清晨六点半，鹏城的天刚蒙蒙亮。
林晨已经坐在书桌前，屏幕上是LeetCode的T厂高频150题列表。他昨晚只睡了不到六小时，但此刻精神异常亢奋——距离后天的技术面试，只剩下不到两天了。
“先从动态规划开始”。他自言自语，点开第一题“最长递增子序列”。
手指在键盘上敲击，思路在脑海中流转。这半年自学AI，他其实没怎么刷算法题，大部分时间都花在机器学习理论和实战项目上。但T厂的面试传统他很清楚：算法是基本功，过不了这一关，再好的项目经验也白搭。
第一题顺利解出，时间复杂度O(n2)。他皱了皱眉，切换到题解区，看到最优解是O(n log n)的贪心+二分法。
“得优化”。他重新打开编辑器。
这不是简单的刷题，而是重建算法思维的过程。他需要把那些被深度学习框架封装起来的底层逻辑重新激活——数组、链表、树、图、递归、分治、动态规划……这些计算机科学的基础构件，就像建筑的地基，决定了上层AI模型能建多高。
上午九点，苏婉轻轻推开书房门，端来一杯热牛奶和两个包子。
“先吃点东西”。她把早餐放在桌角，“乐乐已经送去幼儿园了”。
林晨这才从代码中抬起头，揉了揉发酸的眼睛：“谢谢老婆”。
“准备得怎么样”？苏婉看着他布满血丝的眼睛，有些心疼。
“算法题刷了二十道，正确率还行，但有些解法不够优雅”。林晨咬了口包子，“下午面试官肯定会追问优化思路，我得把每种解法的时间复杂度和空间复杂度都吃透”。
苏婉在他身边坐下：”你那个投资系统的代码，要不要再梳理一遍？之前你自己练习时，我觉得你讲技术架构讲得特别好”。
“对，这是重头戏”。林晨快速吃完早餐，打开另一个文件夹，“这是我用PyTorch写的量化交易模型，融合了LSTM时序预测和强化学习策略优化。面试时如果问到实战项目，我就拿这个举例”。
他点开代码文件，一行行解释给苏婉听——虽然妻子不是技术出身，但她的反馈能帮他判断讲解是否通俗易懂。
“你看这里，我用了注意力机制来捕捉市场中的异常波动信号”。林晨指着屏幕，“传统的技术指标比如MACD、RSI，都是基于固定公式，但市场是动态的。我的模型会学习在不同市场环境下，哪些指标更有效”。
（本章节未完结，点击下一页翻页继续阅读）
正在加载...