o****o 发帖数: 8077 | 1 主要谈一个负面,一个正面的经历,希望对大家有所帮助。
一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主
动找到我。
那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技
术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟
CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典
型的问题就是这么几大类:
分类问题中变量筛选的方法和过程,比较各类方法的优劣;
非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方
法;
另外问了我在简历里面提到的一些我以前的projects,包括背景和技术细节;
最后问如何建立MAXIMIZE LIKELIHOOD FUNCTION和MINIMIZE CLASSIFICATION ERROR
RATE之间的关系,我认为什么数据挖掘方法比较有前途【这个确实仁者见仁,呵呵】。
其实这两个问题我猜他是要问boosting和ensemble,特别是Hastie等人那篇AOS的文章
,所以我就讲述了一下boos |
D******n 发帖数: 2836 | 2 good article, archived...
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
s*****l 发帖数: 321 | 3 Is that NYC financial company Barclays?
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
o****o 发帖数: 8077 | 4 你是哪个HM?
算了,我还是少说点,都是老中。。。。
【在 s*****l 的大作中提到】 : Is that NYC financial company Barclays?
|
A*******s 发帖数: 3942 | 5 拜大牛,收藏之.....
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
f****a 发帖数: 16 | 6 niu+zan!
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
N***n 发帖数: 660 | 7 hahaha 这个牛
【在 o****o 的大作中提到】 : 你是哪个HM? : 算了,我还是少说点,都是老中。。。。
|
b******1 发帖数: 367 | 8 oloolo有绿卡了吗?
【在 o****o 的大作中提到】 : 你是哪个HM? : 算了,我还是少说点,都是老中。。。。
|
b******1 发帖数: 367 | 9 巴克莱不去也罢了,感觉这个公司文化有点问题,当然是一家之见
【在 o****o 的大作中提到】 : 你是哪个HM? : 算了,我还是少说点,都是老中。。。。
|
s*******e 发帖数: 1385 | 10 zan牛人
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
|
|
d*******o 发帖数: 493 | |
j******i 发帖数: 229 | |
p*******r 发帖数: 117 | |
o****o 发帖数: 8077 | 14 暂时还没有
【在 b******1 的大作中提到】 : oloolo有绿卡了吗?
|
c**l 发帖数: 319 | |
y*****e 发帖数: 201 | |
f****r 发帖数: 1140 | 17 lz是phd吧。。
问题很具体啊。
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
o****o 发帖数: 8077 | 18 我是phd没读完那种
【在 f****r 的大作中提到】 : lz是phd吧。。 : 问题很具体啊。
|
k*****u 发帖数: 1688 | 19 留名纪念
好文章啊
统计还是有希望的啊
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
d*******1 发帖数: 854 | 20 顶一下牛人, 楼主是master? 感觉你的理论很牛啊!
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
|
|
l*********s 发帖数: 5409 | |
p****n 发帖数: 9263 | 22 唉,那个HM老中,面试老中都做不到至少客客气气...
出门在外,老中不帮老中,TMD天打雷劈
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
A*******s 发帖数: 3942 | 23 不客气是性格问题,不认真是职业道德问题
lz这个例子,HR不是很专业啊
不过牛公司的HR自然也牛气一些
俺的电面居然还有HR把我的一些基本信息弄错的
【在 p****n 的大作中提到】 : 唉,那个HM老中,面试老中都做不到至少客客气气... : 出门在外,老中不帮老中,TMD天打雷劈
|
p****n 发帖数: 9263 | 24 偶才不信是性格问题呢,这路人见了洋人准一脸谄笑
【在 A*******s 的大作中提到】 : 不客气是性格问题,不认真是职业道德问题 : lz这个例子,HR不是很专业啊 : 不过牛公司的HR自然也牛气一些 : 俺的电面居然还有HR把我的一些基本信息弄错的
|
z*********i 发帖数: 146 | 25 哈 数典忘祖 正常情况
【在 p****n 的大作中提到】 : 偶才不信是性格问题呢,这路人见了洋人准一脸谄笑
|
d******7 发帖数: 673 | 26 zkss
【在 b******1 的大作中提到】 : 巴克莱不去也罢了,感觉这个公司文化有点问题,当然是一家之见
|
r******n 发帖数: 162 | |
b*****o 发帖数: 817 | |
b**********i 发帖数: 1059 | 29 楼主不会担心被copy吗,JK
【在 b*****o 的大作中提到】 : 要是能参观一下楼主的blog就好了。
|
l***a 发帖数: 12410 | 30 orz
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
|
|
d*********9 发帖数: 29 | 31 Thanks for sharing your experience, very helpful. Can you provide the link
of the article you mentioned - use Logistic Regression to approxmate SVM
with SAS? Thanks again. |
s*********i 发帖数: 1813 | |
a*****4 发帖数: 986 | 33 Nice!
