UCB MFE 2023Spring Round1 Human Interview 面经

昨天刚面完，分享一波面经～我是一周前收到邀请的，订的是2022.01.17 晚上。面试官小哥是个国人，问我能不能从8pm reschedule到10:30 pm,后来才知道他是去看谷爱玲滑雪去了哈哈
BG: 加本，简历上写了三段加拿大的偏量化/数据科学实习
面试官的linkedin我搜不到，所以拜托了MFE的学长帮我搜了一下，看他在一家偏资产管理类型的HF工作过还以为他会抓着简历上多因子的部分一直问，然而并没有。

1) 你往数据库里塞入800个G的数据的时候遇到了哪些问题，怎么解决的
2）你搭建回测框架的时候写了哪些module, 怎样保证回测框架是extendable的。
3）你用了K-means，DBScan这些模型，这个business problem为什么是unsupervised learning. input data output result 是啥，最后选中了哪个模型，为什么
4) 你stress test的时候用到了risk-neutral assumption,能解释一下具体在干什么吗
5) 你用了XGBoost, 能解释一下XGBoost是啥吗
6) 你写了portfolio optimization module, 具体的objective function和constraint是哪些？ optimize的过程中是一帆风顺的吗，遇到了什么困难
7) 你在这个项目里是如何对一个time series做regime detection的？ 我就给他纸笔画了一下我写出来的algorithm具体是干什么的。 他follow-up一个用an array of price求max drawdown的编程问题。这种题属于见过了很简单没见过不容易想出来的，leetcode上有类似题叫best time to buy and sell a stock, 最优解是O(n) time O(1) space

主要就是这些，他好像对我简历特别感兴趣所以全问的简历相关的问题，完全没问macroeconomics, option theory, probability brain teaser, C++这些, 虽然我都准备了。我每个问题都答上来了所以他夸了我说面的不错
事后跟他聊了聊，他说自己在知名公司实习的时候都是脏活累活学不到东西，有些人没去冬天的实习在校内做project都学得更多，而且业内更看重你具体做了什么事情而不是公司的名声，所以选岗位的时候要慎重，多和前辈聊一聊。这一点我感同身受，因为我有一份实习就是follow公司的名声结果啥都没学到光打杂了
总体来说我的面试没那么具有代表性，大家也可以去搜搜地里其他的面经
不过我复盘的时候总结了这两点, 面试是通用的：
1)一定要对你的简历了如指掌，事先想好他可能会问什么问题然后做相应准备
2)面试过程中60%是你会不会，40%取决于你的表达。每次我用通俗易懂的话给他解释清楚后他都有点恍然大悟的感觉。感觉对答如流能让面试官确信你真的做过这个项目并且学到了东西。
有机会的话可以找已经工作的人mock一下

祝大家好运

. 1point 3 acres