当前位置: 首页 > news >正文

心法利器[122] | 算法面试的八股和非八股讨论

心法利器

本栏目主要和大家一起讨论近期自己学习的心得和体会。具体介绍:仓颉专项:飞机大炮我都会,利器心法我还有。

2023年新的文章合集已经发布,获取方式看这里:又添十万字-CS的陋室2023年文章合集来袭,更有历史文章合集,欢迎下载。

往期回顾

  • 心法利器[118] | 向量检索组件(含代码)

  • 心法利器[119] | 大模型落地困境讨论与解决思路

  • 心法利器[120] | 从解决问题到解决新问题

  • 心法利器[121] | 读源码:用mT5训练一个自动摘要模型(含代码)

  • 心法利器[122] | 效果提升的根本来源讨论

  • 前沿重器[48-54] 合集:四万字聊搜索系统

前言:本文一开始的构思是列举一些非八股的问题,供大家思考和参考,但写一半发现简单的列举可能不如直接把思路说明白,所以转为对八股与非八股的提问,可能更能加深大家的理解。

面试的八股网上已经很多了,但是从目前的反馈和讨论来看,仅聚焦八股本身,并不能保证offer手到擒来,因此,本文结合自己的面试和被面试的经历,分享一下面试时八股和非八股问题背后的意义,方便大家提前准备和思考。

目录:

  • 为什么问八股

  • 为什么不只问八股

  • 项目参与的真实性和深度

  • 技术的深度和广度

  • 真实问题的应对能力

为什么问八股

无论是前端、后端还是算法,都有一套非常常用的八股问题,相信大家作为候选人,都会因为要背八股而困扰,但在实际面试中,大家都会被问到,在面试官的视角,这还不得不问,更多是因为如下的原因。

  • 首先,八股所代表的是最基础、通用、常见、必要的能力,八股都不会,很大程度意味着面试人连基础知识都不了解。

  • 面试的目的是筛人,筛人意味着要体现区分度,八股是及格线上下的关键区分点。不要以为八股很简单,在我的经验里,所谓的网上非常常见的八股知识,并不是所有人都了如指掌,例如transformer encoder和decoder的内部结构,常见的类似sgd、adam优化算法,dropout概念和意义,常见的算法评估指标等。

  • 换个角度,八股的形成并非面试官总结,而是面试多的前辈们总结的某一个领域常见的、经过系统整理的面试知识体系,反过来,面试中重要、常见的问题,通常都会在被这个体系覆盖,回到第一点,毕竟八股所代表的是最基础、通用、常见、必要的能力。

因此,八股,是面试中所大概率会出现的,请大家认真对待。

为什么不只问八股

从上一节中的第二点可以知道,八股是及格线上下的关键区分点,此处换言之,他只能区分60分上下,它并不能区分80分段的人和90分段的人,面试是为了优中选优,在公司有大量选择的时候(例如各种互联网大厂、新的AI独角兽),八股的区分度不足以选出足够优秀的候选人,此时八股就不够了,我们需要更强有力的问题来区分强弱。

在之前的这几篇文章里,我有提到新人的成长、晋升、面试等的相关内容。

这些文章里,我有提到大量的有关进阶的思路,简单地说,就是要提升解决实际问题的能力,毕竟功利地,从公司角度人是招来解决问题的,从面试官角度,招人就是在找队友,找契合项目的队友,而解决问题,更多来源于3个点,经验、技术储备以及选择,也就对应了后面三章的内容,即项目参与度、技术深度广度和应对能力。

项目参与的真实性和深度

经验是后续解决新问题的一个重要思路,说白了,就是“之前做过类似的事,所以遇到新的类似的问题可以快速上手解决”,有经验的人肯定比没经验的人,更有优势。因此,经验的强弱深浅则是重要的考察内容。

一般地,考察真实性和深度主要可以有如下的问题:

  • 项目的项目背景和核心开发内容。

  • 整体的模块设计和方案设计。

  • 训练集测试集的数据来源、数量、标注方案、处理方法等细节。

  • 是否有进行部署,具体负责模块的部署所需资源,包括训练和推理。

  • 项目过程中有没有遇到什么很难的问题,最后是怎么解决的。

  • 最终方案的评估方式。

  • 整体迭代进程以及后续的优化方向。

这些问题都有比较比较明确的共性:

