LPR（Loan Prime Rate）是中國銀行間同業(yè)拆借市場上的貸款基準利率，由中國人民銀行發(fā)布。以下是中國建設銀行（CCB）的LPR歷年利率情況：
2022年1月起：
1年期LPR利率為3.85%
5年期及以上LPR利率為4.65%
2020年8月12日起至2021年12月：
1年期LPR利率為3.85%
5年期及以上LPR利率為4.65%
2020年1月1日起至2020年8月11日：
1年期LPR利率為4.15%
5年期及以上LPR利率為4.8%
2019年8月20日起至2019年12月31日：
1年期LPR利率為4.25%
5年期及以上LPR利率為4.85%
2019年2月21日起至2019年8月19日：
1年期LPR利率為4.31%
5年期及以上LPR利率為4.9%
2013年7月20日起至2019年2月20日：
1年期LPR利率為4.9%
5年期及以上LPR利率為5.6%
請注意，以上數據僅供參考，具體利率可能會受到市場變化和政策調整的影響而有所調整。建議您在具體辦理貸款時，向中國建設銀行或相關銀行機構咨詢最新的LPR利率。
2015年10月24日至今，活期基準年利率都是0.35%，3個月的定期基準年利率都是1.1%，6個月的定期基準年利率都是1.3%，1年定期的基準年利率都是1.5%，2年定期的基準年利率都是2.1%，3年定期的基準年利率都是2.75%。
依據近年國家公務員面試考情知： 財政部面試，采取領導面談（(司局級面談)），且自主命題（前三道題統(tǒng)考，后面兩至三道題是專業(yè)題目）。
1）統(tǒng)考中，面試考核要素以綜合分析、計劃組織協(xié)調、應變能力、人際關系為主。2）面試題型有：微材料題（微材料后接一或兩個問題）、漫畫題、材料題、專業(yè)考試。國家公務員考試，財政部面試流程按照一般面試流程進行，即入場、抽簽、候考、考試、離場。考生可參考國家公務員面試復習資料夯實面試基礎、掌握答題技巧、提升應試能力。中國建設銀行（以下簡稱建行）是中國最大的商業(yè)銀行之一，對于廣大求職者來說，建行的考試是一個重要的挑戰(zhàn)。了解和掌握建行歷年的真題可以幫助求職者更好地準備考試，提高成績，從而增加成功的機會。
本文將從兩個角度對建行歷年真題進行總結與分析，幫助讀者更好地了解考試內容和備考要點。
首先，我們將通過對建行歷年考題的分析，總結出考試的主要考點和重點領域。根據不同崗位的特點，我們將對試題進行分類，并分析各個分類的命題特點、難度和重要程度。通過詳細的題目分析，讀者可以對考試內容有一個清晰的認識，有針對性地進行備考。
其次，我們將通過分析歷年試題的命題思路和解題方法，總結出解題技巧和答題策略。對于一些常見的考點，我們會給出解題思路和注意事項，幫助讀者更好地理解題目和解決問題。通過這些分析和總結，讀者可以更加熟悉建行考試的命題風格，提高答題的準確性和速度。
在本部分，我們將根據歷年考題的分析結果，給出一些備考指導和建議。從知識點的復習到解題技巧的練習，我們將為讀者提供一份全面的備考計劃。同時，我們還將介紹一些備考資源、輔導材料和備考技巧，幫助讀者高效地備考，提高考試成績。
此外，我們還將分享一些成功考取建行的經驗和故事，鼓勵讀者保持積極的備考態(tài)度和信心。通過對這些成功故事的分析，讀者可以從中獲得一些寶貴的經驗和啟示，幫助自己更好地應對考試的壓力和挑戰(zhàn)。
通過本文對建行歷年真題的總結與分析，希望讀者可以更好地了解建行考試的特點和要求，為備考提供參考和指導。無論是即將參加建行考試的求職者，還是對建行招聘感興趣的人士，本文都能為您提供有價值的信息和幫助。
感謝您閱讀本文，希望通過本文的幫助，您能夠更好地準備建行考試，取得優(yōu)異的成績。
農業(yè)銀行的面試題不會出現歷年的。因為一個銀行的面試實際上就是考察一個應聘人員的主觀能動性和對于事情的處理能力。所有的問題都是開放性的。并且銀行隨著時代的發(fā)展和數字經濟金融的到來，每年都有很新的東西，不可能出現歷年的面試題。
之前看了Mahout官方示例 20news 的調用實現；于是想根據示例的流程實現其他例子。網上看到了一個關于天氣適不適合打羽毛球的例子。
訓練數據：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
檢測數據：
sunny，hot，high，weak
結果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代碼調用Mahout的工具類實現分類。
基本思想：
1. 構造分類數據。
2. 使用Mahout工具類進行訓練，得到訓練模型。
3。將要檢測數據轉換成vector數據。
4. 分類器對vector數據進行分類。
接下來貼下我的代碼實現=》
1. 構造分類數據：
