匿名分享一下面试 JP Morgan 的经历,岗位是 Software Engineer,地点在 Sydney, Australia,团队是 Investment Banking Pricing Team,主要技术栈是 Python,内部平台是 ATHENA。
基本情况
最开始是 recruiter 通过邮件联系我的。
一开始面的是 SWE 3,但第一轮之后被 downlevel 到了 SWE 2。个人感觉主要原因可能是我对 investment banking / pricing domain 的了解不够深。
整体 HR 流程体验一般,有些地方不太稳定,比如出现过会议邀请或 Zoom link 没有及时发的情况。不过不同 recruiter 的沟通体验差异比较大。
Interview 1|60 mins|Behavioural
第一轮是标准 behavioural interview。
主要是围绕过往经历展开,基本都是 STAR 类型的问题,比如:
- 过往项目经历
- 遇到困难如何解决
- 团队合作经历
- conflict / challenge 相关问题
- 为什么想来 JP Morgan / 为什么对这个岗位感兴趣
这一轮之后,岗位从 SWE 3 downlevel 到 SWE 2。我猜测原因可能是 investment banking 相关 domain knowledge 不够强,尤其这个 team 是 pricing 方向。
Interview 2|60 mins|Technical
第二轮是技术面。
一开始有简单的 resume discussion,也问了一些 behavioural questions。
之后进入 Python 和 general SWE 基础问题,比较偏 trivia 类型。
被问到的内容包括:
- Python 相关基础
- general software engineering concepts
- multithreading 相关问题
Coding 题目有两道:
1. Flatten a Dictionary
题目类似 Exponent 上这道:
Flatten a Dictionary
核心是把 nested dictionary 展平成 flat key-value structure。
例如:
{
"a": {
"b": {
"c": 1
}
}
}
变成类似:
{
"a.b.c": 1
}
主要考察递归、字典遍历、edge cases。
2. Valid Parentheses
LeetCode 经典题,使用 stack 判断括号是否合法。
难度不高,主要注意边界情况和代码整洁度。
Interview 3|45 mins|Hiring Manager
第三轮是 hiring manager 面。
整体非常 conversational,偏 behavioural 和 team fit。
主要是聊过往经历、对团队的兴趣、个人背景,以及和岗位的匹配度。
这一轮氛围比较轻松,没有很难的问题。Hiring manager 给人的感觉很好,很 knowledgeable,也很愿意介绍团队情况。
Outcome
面试结束后反馈是 positive。
HR 后续联系我,要求提供:
- 当前薪资证明
- 是否有 competing offers
- 其他 offer 情况
因为当时我手里已经有一个 big tech offer,所以最后没有继续推进 JP Morgan 的 offer 流程。
总结感受
整体来说,技术面难度不算特别高,coding 题比较常规,重点还是 Python 基础、SWE 基础以及 behavioural 表达。
不过如果目标是 SWE 3 或更高级别,可能需要对 investment banking / pricing / trading system 相关 domain 有一定了解,否则有 downlevel 风险。
HR 流程有些地方不太稳定,建议大家面试前主动确认会议邀请和 Zoom link,避免临近面试时出问题。
准备建议
- Behavioural 一定要提前准备 STAR stories
- Python 基础要扎实,尤其是 dictionary、recursion、threading 等
- LeetCode easy / medium 常见题要熟
- 如果面 investment banking 相关 team,可以提前了解 pricing、risk、trading platform 等基础概念
- 面试过程中多展示 ownership、communication 和系统性思考能力
总体体验还可以,面试官都比较友好,尤其 hiring manager 面感觉不错。
评论
0 条正在加载评论...