为什么New Grads在数据科学领域求职的难度总是地狱模式?
熟悉BITTIGER的同学们都知道,当我们三年前刚开始做课程的时候,是没有开设数据科学方向的。为什么?因为对于两年前的我们来说,要开一门数据科学方向的课程,开发难度比CS方向困难太多了!主要原因是以下三个方面:
- 数据科学工作种类繁多、涉及的知识点非常广
- 工作数据集与学术工作数据集相差极大
- 学校大多注重理论和技术,很少深入分析实际案例
从我们一年多以前开设第一门数据科学课程开始,到后来的全球首发中文TensorFlow课程以及无人车课程,我们成功培养了一大批进入一线公司的学员。
本月,我们对这门课程进行了史上最重要的升级!改版后的数据科学课程将会成为北美性价比最高的数据科学求职课程!
数据科学工作种类多、知识点广
如果你在Indeed中打入“Analyst”的工作,你会发现这个岗位的定义非常宽泛,每家公司都涵盖了完全不同的技能点,面试问题也截然不同。
在科技行业的Data Analyst侧重于Hypothesis Testing,对统计和Python/R的要求一般比较高,对于建模的要求中等。另外,只要是稍微tech一些的Analyst,对于花式SQL的要求会非常高。
而在金融行业的Analyst大多为Fraud Analyst,对于建模的要求会比前一种Analyst高很多,而且很多都要求有MATLAB的背景。这一类的Analyst对于SQL要求也比较高,但是对于统计的要求会相对低一些,Python/R一般是plus。
还有一些是Business Operation Analyst,有些甚至只要求Excel,而且会写清楚SQL is a plus,但是这些不太technical的岗位对交流能力的要求非常高。
最后,对于一些Data Scientist的职位来说,你需要学习各种图像分类模型以及深度学习框架,甚至有些还要求你有一定的TensorFlow经验,这些内容一般都是学校课程中浅尝而止的内容,你很少有机会能够深入练习。
求职的时间是有限的,因此我们为你准备了一套独家的选课系统。假设你目标职位是初级的BA,那么你可以在上完统计和数据分析的基础课程后,选修SQL进阶,面试强化等一系列课程,并且无需浪费时间学习那些你不需要的技能上;如果你本身基础就很好,想冲刺一下FLAG Data Scientist的职位,那么你可以选修NLP和TensorFlow等相关课程,为你的职位做准备。
当然,我们也有同学表示自己还没想清楚走哪个方向,就修了所有课程。这也完全没有问题,并且没有任何附加费用。
工作数据集与学术工作数据集相差极大
一个最简单的例子就是数据清理。学校里的数据科学项目,一般来说数据量很少有超过百万行的,并且大多数时候这些数据都干干净净,很少出现填错位的数值或者是空值。然而在真正的工作中,这么干净的数据是不存在的。那么问题就来了:我们应该以什么标准清理这些数据呢?如果有一个feature有20%的行数是null,我们应该怎么处理呢?
另一个例子是数据量带来的问题,比如在SQL中,在样本量比较小的情况下,我们可以轻松的用count(distinct x),但是在数据量很大的情况下,distict会极大的降低运行速度,这个问题怎么解决比较好?
在这门课程中,我们加入了大量实际工作中的应用场景,想象一下面试官问你为什么你选择用A而不用B的时候,你面不改色的告诉他,你的这种B方式相对于A方式更加适合操作样本量比较大的数据。这时候你的段位在面试官的心里已经上了一个档次了。
学校很少教你如何深入分析实际案例
对于绝大多数Analyst和Data Scientist来说,技术要求都不会像码农那么高。那么,面试会难在哪里呢?其中最重要的一点就是把数据分析建模技术与实际工作情况结合起来。
举一个大家肯定看到过的数据方向面试题:如果Facebook发现年轻人在发现父母也注册了Facebook后engagement下降了,怎么破?
