量化研究员
面试amber group的量化研究员岗位，面试官一上来就用‘您’这种称呼，真的超级有好感。虽然我只是应聘一个实习岗，但是也感觉受到了尊重。
先让我简单地自我介绍，我觉得面试官这么做应该是因为没有提前看简历hhh。自我介绍的时候我有侧重介绍自己比较熟悉的方面，相当于提前为自己挖坑，让对方把注意力放在我擅长的点上。
然后第一个问题，详细介绍一下当时在某公司实习的时候写的策略。我在面试前一晚刚过了一遍之前的代码，所以虽然紧张，但回答得比较完整。
第二个问题 随机森林、XGboost，神经网络的区别。随机森林和XGboost区别最大的就是一个是降低模型的方差，一个是降低模型的偏差，还有别的一些区别，但是我当时却想不出来，这也是我面试前复习的内容///w///。
第三个问题，用machine learning策略选股，与传统的选股方式比有哪些优缺点，反正就一通扯，上有挖掘数据内部的规律，下有过去的数据不能代表未来。。
第四个问题，看你学过随机过程，解释一下BS模型。emmm实在忘记BS模型的我，只能说一下模型的假设条件和它大概的目的。不过连这个假设也刚好是我早上看过的，不然啥都说不出来。好！第五个问题，最优化这门课，你学过什么？老天，为什么我学过的课都忘记了，我只能说我思考一下，然后把答案往我准备过的地方引，说学过梯度下降（其实我也不知道学没学过），凸优化，应该有很多重要的东西我忘了，对不起凸优化老师。。
以后大概就是第一个面试的所有题目，这次面试还是很愉快的，因为很多内容我或多或少都有了解，不至于问到一个完全陌生的领域。我很感谢在上一段实习中，我有很多机会去了解机器学习的各种知识。在以后，我还需要深入源代码或者数学公式的推导层面，在解释一下关键问题时，更加专业。并且要复习本科学过的课程，可以将本科课程分为基础部分（统计与概率，线性代数）、高级部分（随机过程、时间序列、最优化、数据结构）分别复习。
第二个面试：
在凯丰投资的交易数据开发面试。面试官看起来就是三十来岁的比较踏实肯干的叔叔形象。因为一下午有两个面试，所以我对第二个面试的准备情况就比较差。在面试官问我是否懂如果解析excel、txt、pdf文档时（这些是实习招聘上的要求），我只能说我对csv文件比较擅长。按道理，我应该在面试之前就需要去熟悉这些东西。
面试官在之后问了我一些pandas处理数据的相关操作方法，比如：怎么去除整行整列都是null的数据，怎样将列索引设定为数据第一行，怎样找出包含‘A’，’B’这些字段的数据。emmmm这些问题也太具体了，我觉得还是给我份数据让我处理比较合适，凭空甩代码让我很懵逼。 ———————————————— 版权声明：本文为CSDN博主「bululu2333」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/weixin_43832345/article/details/110953129
职位描述：
工作职责: \1. 参与公司现有系统平台的维护和迭代研发； \2. 参与公司新项目的架构设计和迭代研发。
任职资格: \1. 本科及以上学历，计算机相关专业； \2. 5年以上相关经验，对技术有热情； \3. 基本掌握 Node.js/Python 的最佳实践方法，有 MySQL/PostgreSQL/MongoDB, Redis 和消息队列等常用的技术栈工具的使用经验； \4. 具备大型网站服务器/数据库/部署/架构能力，对消息队列、任务调度、负载均衡、并发控制有较好理解，有微服务组合经验，有2C网站搭建和部署经验更佳； \5. 熟悉 Linux Shell 常用命令，熟悉Git，熟悉 Https 协议，RESTful 规范，有良好的编码习惯； \6. 要求思维活跃，有极客精神，执行力强，熟悉异步编程、事件编程，具有分析系统瓶颈，对系统进行性能调优的能力和经验； \7. 具备良好的沟通、理解、表达能力，主动推动研发力量完成产品研发。
加分项 \1. 有使用 Docker、Kubernetes 经验； \2. 有写 Blog 的习惯，活跃于技术社区，参与开源项目等。