Thank you. Can you share your blog address and I would like to visit your
blog? ................... |
o****o 发帖数: 8077 | 34 Thanks for the interests in my blog
but due to privacy concerns, I would like to keep it hidden somewhere.
Many of the posts on my blog are answers to interesting questions appeared
on this board and SAS-L |
o****o 发帖数: 8077 | 35 google "Modified Logistic Regression: An Approximation to SVM....."
the first page comes up is the link to the working version of the paper
the modified LR actually is a L2 regularized logistic regression, so you
know how to implement it in SAS/STAT
【在 d*********9 的大作中提到】 : Thanks for sharing your experience, very helpful. Can you provide the link : of the article you mentioned - use Logistic Regression to approxmate SVM : with SAS? Thanks again.
|
p***i 发帖数: 848 | 36 这种老中不要太多。。。。。
我上礼拜4刚碰到一个 虽然不是HM 但是也恶心的不行 也是NYC的 四大之一 sr.
consultant
也是反问一个 使不爽 后拒 拒也就拒了 feedback是modeling knowledge不够
【在 p****n 的大作中提到】 : 唉,那个HM老中,面试老中都做不到至少客客气气... : 出门在外,老中不帮老中,TMD天打雷劈
|
s*r 发帖数: 2757 | 37 ‘statcompute’有一个挺牛逼的
【在 b*****o 的大作中提到】 : 要是能参观一下楼主的blog就好了。
|
p********a 发帖数: 5352 | 38 我常常搞不清楚statcompute和OLOOLO谁是谁,这两都是牛人,又都是搞MARKETING的,
不会是互为马甲吧?
【在 s*r 的大作中提到】 : ‘statcompute’有一个挺牛逼的
|
s*r 发帖数: 2757 | 39 好像他们对话过
【在 p********a 的大作中提到】 : 我常常搞不清楚statcompute和OLOOLO谁是谁,这两都是牛人,又都是搞MARKETING的, : 不会是互为马甲吧?
|
f****n 发帖数: 47 | 40 原来还有同道中人。。。。。
【在 o****o 的大作中提到】 : 你是哪个HM? : 算了,我还是少说点,都是老中。。。。
|
|
|
o****o 发帖数: 8077 | 41 我不是statcomput,他也是个经验丰富的老鸟了
【在 s*r 的大作中提到】 : 好像他们对话过
|
o****o 发帖数: 8077 | 42 来信询问的人太多,我被overwhelm了。
大家这么赏脸,一直拒绝的话我自己都不好意思了,等我把上面涉及隐私的东西清掉后
再发链接上来。
先说明一下,这个是我自己练coding用的,如果大家看了失望,请不要拍砖,不要失望
;如果觉得好,帮我点一下那些广告就好,特别是amazon的。。。。谢谢了 |
f****r 发帖数: 1140 | 43 哇塞
太专业了。。会点广告的
【在 o****o 的大作中提到】 : 来信询问的人太多,我被overwhelm了。 : 大家这么赏脸,一直拒绝的话我自己都不好意思了,等我把上面涉及隐私的东西清掉后 : 再发链接上来。 : 先说明一下,这个是我自己练coding用的,如果大家看了失望,请不要拍砖,不要失望 : ;如果觉得好,帮我点一下那些广告就好,特别是amazon的。。。。谢谢了
|
h*********n 发帖数: 411 | |
y******0 发帖数: 401 | |
c****u 发帖数: 243 | |
S******y 发帖数: 1123 | 47 Congrats again! oloolo.
