来Offer的人工智能与数据强化课程，已经帮助众多不同专业（商科/理工科/CS/Data）、不同背景（本科/研究生/Phd）的同学，拿到自己心仪的offer：
向上滑动阅览
此为来Offer data班部分offer榜，
查看完整榜单，请登录www.laioffer.com
现在，来Offer的
人工智能与数据科学强化课程
7月11日，强势归来
课程亮点
不限次数1对1简历修改
不限次数1对1模拟面试
不限次数多对1内推资源
7大最热门项目的实战训练
30余节数据结构、算法与coding课程
10余种常用Machine Learning模型学习
还有Case Study精讲, 贯彻一线公司面试精髓
课程咨询
添加来Offer课程顾问为好友
直接进行课程报名咨询
为什么要选择来Offer？
01
登录北大课堂
的高水准课程
2017年秋季，来Offer的人工智能与数据科学强化课程，正式登录北京大学课堂！
北京大学智能系大四和研究生一年级同学，在北大智能选修课的基础上，也可以同步选修来Offer的人工智能与数据科学强化课！
北大学生选修来Offer人工智能实践课程
来Offer与北京大学的跨界合作，代表着硅谷的尖端技术与中国顶尖院校的强强联合。
02
20余位来自顶级科技公司
和华尔街的大牛，做你的老师！
精英教师团队
本课程由来自一线科技企业、华尔街顶级咨询公司的20余位精英老师，3位TA共同授课。
所有主力老师都曾在一线公司任职Senior Data Scientist,/Senior Software Engineer, 拥有美国名校CS、统计专业PhD学位。
还有Apache Spark、Apache Hadoop的代码贡献者和管理委员会成员亲自授课！
➤ Data Scientist Track的授课团队由 Airbnb, Google, Facebook, Hortonworks等一线科技资深Data Scientist、Machine Learning Engineer组成。
➤ Business Analyst Track的授课团队由Google, McKinsey & Company 等顶级科技/咨询公司的Senior Data Analyst、Business Analyst组成。
03
全面系统课程设置
帮你消除编程恐惧
本课程采取线上直播授课形式。30余节数据结构、算法与coding课程,10余种常用Machine Learning模型学习。
在课上，老师会积极与学员互动，保证课堂质量。而在课后，老师也会积极对同学们提出的疑问进行答疑。
04
因材施教，分Track教学
为满足不同基础、不同求职需求的同学，本课程分为Data Scientist和Business Analyst两大track。
前43节课程内容相同，学员将完成2个project；后18节课分Track分班教学，学员将完成所选track的project。
05
7大最热门项目的实战训练
提升你的求职实力
 DS track Project 1
旧金山犯罪数据分析
大数据分析是算法工程师必备的技能，合格的算法工程师需要掌握从数据收集到数据建模的整个流程，最后才能保证从数据中发现可能的规律，并建立机器学习模型。

本项目以旧金山地区犯罪数据为列，带领学员建立从数据采集，清洗，存储， 分析的一整套数据分析的工作流。通过对于不同地区犯罪数据，天气数据的分析和建模，建立可能的犯罪事件预测机制。
关键词：Spark RDD, Spark SQL, OLAP, Regression, Data pipeline
 DS track Project 2
Netflix电影推荐系统
推荐系统是互联网公司的现金奶牛。无论是Google、Facebook、Amazon等IT巨头，还是Airbnb、Uber、Pinterest等各类初创公司，都需要一套高性能的推荐系统。
推荐系统的设计与开发能力是各大顶尖科技公司
普遍看重的能力之一
。

本项目带领您成为推荐系统设计与开发专家。本项目以Netflix电影数据为训练数据，带领学员掌握主流的推荐系统的算法，并熟练使用 Spark Machine learning pipeline 建立自己的过滤算法，并部署推荐系统到生产型环境。
关键词：Recommendation system, collaborative filtering, matrix factorization, Spark ALS model
 DS track Project 3
Twitter数据情感分析
流数据分析将会是下一代的数据分析的基本模式。流数据分析减少了数据落地带来的高负荷和数据分析的延迟。在互联网公司最为看重的实时数据分析场景中，大规模流数据的处理和建模，是面试官非常看重的一项技能。

