杭州电子科技大学 · 03_智能计算与数据科学

2026-07-28 · 备考资料 · 鸡蛋强基计划综合评价

智能计算与数据科学（计算机科学与技术）

Intelligent Computing and Data Science (Computer Science and Technology)

A. 方向画像与考察重点

智能计算与数据科学是杭州电子科技大学卓越学院"智能计算与数据科学"实验班（依托计算机科学与技术国家级一流本科专业建设点）二次选拔的核心方向之一，也是连接经典计算机科学与现代数据智能的桥梁。该方向重点考察学生对"计算 + 数据"双重素养的理解深度：既要有扎实的算法、数据结构、编程与系统基础，又要具备用数据建模、挖掘价值的思维。面试官通常通过概念辨析、基础算法设计与复杂度分析，判断考生是否具备可塑性强的工程数理底子。

从学校战略看，卓越学院以"一制三化"（导师制、小班化、个性化、国际化）为培养特色，计算机科学与技术专业是学校的优势学科，计算机科学学科已进入 ESI 全球前 1%。因此面试中常将基础问题与工程落地、大数据与 AI 趋势结合，例如"哈希表为何能 O(1) 查找""MapReduce 如何做分布式排序"。导师库涵盖算法设计、数据挖掘、大数据系统、机器学习等方向，跨方向关联性极强。

本方向常见的考察角度包括：算法复杂度与排序、数组/链表/树/图等数据结构、哈希与索引、递归与动态规划、数据库与 SQL、大数据技术栈（Hadoop/Spark）、机器学习与数据挖掘基础、概率统计与线性代数，以及项目经历中的工程实践。建议考生在背诵核心结论的同时，能用一两个例子（如排行榜、推荐系统、日志分析）说明概念。

关键词智能计算与数据科学 · 面试常考维度

算法与复杂度：大 O 分析、排序、查找、递归与动态规划
数据结构：数组、链表、栈队列、树与二叉树、图、哈希表
编程基础：语言特性、面向对象、进程与线程
机器学习基础：监督/无监督、过拟合、回归与分类
数据挖掘：关联规则、聚类、特征与评估
数据库：SQL、范式、索引、事务
大数据技术：Hadoop/MapReduce、Spark、分布式思想
数学支撑：概率统计、线性代数、离散数学

B. 核心概念速查

速查表 8 条关键概念（一句话解释）

时间复杂度（Time Complexity）：用大 O 记号刻画算法运行时间随输入规模 n 的增长阶，如 O(1)、O(log n)、O(n)、O(n log n)、O(n²)，是评价算法效率的核心指标。
哈希表（Hash Table）：通过哈希函数将键映射到桶地址，理想情况下查找/插入/删除均摊 O(1)，冲突用链地址法或开放寻址处理。
二叉树与 BST：每个节点最多两个子节点；二叉搜索树（BST）满足左子树键值小于根、右子树大于根，中序遍历有序，平均查找 O(log n)。
动态规划（DP）：将问题拆为重叠子问题，用表存储子问题解以避免重复计算，核心为"状态定义 + 转移方程 + 边界"，如背包、最长公共子序列。
SQL 与索引：用 SELECT/JOIN/GROUP BY 操作关系表；B+ 树索引加速查找，以空间换时间，但会降低写入速度。
MapReduce：分布式计算范式，分 Map（映射）与 Reduce（归约）两阶段，通过数据分片与洗牌在多机并行处理海量数据。
过拟合（Overfitting）：模型死记训练样本、泛化差；可用更多数据、正则化、交叉验证等手段缓解。
关联规则（Apriori）：从交易数据中挖掘"买 A 也买 B"的频繁项集与置信度，是数据挖掘的经典任务。

C. 面试真题（Q1–Q20）

Q1请解释时间复杂度与空间复杂度的含义，并举例说明 O(n) 与 O(n²) 的区别。专业重点

EN: Explain time and space complexity, and contrast O(n) with O(n²) by example.