在hdfs主要創(chuàng)建一個文件夾路徑 /zhoujainfeng/playtennis/input 并將分類文件夾 no 和 yes 的數據傳到hdfs上面。
數據文件格式，如D1文件內容： Sunny Hot High Weak
2. 使用Mahout工具類進行訓練，得到訓練模型。
3。將要檢測數據轉換成vector數據。
4. 分類器對vector數據進行分類。
這三步，代碼我就一次全貼出來；主要是兩個類 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 測試代碼
*/
public static void main(String[] args) {
//將訓練數據轉換成 vector數據
makeTrainVector();
//產生訓練模型
makeModel(false);
//測試檢測數據
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//將測試數據轉換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉換成向量失敗！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//將測試數據轉換成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數是，是否遞歸刪除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失敗！");
System.exit(1);
}
//將序列化文件轉換成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數是，是否遞歸刪除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件轉換成向量失敗！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean參數是，是否遞歸刪除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean參數是，是否遞歸刪除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成訓練模型失敗！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("檢測數據構造成vectors初始化時報錯。。。。");
System.exit(4);
}
}
/**
* 加載字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加載df-count目錄下TermDoc頻率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1時表示總文檔數
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要從dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用貝葉斯算法開始分類,并提取得分最好的分類label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("檢測所屬類別是："+getCheckResult());
}
}
1. 請介紹一下WebGIS的概念和作用，以及在實際應用中的優(yōu)勢和挑戰(zhàn)。
WebGIS是一種基于Web技術的地理信息系統(tǒng)，通過將地理數據和功能以可視化的方式呈現在Web瀏覽器中，實現地理空間數據的共享和分析。它可以用于地圖瀏覽、空間查詢、地理分析等多種應用場景。WebGIS的優(yōu)勢包括易于訪問、跨平臺、實時更新、可定制性強等，但也面臨著數據安全性、性能優(yōu)化、用戶體驗等挑戰(zhàn)。
2. 請談談您在WebGIS開發(fā)方面的經驗和技能。
我在WebGIS開發(fā)方面有豐富的經驗和技能。我熟悉常用的WebGIS開發(fā)框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能夠使用HTML、CSS和JavaScript等前端技術進行地圖展示和交互設計，并能夠使用后端技術如Python、Java等進行地理數據處理和分析。我還具備數據庫管理和地理空間數據建模的能力，能夠設計和優(yōu)化WebGIS系統(tǒng)的架構。
3. 請描述一下您在以往項目中使用WebGIS解決的具體問題和取得的成果。
