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）                                                                                        xx公司实习主要的工作内容。--前端页面开发，接口测试等                                  对前端和后端的工作哪个更熟一些。---都不熟，投的是大数据方向，更希望从事大数据、数据挖掘、机器学习算法相关工作。                                  做过哪些数据挖掘类项目。---介绍的比赛                                  xx比赛承担的角色，主要做了哪些工作。                                                      （三）二笔（算法笔试）                                                       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=23b=12res=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😂