Timeline：4/17笔试，4/23一面，4/27终面，5/7收到拒信。
真的太尴尬了，原本投递的是数据挖掘（数据分析）方向，做完笔试之后，很快收到了面试预约，约了4/23面试。但4/19日收到了调剂岗位的邮件，我没有选择调剂岗位。4/21日就收到了感谢信。。。结果今天按原来的时间去面试的时候，面试官说是面的是后端开发方向的。。。但面试官还是很好人，和HR沟通之后还是让我面了一面，说之后再和数据挖掘团队沟通一下，看能否有二面（今年面试就两轮）。我感觉是原本投递的岗位HC满了，HR自动帮我调剂了岗位。
更新，4/25收到性格和职业测试，做完之后，受到终面通知，预约了4/27下午。
一面 （15min）
1. 自我介绍
2. 在目前公司做的项目以及项目深挖
3. 偏好回国工作还是香港工作
4. Q&A
- 问了电子支付对信用卡业务的影响
定位的客群不一样，信用卡面向高端、高额度、征信记录好的用户。
- 监管对互金越来越严格，对银行是否是利好，有什么新的发展机会
利好，但不是完全遏制互金，互金对银行的贷款业务也有好处。
- 国企内技术岗的职业发展路径
终面 (40min)
- Technical
1. 自我介绍
2. 是否还是在校生身份
3. 实习中做的最有成就感的一件事
4. 有无数据预处理的相关工作，特别是缺失值和噪音（异常值）的处理
5. 平时会用什么方法做特征筛选
我回答了用随机森林里的特征重要性，面试官问还有吗，我后来说了用回归类模型的参数大小，或者看特征之间的相关性，剔除高度相关的特征，避免多重共线性。回答的不好
6. 用什么方法找出特征之间的关系，面试官举了啤酒和尿布放在一起能促进销量的例子
举了因子分解机里二次交叉项的作用，或者是决策树模型里的特征组合。回答得不好
7. 防止过拟合的方法
回答了增加数据量，降低模型复杂度，加入正则化项。
8. 对推荐系统有没有了解，对图谱类有了解吗，会不会强化学习
只涉及过推荐系统，谈到FM，DeepFM，协同过滤。没有做过图谱，不会强化学习。。。
9. Spark参数怎么设置，有什么考量吗
这个回答的不好，完全没有准备spark的问题。。
10. 100层楼，你有两个杯子，如何在最短次数试出最高哪层楼杯子会碎掉
这题没答出来，第一个杯子该如何放置。但是很常见的面试题目，面完后去网上看了题解。
- Behavioral
11. 对工作的城市有什么偏好
12. 有投其他什么公司吗，互联网公司和金融科技类公司怎么选择
13. 对加班有什么看法，工作和生活怎么平衡
14. 如果让学习Java做开发类的工作，愿意吗 15. 平时通过什么途径学习新知识和技能
16. 反问
- 数据挖掘团队的工作
分为数据分析（业务方向），数据开发方向
- 涉及的模型
反欺诈，评分卡，营销类等模型，最近在做推荐系统
- 实习生的工作范畴和转正评估
全部评论
(5) 回帖