2015-11-30', '2016-06-28', '2017-02-16', '2018-09-21', '2019-01-09']
[306208914, 28831088, 18388511, 24150048, 35246018, 54335576, 35866126, 59381774, 38320297, 21251451, 17545094, 17390752, 17621885, 28281682, 9451453]