算法工程师-26届春招

优缺点分析

角色解读

• 技术方向：从算法工程师成长为高级算法专家或技术负责人，深耕金融AI领域
• 管理方向：积累项目经验后，可转向技术管理岗位，带领团队
• 业务方向：深入理解金融业务，成为业务与技术结合的复合型人才
• 参与金融大模型的研发与应用，包括模型训练、调优和部署
• 构建智能平台和研发中台，提升内部效率
• 基于海量金融数据，构建机器学习模型优化业务指标
• 跟踪前沿算法，推动技术创新在业务中落地
• 扎实的编程能力，精通至少一门语言（如Python），熟悉分布式编程
• 深入理解大模型、机器学习、深度学习原理及主流框架（如PyTorch、TensorFlow）
• 优秀的数据结构和算法基础，能高效处理海量数据
• 良好的学习能力和业务理解力，能快速将技术应用于金融场景

申请策略

• 关注东方财富的业务动态和技术博客，面试时展示对公司的了解
• 提前准备一个完整的机器学习项目案例，能清晰讲解模型设计、优化和效果
• 突出机器学习或深度学习相关项目经验，尤其是大模型相关
• 强调编程竞赛、开源贡献或论文发表等体现算法能力的经历
• 展示数据处理和分析能力，如Kaggle比赛或金融数据项目
• 如果有金融背景或相关实习，务必重点提及
• 系统复习大模型原理（如Transformer、GPT、BERT），并动手实践微调
• 强化Python编程和分布式框架（如Spark、Ray）的使用

面试指南

• 对于原理类问题，先给出核心概念，再逐步展开细节，最后结合实际应用
• 对于项目类问题，采用STAR法则：情境、任务、行动、结果，突出个人贡献和难点解决
• 对于开放性问题，先明确问题边界，再提出多种方案并比较优劣
• 请解释Transformer的注意力机制原理
• 如何解决大模型训练中的显存不足问题？
• 描述一个你参与过的机器学习项目，包括数据预处理、模型选择和调优过程
• 在金融场景中，如何评估一个推荐模型的性能？
• 你对分布式训练了解多少？请举例说明