Thanks for sharing the experience, which will benefit a lot of people here. |
h******e 发帖数: 6 | 48 佩服oloolo, 理论和应用都有很深的理解, 牛人 。。。。 |
o****o 发帖数: 8077 | |
a********s 发帖数: 188 | |
|
|
n**********r 发帖数: 104 | |
h**y 发帖数: 2 | |
c**p 发帖数: 204 | 53 有这么多会帖呀!!真棒!!
我也想问个问题:
I feel I am very interested in the models, and/or techniques you mentioned
here for the interview with 保险公司.Really would like to have a job
involved in those things!! However, basically, I do not know them at all
till this moment.
I have strong math theory background and MS in statistics, thesis in
probabilities. High-level SAS skills.
1. Is it possible for me to find a job in insurance company without
experience in any insurance company? Even no school project experience.
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
i****w 发帖数: 329 | |
w******a 发帖数: 25 | |
T*****x 发帖数: 65 | 56 来膜拜牛人的。。
谢谢分享经验!
Congratulations on your offer! |
F*******7 发帖数: 405 | |
p**********l 发帖数: 1160 | 58 Thanks a lot.
Very valuable. |
l*********s 发帖数: 5409 | 59 Reread, always inspiring ! |
k****i 发帖数: 347 | 60 恭喜
可不可以问一下保险公司4年工作经验的工资大概什么范围?
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
|
|
a****g 发帖数: 8131 | |
g*********n 发帖数: 441 | |
p******r 发帖数: 1279 | 63 LZ must be a Da Niu!
I can only understand less than 50% of what you were talking about during
interview...... Are you a phd? |
c****s 发帖数: 395 | 64 不知道楼主以前是在哪个行业,我知道的在市场分析领域,方法都是粗大糙,根本不会
有这么多不同的方法用在实践中 |
v*******a 发帖数: 1193 | 65 hen hao hen qiang da!
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
A*******s 发帖数: 3942 | 66 marketing research还是有不少有挑战性的地方的
【在 c****s 的大作中提到】 : 不知道楼主以前是在哪个行业,我知道的在市场分析领域,方法都是粗大糙,根本不会 : 有这么多不同的方法用在实践中
|
o****o 发帖数: 8077 | 67 这么久远的帖子。。。
市场分析用的LDA,CCA,MDS,MCA,MDPREF这些至少用过吧,虽然都是线性的模型,但是也不应该算是粗大糙的东西了
还有很多sampling,power calculation,DOE,survey的东西也是需要学习的。融会贯通了,需要的时候信手拈来,还能给business讲个不错的故事。
【在 c****s 的大作中提到】 : 不知道楼主以前是在哪个行业,我知道的在市场分析领域,方法都是粗大糙,根本不会 : 有这么多不同的方法用在实践中
|
l*********s 发帖数: 5409 | 68 cong bai!
不应该算是粗大糙的东西了
贯通了,需要的时候信手拈来,还能给business讲个不错的故事。
【在 o****o 的大作中提到】 : 这么久远的帖子。。。 : 市场分析用的LDA,CCA,MDS,MCA,MDPREF这些至少用过吧,虽然都是线性的模型,但是也不应该算是粗大糙的东西了 : 还有很多sampling,power calculation,DOE,survey的东西也是需要学习的。融会贯通了,需要的时候信手拈来,还能给business讲个不错的故事。
|
r********0 发帖数: 65 | |
a******n 发帖数: 11246 | 70 co ask!