这道看上去非常人畜无害的面试题其实暗藏了很多杀机:比如你需要知道如何制定metrics(比如什么才算engagement),你需要知道整个userflow是怎样的,如何分解这个问题,你需要知道你需要哪些数据来解决这个问题,你还需要考虑到应对各种奇怪的corner case,知道如果实验失败了怎么办等等。以上这些问题,没有工作经验或科技公司实习经验的话,基本都会答偏。
在我们的课程中,我们采用“全职老师+在职老师”的讲课模式,运用工作中的真实数据。我们将会告诉你在真正的公司中数据科学家们是如何处理这些问题的,并且在面试中直接点到面试官心中预设的答案!
课程具体安排
课程教研组根据不同学员的背景重新设计了学习路径,保证不同基础水平的同学能够找到合适学习路径,全方位提升能力,并达到一线公司招聘标准。
课前准备:基础视频课程(可选)
学习时长:5 - 20小时
在报名课程后,BitTiger提供统计概率基础、矩阵、SQL、R和Python等基础学习资源,学员可根据自身情况,学习相应的数据科学理论基础以及数据分析工具。有基础的同学,可选择跳过本阶段:
- 【必修】矩阵/统计概率理论基础
- 【必修】Python/R/SQL/Tableau基础与应用
必修阶段-阶段I: 统计概率面试实战 + Lending Club风险评估项目(R)
学习时长:2周,16课时
本阶段使用Lending Club提供的丰富数据集,详尽地讲解在面试以及实际工作中最需要掌握的知识点,包括:统计学和机器学习中起基石作用的线性回归、逻辑回归以及正则化,并帮助学员熟练运用R。学员将亲历DS/BA的Work Routine,有效提取Predictive Feature,建立模型预判用户是否有能力Make Payment而产生Risk Adjusted Interest Rate。
必修阶段-阶段II: 机器学习算法 + Data Security at J.P. Morgan项目实战(Python)
学习时长:3周,24课时
在本阶段,学员需要熟练掌握Python以及常用Data Science Python Packages,实践并调试各种机器学习算法,并针对面试需要的各类高频机器学习知识点进行强化训练,一站式解机器学习面试问题。学员将体验Fintech公司中Fraud Analyst的职能,基于公司数据集,运用不同Machine Learning算法,分析出潜在风险,并帮助公司做出正确决策。
必修阶段-阶段III: Crack the Case Study
学习时长:1周,8课时
Case Study作为DS/BA面试必考内容,由于涉及到各行业Domain Knowledge,且需要融汇贯通数据科学领域知识,非常难以准备。本阶段,学员将在老师的带领下,掌握主流商业问题及每种问题的求解流程,并总结自己的答题套路。
本阶段完成后,学员需要从DS/BA方向中选取至少一个Track。选取学习方向后学员仍可参加另一方向课程,并在课程Performance达标后获取对应Certificate。
DS选修阶段-阶段IV:机器学习进阶 + Yelp推荐系统(Python)+ Capstone Project
学习时长:3周,18课时
学员将亲历从提取Feature到解决监督式和非监督式的机器学习问题,并熟练掌握自然语言处理的步骤和流程。此外,学员会理解推荐系统如何工作及其价值,牢固掌握基本推荐系统方法。本阶段项目以Yelp Dataset Challenge开放实战挑战为例,围绕Dataset提出有商业价值的数据科学问题,运用包括自然语言处理(NLP)在内的方法,对Dataset进行深度挖掘,从而建立并完成推荐系统。
DS选修阶段-阶段V:深度学习 + 进阶NLP项目实战(文本总结 + 机器翻译)
学习时长:3周,18课时
本阶段学员将在老师带领下深入浅出全面学习深度学习的重要观念及知识,包括FNN,CNN,RNN,LSTM,Generating Adversarial Model,Transfer Learning等。同时设计完成学术界/工业界顶尖的Seq-to-Seq模型,并深入理解常用NLP文字处理方式和神经网络的结合。学员将基于TensorFlow进行全互动式学习与实战,训练模型、并完成文本总结(Machine Summarization)和机器翻译(Machine Translation)两个项目。
完成必修课程和DS选修课程并达标后可获得DS方向Certificate。
BA选修阶段-阶段IV:SQL强化训练 + Zillow房价预测项目实战(R)
学习时长:2周,12课时
在BA Track中,学员将通过强化训练,系统性提升SQL能力,达到一线公司SQL面试考察标准。同时,学员将深刻理解商业增长问题,并能够有效通过数据分析来优化盈利能力。在这一阶段,学员将扮演Zillow的Business Analyst,基于公司的原始数据集,做数据清洗和转换,并利用R完成预测模型,从而优化房价预测准确性。