在以往的項目中，我使用WebGIS解決了許多具體問題并取得了顯著的成果。例如，在一次城市規(guī)劃項目中，我開發(fā)了一個基于WebGIS的交通流量分析系統(tǒng)，幫助規(guī)劃師們評估不同交通方案的效果。另外，在一次環(huán)境監(jiān)測項目中，我使用WebGIS技術實現了實時的空氣質量監(jiān)測和預警系統(tǒng)，提供了準確的空氣質量數據和可視化的分析結果，幫助政府和公眾做出相應的決策。
4. 請談談您對WebGIS未來發(fā)展的看法和期望。
我認為WebGIS在未來會繼續(xù)發(fā)展壯大。隨著云計算、大數據和人工智能等技術的不斷進步，WebGIS將能夠處理更大規(guī)模的地理數據、提供更豐富的地理分析功能，并與其他領域的技術進行深度融合。我期望未來的WebGIS能夠更加智能化、個性化，為用戶提供更好的地理信息服務，助力各行各業(yè)的決策和發(fā)展。
這塊您需要了解下stm32等單片機的基本編程和簡單的硬件設計，最好能夠了解模電和數電相關的知識更好，還有能夠會做操作系統(tǒng)，簡單的有ucos，freeRTOS等等。最好能夠使用PCB畫圖軟件以及keil4等軟件。希望對您能夠有用。
<h2>建行轉建行多久到賬戶</h2>
建設銀行作為中國五大商業(yè)銀行之一，服務范圍廣泛，一直以來受到廣大客戶的信賴。近年來，隨著科技的發(fā)展和金融行業(yè)的創(chuàng)新，建行也不斷推出一系列便捷的服務，其中就包括建行轉建行快速到賬服務。許多客戶在使用這項服務時，非常關心轉賬的到賬時間。那么，建行轉建行多久才能到賬戶呢？下面我們來一起了解一下。
<strong>1. 一般情況下的到賬時間</strong><br>
根據建設銀行官方規(guī)定，建行轉建行的電子匯款在正常情況下是即時到賬的。也就是說，一旦發(fā)起轉賬，對方賬戶應當立即收到轉賬金額。這對于大部分日常交易來說，速度非常快，方便了廣大客戶的資金周轉。
<strong>2. 影響到賬時間的因素</strong><br>
雖然建行轉建行的電子匯款一般是即時到賬的，但有時也會受到某些因素的影響，導致到賬時間延遲。主要影響到賬時間的因素有以下幾個方面：
建行定期進行系統(tǒng)維護，以確保系統(tǒng)的穩(wěn)定性和安全性。在系統(tǒng)維護期間，銀行可能會暫停部分或全部的服務，這就會導致建行轉建行的電子匯款到賬時間延遲。一般情況下，維護時間較短，不會給客戶帶來太大的影響。
在法定節(jié)假日以及銀行規(guī)定的節(jié)假日，銀行的工作時間會有所調整。這可能會影響建行轉建行的到賬時間。舉例來說，如果轉賬在周末或者法定節(jié)假日進行，那么到賬時間可能會延遲到下一個工作日。
一般來說，轉賬金額大額的話，由于需要進行資金安全審核，可能會導致到賬時間相對較長。這是為了保障客戶的資金安全，盡管在這個過程中會帶來一定的等待時間，但也是有利于客戶的。
如果轉賬在銀行規(guī)定的某些特定時段進行，到賬時間也可能會有所延遲。這些時段往往與銀行日終結算、系統(tǒng)備份等事項有關。因此，為了確保轉賬能夠及時到賬，建議客戶避開這些時段進行轉賬操作。
<strong>3. 如何加快到賬速度</strong><br>
盡管建行轉建行的電子匯款一般是即時到賬的，但如果客戶有較高的轉賬時效要求，還是有一些方法可以加快到賬速度。
比如避開銀行的高峰時段、法定節(jié)假日等，選擇轉賬頻率相對較低的時間段進行操作。這樣一來，不僅可以降低系統(tǒng)負載，還有利于快速處理轉賬請求，提高到賬速度。
在進行建行轉建行電子匯款時，客戶需要填寫收款方的賬戶信息。這些信息包括賬戶名、賬號等。因此，在填寫時務必核對清楚，確保信息的準確無誤。一旦填寫錯誤，就可能導致到賬延遲或者無法到賬的情況發(fā)生。
對于每一筆建行轉建行的電子匯款，客戶應當詳細記錄下轉賬時間、金額、收款方賬戶等相關信息。這樣一來，如果發(fā)生到賬延遲或者其他問題，可以及時與銀行聯(lián)系核實，加快問題解決的速度。
<strong>4. 建行轉建行到賬時間查詢</strong><br>
如果客戶想要了解具體的建行轉建行到賬時間，可以通過以下幾種方式進行查詢：
客戶可以通過建行官方網站登錄個人網銀，查詢轉賬記錄，了解是否已經成功到賬。
如果客戶安裝了建行手機App或者電腦端客戶端，也可以通過相關的功能模塊查詢轉賬記錄以及到賬情況。
如果仍然有疑問或者需要更詳細的解答，客戶可以直接撥打建行客服熱線進行咨詢，客服人員會提供專業(yè)的幫助。
總之，建行轉建行的電子匯款一般是即時到賬的，但也有可能因為某些因素導致到賬時間延遲。為了加快到賬速度，客戶可以選擇合適的轉賬時段，填寫準確的轉賬信息，并記錄相關的轉賬信息。如果需要查詢具體的到賬時間，可以通過建行網銀、客戶端或者客服咨詢的方式進行。
1.通過建行手機銀行轉賬不收取手續(xù)費（一類戶銀行卡，單筆限額50萬，日累計限額100萬）
2.通過建行個人網銀5000元內不收手續(xù)費，大于5000元收手續(xù)費
3.ATM同行轉賬不收手續(xù)費