  • 只有深入参与了,才能回答出来,回答的好坏,直接来源于自己对项目的理解程度。

  • 很多新人,可能会因为被前辈保护的比较好而忽略很多细节,例如数据的来源,方案选择,潜在坑等,此时多观察、多问很重要。

技术的深度和广度

技术储备的其实是项目实际进行过程的弹药,说白了就是招数,这一步可能会和八股有些重合,毕竟八股本身就是考察技术的扎实程度,这里提供一些可能并不算在八股内,但还挺重要的技术广度、深度的思考题。

  • 看你在XX领域做了一些工作,这个领域还有什么比较好的方案可以介绍一下。

  • 这些方案都有什么各自的优缺点,在这个项目里你是怎么考虑和分析的。

  • 如果项目让你继续做下去,你会有什么好的方案优化,以及未来有什么迭代方向。

知识点是可以通过学习甚至背诵回答出来的,但是规划性、个人想法、思路上的内容,比较难去专项学习,要想拔高,这些能力的学习和掌握能让自己更有竞争力,面试官的视角则是更有区分度。

真实问题的应对能力

这点我理解是经验和技术能力掌握后的一个延伸,即解决真实问题的能力,比较简单的提问方式就是给出一个具体的问题,然后能给出具体的解决方案,这里会有几个层级的能力区别。

  • 最基本的能力,就是直接给出解决方案,可以开始动手操作实验。

  • 第二层,能给出多个方案,并能分辨出各自的优缺点,给出一些优先级之类的看法。

  • 方法之外,能给出一些针对真实问题的思考和理解,分析出该真实问题和一般问题的差别。例如电商的客户搜索,和faq问题搜索,百科搜索,一般都有很大差别。

  • 针对该真实问题的特殊性,能给出更加特别的技术方案,该方案会更有针对性,至少言之有理,具有更高的测试优先级,目测有更好的效果。

  • 能根据现在项目阶段,给出适合短期的方案,虽然还能给出中长期的迭代方向,把一个局限的简单问题升级为了一个长期项目性的规划问题。

可见,同样是一个真实的应用题,随着经验和技术储备的丰富,回答起来的感受肯定是不一样的。

9180d10a66419327b603b4f547c0f20e.png

相关文章:

心法利器[122] | 算法面试的八股和非八股讨论

心法利器 本栏目主要和大家一起讨论近期自己学习的心得和体会。具体介绍:仓颉专项:飞机大炮我都会,利器心法我还有。 2023年新的文章合集已经发布,获取方式看这里:又添十万字-CS的陋室2023年文章合集来袭,更…...

实操给自助触摸一体机接入大模型语音交互

本文以CSK6 大模型开发板串口触摸屏为例,实操讲解触摸一体机怎样快速增加大模型语音交互功能,使用户能够通过语音在一体机上查询信息、获取智能回答及实现更多互动功能等。 在本文方案中通过CSK6大模型语音开发板采集用户语音,将语音数据传输…...

AJAX家政系统自营+多商家家政系统服务小程序PHP+Uniapp

一款同城预约、上门服务、到店核销家政系统,用户端、服务端、门店端各端相互依赖又相互独立,支持选择项目、选择服务人员、选择门店多种下单方式,支持上门服务和到店核销两种服务方式,支持自营和多商家联营两种运营模式&#xff0…...

LiveData源码研究

LiveData 源码分析 前言 用过MVVM的大概知道LiveData可以感知组件的生命周期,当页面活跃时,更新页面数据, 当页面处于非活跃状态,它又会暂停更新,还能自动注册和注销观测者,能有效避免内存泄漏和不必要的…...

Root软件学习

一、命令行输入下方命令打开root文件 root filename.root 二、在root命令行下输入.help查看root下可用的指令 .help输入.q是退出root命令行 .q 三、输入下方指令查看当前打开的root文件的目录 .ls 四、打印Hits树下的内容(print) 方框里是各种树文…...

研发文档管理系统:国内外9大选择比较

文章主要对比了9款国内外研发文档管理系统:1.PingCode; 2. Worktile; 3. 飞书; 4. 石墨文档; 5. 腾讯文档; 6. 蓝湖; 7. Confluence; 8. Notion; 9. Slab。 在企业研发过…...

centos 7.9 freeswitch1.10.9环境搭建

亲测版本centos 7.9系统–》 freeswitch1.10.9 一、下载插件 yum install -y git alsa-lib-devel autoconf automake bison broadvoice-devel bzip2 curl-devel libdb4-devel e2fsprogs-devel erlang flite-devel g722_1-devel gcc-c++ gdbm-devel gnutls-devel ilbc2...