【在 r********0 的大作中提到】 : 大牛啊!!! : 能介绍您的blog来看看吗?
|
|
|
l*u 发帖数: 114 | 71 原来是lz的 blog, 同求! 想学些sas技巧, 目前没有看到哪本书是专门介绍些技巧
经验的sas书。
【在 r********0 的大作中提到】 : 大牛啊!!! : 能介绍您的blog来看看吗?
|
w********y 发帖数: 371 | 72 同求BLOG 楼主是统计博士吧 感觉跟看硕士的面试经验比更深奥一些 |
a****g 发帖数: 8131 | 73 lz is a ms
he is super
【在 w********y 的大作中提到】 : 同求BLOG 楼主是统计博士吧 感觉跟看硕士的面试经验比更深奥一些
|
s*********e 发帖数: 1051 | 74 interesting. why good statistician needs to be phd :-)?
【在 w********y 的大作中提到】 : 同求BLOG 楼主是统计博士吧 感觉跟看硕士的面试经验比更深奥一些
|
D******n 发帖数: 2836 | 75 I think it is not just that he is good, it is the questions that sound like
way advanced than what a lot of stat ms would encounter.
【在 s*********e 的大作中提到】 : interesting. why good statistician needs to be phd :-)?
|
G**7 发帖数: 391 | 76 Can you share your Blog?
Please email me your Blog site. Thanks a million |
G**7 发帖数: 391 | 77 If you can email me at this website email account and share your SAS Blog,
I would appreciate that.
|
a******n 发帖数: 11246 | 78 co ask OP to tell me blog address.
thanks 12.5 billion!
【在 G**7 的大作中提到】 : Can you share your Blog? : Please email me your Blog site. Thanks a million
|
c*****a 发帖数: 808 | 79 I want to know too.
thanks! |
D******n 发帖数: 2836 | 80 真是服了你们,这贴的下一帖就有网址。
【在 c*****a 的大作中提到】 : I want to know too. : thanks!
|
|
|
a******n 发帖数: 11246 | 81 有道理,我都没注意,呵呵。
【在 D******n 的大作中提到】 : 真是服了你们,这贴的下一帖就有网址。
|
r********2 发帖数: 19 | 82 受益匪浅,鼓舞人心!
正在找工作的路上,希望能像lz那样不断充实。 |
l*u 发帖数: 114 | 83 还是没找着。。。 搜了lz的帖子也没找着, 拜托给大家贴一下吧
【在 D******n 的大作中提到】 : 真是服了你们,这贴的下一帖就有网址。
|
G*********a 发帖数: 80 | 84 谢搂主分享,也想学习你的博客,可以分享下地址吗?谢谢! |
d******e 发帖数: 551 | 85 没有考试,但是有advanced degree的Statistician,总的package应该在 100K - 130K
【在 k****i 的大作中提到】 : 恭喜 : 可不可以问一下保险公司4年工作经验的工资大概什么范围?
|
d******e 发帖数: 551 | 86 哪那么复杂啊,我觉得你有点想得太多了。
另外那个bassel-II主要的问题是怎么样骗regulation,又不是个credit risk model做
出来有lift就行了,你又没有业界的经验,干嘛那么牛逼呢?
另外最后你的结论也不对。目前市场上有几年经验的senior stat非常缺,到处都是$
100K+的位置招不到人,根本不存在消化的问题。Senior stat的市场在几个月以前达到
几年间的最顶峰,现在随着几大commercial bank招人的减缓,已经稍有缓和。没有经
验的人难找工作一些,因为大部分HM都不愿意找个fresh的人去training
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
d******e 发帖数: 551 | 87 那楼主一看就是学术界的。工业界最重要的是1)数据 2)解释模型给不懂统计的傻子
看,那些眼花缭乱的方法,根本没法解释给决策者听。另外最后的结果往往会不如GLM
或者Treenet做出来的好。
【在 c****s 的大作中提到】 : 不知道楼主以前是在哪个行业,我知道的在市场分析领域,方法都是粗大糙,根本不会 : 有这么多不同的方法用在实践中
|
A*******s 发帖数: 3942 | 88 treenet的方法已经够眼花缭乱了吧. Brieman已经说它是best off-the-shelf
classifier. 只要老板能接受,确实不容易搞出一个能比它好的。
GLM
【在 d******e 的大作中提到】 : 那楼主一看就是学术界的。工业界最重要的是1)数据 2)解释模型给不懂统计的傻子 : 看,那些眼花缭乱的方法,根本没法解释给决策者听。另外最后的结果往往会不如GLM : 或者Treenet做出来的好。
|
s*********e 发帖数: 1051 | 89 it depends. in west coast, machine learning methods, e.g. ensemble, is very
popular in .COMs.
something is even fancier than what you could think of, such as hadoop.
