数据科学
 求职旗舰课
Data Science
基本信息
硅谷著名科技公司首席工程师兼面试官线上直播授课。涵盖数据科学方向求职的相关理论知识、工业界实际应用项目、结合各大科技公司面试趋势，帮助学员从面试能力和项目背景等方面系统提升，迅速掌握面试技巧、提升面试能力，达到科技公司面试水平。
数据科学迎战秋招暑期班，在短短2个月的时间帮助大家从求职方向规划到求职简历文书准备，再到刷题、项目经验的准备，为大家科技求职之路全程保驾护航！课程周期缩减但课时数量却依然不减，将大家从混乱的春招求职备战中解救出来，让小伙伴们短时高效备考！
如何在短时间内达到onsite水平？如何在毕业前顺利斩获大厂offer？如何省时高效的准备面试？时间已经不允许你再犹豫了~犹豫就会败北！现在行动就还有机会！
课时
：52课时 

服务周期：1年+
技能准备： 熟悉基础统计知识，熟悉基础计算机科学与算法
课程安排： 2周基础学习+6周直播课程学习
课程规模：小班授课，每班限20名学员
师资力量：配备4名辅导老师，师生比例为1:5
20+小时模拟面试：真实还原面试场景，一对一模拟，现场反馈面试问题
简历修改&公司内推：无限次简历修改；一线科技公司内推
报名方式
：发送简历到官方邮箱,
[email protected]
；
Subject注明：“Data”
开课时间：6月5日开课，火热报名中
保offer计划：拿不到offer，全额退款！
适合对象
基础培训：适合无数据分析相关基础的转专业的同学；
系统进阶：适合数据分析及建模基础薄弱、基础知识不系统的同学；
求职准备：想要强化相关知识、学习工业界项目应用、快速掌握如何应对面试考核技能的同学。
讲师介绍
Lily老师
FLAG高级数据分析师
大数据方向数据科学家兼面试官，毕业于加州大学伯克利分校，毕业后一直主攻大数据方向，现担任硅谷超一线科技公司Senior Data Scientist，曾斩获数家顶级科技公司offer。
课程服务团队
模拟面试团队
30人一线科技公司资深面试官团队，一比一真实还原技术面试场景，让你在模拟面试中找到真实面试的感觉，现场实时总结、点评并反馈，针对你在面试中暴露的问题，提出改进和避免方法，全面提升学员面试能力！
咨询指导团队
20人科技公司资深工程师咨询团队，在简历指导、项目咨询、职业规划等方面为学员提供求职技能全方位规划，让你在众多求职者中脱颖而出！
课程服务团队
贴心助教全天候指导，随时求助，助教老师都会一一为您解答！
导师集中追踪制
导师集中追踪学员，任何咨询、预约服务第一时间得到回复和解决！
项目介绍
项目一
Amazon Food Review – 机器学习建模与数据的可视化分析
机器学习和可视化是数据科学的核心内容，也是极其重要的体现实战能力的面试考点。本项目将会重点学习机器学习建模和数据的可视化分析，并将相关技能应用于开源的亚马逊评论数据，在此过程中深入并且灵活的掌握数据建模与可视化的相关技能。所有学员将会共同参与课堂竞赛，完成达到工业要求的项目，以模型表现效果和数据可视化透彻程度为主要评价标准。
基于机器学习模型的异常检测分析 – 机器学习拓展项目Anomaly detection（选做）
异常检测（anomaly detection）在信用反欺诈，检测文本错误、数据安全、工业质检等领域中有着广泛的应用，同时也是数据分析的重要方法之一。在数据分析岗位中，异常检测是很重要的一项专业要求，也是极其重要的体现实战能力的面试考点。本项目将会重点学习机器学习建模和数据的可视化分析，并将相关技能应用于店铺销售数据集的异常检测分析，在此过程中深入并且灵活的掌握数据建模与可视化的相关技能。所有学员将会共同参与课堂竞赛，完成达到工业要求的项目，以模型表现效果和数据可视化透彻程度为主要评价标准。
项目二
基于神经网络的信用卡欺诈检测 – 深度学习实战
深度学习是近年来发展迅速的一种新的数据分析方法，它利用神经网络强大的特征提取能力，能够建立多层的非线性关系，正因为这些原因，深度学习在欺诈检测等数据科学领域有很广泛的应用。本项目将会利用Keras深度学习框架，构建和训练一个神经网络（MLP）模型。通过处理信用卡欺诈检测这一实际问题，学员将解决数据非均衡问题（imbalanced data）、数据预处理、搭建训练网络模型、超参数调优、模型训练、模型评价等一系列问题，来掌握深度学习实战技能。
Python环境下数据分类预测 （可选）
分类预测是数据科学家必备的技能之一，也是数据工程师在日常工作中常常处理的问题。本项目将会带领学员参与实战，通过同学们亲手编写的Python程序来分析Titanic数据集，通过读取数据、数据清洗、归一化分析、数据可视化、模型训练与比较等多个步骤完成一些有趣的数据分析，让同学们在实战中深入理解并掌握工业界数据分类预测的方法和技巧
项目三
Yelp Review数据操作 - SQL灵活应用
SQL是所有Data职位最核心的技能。在大数据时代，越来越少的人会围绕excel等传统办公工具来管理项目数据，几乎所有人都转向关系型数据库和分布式存储来进行数据存储和分析。本项目会带领学员深度分析Yelp数据（或其他商业数据集，可选），熟练掌握学习从基础到复杂的MySQL的使用与优化，从而学习并掌握互联网行业业界的数据收集与格式设计的技能，增强SQL的实战能力。
Wikipedia通过爬虫的信息抓取（可选）
信息抓取，是使用代码自动从网站上获取数据，不但能节省手动整理的时间，还能将所有数据整理在一个结构化的文件中，方便进一步分析查询，是完成数据分析的一个大前提。本项目中学员将通过编写Python程序，来爬虫抓取维基百科的活动数据，并将得到数据存入数据库中，深入理解并掌握工业界信息抓取的方法和技巧，并在信息收集过程中提高调研技巧和行业领悟能力。
课程服务

