九坤投资

HR小姐姐很漂亮，人也很专业，在面试前就让我做好面试的准备，告诉我面试的步骤。面试一共两轮：一面之前有个笔试题，然后是算法总监面试，很年轻但是技术很强，问的都很专业，我基本80%是回答出来的。二面是HR：沟通过薪资和公司的一些待遇，告诉我绩效达标正常年终奖是两个月的工资，并且还有交通补贴餐补等，平时加班也不多。总之下周就要入职了，还是满心期待的！

面试一共1h20min，好久没碰到这种难度的面试了，之前都是走马灯，面的时候有点害怕，面完又很有成就感。1、刚开始围绕项目深挖，挖技术点，我是目标检测就问关于yolo系列算法的正负样本采样策略不同，anchor获取不同等；2、训练时候loss变为none，loss变为0是什么原因；3、bn在训练和预测时候的区别，回答不好，需要加强学习。；4、噪声抑制的方法，我说过滤，他说不好用，我想了想也想不到，确实是不知道怎么解决，这也真的是一个难点；5、c++手撕nms；6、c++封装继承和多态，如何实现多态，虚函数；7、如何判单一个点在一个多边形里面（凹凸多边形，有点难），想了一种方法，但是没思考全面，忽略了点在边上的情况，又提了一种方法，可能还是不够全面；8、凹凸多边形内角和是（n-2）*180°，外角和是360°。...还有一些问题，是边聊边问的，我也记不太清楚了面试官小哥哥真的很好，循循善诱，很温和，面试体验感满分，希望能挺进下一面

讲自己的论文，讲自己的项目，然后问八股投了两篇CCF B的论文分别聊了一下，说说方法和思路面试官会问为什么这么设计，有没有效果图展示一下.....等等问题实习做的项目问了一下背景，解决思路，思考过程啥的（在某汤做的一些项目）然后是八股问的八股很基础，但是挺细的5. 平时用的啥深度学习框架，然后问相关的代码的含义大致就这些。面试的时候刚刚感染，状态不是很好，自己做的论文内容没有讲清楚，其他的感觉中规中矩

虽然视频面试过程中，HR并未开启摄像头，但整体沟通氛围相对不错。HR着重了解了我的项目经历，并对专业知识和项目细节有所考察。虽然由于我的毕业时间和入职时间不匹配，没有通过面试，但最后HR也给予了我一些发展建议。

一面 技术同事+技术主管，电话面试，问了些过往项目和技术问题，难度一般。对方人很nice，几乎是抱着交流而不是考核的态度了，我请教了一个我不确定的问题，对方态度很好的讲解了。hr面。该hr效率极低，问题宛如查户口，无聊。

【选择题，判断题】经济、金融知识（久期，股利增长模型，注册制）、简单的高数概率论，计量（多元回归，异方差）【材料分析题】两个材料分析，根据给出的信息进行计算和回答（1.计算可转债纯债价值，转股溢价率等，可转债作为投资产品的特点，相对于发行债券和股票的优势；2.给出交易所成交规则，确定股票成交订单，计算振幅换手率等）

进行了一轮视频面试，要求开摄像头，投简历时，看jd是决策规划类算法岗，面试过程中感觉是图像处理相关职位。面试过程进行了两个环节：女面试官面试：- 自我介绍环节：简要让我做了个自我介绍，问了我关于推荐系统部分的经历，有问到之前的工作中是否涉及到3D渲染，本科有没有学过编程；男面试官：- 提问环节：    - 根据我简历中写了xgboost算法优化工作，问了我都对xgboost哪些超参数做了优化；    - deep_fm原理是什么，如何进一步改进，deep_fm最后一层的sigmoid的作用是什么，如果没有sigmoid会怎么样（考验用回归算法解分类问题存在的问题）；    - 还有哪些其他的embedding方法，提示了图神经网络，问了我对图神经网络有没有相关的了解；   - 在没有数据的情况下，如何做冷启动；   - 再次强调是否做过渲染相关的工作总结下来，感觉xgboost优化部分的工作还有deep_fm算法的设计上回答的有些浅，细节上需要完善。