21校招记录——金融保险行业（数据算法/大数据）
一、泰康保险（offer）
岗位：大数据/数据算法岗
（一）一面40min+（一对一单面）
- 深挖项目和比赛（数据挖掘类比赛）：数据预处理（缺失值填充、异常值检测、标签等等），特征工程（统计特征、滑窗特征、差分特征生成方式等），模型优化（网格搜索法，参数调整方式），模型融合（加权、stacking融合）。
- 回归类的问题如何解决——调用不同的函数，例如xgb的XGBClassifier用于分类，XGBRegressor用于回归。
- bagging和boosting区别（出现频率极高！！）
- 样本选择：Bagging是随机有放回的取样，Boosting的每一轮训练的样本是固定的。
- 样本权重：Bagging为均匀采样，权重相同；Boosting的权重由错误率决定，错误率越大的样本权重会变大。
- 预测函数：Bagging所以的预测函数权值相同，Boosting中误差越小的预测函数其权值越大。
- 并行计算：Bagging的各个预测函数可以并行生成，取均值作为结果；Boosting的各个预测函数必须按照顺序迭代生成.
- xgboost原理：介绍GBDT原理（梯度提升决策树）
- 梯度：以损失函数的负梯度作为残差进行拟合。
- 提升：根据每轮的预测结果不断调整权值，迭代提升，最后生成一个强学习器。
- 决策树：基模型为树模型。
- 交叉验证的原理：将训练集分成N份，循环选择其中的N-1份作为训练集，另一份为验证集，进行学习预测。最终N次结果取平均，得到最终的预测结果。充分利用数据集，防止过拟合。
- 过拟合如何处理：交叉验证、增加训练集、删除冗余特征。
- xgboost关注哪些参数：学习率learning_rate、最大深度max_depth、选择特征的比例colsample_bytree（防止过拟合）
- stacking融合的过程：首先用两个模型预测出来结果，将这两个结果作为特征重新输入到模型中，二次预测。
（二）二面1h（一对一单面）
- 分类算法的评价指标：
- AUC：ROC曲线下面积，ROC曲线纵坐标为真阳性率TP，横坐标为假阳性率FP
- F1-score
- kappa
- 网格搜索法调参有哪些：学习率、特征选择比例、数据选择比例、最大深度等等。
- 树模型中缺失值如何处理（出现频率极高！！）：
- 以lgb和xgb为例，对缺失值不敏感，可不必处理。
- 如果处理的话：labelencoder编码、众数均值填充、根据业务逻辑填充等等。
- 字符类型数据输入模型前如何处理
- labelencoder编码、one-hot编码
- NLP思想：word2vec、TF-IDF
- 逻辑回归的激活函数：sigmoid、tanh等
- 编程题：类似于一个one-hot编码的问题，给定一系列字符串，分别计算每个首字母出现的次数，并映射成为字典的形式。（注意：这是一个实际的业务场景，不难但对于字典dict要熟悉掌握，这可能是平时会忽略的）
- 给一组数据，从读取到预测全流程执行一遍：这道题由于我都是用的“祖传代码”，要么找网上开源的例子拿过来用，所以只进行了pandas读取和数据处理，后面跑模型就直接打开我CSDN开源分享的一篇进行解释😅
（三）待遇
※※ 17.7W==12K*12（月薪）+3.3W（年终），户口说研究生往年都解决。（打电话的时候HR自己都说：我们薪资没有什么竞争力🤣🤣）
（四）总结
- 对于数据算法、数据挖掘的一些基本概念和原理考察的比较细致。
- 一些机器学习算法推导，函数思想还是不太了解，只会工程上的应用。后面有机会还要读一下西瓜书。
- 自己总结一下，将来回顾起来也比较方便hhh
二、南方基金
岗位：信息技术部-研发工程师
由于是线下宣讲会的面试，所以了解到比较多的信息。
（一）企业相关信息
- 企业性质：国企，头部基金公司。
- 待遇：宣讲会上HR说年薪40-50（没想到这么香！），闷声发大财😂
- 加班：不提倡加班，也没有行研加班那么猛。
- 发展前景：科技岗会有一些瓶颈吧，在基金公司科技序列天花板可能就是信息科技部的经理，竞争也很激烈。最后如果想突破更进一步的话，可能要转金融行研方向。