职业规划：无限次！专业咨询顾问老师为你定位未来职业发展计划

简历修改：无限次！资深面试官亲自辅导修改每一位学员简历
项目咨询：无限次！为你挑选合适项目丰富简历；为求职打下基础
模拟面试：真实还原面试场景；一对一模拟现场反馈面试问题
实时辅导：助教群内实时辅导建立学生答疑专群；实时分享学习心得
课程大纲
阶段一：课前准备练习（视频资料学习+助教全程辅导+1v1咨询讨论）
根据课程导师基础材料，通过视频教学与自我练习，为课程做好基础准备，助教老师实时答疑。
1. 课前准备练习
学习关于SQL基础内容，创建数据库
学习关于Python基础内容，练习基本指令
学习关于R基础内容，练习基本指令
学习关于概率基础知识，练习概率基本习题
基础算法知识及数据结构内容学习（视频学习）
2. 1v1定制化选课指导
结合学员的兴趣及求职目标，北美求职市场各方向的前景预测，以及工业界流行技术栈，给予学校开设课程的用途分析及选择建议
3. 1v1定制化职业规划
针对学员的特定求职目标，所处年级，项目背景，面试知识体系储备进行
近一年学习内容规划
近一年学习时间规划
课程总时长：2周 
数据语言编程练习与作业：4次
课程服务：2项
阶段二：数据语言讲解
由简单到复杂，学习Python语言与R语言在数据科学中的应用，通过实战演练熟悉不同算法重点题目的解题思维和技巧，结合概率论、统计等相关面试考点，学会举一反三。辅以模拟面试实战训练，助教老师实时答疑。
1. 课程介绍及Python语言在数据科学的应用
课程介绍
Python数据结构与算法基础
    ● 数据结构（dictionary, set, list等）
    ● Pandas 工具包的使用

    ● 常考算法与解题思路
Python算法面试真题实战演练与习题拆解
2. R语言在数据科学的应用
R语言介绍与基础
R functions
Data manipulation
常用 R 工具包
R算法面试真题实战演练与习题拆解
3. 数据科学中的概率分析基础
Probability面试解题思路

    ● Bayes Rules

    ● Conditional probability
Brain Teaser面试解题思路

    ●  Corner case

    ● Mathematical induction
数学与概率题面试真题实战演练与习题拆解
4. 数据科学中的概率分析进阶
样本与总体
    ● Sample vs Population