GLM
【在 d******e 的大作中提到】 : 那楼主一看就是学术界的。工业界最重要的是1)数据 2)解释模型给不懂统计的傻子 : 看,那些眼花缭乱的方法,根本没法解释给决策者听。另外最后的结果往往会不如GLM : 或者Treenet做出来的好。
|
d******e 发帖数: 551 | 90 Hadoop是数据存储的结构,解决的是大的dataset怎么有效率的处理的问题,而不是用
来解决统计问题。.com的地方喜欢用,financial service公司一般是不用的,因为
Hadoop虽然胜在便宜和Scalable,但是在数据的绝对可靠性上不如传统的Teradata或者
Oracle等的relational database解决方案,所以钱的transaction一般没有那个银行用
Hadoop的。
另外那些什么machine learning的东西是google这种公司用的,financial service的
公司不常用,因为没法regulation解释
very
【在 s*********e 的大作中提到】 : it depends. in west coast, machine learning methods, e.g. ensemble, is very : popular in .COMs. : something is even fancier than what you could think of, such as hadoop. : : GLM
|
|
|
o****o 发帖数: 8077 | 91 主要谈一个负面,一个正面的经历,希望对大家有所帮助。
一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主
动找到我。
那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技
术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟
CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典
型的问题就是这么几大类:
分类问题中变量筛选的方法和过程,比较各类方法的优劣;
非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方
法;
另外问了我在简历里面提到的一些我以前的projects,包括背景和技术细节;
最后问如何建立MAXIMIZE LIKELIHOOD FUNCTION和MINIMIZE CLASSIFICATION ERROR
RATE之间的关系,我认为什么数据挖掘方法比较有前途【这个确实仁者见仁,呵呵】。
其实这两个问题我猜他是要问boosting和ensemble,特别是Hastie等人那篇AOS的文章
,所以我就讲述了一下boosting以及additive models;另外提到kernel方法也比较有
前途,因为kernel的方法适用于任何应用features的内积的模型。当然这个都是我瞎掰
,每个人的看法不一样。
我在问问题阶段谈到了有人发现可以用logistics regression来逼近SVM的解,以及如
何在SAS里面提供解决方案,他很感兴趣,找我要了那篇论文;这些技术方面的东西讲
得很多。整个电面大约35分钟,超时,应该是好现象。
一个星期后我主动问了猎头是否能拿到onsite,猎头回信热情洋溢:尽快安排!然后就
安排了一个3个星期后onsite面试,看来他们人都很忙。
onsite我要面12个人,从早上10点到下午5点,7个小时不停,反正很累,因为我头一天
12点才到hartford。吃饭都在问问题,虽然不是很technical了,呵呵。面的人有HR,
BI, PI和SI的人。主要问题围绕我简历上列出来的以前的projects,主要是考察自己
initiate project的能力和跟业务经理交流的能力;技术方面主要问了一些SAS编程的
问题。因为我自己有个SAS编程的blog,也列在了我的简历上,基本上他们对我的SAS编
程水平没有任何疑问。通过我页面上的tracking 工具,我知道很多人在我去onsite面
试前也去我blog查看了的。上次那个HM后来又问了我一个SAS编程的很简单的问题,我
给了4种方法,写到第三种的时候他就说不用了,呵呵。问题很简单,主要是考察用非
传统SAS编程思维以及一些PROC里面不常用的选项options解决特定问题。当然那个HM也