参考回答（中文）

时间复杂度描述算法运行时间随输入规模 n 的增长趋势，空间复杂度描述额外内存随 n 的增长趋势，二者都用大 O 记号表示渐进上界。O(n) 表示耗时与 n 成正比，例如一趟遍历数组求和，n 翻倍耗时约翻倍。O(n²) 表示耗时为 n 的平方量级，例如双重循环的比较排序（冒泡、插入），n 从 1000 增至 2000，耗时约增至 4 倍。实际工程中当 n 很大时，O(n²) 会远慢于 O(n log n) 的算法（如快排、归并），因此复杂度分析是选型与优化的重要依据。空间上同样要权衡，例如用哈希表以 O(n) 空间换 O(1) 查找。

Reference Answer (EN)

Time complexity = growth of runtime with input size n; space complexity = growth of extra memory. O(n) scales linearly (e.g. one array pass); O(n²) scales quadratically (e.g. bubble sort double loop). At large n, O(n²) is far slower than O(n log n). Complexity guides algorithm choice and optimization.

备考提示：必背题。答题要讲清"渐进、上界、随 n 增长"，并能用具体算法（遍历 vs 双重循环）举例，体现工程直觉。

Q2数组与链表在内存结构与操作效率上有何区别？各自适合什么场景？专业重点

EN: Differences between array and linked list in memory layout and operation efficiency?

参考回答（中文）

数组在内存中连续存放，支持随机访问（按下标 O(1) 取值），但插入/删除中间元素需移动后续元素，为 O(n)；且容量固定或需整体扩容。链表由节点通过指针串联，内存不连续，随机访问需从头遍历 O(n)，但在已知节点处插入/删除只需改指针 O(1)，且动态扩容方便。因此：随机访问频繁、读多写少时用数组（如排行榜查询）；频繁增删、大小不定时用链表（如实现队列、LRU 缓存的节点管理）。工程上常用动态数组（如 C++ vector、Java ArrayList）兼顾二者优点。这道题常引出"如何用链表/数组实现栈与队列"的追问。

Reference Answer (EN)

Array: contiguous memory, O(1) random access, O(n) insert/delete in middle, fixed/resizable capacity. Linked list: nodes via pointers, non-contiguous, O(n) access, O(1) insert/delete at known node, dynamic size. Use arrays for read-heavy random access; lists for frequent insert/delete. Dynamic arrays blend both.

备考提示："连续 vs 指针、随机访问 O(1) vs 增删 O(1)"是核心对比点；可主动延伸到栈/队列的数组实现。

Q3快速排序的基本思想是什么？其平均与最坏时间复杂度分别是多少？专业重点

EN: What is quicksort's idea? Its average and worst-case time complexity?

参考回答（中文）

快速排序采用分治思想：选一个基准（pivot），将数组划分成"小于基准"和"大于基准"的两部分，再对两部分递归排序。平均情况下每次划分较均衡，递归深度约 log n、每层 O(n)，故平均复杂度 O(n log n)；若每次划分极不平衡（如已有序且总选两端作 pivot），递归退化为 n 层，最坏复杂度 O(n²)。工程上通过随机选 pivot 或三数取中缓解最坏情况，且快排原地排序、空间 O(log n)（递归栈），缓存友好，因此常作为标准库默认排序。与归并排序（稳定、O(n log n)、需额外空间）相比，快排通常更快但不稳定。

Reference Answer (EN)

Quicksort: divide-and-conquer, pick a pivot, partition into pivot, recurse. Average O(n log n); worst O(n²) on skewed partitions (e.g. sorted input, bad pivot). Randomized/ median-of-three pivot avoids worst case. In-place, O(log n) stack, cache-friendly, usually faster but unstable vs stable merge sort.

备考提示："分治 + pivot + 划分"是骨架；务必能解释最坏 O(n²) 的成因，并对比归并排序的稳定性与空间开销。

Q4什么是二叉搜索树（BST）？它的查找、插入、删除复杂度为何是 O(log n)？

EN: What is a BST? Why are search/insert/delete O(log n)?

参考回答（中文）

二叉搜索树规定：左子树所有键值小于根，右子树所有键值大于根，且左右子树也分别是 BST。查找时从根出发，比根小走左、比根大走右，每一步排除一半候选；插入沿查找路径落到空位；删除分叶子、单孩子、双孩子（用中序前驱/后继替换）三种情况。在"树近似平衡"时，高度约 log n，故三类操作均为 O(log n)。但若插入有序数据导致退化成链表，高度变 n，复杂度退化为 O(n)。因此工程上用自平衡树（AVL、红黑树）保持高度平衡，数据库索引常用的 B+ 树也是平衡思想的扩展。

Reference Answer (EN)

BST: left subtree < root < right subtree. Search/insert/delete walk one path, halving candidates each step → O(log n) when balanced. On sorted insertion the tree degenerates to a linked list → O(n). Self-balancing trees (AVL, red-black) and B+ trees fix this.