    ● Survey sample methods: Random sampling, Stratified sampling

    ● Important sampling, gibbs sampling, rejection sampling
概率分布知识背景
    ● P-value, Type I/II errors, Power calculation

    ● Normal

    ● Poisson

    ● Skewness
假设检验
    ● Test of mean

    ● Test of Ratio

    ● Sampling technique

    ● Test of independence
实验设计
    ● Introduction to hypothesis testing

    ● A/B testing Assumption

    ● How to run an actual A/B testing

    ● A/B testing example and deep dive

    ● Multi factor experimental design

    ● Multi-level experiment design and test
概率相关面试真题与A/B testing面试真题实战演练与习题拆解
5. 简历讲解
工业界如何筛选简历？
什么是STAR原则？
简历的构成(格式，字数，内容)
如何描述实习经历及项目？
提升简历曝光度的小技巧有哪些？
6. 视频学习
时间复杂度概念讲解与面试分析
数组概念讲解与面试分析
Java数据类型和变量考点介绍
排序概念讲解与面试分析
7. 1v1定制化简历修改
针对学员简历，进行1v1多轮反复修改，直至达到工业界标准
课程总时长：8课时  
视频课程时长：7课时 
数据语言练习与数据科学面试真题作业：4次 
课程服务：2项
阶段三：机器学习讲解与面试题目精选
深入讲解机器学习算法在数据科学的应用，精选机器学习项目，带领同学们理解高难度面试问题的解题思路与常用解决方法。
1. Linear regression算法介绍
Linear Regression基础

    ● 模型假设

    ● Regularization

    ● Link functions

    ● Model inference
Generalized Linear Models
Model selection and shrinkage method
统计与线性方程题实战演练与习题拆解
2. 机器学习算法基础
机器学习（machine learning）算法基础
Supervised learning

    ● Decision Tree

    ● Logistic Regression

    ● Lasso Regression
Project 1: Amazon Food Review – 机器学习建模与数据的可视化分析
Optional项目：机器学习拓展项目Anomaly detection（选做）
Project Q&A
3. 机器学习算法进阶
机器学习（machine learning）算法进阶
Support Vector Machine (SVM)
Unsupervised Learning
  ●K-Means clustering，Hierarchical clustering, linkage clustering and their industrial application
 ●Model-based clustering: Gaussian Mixture Models, Expectation-Maximization
4. 深度学习算法介绍与练习
  ●深度学习基础（Deep Learning）
  ●神经网络（neural networks
  ●Forward/Backward propagation 
  ●Loss Function, Activation Functions
  ●Gradient Descent variants
  ●Networks architectures: Convolutional Neural Network, Recurrent Neural Network
  ●Feature Engineering
Project 2：基于神经网络的信用卡欺诈检测 – 深度学习实战
Project Q&A
Optional 项目: Python环境下数据分类预测
5. 算法与数据结构视频学习
链表概念讲解与面试分析
栈和队列概念讲解与面试分析

代码风格介绍与面试要求

哈希表概念讲解与面试分析
6. 1v1定制化项目咨询
根据学员的项目背景进行方向性优化指导，应用工业界技术栈，达到名企筛选要求，确保简历中的项目符合工业标准，增加竞争力
课程总时长：8课时
视频课程时长：8课时
机器学习面试真题作业：2次
工业界项目
：2+2个  