- hc相关：近两年科技岗扩招，21届30人，22届招80人，其他金融岗位都是个位数，相比之下还是很多的。不过我感觉来我们这线下宣讲，更多的是吸引22届的，21届可能已经招的差不多了。
（二）面试
- 没有自我介绍（可能看我不是科班的吧），提了一句中行的实习经历（面试官是鹅厂跳过来的，比较看重互联网大厂实习经历）。
- 直奔主题：hashmap如何实现？--直接蒙了，通信菜鸡没怎么学过数据结构，直接跟面试官说了，也就没问这些（感觉基本凉了）。
- 挖了挖项目、比赛，算法的实现过程。
- dataframe一年12月的交易流水数据，如何求出每个月的交易流水的均值--pandas包的groupby分类汇总，on=‘month’。
（三）总结
- 结果：不出意外的凉了，其实他们也是招python数据挖掘岗的，不过正好碰到的面试官是做后端开发的吧，也没办法。
- 面试官关注大厂实习经历，注重基础知识考查（数据结构、计算机组成原理、计算机网络等等）。
- 证券/基金公司逐渐在走金融科技的路线，所以这对于信科方向的同学是个优势，把握机会，有可能在金融圈能拿到比互联网更高的薪水（目前还不是特别卷）。
三、中国人寿研发中心（秋招记录）
岗位：软件开发与创新岗-大数据应用方向（秋招）
（一）一笔70min
行测（图形推理、言语理解等）+性格测试
（二）一面10min以内（更偏向于HR面）
1.十进制转R进制（2~16）
def f(a, y):
x=abs(a) #注意负数
if y < 10:
z = []
while x != 0:
z.append(x % y)
x = x // y
res = z[::-1]
else:
k = []
z = []
while x != 0:
z.append(x % y)
x = x // y
for i in range(len(z)):
if z[i] >= 10:
z[i] = z[i] - 10 + ord('A')
elif z[i] <= 9 and z[i] >= 0:
z[i] = z[i] + ord('0')
for i in range(len(z)):
k.append(chr(z[i]))
res = k[::-1]
return res
#主程序部分
a=23
b=12
res=f(a,b)
x=[str(i) for i in res] #注意转成str类型
r=''.join(x)
if a>=0:
print(r)
else:
re='-'+r
print(re)
2.取石子游戏——斐波那契数列 while True:
try:
n=int(input())
if n==0:
break
else:
l=[[0] for i in range(50)]
l[0]=l[1]=0
for i in range(2,50):
l[i]=l[i-1]+l[i-2]
while(n):
flag=0
for i in range(50):
if(l[i]===n):
flag=1
if flag==1:
print('Second win')
else:
print('First win')
except:
break
3.给定两个单词 word1 和 word2，计算出将 word1 转换成 word2 所使用的最少操作数（LeetCode72） 动态规划求解，这道题属于困难水平，建议看看题解。
（四）总结
- 人寿研发的流程比较多：2次笔试+2次面试，我没有收到终面，也就是最后的技术面试。问了HR给的理由也很奇怪，笔试未通过，命名3道题全部AC……挂的很迷，这波操作不太懂（另一个同学同样全AC给的理由也是这样，严重怀疑是不是在敷衍😒）
- 公司相关：待遇20出头，户口排队（据说名额比较少，解决户口能力欠佳）。
- 关于加班：一年一两次封闭开发996，也就最多两周，其他都正常965这种吧。
- 看了同学发的图片，食堂、健身房、游泳馆都很nice，地点稻香湖风景好环境好，工作氛围应该很不错（这一点值得考虑hhh）
（五）中国人寿（其他投递公司）
- 国寿寿险总公司-金融科技类（简历挂）：27+户口，“养老圣地，神仙打架”，果然待遇和难度成正比😂
- 人寿财险-金融科技中心（秋招简历挂，春招笔试未参加）：待遇偏低，同样户口不保证，而且即将搬去稻香湖。听了同学的分享果断劝退😂
投递美团等公司10个岗位 >