备考提示：答完 BST 顺带提"退化成链表"与自平衡树，能自然过渡到数据库索引（见 Q13），体现知识连贯。

Q5哈希表是如何实现 O(1) 查找的？什么是哈希冲突，有哪些解决方法？专业重点

EN: How does a hash table achieve O(1) lookup? What is collision and how to resolve it?

参考回答（中文）

哈希表通过哈希函数 h(key) 把键映射到桶数组的下标，理想情况下直接计算地址完成存取，平均 O(1)。但不同键可能映射到同一桶，称为哈希冲突。常见解决方法：链地址法（每个桶挂一条链表/红黑树存放同桶元素，如 Java HashMap）、开放寻址法（冲突后按探测序列找下一个空位，如线性探测、二次探测），以及再哈希、扩容重散列（负载因子过高时扩容并重新映射以降低冲突率）。好的哈希函数应分布均匀、计算快。哈希表是缓存、字典、数据库索引、集合判重等场景的基石。

Reference Answer (EN)

Hash table maps key→bucket via hash function h(key) for direct O(1) access. Collisions (two keys same bucket) are resolved by chaining (linked list/red-black tree per bucket) or open addressing (linear/quadratic probing), plus rehashing on high load factor. Uniform, fast hash functions are key. Foundation of caches, dicts, indexes.

备考提示："O(1) 是均摊、依赖低冲突"这点要诚实说明；能说出链地址法与开放寻址两类解法即过关。

Q6深度优先搜索（DFS）与广度优先搜索（BFS）有何区别？分别用什么数据结构实现？专业重点

EN: Differences between DFS and BFS, and what data structures implement them?

参考回答（中文）

DFS 沿一条分支走到尽头再回溯，用栈（递归调用栈或显式栈）实现，适合找路径、连通分量、拓扑排序、迷宫类问题；BFS 按层逐层扩展，用队列实现，适合求无权图的最短路径、社交网络一度二度关系。空间上，最坏情况 DFS 栈深为图深，BFS 队列宽为图宽。复杂度通常都是 O(V+E)（V 顶点、E 边）。二者是图论与搜索算法的基石，许多问题（如连通性、环检测）二者皆可，但"最短路径"优先 BFS，"全路径/回溯"优先 DFS。在大数据场景下还可扩展为分布式图计算框架（如 GraphX）。

Reference Answer (EN)

DFS goes deep then backtracks, using a stack (recursion or explicit); good for paths, connectivity, topological sort. BFS expands level by level using a queue; good for unweighted shortest path, social degrees. Both O(V+E). BFS for shortest path, DFS for backtracking/all-paths.

备考提示："DFS=栈、BFS=队列"是必记对应；能举最短路径用 BFS、回溯用 DFS 的具体例子最稳。

Q7递归与迭代有什么区别？递归可能带来什么问题，如何优化？

EN: Recursive vs iterative? Problems of recursion and how to optimize?

参考回答（中文）

递归是函数调用自身解决问题，代码直观、契合分治/树形结构；迭代用循环变量重复执行。二者常可相互改写。递归的代价：每层的函数调用要在调用栈压入栈帧，深度过大（如未优化的斐波那契、深层树）会栈溢出；且重复子问题会重复计算。优化手段有：尾递归优化（若语言支持，复用栈帧）、用显式栈改写成迭代、记忆化/动态规划（缓存子问题解，如带备忘录的斐波那契从 O(2ⁿ) 降到 O(n)）。面试中常要求把递归改写成 DP 或迭代，以体现对空间与效率的考量。

Reference Answer (EN)

Recursion calls itself (intuitive for divide-and-conquer/trees); iteration uses loops. Recursion costs stack frames → stack overflow at depth, and recomputation of subproblems. Optimize via tail-call optimization, explicit-stack iteration, or memoization/DP (cache subproblems, e.g. Fibonacci O(2ⁿ)→O(n)).

备考提示："递归改 DP/迭代"是高频实操题；务必能讲清记忆化如何降复杂度，并点出栈溢出风险。

Q8什么是动态规划？它与分治、贪心有何区别？专业重点

EN: What is dynamic programming? How does it differ from divide-and-conquer and greedy?