嵌入式驱动开发详解17(CAN驱动开发)

文章目录 前言CAN简介CAN收发器CAN协议讲解电气特性传输协议数据帧遥控帧错误帧过载帧帧间隔 同步矫正 CAN控制器CAN控制器模式CAN接收器CAN波特率 CAN设备树分析CAN测试后续参考文献 前言 该专栏主要是讲解嵌入式相关的驱动开发,但是由于部分模块的驱动框架过于复…...

探索 Janus-1.3B:一个统一的 Any-to-Any 多模态理解与生成模型

随着多模态技术的不断发展,越来越多的模型被提出以解决跨文本与图像等多种数据类型的任务。Janus-1.3B 是由 DeepSeek 推出的一个革命性的模型,它通过解耦视觉编码并采用统一的 Transformer 架构,带来了一个高度灵活的 any-to-any 多模态框架…...

黑马头条day01 微服务搭建

1.请求调用流程 如http://localhost:8803/static/js/2.0195d7180dc783c3fe99.js这种静态资源,采用http的发送到本地8803端口的静态资源请求,而nginx配置的监听8801、8802、8803,所以请求走到nginx,nginx的admin配置文件 upstream…...

AI辅助编程工具对比:Cursor AI、Windsurf AI 和 GitHub Copilot

功能和特性 1. Cursor AI 基于VS Code构建,集成了GPT-4等多个AI模型,提供高级智能支持。支持AI代码补全、错误修正以及通过自然语言执行命令。具备多文件编辑和上下文理解能力,能够在复杂项目中提供跨文件的智能建议。提供标签功能&#xf…...

【Qt】qt安装

在工作一年之后,还是想做一个Qt的教程,遥想研一刚刚接触Qt,从0到1学习,没有什么参考书籍,网上的资料也不多,幸好Qt官方文档写得好,加上自己肯研究,才堪堪入门。 现在我想自己写一个…...

课设项目十:智能手电筒(使用金沙滩51单片机)

00 题目介绍 功能: 硬件设置: 使用51单片机连接光敏传感器、LED灯和手电筒开关按钮。 环境感知: 实时监测周围光照强度。 LED控制: 根据光照强度自动控制LED灯的开关。 手动控制: 提供手电筒开关按钮,…...

Oracle中COUNT函数对NULL和空字符串的处理方式

Oracle中,使用COUNT函数的时候,COUNT()和COUNT(null)得到的结果都是0,也就是说,如果我们COUNT中选择的那列属性中为null的或者的那行是不会被计数的。MySQL中count(null)效果和Oracle中一样,但是count()能正常计数。 在…...

OpenHarmony和OpenVela的技术创新以及两者对比

两款有名的国内开源操作系统,OpenHarmony,OpenVela都非常的优秀。本文对二者的创新进行一个简要的介绍和对比。 一、OpenHarmony OpenHarmony具有诸多有特点的技术突破和重要贡献,以下是一些主要方面: 架构设计创新 分层架构…...

Windows常用命令

该篇文章是博主不断从工作中总结而来,会持续不断更新 文件和目录管理命令 列出指定目录中的文件和子目录:dir 路径 更改当前工作目录:cd 路径 创建新目录:mkdir 目录名 删除空目录:rmdir 目录名 删除指定文件&#xf…...

牛客网 SQL2查询多列

SQL2查询多列 select device_id,gender,age,university //查询哪些字段 from user_profile //从哪个表中查找 每日问题 C 中面向对象编程如何处理异常? 在C中,面向对象编程(OOP)处理异常主要通过异常处理机制来实现。C 提供了…...

容器,网络基础

小结: 1、利用网桥和虚拟网卡 2、利用Veth Pair虚拟设备,一个网卡可以直接出现在另外一个网卡中 一个Linux容器能看见的“网络栈”,实际上是被隔离在它自己的Network Namespace当中的 “网络栈”,就包括了:网卡&#…...

Treap树堆【东北大学oj数据结构8-4】C++

题面 二叉搜索树会因为插入的数据的值可能变得不平衡,搜索/插入/删除操作的效率变得低效。例如,如果依次插入 n 个升序的数据,则树将看起来像一个列表,其高度将为 n,并且查询时间变得很长。一个解决策略是随意打乱要插…...