问了这个版刚刚提到的那个confounding的问题,就是两个有一定相关性的自变量在一
个回归模型里,如果单独都是正的系数,一起纳入模型后符号相反,同时又没有
interaction,怎么解释和怎么解决的问题。我给的解释就是计量经济学里面的Frisch-
Waugh theorem,推导了一下,另外给了一个几何解释,他很满意。我给的解决方法是
用PCA,当然不一定正确,他主要也是考察推理能力。HM的手下,以后也是我的同事拿
了我blog上一段程序让我讲解code优化的步骤,主要是考察我的交流能力,因为我的英
语不是很好,不过看来口语不是大问题。总之,onsite跟所有人都聊得很愉快,除了跟
HM谈技术的东西有点压力,其他都很轻松,我觉得基本没有问题了。第二个星期公司HR
的人就给了口头offer。
onsite的时候有个人提到,他们之前还面过一个人,那个人用R,但是对SAS很抵触,这
个让他们不满意。其实他们也不是很在乎你个人用什么软件,毕竟编程序如果有经验很
快就能上手,主要是态度他们不满意,觉得以后估计跟同事不能很好地合作。教训就是
即使自己不喜欢某样东西,也不要那么明显得表露出来,可以说自己以前都用R,但是
可以学习SAS,而且相信自己很快就能上手。当然那个candidate也许有其他更好的公司
等着面试,不是很在意这个公司,所以也就实话实说了。毕竟找工作也是双向选择。
下面说说跟那个NYC的风险部门的电话面试,这个经历不是很愉快。我对NYC不喜欢,面
这个的目的就是为了给其他机会抬价,所以基本上抱着练手的目的,估计跟上面说到用
R那个哥们儿一个思路。
电话面试安排得很快,但是HM显然没有提前看我的简历,等到电面的时候一开始就说了
一句,你以前一直是做市场分析的,跟风险分析不搭界,怎么跑来申请这个职位。这个
让我很不爽,你要是觉得不适合,安排电面作甚?一开始就不愉快,注定杯具。不过我
还是耐着性子给他解释,虽然是市场分析,但是,第一,用到的统计方法和模型都是一
样,第二,市场分析里面也要涉及很多跟风险有关的东西,包括我现在做得portfolio
attrition assessment system跟零售业务里面的deposit decay模型其实是一样的,而
且我的分析工作涉及整个业务流程的前端和后端,所以从技术上谈不上不熟悉的问题,
唯一需要学习的就是具体的业务,反正我也不是申请经理,而是一个技术职位,这个不
是大问题。然后HM就说你没有做巴塞尔协定II风险模型的经验啊,意思就是你不适合了
。然后问我你还有没有什么问题?我就问:那你觉得巴塞尔II风险模型里面的预测PD的
模型跟市场分析所用的各种predictive模型有什么区别呢?他看起来很不爽,说这个难
道不是该我问你的嚒?这个时候气氛就不是很好了,显然HM觉得被challenge了。我说
是你让我问问题啊,难道我问的这个是不能问的问题?呵呵。不过我还是说了一下,那
就是技术上没什么区别,市场分析用的predictive model都能应用到prob of default
里面,您同意不?比如,一个统计系或者计算机系专门做数据挖掘的教授难道就不会做
哪些风险模型?他也说确实是,技术上没啥区别。然后就是很尴尬的大家都不想继续这
个电面,拉倒了事。反正我还有几个电面等着,不缺这一个。
另外说一下,这个HM是个老中,但是我工作4年了,面过n次,除了学生时代第一次找工
作,都反问过无论老中还是老美的HM一些技术问题,这是第一次激怒HM,所以感觉以后
在这个老中手下干也愉快不了。
我发现自己搞个blog是推销自己的一个很好的手段,这个很多猎头也提到过。这次电面
得几家都提前看过我的blog,对我的SAS编程技能和应用数据挖掘的能力是没有任何疑
问的。通过SNS营销自己目前看来是比较有效的手段。
保险公司很快就给了offer,比我报的价高些,根据我和我朋友的经验,其他我电面的
几家能给更好offer的几率较低,我以前的一个同学,背景和水平也很好的,拿到了一
家著名商业银行的offer,比我的期望还低,他说你还是从了吧,我就从了。根据那个
HM的说法,现在保险业正在从传统精算逐渐转型到依赖现代统计模型来精细化业务流程
和产品类别,所以前途还是不错的。另外感觉现在市场已经开始回暖了,我的朋友都开
始到处面试了。刚毕业的估计还要稍等一下,因为现在还有太多有工作经验的在job
market上需要消化,不过这个过程应该很快。 |
F*******7 发帖数: 405 | |
p**********l 发帖数: 1160 | 93 Thanks a lot.