参考回答（中文）

动态规划用于求解具"最优子结构"且"子问题重叠"的问题：把大问题拆成子问题，用表（dp 数组）存子问题解避免重复计算，再通过状态转移方程由小推大。与分治的区别：分治子问题相互独立（如归并排序），DP 子问题重叠需共享；与贪心的区别：贪心每步取局部最优、不回溯、不保证全局最优（如贪心不一定能解 0-1 背包），DP 则穷举子问题保证全局最优但代价更高。典型题：背包、最长公共子序列（LCS）、最长递增子序列（LIS）、最短路径（Floyd）。实操步骤：定义状态 → 写转移方程 → 定边界 → 确定遍历顺序。

Reference Answer (EN)

DP solves problems with optimal substructure + overlapping subproblems, storing subproblem results in a table and building up via transition equations. vs divide-and-conquer: subproblems overlap (shared), not independent. vs greedy: greedy takes local optimum without backtracking and may fail globally; DP guarantees optimum. Examples: knapsack, LCS, LIS.

备考提示："最优子结构 + 重叠子问题"是 DP 的两大前提；答清与贪心的本质区别（是否保证全局最优）即可。

Q9请说明监督学习与无监督学习的核心区别，并各举一个数据科学中的例子。

EN: Core difference between supervised and unsupervised learning, with data-science examples.

参考回答（中文）

区别在于"训练数据是否带标签"。监督学习使用带标注的 (x, y) 学习输入到输出的映射，如用已标注"正常/异常"的网络日志训练入侵检测分类器。无监督学习面对无标注数据，目标是发现内在结构，如用 K-means 对客户消费行为聚类分群、做用户画像。还有半监督、强化学习等中间形态。在数据科学项目中，常先无监督探索数据分布（聚类、降维），再用监督模型做预测。简单说：监督"有标准答案"，无监督"自己找规律"。

Reference Answer (EN)

Supervised learns from labeled (x,y) data, e.g. training an intrusion detector on labeled logs. Unsupervised finds structure in unlabeled data, e.g. K-means clustering customers for user profiling. Often explore with unsupervised (clustering/dim-reduction) before supervised prediction. Supervised = labeled answers; unsupervised = discover patterns.

备考提示：数据科学方向必考；用"日志分类 vs 客户聚类"这类贴近专业的例子，比泛泛而谈更出彩。

Q10什么是过拟合？在数据分析项目中你如何发现并缓解它？专业重点

EN: What is overfitting? How do you detect and mitigate it in a data project?

参考回答（中文）

过拟合指模型在训练集上表现好、但在测试/新数据上泛化差，本质学到了噪声与样本巧合，常因模型过复杂或数据不足。发现手段：划分训练/验证/测试集，观察训练误差低而验证误差高（U 形分化曲线）；或用交叉验证看稳定性。缓解：增加数据与数据增强、简化模型、正则化（L1/L2）、早停、Dropout、集成（随机森林/Bagging 降方差）。在数据科学流程中，还应做特征筛选、避免特征泄漏（用训练集统计量拟合再作用于测试集）。诊断曲线 + 对症处理是标准套路。

Reference Answer (EN)

Overfitting: low train error, poor generalization, from too-complex model or too little data. Detect via train/validation split and cross-validation (train error low, val error high). Mitigate: more data, simpler model, L1/L2 regularization, early stopping, dropout, ensembles. Also avoid leakage (fit stats on train only).

备考提示："训练低、验证高 = 过拟合"的判断逻辑必说；主动提交叉验证与特征泄漏，体现规范数据科学流程。

Q11数据挖掘中的关联规则（Apriori）是怎么工作的？支持度与置信度是什么？

EN: How does the Apriori association-rule algorithm work? What are support and confidence?

参考回答（中文）

关联规则从交易数据（如购物篮）中挖掘"X→Y"的隐含关系。支持度（Support）表示 X 与 Y 同时出现的概率，衡量规则普遍性；置信度（Confidence）= 支持度(X∪Y)/支持度(X)，表示买 X 的人中买 Y 的比例，衡量可靠性。Apriori 核心是"先验性质"：频繁项集的子集必频繁，故逐层生成候选——先找频繁 1-项集，再两两组合得候选 2-项集并剪枝非频繁子集，迭代至无更长频繁集。其缺点是需多次扫描数据库、候选膨胀；后续 FP-Growth 用频繁模式树避免候选生成。电商"啤酒与尿布"即经典案例。

Reference Answer (EN)

Association rules mine X→Y from transactions. Support = P(X∪Y) (popularity); Confidence = Support(X∪Y)/Support(X) (reliability). Apriori uses the apriori property (subsets of frequent itemsets are frequent) to generate candidates level by level, pruning non-frequent subsets. Cost: multiple scans, candidate explosion; FP-Growth improves it.