本项目以Twitter的流数据为基础，带领学员建立一整套的流数据分析和建模的引擎。本项目基于Kafka 建立数据分发的工作流，然后利用Spark Streaming 和 Spark Structured streaming 清理和分析流数据，最后使用 Spark ML 离线建立的文本数据分析模型，进行Twitter 数据中的用户情感分析。
关键词：Streaming data, social network, semantic analysis, LDA model, Spark Streaming, Spark structural streaming, abnormal detection
 BA track Project 1
NYC Taxi与股市关系分析
随着计算机技术的提高，我们现在很容易从不相关的数据中挖掘出隐藏的信息。
比如十八世纪的时候，股票价格会随着来往的船只而波动，因为来往的商船传递着最新的消息。又有研究发现，公司高管拜访白宫的出入记录可以预测未来该公司股票的走向。
这里，我们将遵循相同的思路，分析研究纽约出租车和股市的关系。看似纷繁复杂的纽约交通是否隐藏着有趣的信息呢？
在本项目的时间过程中，同学们将会学习如何合理运用可视化工具探索数据，包括python dashboard的制作；如果segmentation analysis，提出合理问题，并对数据进行归纳整理；选择合理统计模型，验证猜想。
关键词：python dashboard、segmentation analysis、统计模型
 BA track Project 2
E-Commerce营销策略优化
2017年，全球零售电子商务营业额达到了2.290万亿美元，约占零售总额的10.1%，预计到2021年将达到4.479万亿美元。如此庞大的市场代表着众多的商业机会与工作机会。
对应的海量数据和复杂的商业背景更意味着商业分析师会需要强大综合的数据分析技能才能在公司如鱼得水。
此项目将帮助同学们掌握电商当前热点课题，例如个性化设计，新顾客吸引与鼓励顾客再购物，和商业推销途径优化。
之后同学们将上手做一个有关电商最核心业务 - 新顾客吸引与鼓励顾客再购物的商业案例。
关键词：E-commerce、Business Analysis，Data Visulization、Product Insight
 BA track Project 3
共享单车商业模式分析
共享单车是指企业在校园、地铁站点、公交站点、居民区、商业区、公共服务区等提供自行车单车共享服务，是一种分时租赁模式。
这种模式可以很充分利用城市因快速的经济发展而带来的自行车出行萎靡状况；最大化的利用了公共道路通过率。同时起到健康身体的作用。共享单车已经越来越多地引起人们的注意，由于其符合低碳出行理念，成为时下的热点之一。
本项目以共享单车业务为索引，介绍常用商业分析的角度和方法。从行业，客户，产品，市场，成本结构和盈利模式六个方面展开。
完成本项目后，学员将掌握面对新项目和商业问题思考的基本思路。同时也会讲解具体方法的应用。例如，用户生命周期漏斗模型等。
关键词：用户分析、市场分析、决策分析
还有许许多多诸如【股票大盘指数预测】、【Netflix use case和商业趋势分析】等与最新技术结合的超有趣项目等你来做！
报名方式
添加来Offer课程顾问为好友
直接进行课程报名咨询
更多课程
内容介绍
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。
从编程能力、模型理解、项目经验三个角度提升您的综合技术实力。
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。
课程以数据科学岗位面试特点为指导方针，加入Python编程与数据结构训练专题和数据系统设计专题等内容，帮助学员成功收获offer。
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。
课程结合硅谷一线公司面试特点，加入了大量的Python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。
  • 无论你是对Machine Learning感兴趣的CS专业；
  • 还是对Data Engineer感兴趣的EE等STEM专业；
  • 或是对成为Business Analyst感兴趣的统计、经济等专业；都可以报名参加此课程。
共14周，每周5节课
每节课2-3小时
early bird
不试听直接报名