Very valuable. |
l*********s 发帖数: 5409 | 94 Reread, always inspiring ! |
k****i 发帖数: 347 | 95 恭喜
可不可以问一下保险公司4年工作经验的工资大概什么范围?
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
a****g 发帖数: 8131 | |
g*********n 发帖数: 441 | |
p******r 发帖数: 1279 | 98 LZ must be a Da Niu!
I can only understand less than 50% of what you were talking about during
interview...... Are you a phd? |
c****s 发帖数: 395 | 99 不知道楼主以前是在哪个行业,我知道的在市场分析领域,方法都是粗大糙,根本不会
有这么多不同的方法用在实践中 |
v*******a 发帖数: 1193 | 100 hen hao hen qiang da!
【在 o****o 的大作中提到】 : 主要谈一个负面,一个正面的经历,希望对大家有所帮助。 : 一家是NYC的某国际著名银行个人信用风险部门;另外就是一家保险公司;都是猎头主 : 动找到我。 : 那家保险公司的HM先给了个电话面试【HM是ivy统计博士】,主要问了我简历上列的技 : 术方面的东西。比如一些市场研究的工具,MCA,MDS等,这些方法是啥,跟 : CATEGORICAL DATA ANALYSIS的联系等;然后就是一些数据挖掘和统计方面的问题,典 : 型的问题就是这么几大类: : 分类问题中变量筛选的方法和过程,比较各类方法的优劣; : 非线性函数关系的处理方法,比较各类方法的优劣以及如何在SAS/STAT中搞出来这些方 : 法;
|
|
|
A*******s 发帖数: 3942 | 101 marketing research还是有不少有挑战性的地方的
【在 c****s 的大作中提到】 : 不知道楼主以前是在哪个行业,我知道的在市场分析领域,方法都是粗大糙,根本不会 : 有这么多不同的方法用在实践中
|
o****o 发帖数: 8077 | 102 这么久远的帖子。。。
市场分析用的LDA,CCA,MDS,MCA,MDPREF这些至少用过吧,虽然都是线性的模型,但是也不应该算是粗大糙的东西了
还有很多sampling,power calculation,DOE,survey的东西也是需要学习的。融会贯通了,需要的时候信手拈来,还能给business讲个不错的故事。
【在 c****s 的大作中提到】 : 不知道楼主以前是在哪个行业,我知道的在市场分析领域,方法都是粗大糙,根本不会 : 有这么多不同的方法用在实践中
|
l*********s 发帖数: 5409 | 103 cong bai!
不应该算是粗大糙的东西了
贯通了,需要的时候信手拈来,还能给business讲个不错的故事。
【在 o****o 的大作中提到】 : 这么久远的帖子。。。 : 市场分析用的LDA,CCA,MDS,MCA,MDPREF这些至少用过吧,虽然都是线性的模型,但是也不应该算是粗大糙的东西了 : 还有很多sampling,power calculation,DOE,survey的东西也是需要学习的。融会贯通了,需要的时候信手拈来,还能给business讲个不错的故事。
|
r********0 发帖数: 65 | |
a******n 发帖数: 11246 | 105 co ask!
【在 r********0 的大作中提到】 : 大牛啊!!! : 能介绍您的blog来看看吗?
|
b****w 发帖数: 71 | |
s****l 发帖数: 38 | |