备考提示："支持度看普遍、置信度看可靠"一句话区分；能说清 Apriori 先验性质与逐层剪枝即可。

Q12SQL 中 INNER JOIN 与 LEFT JOIN 的区别是什么？请举一例。专业重点

EN: Difference between INNER JOIN and LEFT JOIN in SQL, with an example.

参考回答（中文）

INNER JOIN 只返回两表中"连接键匹配"的行，不匹配的将被丢弃；LEFT JOIN（左外连接）返回左表的全部行，右表无匹配时对应列填 NULL。例如：学生表 LEFT JOIN 选课表，可列出所有学生及其选课（没选课的也显示，选课列为空）；若用 INNER JOIN 则只显示有选课记录的学生。实际分析中，LEFT JOIN 常用于"保留主表全集做缺失值分析"，INNER JOIN 用于"只分析有交集的记录"。多表关联还可能涉及 RIGHT JOIN、FULL JOIN，以及用 GROUP BY + 聚合做统计。

Reference Answer (EN)

INNER JOIN returns only matching rows from both tables; LEFT JOIN returns all left-table rows, with NULLs for unmatched right-table columns. Example: Students LEFT JOIN Enrollments lists every student and their courses (including those with none); INNER JOIN would list only enrolled students. LEFT JOIN keeps the full master set; INNER JOIN keeps only intersections.

备考提示：用"左表全保留、右表补 NULL"记忆 LEFT JOIN；能举学生-选课例很贴切，体现数据库实战意识。

Q13数据库索引为什么能加速查询？B+ 树索引相比哈希索引有何优势？专业重点

EN: Why do indexes speed up queries? Advantages of B+ tree index over hash index?

参考回答（中文）

索引是额外维护的数据结构，以空间换时间，避免全表扫描。B+ 树索引把数据按 key 有序组织成多叉平衡树，查找、范围查询（如 WHERE age BETWEEN 20 AND 30）、排序、前缀匹配都很高效，树高很低（百万级数据仅 3–4 层），且叶子节点用链表串成有序序列，非常适合范围扫描。哈希索引虽点查 O(1)，但不支持范围查询与排序，仅适合等值匹配。因此关系型数据库（如 MySQL InnoDB）默认用 B+ 树作聚簇/二级索引。注意索引会降低写入速度并占空间，需权衡建立。

Reference Answer (EN)

Index is an extra structure trading space for time, avoiding full scans. B+ tree keeps keys ordered in a shallow balanced multi-way tree: efficient point lookup, range queries, ORDER BY, prefix matches; leaf nodes linked for sequential scans. Hash index is O(1) point lookup but no range/sort. So RDBMS (e.g. InnoDB) default to B+ trees. Indexes slow writes and cost space—trade-off needed.

备考提示："B+ 树支持范围、哈希只支持等值"是关键对比；能联系 Q4 的平衡树思想，知识更成体系。

Q14请解释 MapReduce 的工作原理，它如何实现分布式数据处理？专业重点

EN: Explain MapReduce's working principle and how it enables distributed processing.

参考回答（中文）

MapReduce 是 Hadoop 的分布式计算范式，分两阶段：Map 阶段把输入分片，多台机器并行执行 map 函数，输出 (key, value) 中间对；Shuffle 阶段按 key 分区排序、把同 key 的数据汇集到同一 reduce 节点；Reduce 阶段对同 key 的值做归约（如求和、计数）得到最终结果。其优势是将"计算向数据靠拢"（数据本地化），通过横向扩展机器处理 PB 级数据，并对失败任务自动重试，屏蔽分布式复杂性。缺点是落地磁盘、迭代任务慢。因此它适合批处理（日志分析、ETL），而 Spark 用内存计算弥补其速度短板。

Reference Answer (EN)

MapReduce (Hadoop): Map phase runs map() in parallel on split inputs emitting (key,value); Shuffle partitions/sorts by key to reducers; Reduce aggregates per key. It moves compute to data (locality), scales horizontally to PB data, retries failed tasks. Downside: disk-based, slow for iteration. Great for batch ETL; Spark adds in-memory speed.