立减200刀
两名或者以上同学组队团购
优惠300刀
注：优惠不可以叠加使用。
想了解更多优惠政策，
请长按下方二维码，
询问来Offer课程顾问

（上下滑动查看完整课程大纲）
Part I:  Machine Learning Model & Python Fundamentals
第 01 周
Introduction of Data Science
ML Background/Target Quiz
Linear Regression
Logistic Regression
第 02 周
Nonlinear Models I
Model Evaluation
[Coding] Python Basics 1 variable and syntax
[Coding] Python Basics 2 function and class
[Coding] Python Basics 3 base data structure
第 03 周
Nonlinear Models II
Feature Selection
[Coding] Python Binary Search
[Coding] Python Array and Sorting
[Coding] Python Practice
第 04 周
Unsupervised Learning I
Unsupervised Learning II
[Coding] Python LinkedList and Recursion I
[Coding] Python LinkedList and Recursion I cont
Part II:  Statistics Essentials & Python Essentials
第 05 周
Hypothesis Testing I
Hypothesis Testing II
[Coding] Exam 1
[Coding] Python Queue and Stack
[Coding] Python Binary Tree
[Coding] Recursion II - recursion on tree
第 06 周
SQL I
SQL II
[Coding] Python Practice
[Coding] Python Practice
[Coding] Python Binary Search Tree
第 07 周
A/B Testing
Conditional Probability & Bayes Rule
[Coding] Python Heap
[Coding] Python Hashtable
[Coding] Python Practice
Part III:  Data Lab & Advanced Python
第 08 周
Data Analysis Lab - Lending Club data project
Data Analysis Lab - Time series
[Coding] String I
[Coding] Recursion III DFS
[Coding] Exam 2
第 09 周
Data Analysis Lab - Fraud Detection
Data Analysis Lab - E-commerce system design
[Coding] Recursion III DFS cont
[Coding] Probability, Sampling, Randomization
[Coding] Python Practice
Part IV:  Business Analyst Track
第 10 周
BA track introduction & Intro to Tableau
Data visualization
Data manipulation in Python
[Coding-for-BA] Queue, Stack
第 11 周
Advanced topic in A/B testing
SQL Lab
BA Communication
[Coding-for-BA] HashTable
第 12 周
Business Sense
BA Case Study 1: Bike Share Business and Implementation Plan
BA Case Study 2: Netflix Recommendation System
[Coding-for-BA] String practice
第 13 周
BA Case Study 3: Ecommerce Customer Engagement Analysis
Data Challenge: NYC Taxi & Stock Market
Interview & resume preparation

[Coding-for-BA] String practice
第 14 周
BA Mock Interview
BA Mock Interview
Part IV:  Data Scientist Track
第 10 周
ML Advanced Topics I - Model Implementation
ML Advanced Topics II - Gradient Boosting Machine
Apache Spark I - Introduction of Apache Spark and ML Library
[Coding] Advanced Tree (segment tree, trie tree)
第 11 周
Apache Spark II - Distributed System Design
Apache Spark III - Data Pipeline with Spark
Apache Spark IV - Recommendation System (Collaborative Filtering)
[Coding] Graph Search Algorithm
第 12 周
Apache Spark V - Recommendation System (Model-based Approaches)
Deep Learning I - Introduction of Deep Learning
Apache Spark VI - Recommendation System (Spark ML Implementation)
[Coding] Graph Search Algorithm cont
第 13 周
Deep Learning II - Practical Applications with TensorFlow
Deep Learning III - CNN and Image Recognition Project
Deep Learning IV - RNN and Sentiment Analysis Project
Python practice II: mock interviews
第 14 周
Data Analysis Lab - Data Pipeline Workflow
Machine Learning mock interview case study
“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, Microsoft
添加来offer课程顾问为好友

直接进行课程报名咨询
求职，你只需要一门课程
继续阅读
阅读原文