一、大数据三大算法？
1. 机器学习算法：决策树，支持向量机，神经网络，k-means聚类算法，AdaBoost；2. 推荐算法：协同过滤，内容推荐算法；3. 预测分析算法：时间序列分析，回归分析，决策树，深度学习。
二、数据挖掘十大算法？
1、蒙特卡罗算法
2、数据拟合、参数估计、插值等数据处理算法
3、线性规划、整数规划、多元规划、二次规划等规划类问题
4、图论算法
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法
6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法
7、网格算法和穷举法
8、一些连续离散化方法
9、数值分析算法
10、图象处理算法
三、数据分析十大算法？
1、蒙特卡罗算法
2、数据拟合、参数估计、插值等数据处理算法
3、线性规划、整数规划、多元规划、二次规划等规划类问题
4、图论算法
5、动态规划、回溯搜索、分治算法、分支定界等计算机算法
6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法
7、网格算法和穷举法
8、一些连续离散化方法
9、数值分析算法
10、图象处理算法
四、大数据算法？
是针对大数据的复杂性和规模性而设计的高效处理和分析算法。包括数据清洗、数据预处理、数据挖掘、模型构建和模型评估等多个步骤。常用的算法有聚类分析、决策树、关联规则挖掘、神经网络等。
五、数据降噪算法？
数据降噪是指在数据中存在噪声（如错误、干扰或异常值）情况下，通过一系列处理方法，将噪声从数据中去除或减少的过程。下面是一些常用的数据降噪算法：1. 均值滤波：计算数据点的邻域平均值，用于替代当前数据点的值，从而平滑数据。2. 中值滤波：计算数据点的邻域中位数，用于替代当前数据点的值，可以有效地去除椒盐噪声。3. 高斯滤波：将每个数据点替换为其邻域内的加权平均值，通过高斯核函数调整权重，可以有效地平滑数据。4. 小波变换去噪：利用小波变换的多尺度分解和重构特性，将数据分解为多个尺度的近似系数和细节系数，通过对细节系数的阈值处理，去除噪声。5. 基于统计学方法的去噪算法：如局部异常因子（LOF）、离群点检测算法等，通过统计学方法检测和剔除噪声数据。6. 基于机器学习算法的去噪算法：如支持向量机（SVM）、随机森林（Random Forest）等，通过训练模型来识别和去除噪声数据。7. 基于深度学习算法的去噪算法：如自编码器（Autoencoder）、生成对抗网络（GAN）等，通过使用神经网络模型学习噪声模式，并去除噪声。这些算法各有优劣，选择何种算法取决于噪声的特点以及应用场景的需求。
六、如何设计权重算法？
权重算法，最基本的是：a.Delphi法（专家打分）b.AHP法（层次分析）但实际在操作的运算实现过程当中均是以a+b相结合的方法进行权重计算。此处介绍个计算权重的好东西：yaahp软件（请自行搜索学习）当中的群决策便是对于两种方法相结合最好的应用。而作为计算权重的实用工具，其操作也十分便捷，大致分为以下流程：
1.层次模型绘制（决策目标/中间层要素/备选方案）；
2.AHP法设定调查表；
3.输入结果，群决策；
4.计算权重输出结果。
七、调度算法设计思路？
在操作系统中调度是指一种自远方分配，因而调度算法是指：根据系统的资源分配策略所规定的资源分配算法。
对于不同的的系统和系统目标，通常采用不同的调度算法，例如，在批处理系统中，为了照顾为数众多的段作业，应采用短作业优先的调度算法；又如在分时系统中，为了保证系统具有合理的响应时间，应当采用轮转法进行调度。
目前存在的多种调度算法中，有的算法适用于作业调度，有的算法适用于进程调度；但也有些调度算法既可以用于作业调度，也可以用于进程调度。
八、算法设计怎么写？
设计一个好的算法需要设计者根据实际要解决的问题，充分发挥自己的分析和综合能力，经过认真构思、仔细设计和耐心调整。
在算法的设计过程中，最重要的是创新精神。经过数千年无数前人的创新，人类不近积累了大量精妙的算法，同时在算法的设计方法上也进行了深入的探讨，发现许多不同问题的解决算法，它们的设计思想有相似之处。经过科学的总结，找到了一些行之有效的能够用于设计算法的一般方法。
九、DES算法设计目的？
DES的设计目标是，用于加密保护静态存储和传输信道中的数据，安全使用10~15年。DES综合运用了置换、代替、代数等多种密码技术。它设计精巧、实现容易、使用方便，堪称是适应计算机环境的近代分组密码的一个典范。DES的设计充分体现了Shannon所阐述的设计密码的思想，标志着密码的设计与分析达到了新的水平。
十、什么是算法设计？
算法设计更难，编码只是根据算法的伪代码去实现算法。需要一些写代码的功底。算法设计更注重的是想法。基本上算法设计出来了，写程序就不难了。 算法设计的工资比编码的工资高得多，一个高中生就能编码了。 在印度，程序员基本上是高中生。而中国的计算机本科生出来基本上做了程序员。