备考提示："Map → Shuffle → Reduce"三步走必背；点出"数据本地化"与"适合批处理"，并与 Spark 对比显视野。

Q15Spark 与 Hadoop MapReduce 相比有什么优势？什么是 RDD？

EN: Advantages of Spark over Hadoop MapReduce? What is an RDD?

参考回答（中文）

Spark 相比 MapReduce 的核心优势是内存计算：MapReduce 每步落磁盘，迭代/交互式任务极慢；Spark 把中间结果缓存在内存，速度常快一个数量级，并提供丰富的 API（Spark SQL、DataFrame、MLlib、Streaming）。RDD（弹性分布式数据集）是 Spark 的核心抽象：不可变、分区、可并行计算的分布式集合，具备血缘（lineage）机制——某分区丢失时可凭依赖关系重算，无需持久化副本，从而实现容错。Spark 既兼容 HDFS 等存储，又弥补了 MapReduce 在迭代机器学习、流式处理上的不足，是当下大数据处理主流引擎。

Reference Answer (EN)

Spark's edge: in-memory computing vs MapReduce's disk-per-step, so iteration/interactive jobs are far faster, with rich APIs (SQL, MLlib, Streaming). RDD (Resilient Distributed Dataset) is Spark's core abstraction: immutable, partitioned, parallel collection with lineage-based fault tolerance (recompute lost partitions). Spark keeps HDFS compatibility while excelling at iterative ML and streaming.

备考提示："内存 vs 磁盘"是第一差异；RDD 的"不可变 + 血缘容错"是加分点，能讲清即显功底。

Q16贝叶斯定理是什么？它在分类（如朴素贝叶斯）中有何应用？

EN: What is Bayes' theorem? Its application in classification (e.g. Naive Bayes)?

参考回答（中文）

Reference Answer (EN)

Bayes: P(A|B)=P(B|A)P(A)/P(B), updating prior P(A) with likelihood to posterior. Naive Bayes assumes conditional independence of features given class, so P(class|features) ∝ P(class)·Π P(feature_i|class), pick max. Fast, good for text/spam, but sensitive to the independence assumption. It embodies "update belief by data" and introduces generative models/MAP.

备考提示：能写出贝叶斯公式并解释"先验→后验"即可；点出"朴素"指特征独立假设，常是追问点。

Q17线性代数中的矩阵乘法在数据与机器学习中有什么作用？

EN: What is the role of matrix multiplication in data science and ML?

参考回答（中文）

在数据处理中，常把样本按行、特征按列排成矩阵 X（n×d），一次矩阵运算即可批量完成对所有样本的转换，比逐条循环高效得多（且便于 BLAS 加速）。在机器学习里，全连接层输出 Z = X·W + b、神经网络的前向传播、PCA 降维（协方差矩阵特征分解）、图卷积等本质都是矩阵/张量运算。矩阵乘法还对应线性变换的复合。理解其维度匹配（如 (n×d)·(d×k) → n×k）与性质（一般不可交换、结合律成立），是阅读算法公式、做向量化编程的基础，也是大数据与深度学习依靠 GPU 并行加速的数学前提。

Reference Answer (EN)

Data is stacked as matrix X (n×d, samples×features); one matrix op transforms all samples at once, far faster than loops and BLAS-friendly. In ML, dense layers Z=XW+b, forward passes, PCA (eigendecomposition of covariance), GCNs are all matrix/tensor ops. Matrix multiply = composition of linear maps. Knowing shape matching and properties (non-commutative, associative) underpins vectorized code and GPU acceleration.

备考提示："数据表即矩阵、批量运算即矩阵乘"是数据科学的数学视角；能联系 PCA/神经网络最显功底。

Q18线性回归与逻辑回归分别解决什么任务？为何逻辑回归用交叉熵而非均方误差？

EN: What tasks do linear and logistic regression solve? Why cross-entropy not MSE for logistic?

参考回答（中文）

线性回归 y = wᵀx + b 解决连续值预测（回归），用均方误差 MSE 作损失，可解析（正规方程）或梯度下降求解。逻辑回归在线性组合后套 Sigmoid 把输出压到 (0,1) 作概率，解决二分类；其损失用对数似然（交叉熵）。若对 Sigmoid 输出用 MSE，损失曲面非凸且梯度在饱和区极平坦（梯度消失式），难优化；交叉熵配合 Sigmoid 时梯度为 (预测−标签)，简洁友好、凸且收敛快。逻辑回归虽名称带"回归"，实质是分类器，也是神经网络输出层的雏形。

Reference Answer (EN)

Linear regression y=wᵀx+b predicts continuous values via MSE (closed-form or GD). Logistic regression adds sigmoid for probability, solving binary classification with cross-entropy loss. MSE on sigmoid is non-convex with vanishing gradients in saturating regions; cross-entropy gives clean gradient (pred−label), convex and fast. Despite the name, logistic regression is a classifier.

