查看原文
其他

想成为年薪百万的数据科学家、华尔街精英? 11.28来Offer数据课助你成功!

硅谷IT黄埔军校 来Offer网 2019-05-25

据Gartner预测,到2019年,全球将新增440万个与大数据相关的工作岗位,且会有25%的组织设立首席数据官职位。而据搜狐新闻报道,全球大数据行业将会出现约100万的人才缺口


届时,具备前沿数据科学技能的求职者,会成为各大公司争相“抢夺”的宝贵资源


2018年末了,

你搭上开向未来的数据列车了吗?

如果没有,还不赶紧上车!


11月28日,全新改版的

人工智能与数据科学强化课程

震撼试听!



新一期课程强势升级!


亮点1

新增独家板块:

剖析经典OA,提供破题思路


OA即我们常说的Online Assessment,在各个数据岗位的面试中,OA都是前期必经环节。


然而,在现实生活中,很多同学都因败倒在了OA,而无法走到onsite面试、甚至拿到offer。


为什么OA面试难以攻破?


因为OA常换常新,且题目经常变化。想靠刷面经“蒙混过关”,是不大可能的。


本期课程,我们新增了数据分析大作业精讲课程,并选取了经典Online Assessment案例进行深度剖析,教你如何面这类面试,并为你提供破题思路,理解面试官每种题型的用意,扎实掌握面试重点考察内容。


亮点2

紧贴行业潮流,

全新上线3个新项目!



本期课程,我们将延续深受学员们喜爱的“分track”教学:


在同学们完成基础理论课和2个基本project后,可根据求职需求,单选、或全选 DS/DE (Data Scientist/Data Engineer) BA/DA (Business Analyst/Data Analyst) 2大track!


一门课程,双倍资源,全面攻破data所有岗位!


在本期班级,两个track的项目都做了“与时俱进”的改变:

一起来看看有哪些具体更新:


DS/DE Track Project

<<  左右滑动查看project  >>


BA/DA Track Project

<<  左右滑动查看project  >>


亮点3

不断更新的offer榜,

每期都有学员新战绩!


通过在来Offer的学习,不同专业(商科/理工科/CS/Data)、不同背景(本科/研究生/Phd)的同学,都拿到了自己心仪的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


在offer榜中,还有不少学员拿到了顶尖公司的AI Data ScientistMachine Learning Data Scientst 的offer。


而一些商科背景的学员也如愿拿到了炙手可热的Business Analyst、Data AnalystData Analyst、Data Engineer等职位的offer。



亮点4

谷歌/麦肯锡等精英老师

是你坚强后盾



本课程由来自一线互联网企业华尔街顶级咨询公司20余位Manager级别的老师,3位TA共同授课


➤ Data Scientist/Data Engineer Track的授课团队由Google, Facebook, Airbnb等一线科技资深Data ScientistMachine Learning Engineer组成。


➤ Business Analyst/Data Analyst Track的授课团队由毕业于顶尖商学院,并就职于McKinsey, Hortonworks等顶级科技/咨询公司的资深Data Analyst、Business Analyst组成。


还有Apache Spark、Apache Hadoop的代码贡献者和管理者委员会成员亲自授课!



本课程采取线上直播授课形式,老师会积极与学员互动随时解答学员们提出的疑问


本期新增6+模拟面试课程,为你揭秘硅谷一线公司数据科学面试。


在课后,授课教师还会为每一名学生提供:


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


1对1的简历修改辅导Mock Interview, 并通过来Offer强大的内推团队为学生提供Job Referral



亮点5

手把手coding

消除你的编程恐惧


很多同学会对data行业有这样的误解:


Data上手门槛低,

还不用接触编程?


