摩根士丹利面试经验

2020年秋季 SAP 中国研究院（上海）VT training program结果：offer过程：其实本没有想要投递sap的，当时还没有开始大面积刷题，感觉自己希望渺茫 但是因为啥经验也没有（不知天高地厚哈哈哈 所以还是直接投了简历（现在我当时的简历真的是惨不忍睹投递之后 大概一周 hr直接打电话过来问是不是方面做一个电话面试 先询问了对于sap的了解程度 然后简单介绍了自己的简历内容 后面又问了一下无关痛痒的问题例如工作地点之类的 然后进入英文面试环节，让用英文作自我介绍 然后用英文问了一个问题然后就是疯狂问我到底读不读研(线上面试同一组面试的一共8个同学 一开始来个简短的自我介绍【学校姓名，然后自己感兴趣的技术（虽然大家很多都说得是现在学校学的东西）】 第一个环节面试官抛出了几个实际场景的open question 然后大家举手自由抢答发言     然后就是offer来啦 给offer的时候hr还是一直不停的追问要不要读研 qaq anyway 不错的体验！

笔试 两道编程 五个选择 难度不大，但是MS比较喜欢考DP，这点可以注意一下难度不大，主要是计算机基础，涉及OS，计网，数据库，数据结构等等。面试了一早上，主要是三轮，技术一、二面，还有一个职业发展面，技术面试一共做了3个题，一个是线上测试，两个是共享屏幕。技术二面问了很多项目相关的。结果：4月27日AC面，5月20日收到Offer Call，池子挺深。

2022-3-22暑期实习终面面试经历，第二天下午发offer。基本上只能回忆起当时没做出的问题了。 共3轮面试，开始前给40分钟做两道hackerank，第一道题很简单，第二道题用前缀树做很快，感觉来面试的80%的人都能完成（做题的时候在一个zoom房间内）。第一轮面试官问了一些项目相关的问题，然后出了个题：回答：随机采样法。答：卖硬币盲盒。之后面试官问还有啥方法，不知道了。我说java和c++都可以，他问我java和c++比有哪些优势，回答垃圾回收，有反射机制。还有别的当时没想起来，面向对象、没有指针概念等。当时回答操作没有原子性，面试官说还有没有别的，之后提示下说不同线程会缓存内存中的数据，要用volatile保证可见性。第三轮面试原本是行为面试，但是还问了许多技术问题。问：输出这个最大值，解决方法是双指针，leetcode原题。当时这里回答的不好。之后还问需不需要用到锁和事务，这里应该指的是选定一些数据判断人员和会议室有没有时间冲突时需要上锁（next-key锁），防止出现同步问题（两个会议同时邀请一个参会者或要求订一间会议室）。这道题基本上懵逼状态，后来才想明白。总体来说前两轮面的不错，最后一轮有点拉垮，不过还是过了。

Java两道面试题，1. 写一个函数，输入一个年份，输出从1900年到这个年份有多少个13号是周五。2. 二叉搜索树中序遍历的一个拓展。1. 一个椭圆里边画一个平行四边形（可以是矩形），什么情况下四边形面积最大，加以简单证明。2. 合并两个排好序的数组（merge 2 sorted arrays）。3. 写一个函数，在一个8x8的国际象棋盘里给一个马的坐标，按照L形向随机方向走，输出N步内马不走出象棋盘概率。1. 问了下虚拟内存，交换分区等计算机的概念。2. 算法里二分法搜索。3. 合并k个排好序的数组（merge k sorted arrays）。

前两道算法题难度一般，属于 lc easy难度。还有7个选择题涉及计算机专业的基础知识，对于CS专业应该比较容易。本人不是CS专业的，写起来有点吃力，90分钟写9题，2题算法题7题，不懂啥时候会收到结果。

当我去面试数据分析师的职位时，我的面试流程大致如下：第一轮面试：HR面试HR的第一轮面试通常是用来了解我的背景和一般的技能。在这个面试中，我被问到了关于我的教育背景、工作经历以及我曾经在数据分析方面使用的工具和技术的问题。我还被问到了我的目标和职业发展计划，以及我为什么对这个职位感兴趣。面试结束后，我被邀请参加下一轮技术面试。第二轮面试：技术面试在这个面试中，我被要求解决几个数据分析和统计问题。这些问题涉及到数据清洗、数据可视化、数据建模和数据分析等方面。我还被要求解释我的数据分析方法和技术，以及如何解释我的数据结果。面试官还问了我一些SQL和Python的问题，以确保我具备必要的编程技能。面试结束后，我被告知我进入了下一轮面试。第三轮面试：案例分析在这个面试中，我被要求解决一个真实的业务案例。我需要使用我学过的工具和技术，对一些数据进行分析和建模，以回答一些与业务相关的问题。我还需要对我的分析方法和结论进行解释，并展示我的数据可视化技能。整个过程需要在规定的时间内完成。这个面试的目的是考察我的实际应用能力和解决问题的能力。面试结束后，我被告知会收到反馈。总结面试数据分析师的过程中，我发现重要的是要准备好回答各种技术问题和展示我的解决问题的能力。此外，展示我的数据可视化技能和沟通能力也很重要，因为数据分析师需要与不同的团队和人员进行沟通和协作。最后，尽管面试可能会很有挑战性，但保持自信和冷静，并在回答问题时展示我的专业知识和实践经验也很重要。