BA选修阶段-阶段IV:Soft Skills专项提升 + Demo Day实战
学习时长:4周,24课时
除了SQL,Python,Data Modeling和Machine Learning的核心能力外,Soft Skills也是商业分析师能否通过面试、获得Offer的关键因素。本阶段,你将在经验丰富的老师带领下,了解如何应对面试中的Take-Home Challenge、Business Case Interview,并且学习基于数据分析结果制作Dashboard以及进行Data Communication。在完成Soft Skills的全面提升后,你将有机会参加Demo Day,展示自己的项目成果,进行Presentation并收获业界老师的Feedback。
完成必修课程和BA选修课程并达标后可获得BA方向Certificate。
课程亮点
工业级项目 + 实战经验
- Lending Club风险评估项目(R)
- Data Security at J.P. Morgan(Python)
- Yelp Business系统项目(Python)
- Zillow房价预测实战(R)
- Machine Summarization + Machine Translation (Python)
- Capstone Project
- Demo Day
数据科学/数据分析领域知识技能全覆盖
不论求职目标是Data Scientist, Data Analyst还是Business Analyst,这门课都能帮助你达到一线公司招聘标准。
“必修+选修”个性化模式
不同背景、不同水平的学员可在完成必修课程后选择DS或BA中至少一个方向的选修课。不论是零基础/转专业,还是有经验/背景强,学员都能根据自己背景从课程中收获自己所需技能。
DS/BA双专业双修
课程设计允许学员同时参加DS和BA两个方向的课程,并在达到要求后获得对应Certificate。
核心技能+Soft Skills全方位提升
在学习DS/BA核心技能同时,经验丰富的老师也会帮助你提高Product Sense,培养解决Case Interview的思路,并训练Data Communication的能力,达到全方位提升的效果。
专属学习保障
课程学员在一年之内可以免费重听一次课程,并可选择不同方向的选修课以获得对应Certificate。
一站式求职方案
报名课程后,每位学员都将享受个性化简历修改、模拟面试以及不限次数合作企业内推机会。
顶尖教师团队
Ella
Data Scientist @ FLAG
多年教学经历,擅长发现学员的弱点,助其快速提升。经验丰富的面试官,擅长实战面试指导。
Dr. 阮巨城
Senior Software Engineer @ Google Research
CMU 电机电脑工程博士学位,以及机器学习硕士学位。现于 Google Research 工作,主要内容为改良 semi-supervised learning 以及 deep learning 的演算法及效能。
Joyce
Data Scientist @ Facebook
五年数据分析行业经验,主要从事统计建模和产品分析。曾参与大量简历筛选,面试上百个intern和full time candidates。
John
Principal Data Scientist @ Walmartlabs
精通机器学习和统计建模,在多个垂直领域有丰富的经验和深刻的见解。曾经就职于FinTech初创公司,和大数据咨询公司。在布朗大学获得博士学位,并在MIT从事两年的博士后研究。
Stephen
Senior Data Scientist @ Fortinet
前任IBM系统与网络事业部SDN交换机产品资深软件研发工程师,拥有近15年的工业界经验,目前的工作主要聚焦在Big Data,Machine Learning 与 Artificial Intelligence 算法开发。
对课程有疑问?加入答疑Info Session
Data Science Info Session
(点击阅读原文)
美西时间 10月30日(周二)07PM
美东时间 10月30日(周二)10PM
北京时间 10月31日(周四)10AM
Data Science公开课时间
美西时间 11月17日(周六)07PM
美东时间 11月17日(周六)10PM
北京时间 11月18日(周日)11AM
一对一课程咨询
添加负责人Jack老师
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。