培训目标
从编程能力, 模型理解, 项目经验三个角度全方位提升学生的综合能力。
课程还结合硅谷一线公司面试特点，加入了大量的Java编程与数据结构训练专题和数据系统设计专题等内容，加强学生技术专业性。
历史成绩
课程由经验丰富的硅谷资深数据科学家和机器学习工程师进行授课和答疑，通过案例驱动的方式讲解10余种常见的机器学习模型。具体实践项目包括用户粘性分析，文本聚类，Spark程序开发等多个数据科学领域的热门问题。
从最专业的角度帮助同学拿到数据科学岗位的offer。
学员背景
对数据科学方向感兴趣的不同专业背景的同学, 包括对Machine Learning方向感兴趣的CS专业同学, 以及申请Data Scientist, Data Analyst方向的EE, 统计, 经济专业的同学。
课程时长
9周，共26节课
每周3节课 (周三、周五、周日)
每节课2小时
学费
$6,500 USD
课程优势
1
直击痛点, 逐个攻破
在当今的求职市场上，大部分同学对数据科学岗位面试都有很多困惑，总结来说有三点：
“编程基础弱，不了解数据科学岗位面试对编程能力的要求”
“模型公式很多，不知如何备考”
“没有项目经验，简历空白，拿不到面试”。
数据科学实战班依托几年来积累的丰富教学经验，从编程能力, 模型理解, 项目经验三个方面进行培训，包括15节数据结构与编程强化练习, 10余种机器学习模型精讲，以及3个工业界级别的机器学习项目实战训练，全方位地提高学生的动手能力和数据科学思维能力。
2
强化基础, 模拟实战
数据科学实战班的课程内容非常丰富，基本涵盖了机器学习领域的所有重要知识点，同时也涉及到很多工业界最新的前沿技术。
在基础知识方面，我们会深入剖析10多个常用的数据分析模型及其变种，用最直白的语言讲授公式背后蕴含的直观理解，并利用硅谷一线公司的面试真题进行实战讲解。
在案例实践方面，我们选择的是目前最热门的两个数据分析问题：用户粘性预测以及文本语义分析聚类。此外，课程还会介绍当前最火热的大数据平台Apache Spark以及相关应用实例，手把手教会学生在分布式系统上开发数据分析应用程序。
3
名师授课, 专项辅导
数据科学实战班的教师团队由具有多年硅谷大公司及创业公司经验的资深数据科学家和机器学习工程师组成。教师授课经验丰富，有能力将各种复杂的模型讲得透彻明晰，得即使是零基础的同学都能够熟练掌握，举一反三，一直以来都深受同学们的好评。
课程结束后会由授课教师为每一名学生做一对一的简历修改辅导和Mock Interview, 并通过来Offer强大的内推团队为学生提供Job referral。
课程大纲（上滑查看完整课程大纲）
（向上滑动查看完整课程大纲）
第1课 Python编程 I
  • Grammar basics
第2课 Python编程 II
  • Grammar basics
第3课 Python编程 III
  • Array and Sorting Algorithm
第4课 Python编程 IV
  • Recursion and Binary Search
第5课 Python编程 V
  • Queue, Stack and LinkedList
第6课 期中考试
  • Python Coding and Data Structure
第7课 数据科学领域介绍
  • Overview of Machine Learning Algorithms
  • Introduction of Data Scientist/Analyst Interview
第8课 监督式学习 I
  • Fundamentals of Probability and Statistics
  • Linear Regression
第9课 监督式学习 II
  • Logistic Regression
  • Regularization
第10课 监督式学习 III
  • Decision Tree
  • Random Forest
第11课 模型检验 I
  • Hypothesis Testing
第12课 模型检验 II
  • Cross Validation
第13课 SQL和数据库设计
  • Table Schema Design
第14课 参数选择方法
  • Correlation coefficient
第15课 实战项目 - 用户粘性分析
  • Practical Machine Learning Design
第16课 无监督学习
  • Fundamentals of Linear Transformation
  • Principal Component Analysis
  • Latent Dirichlet Allocation
第17课 实战项目 - 影评文本聚类
  • Basics of Natural Language Processing
第18课 A/B Testing and Case Study
  • Data Analyst interview
第19课 大数据专题: Apache Spark与推荐系统设计 I
  • Spark and Spark ML introduction
第20课 大数据专题: Apache Spark与推荐系统设计 II
  • Recommendation system introduction
第21课 大数据专题: Apache Spark与推荐系统设计 III
  • Model based approaches
第22课 大数据专题: Apache Spark与推荐系统设计 IV
  • Data pipeline for recommendation system
第23课 深度学习专题 I
  • Deep Learning Overview
第24课 深度学习专题 II
  • Tensorflow and Basic Modules in Deep Learning
第25课 深度学习专题 III
  • Binary Classification Project using Tensorflow
第26课 深度学习专题 IV
  • Binary Classification Project using Tensorflow
课程流程
培养计划
两个工业界机器学习项目，掌握全业务流程
10余种常用数据分析模型
在实践中掌握模型分析与优化的方法
学习当前最热门的大数据分析工具
学员评价
“Data课对我的帮助很多。首先是对模型的理解，让我从模模糊糊一知半解到侃侃而谈，在讲logistic regression时，通过MLE推导出loss function，在之后的面试过程中屡试不爽。对机器学习设计问题的理解，在老师的带领下不断强化end-to-end的workflow，让我面对开放式问题的时候，可以实现自己的“套路”。感谢老师不断的照顾，让我在求职路上不孤独。“
-J. Ma, Offers from Software
报名方式
添加来offer小助手为好友

直接进行课程报名咨询
继续阅读
阅读原文