备考提示："逻辑回归是分类不是回归"是经典陷阱；MSE 在 Sigmoid 下梯度平坦的原因要能讲清。

Q19面试官问"请介绍你做过的项目"时，如何用数据科学的结构讲清楚？专业重点

EN: When asked to introduce a project, how to present it in a data-science structure?

参考回答（中文）

推荐用"问题 → 数据 → 方法 → 结果 → 反思"五段式：①问题：要解决什么（如预测学生成绩、分析电商评论情感）；②数据：来源、规模、字段、做了哪些清洗与特征工程；③方法：用了什么模型/算法（如随机森林、聚类），为何选它；④结果：用哪些指标衡量（准确率/F1/RMSE），取得了什么效果，是否做了对比实验；⑤反思：不足与可改进点（如数据量小、未做交叉验证）。这样比泛泛说"我做了个分析"更有说服力，也便于导师追问技术细节。准备 1–2 个项目、能答清每行代码的来由，是面试高分的保证。

Reference Answer (EN)

Use a five-part structure: Problem → Data → Method → Results → Reflection. State the goal, data source/scale/cleaning/features, model choice and why, metrics (accuracy/F1/RMSE) with baseline comparison, and honest limitations/improvements. This beats vague "I did an analysis" and invites technical follow-ups. Prepare 1–2 projects you can defend line by line.

备考提示：项目讲述务必落到"数据→方法→指标"的硬细节；能承认不足并提改进，比一味自夸更得导师青睐。

Q20进程与线程的区别是什么？多线程编程中要注意什么？专业重点

EN: Differences between process and thread? What to watch in multithreading?

参考回答（中文）

进程是资源分配的基本单位，拥有独立内存空间，彼此隔离、通信需 IPC（管道、共享内存等）；线程是 CPU 调度的基本单位，同一进程内的线程共享内存与资源，切换开销小、通信方便但需同步。多线程能提升并发（如 Web 服务器同时处理请求、数据处理并行加速），但共享内存带来竞态条件，需用锁（互斥量）、信号量保证临界区互斥，避免死锁（如两线程互相等待对方持有的锁）。在 Python 中受 GIL 限制，CPU 密集任务用多进程更优，I/O 密集可用多线程/协程。理解并发模型是大数据与系统编程的基本功。

Reference Answer (EN)

Process = resource unit with isolated memory (IPC needed); thread = scheduling unit sharing memory within a process, cheaper to switch, easier to communicate but needs sync. Multithreading boosts concurrency (servers, parallel ETL) yet shared memory causes races—use mutexes/semaphores and avoid deadlocks. Python's GIL makes multiprocessing better for CPU-bound, threads/asyncio for I/O-bound. Concurrency is core systems skill.

备考提示："进程隔离、线程共享"是第一句；能提到锁/死锁与 Python GIL，直接体现系统编程素养。

D. 自我介绍模板（3 版 · 中英）

版本一（算法与编程导向）

中文：老师好，我是来自××中学的×××。我对计算机科学的兴趣始于信息学竞赛，曾用 C++ 实现过线段树与动态规划解题，认识到"高效算法"是智能时代的基础设施。在自学中我系统掌握了数组、链表、树、图等数据结构与时间复杂度分析，也用 Python 做过小规模数据清洗与可视化。我希望进入卓越学院智能计算与数据科学实验班，在导师制下把扎实的算法功底延伸到数据挖掘与大数据方向，未来参与实际科研项目。

EN: Hello professors, I'm ××× from ×× High School. My interest in CS began with competitive programming, where I implemented segment trees and DP in C++, realizing efficient algorithms are the infrastructure of the intelligent era. I've systematically learned arrays, linked lists, trees, graphs and complexity analysis, and used Python for small-scale data cleaning and visualization. I hope to join the Intelligent Computing and Data Science program, extending my algorithmic foundation into data mining and big data under the mentorship system, and participate in real research.