课程服务：1项
阶段四：数据库与大数据讲解
数据库与大数据工业级别技术栈学习，重点模块精选精讲，辅以相关项目实战训练，助教老师实时答疑。
1. 课程介绍及基本设置
MySQL介绍
MySQL环境配置
SQL基本语法
2. SQL进阶
SQL进阶语法【window functions】【subquery】【query optimization】
Project 3: 数据库语言（MySQL）- Yelp Review Dataset（或其他商业数据集）
Project Q&A
Optional项目：Wikipedia通过爬虫的信息抓取
SQL面试实战演练与习题拆解
3. 课程作业与项目总结与答疑
4. 各大公司面试准备策略与技巧讲解
5. 算法与数据结构视频学习
递归概念讲解与面试考点分析
树和图概念讲解与考点分析
二分搜索
概念讲解与考点分析
6. 1v1模拟面试实战
面试官一对一模拟面试实战演示学习，在现场反馈中逐步熟悉面试官思维，掌握求职面试中的交流技巧和交流重点，进一步提升面试实战能力
课程总时长：8课时  
视频课程时长：7课时  
工业界项目：1+1个  
课程服务：1项
阶段五：求职冲刺辅导
针对学员求职中后期所遇到的问题，进行全方位咨询与辅导，帮助学员解决在求职面试过程中遇到的实际问题，让所学知识能够完美落地。
1. 科技公司职位内推
针对学员出勤及作业按时完成情况，为学习态度认真、考核结果达标的学员进行职位内推
2. 招聘职位信息分享
分享科技公司每周发布的最新职位信息，帮助学员第一时间掌握求职动态
3. 科技公司面经整理
各大科技公司面经整理及分享，以便学员能够更有针对性的准备面试
4. 求职文书撰写指导
除求职简历外，帮助学员辅导Cover Letter、推荐信、感谢信等求职文书的撰写
5. 求职全程指导
学员在求职申请及面试过程中，网申问题回答、面试时间预约、与HR邮件往来等相关问题进行全程指导
6. Offer 谈判指导
学员收到多个offer时，帮助学员对比公司前景、职位发展前景等，对比不同公司的package进行谈判、接受offer的时间点冲突等相关问题进行指导
7. 选组指导
根据工业界发展趋势，结合学员资深背景，帮助学员选择公司内发展前景好、背景匹配度高、升职空间大、工作压力小的组别

课程服务：7项
常见问题
1
大纲中所说的课程知识点，我都有了解，是否还需要上这门课程？
对于课程知识点有部分了解的同学也推荐来学习这门课程。参与过Data面试的同学们一定都会了解，学校所学的理论基础无法与工业界实战思维无缝衔接，两者之间存在的gap正是很多同学苦苦抱怨面试难过的根本原因。这门课程会对Data方向求职需要的所有知识点进行由浅入深的讲解，结合工业界实际问题和常见面试题，运用工业实战思维，通过3个项目练习从而系统增强实际上手能力，并迅速增加三个实战项目经验，从而帮助学员填补学校知识点与工业界实战能力需求的巨大gap，从而斩获顶级科技公司的理想offer。
2
用八周学习大纲中这么多内容，时间够吗？？
在八周的课程中，从基础学习到直播授课，既有数据科学方向求职所需要的知识模块讲解，也有可以“武装”简历的实战项目。其中，项目的代码部分不会手把手教同学们去如何做，而是需要同学们根据课程所学的知识模块，通过思考，来逐步完成项目，在整个过程中，老师全程指导，辅助答疑，培养同学们自我思考的能力，而不是“帮助”学员思考。只有同学们通过自己的思考去完成项目，才能真正理解项目的精髓，才有可能在面试中紧跟面试官诸多细节问题的思路。
3
通过学习这门课程，我可以达到什么水平？
通过这门课程的系统学习和训练之后，学员会对工业界常见实际问题所需要的解决能力以及面试问题有全面深入的了解和掌握，增加面试及实战经验。并可以通过结合个人学习经历和工业界实际项目，掌握Data Scientist/Data Analyst职位的面试技能和技巧。
4
什么时间上这门课程比较合适？
大多数公司会在每年下半年开始面向在校生和应届毕业生的秋季招聘，次年春天会陆续放出补招岗位。推荐本科大三、大四、在读研究生在秋季招聘之前开始学习这门课程，掌握足够知识和面试技巧。在时间允许的情况下，越早学习，工业界的实战项目经验将越丰富，面试准备也越充足，面试成功率越高。
5
我的专业是数学/统计，适合学习这门课程吗？
适合！本课程的主讲老师就是数学和统计背景的毕业生。讲师结合在校学习经验以及工作经验，总结出诸多在校期间接触不到、很难学到或很少用到，但工业界却常用的知识和经验，帮助学员弥补在校学习和工业界之间的gap，对于Data Scientist/Data Analyst相关职位面试有很大帮助。
报名流程
课程费用
获取限时优惠，请扫描二维码，联系小助手~
报名请发送简历至官方邮箱：[email protected]
1
END
1
继续阅读
阅读原文