基于STM32的智电表系统课题设计思路:python友好界面、ADC、UART串口、数据分析

1. 项目选题与需求分析 1.1 选题背景和动机 随着社会的快速发展,电力的消耗不断增加,如何高效管理和监测用电成为了一个重要的课题。传统的电表只能提供简单的用电计量,无法满足现代家庭和工业对用电数据实时监控、远程控制及数据分析的需求…...

博弈论1:拿走游戏(take-away game)

假设你和小红打赌,玩“拿走游戏”,输的人请对方吃饭.... 你们面前有21个筹码,放成一堆;每轮你或者小红可以从筹码堆中拿走1个/2个/3个;第一轮你先拿,第二轮小红拿,你们两个人交替进行;拿走筹码堆…...

【人工智能解读】神经网络(CNN)的特点及其应用场景器学习(Machine Learning, ML)的基本概念

前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默, 忍不住分享一下给大家。点击跳转到网站 学习总结 1、掌握 JAVA入门到进阶知识(持续写作中……) 2、学会Oracle数据库入门到入土用法(创作中……) 3、手把…...

Spring Cloud与Spring Cloud Alibaba:全面解析与核心要点

Spring Cloud与Spring Cloud Alibaba:全面解析与核心要点 一、引言 在当今的分布式系统开发领域,Spring Cloud和Spring Cloud Alibaba都是极为重要的框架。它们为构建大规模、高可用、分布式的应用系统提供了丰富的工具和组件。本文将深入探讨Spring C…...

Java 泛型

1. 泛型 (1) 泛型&#xff1a;定义类、接口、方法时&#xff0c;同事声明了一个或多个类型变量(如<E>)&#xff0c;称为泛型类、泛型接口、泛型方法、它们统称为泛型。可以在编译阶段约束要操作的数据类型 public static void main(String[] args) {//没加泛型 可以放任何…...

CentOS7 搭建 MQTT(mosquitto)环境并收发数据

零&#xff1a;说在前面 最近在研究物联网相关内容&#xff0c;需要接收 Modbus 协议的数据。上游数据源提出由对方整合数据后使用 MQTT 协议将数据发送过来&#xff0c;因此需要了解一下什么是 MQTT。 首先&#xff0c;它是一个类似 kafka 的“发布/订阅”模式的消息框架&…...

操作系统课后习题2.2节

操作系统课后习题2.2节 第1题 CPU的效率指的是CPU的执行速度&#xff0c;这个是由CPU的设计和它的硬件来决定的&#xff0c;具体的调度算法是不能提高CPU的效率的&#xff1b; 第3题 互斥性&#xff1a; 指的是进程之间的同步互斥关系&#xff0c;进程是一个动态的过程&#…...

Mac Goland dlv 升级

Mac Goland dlv 升级 问题表现 WARNING: undefined behavior - version of Delve is too old for Go version 1.22.1 (maximum supported version 1.21)查看当前Goland dlv 版本 ☁ ~ /Applications/GoLand.app/Contents/plugins/go-plugin/lib/dlv/mac/dlv version Delve…...

vue使用pdfh5.js插件,显示pdf文件白屏

pdfh5&#xff0c;展示文件白屏&#xff0c;无报错 实现效果图解决方法(降版本)排查问题过程发现问题查找问题根源1、代码写错了&#xff1f;2、预览文件流的问题&#xff1f;3、pdfh5插件更新了&#xff0c;我的依赖包没更新&#xff1f;4、真相大白 彩蛋 实现效果图 解决方法…...

【FFmpeg】FFmpeg 内存结构 ⑥ ( 搭建开发环境 | AVPacket 创建与释放代码分析 | AVPacket 内存使用注意事项 )

文章目录 一、搭建开发环境1、开发环境搭建参考2、项目搭建 二、AVPacket 创建与释放代码分析1、AVPacket 创建与释放代码2、Qt 单步调试方法3、单步调试 - 分析 AVPacket 创建与销毁代码 三、AVPacket 内存使用注意事项1、谨慎使用 av_init_packet 函数2、av_init_packet 函数…...