版本二（数据科学 / 机器学习导向）

中文：老师好，我是×××。我对数"据中找规律"着迷：曾用公开数据集做过房价预测（线性回归）与用户分群（K-means），完整走通了"数据清洗→特征工程→建模→评估"的流程，并理解了过拟合与交叉验证的重要性。我也了解 Hadoop/Spark 等大数据技术的基本概念。贵院"一制三化"的导师制与项目制培养，正契合我想"做中学"的期待，我希望在实验班深耕机器学习与数据挖掘，并争取早期进入导师课题。

EN: Hello, I'm ×××. I'm fascinated by finding patterns in data: I built a house-price predictor (linear regression) and customer segmentation (K-means) on public datasets, going through cleaning→features→modeling→evaluation, and learned the importance of overfitting and cross-validation. I also know the basics of Hadoop/Spark. The mentorship and project-based "one-system-three-modernizations" training fits my learn-by-doing goal; I hope to deepen ML and data mining in the program and join a advisor's project early.

版本三（交叉创新 / 综合素养导向）

中文：老师好，我是×××。我把计算机视为"用计算解决真实问题"的工具：既喜欢写代码（获过编程类奖项），也喜欢用数学建模看待世界。我曾把校园一卡通消费数据做聚类分析，给同学提消费建议，体会到"计算 + 数据"能创造实际价值。杭电计算机学科进入 ESI 全球前 1%，智能计算与数据科学实验班强调算法、系统与数据交叉，与我的志趣高度吻合。我期待在导师制与国际化培养中，成长为兼具工程能力与数据思维的复合型人才。

EN: Hello, I'm ×××. I see CS as using computation to solve real problems: I enjoy coding (won programming awards) and mathematical modeling. I once clustered campus card spending to give peers budgeting advice, experiencing how "computing + data" creates real value. HDU's CS is in ESI top 1%, and the Intelligent Computing and Data Science program's algorithm-system-data crossover matches my interest. I look forward to growing into a versatile talent with both engineering and data thinking under mentorship and international training.

E. 专业背景知识补充

实验班版本

智能计算与数据科学实验班（依托计算机科学与技术国家级一流本科专业建设点）是卓越学院面向数据驱动时代的拔尖创新人才培养特区。

The Intelligent Computing and Data Science program (built on the National First-Class CS major) is an elite talent zone of the Honors College for the data-driven era.

杭州电子科技大学卓越学院"智能计算与数据科学"实验班，依托学校计算机科学与技术国家级一流本科专业建设点设立，是面向数据驱动时代的拔尖创新人才培养特区。该方向以"厚基础、强交叉、重实践"为理念，将经典计算机科学（算法、数据结构、计算机系统）与数据科学、人工智能深度融合，培养既懂底层原理又能驾驭大数据的复合型人才。

在培养模式上，实验班全面贯彻卓越学院"一制三化"特色：导师制（为每位学生配备学术导师，从低年级即进入科研课题）、小班化（精编班级、研讨式教学）、个性化（灵活选课与项目制学习路径）、国际化（海外交流、全英课程与联合培养）。计算机科学与技术专业是学校的优势学科，计算机科学学科已进入 ESI 全球前 1%，在算法设计、嵌入式系统、网络空间安全等方向积淀深厚，为实验班提供坚实的学科支撑。

"智能计算与数据科学"方向的独特之处在于"计算 + 数据"的双重训练：一方面夯实编程语言、离散数学、算法分析与数据结构、操作系统、数据库等计算机核心课程；另一方面开设机器学习、数据挖掘、大数据技术（Hadoop/Spark）、数据可视化等数据科学课程，并通过导师制科研项目将两者贯通。面试与后续培养均看重学生的数理基础、代码能力与用数据解决问题的思维——既能手写高效算法，也能在分布式环境下处理真实数据，正是本方向选拔与培养的核心逻辑。对考生而言，提前了解这一"一制三化 + 计算机一流专业 + 数据科学交叉"的定位，并在自我介绍与问答中主动对齐，将显著提升面试表现。

本方向强调"计算与数据并重"：备考时既要刷透算法与数据结构（手撕代码、复杂度分析），也要建立数据科学的整体认知（ML/挖掘/大数据栈），并准备一个能讲清"数据→方法→指标"的实战项目。结合杭电卓越学院"一制三化"与计算机一流学科背景作答，最能体现你对该方向的匹配度。

返回二次选拔