[Unity Shader] 【游戏开发】【图形渲染】Unity Shader的种类2-顶点/片元着色器与固定函数着色器的选择与应用

Unity 提供了不同种类的 Shader,每种 Shader 有其独特的优势和适用场景。在所有类型的 Shader 中,顶点/片元着色器(Vertex/Fragment Shader)与固定函数着色器(Fixed Function Shader)是两种重要的着色器类型。尽管它们具有不同的编写方式和用途,理解其差异与应用场景,对…...

Unity 动画曲线研究(Dotween插件)

动画的曲线的介绍 动画曲线&#xff08;Animation Curve&#xff09;是一种用于描述动画属性值随时间变化的图形工具。 我们可以通过给自己的动画片段设定不同的动画曲线&#xff0c;使动画效果具有不同表现力。 常见的动画曲线设定有&#xff1a; 线性&#xff08;Linear&…...

适合小白的超详细yolov8环境配置+实例运行教程,从零开始教你如何使用yolov8训练自己的数据集(Windows+conda+pycharm)

目录 一、前期准备所需环境配置 1.1. 虚拟环境创建 1.2 下载yolov8源码&#xff0c;在pycharm中进行配置 1.2.1 下载源码 1.2.2 在pycharm终端中配置conda 1.3 在pycharm的terminal中激活虚拟环境 1.4 安装requirements.txt中的相关包 1.5 pip安装其他包 1.6 预训练…...

Linux中输入和输出基本过程

1.文件内核级缓冲区 前面在如何理解Linux一切皆文件的特点中提到为了保证在Linux中所有进程访问文件时的方式趋近相 同&#xff0c;在f ile 结构体中存在一个 files_operations 结构体指针&#xff0c;对应的结构体保存所有文件操作的函 数指针&#xff08;这个结构体也被称为…...

二、FIFO缓存

FIFO缓存 1.FIFO缓存介绍2.FIFO缓存实现3.FIFO缓存总结 1.FIFO缓存介绍 FIFO&#xff08;First-In-First-Out&#xff09;缓存 是一种简单的缓存淘汰策略&#xff0c;它基于先进先出的原则来管理数据。当缓存达到容量限制并需要淘汰元素时&#xff0c;最先进入缓存的元素会被移…...

Linux_挂载nas

1、安装挂载nas必要的服务 yum -y install nfs-utils rpcbind 2、挂载nas sudo mount -t nfs -o vers3,nolock,prototcp,noresvport <NAS-IP>:/path/to/shared /yourNasPath mount 命令详解&#xff1a; -t &#xff1a;文件系统类型 &#xff0c;这里指定的挂载类…...

uni-app开发AI康复锻炼小程序,帮助肢体受伤患者康复!

**提要&#xff1a;**近段时间我们收到多个康复机构用户&#xff0c;咨询AI运动识别插件是否可以应用于肢力运动受限患者的康复锻炼中来&#xff0c;插件是可以应用到AI康复锻炼中的&#xff0c;今天小编就为您介绍一下AI运动识别插件在康腹锻炼中的应用场景。 一、康复机构的应…...

现代密码学总结(上篇)

现代密码学总结 &#xff08;v.1.0.0版本&#xff09;之后会更新内容 基本说明&#xff1a; ∙ \bullet ∙如果 A A A是随机算法&#xff0c; y ← A ( x ) y\leftarrow A(x) y←A(x)表示输入为 x x x ,通过均匀选择 的随机带运行 A A A,并且将输出赋给 y y y。 ∙ \bullet …...

按照字幕拆解视频实战

1. 基本实现思路 字幕文件处理&#xff1a; 提取字幕内容和时间戳&#xff08;如 SRT 文件格式&#xff09;。解析字幕中的开始时间和结束时间。 视频切割&#xff1a; 使用字幕的时间戳&#xff0c;剪辑对应时间段的视频。每段字幕对应一个子视频。 输出子视频&#xff1a; …...

2.11.静态链表

一.静态链表的基本概念&#xff1a; 1.上图说明&#xff1a;索引为0处是头结点&#xff0c;头结点不存储数据&#xff0c;但存储下一个结点的数组下标&#xff0c;本例中头结点里存储的下一个结点的数组下标为2&#xff0c;即索引为2的结点为头结点后的第一个结点&#xff0c;以…...

分页查询在数据库中的好处

分页查询在数据库中的好处主要体现在以下几个方面&#xff1a; 提高性能&#xff1a; 减少数据传输&#xff1a;分页查询只返回请求的页面数据&#xff0c;而不是整个数据集&#xff0c;这减少了网络传输的数据量&#xff0c;降低了网络延迟和带宽消耗。减少内存使用&#xff1…...

电子应用设计方案-54:智能AI人工智能机器人系统方案设计

智能 AI 人工智能机器人系统方案设计 一、引言 随着人工智能技术的快速发展&#xff0c;智能 AI 机器人在各个领域的应用越来越广泛。本方案旨在设计一个功能强大、智能高效、交互友好的人工智能机器人系统&#xff0c;以满足不同场景下的用户需求。 二、系统概述 1. 系统目标…...

μC/OS-Ⅱ源码学习(6)---事件标志组

快速回顾 μC/OS-Ⅱ中的多任务 μC/OS-Ⅱ源码学习(1)---多任务系统的实现 μC/OS-Ⅱ源码学习(2)---多任务系统的实现(下) μC/OS-Ⅱ源码学习(3)---事件模型 μC/OS-Ⅱ源码学习(4)---信号量 μC/OS-Ⅱ源码学习(5)---消息队列 本文进一步解析事件模型中&#xff0c;事件标志…...

ASP.NET|日常开发中读写TXT文本详解

ASP.NET&#xff5c;日常开发中读写TXT文本详解 前言一、读取 TXT 文本1.1 使用StreamReader类 二、写入 TXT 文本2.1 使用StreamWriter类 三、文件编码问题3.1 常见编码格式 四、错误处理和性能考虑4.1 错误处理4.2 性能考虑 结束语优质源码分享 ASP.NET&#xff5c;日常开发中…...

《C 语言向量运算:点亮人工智能几何计算之路》

在人工智能蓬勃发展的时代&#xff0c;数学运算作为其坚实的基石发挥着不可替代的作用。而向量的点积与叉积运算&#xff0c;更是在人工智能的几何计算领域有着独特且关键的地位。今天&#xff0c;就让我们一同深入探讨如何在 C 语言中实现向量的点积、叉积运算&#xff0c;并领…...

HarmonyOS 获取进程相关的信息process 常用的几个方法

获取进程相关的信息&#xff0c;提供进程管理的相关功能。 process 1. EventListener 2. isIsolatedProcess 3. is64Bit 4. getStartRealtime 5. getPastCpuTime 导入模块 import { process } from kit.ArkTS; 属性 名称类型可读可写说明uidnumber是否进程的用户标识。…...

Linux 权限管理实践:精确控制用户对 systemctl 和 journalctl 命令的使用

前言 在 Linux 系统管理中&#xff0c;精确控制用户对特定命令的访问权限是一项关键的安全实践。使用 systemctl 和 journalctl 命令时&#xff0c;不当的权限设置可能会导致不必要的风险。本篇博客将详细讨论如何通过 sudoers 文件和 Polkit 策略为不同用户配置 systemctl 和…...

图像处理之滤波

中值滤波、均值滤波、高斯滤波和双边滤波是常见的图像处理技术&#xff0c;主要用于去噪和图像平滑。低通滤波和高通滤波用于处理图像中的频率成分。它们的主要区别在于它们所允许通过的频率范围。滤波、卷积、去噪、模糊、提取特征是一个意思。 卷积就是两个矩阵的乘法&#…...

html基础-认识html

1.什么是html html是浏览器可以识别的的标记语言&#xff0c;我们在浏览器浏览的网页就是一个个的html文档 <!DOCTYPE html> <html> <head> <meta charset"utf-8"> <title>认识html</title> </head> <body><h1…...

金智塔科技联合浙大人工智能研究所发布全新“智信”可信行业数据空间,共促数字金融创新发展!

由中国计算机学会(CCF)主办&#xff0c;CCF数字金融分会、同济大学、上海立信会计金融学院联合承办&#xff0c;金智塔科技作为金牌合作单位的数字金融领域年度巅峰盛会——首届CCF中国数字金融大会于2024年12月7日在上海成功举办。中国工程院院士蒋昌俊任大会主席&#xff0c;…...

基于单片机的语音识别自动避障小车(论文+源码)

1.系统设计 此次基于单片机的语音识别自动避障小车&#xff0c;以STC89C52单片机作为系统的主控制器&#xff0c;利用超声波模块来实现小车与障碍物距离的测量并通过LCD液晶显示&#xff0c;当距离低于阈值时会通过WT588语音模块进行报警提示&#xff0c;并且小车会后退来躲避…...