诚然,如果你的目标是成为Business Analyst的话,这个职位对编程的要求确实比较低,可另一方面,BA也是data行业竞争人数最多且最激烈的领域。


而data行业的其他岗位如Data Engineer,Data Scientist等,在面试时,都对编程会有不同程度的考察。


在本课程中,为了拓宽同学的求职道路,老师们会教给同学们最实际、业界最受用的编程知识和技能:

30余coding、算法与数据结构课程

10余种数据分析与机器学习模型精讲


老师会带着同学们手把手coding,课程还结合硅谷一线公司面试特点,加入了大量的数据结构训练、数据系统设计等内容,加强学生技术专业性。


现在,这么棒的课

要在11月28日,免费试听啦!



课程时长


共15周,每周4-5节课,每节课2-3小时


课程大纲

(上下滑动查看完整课程大纲)



<第1阶段>  机器学习理论+Python编程基础


您将学习Python语法、基本的线性数据结构和搜索算法、以及工业界主流的传统机器学习模型,夯实数据科学基础。


上课频率: 1个月,每周5节课,每节课2-3小时


第 1 周


Introduction of Data Science

Fundamentals of Probability & Linear Regression

[Coding] Python Basics 1 variable and syntax


第 2 周


[Coding] Python Basics 2 function and class

Logistic Regression

[Coding] Python Basics 3 base data structure

[Coding] Python Binary Search

Model Evaluation


第 3 周


[Coding] Python Array Basic Sorting

Nonlinear Models

[Coding] Python LinkedList and Recursion I

[Coding] Python Practice

Feature Selection & Dimensional Reduction


第 4 周


[Coding] Python LinkedList & Recursion I cont

[Coding] Python Advanced Sorting & Practice

Machine Learning Project 1 - Customer Churn Prediction

Machine Learning Project 1 - Customer Churn Prediction

Machine Learning Project 2 - Natural Language Processing and Topic Modeling



<第2阶段>  概率统计知识+Python编程进阶


您将进一步学习Python、数据结构和算法知识,锻炼Coding能力,并学习数理统计、概率等相关的重要知识点。


上课频率: 5周, 每周5节课,每节课2-3小时


第 5 周


[Coding] Python Review

[Coding] Python Queue and Stack

[Coding] Exam 1


第 6 周


Introduction to Statistics

[Coding] Python Binary Tree

[Coding] Recursion II - recursion on tree

Hypothesis testing

A/B testing 1


第 7 周

[Coding] Python Practice

[Coding] Python Binary Search Tree

[Coding] Python Heap

A/B testing 2

Inference in regression


第 8 周


[Coding] Python Hashtable

Stats review

[Coding] String I

[Coding] Python Review

[Coding] Recursion III DFS


第 9 周


SQL I

[Coding] Exam 2

SQL II

SQL III

[Coding] Recursion III DFS cont



<第3阶段> OA经典案例分析与简历辅导


本阶段,您将学习经典Online Assessment破题思路,并获得简历修改的机会

上课频率: 1周, 每周5节课,每节课2-3小时


第 10 周


Resume and interview preparation

Career guide: BA/DA vs DS/DE

Online Assessment - Deep Dive 1

[Coding] Probability, Sampling, Randomization

Online Assessment - Deep Dive 2



<第4阶段> 商业分析Track


4+案例分析与项目实战,加强您的分析能力和统计知识,夯实SQL和Python基础,提升沟通等软实力,帮助您顺利通过商业分析岗位面试。


上课频率: 1个月, 每周4节课,每节课2-3小时


第 11  周


BA track introduction (& mock interview) & final project presentation

Data visualization

Data visualization in Python and Tableau

[Coding-for-BA] Queue, Stack


第 12 周


eCommerce deep dive 1: System design

eCommerce deep dive 2: Data driven marketing

eCommerce deep dive 3: Data lab

[Coding-for-BA] Hashtable


第 13 周


Case study deep dive 1

Case study deep dive 2

Case study deep dive 3

[Coding-for-BA] String practice


第 14 周


Time related data 1

Time related data 2

Time related data 3

[Coding-for-BA] String practice


第 15 周


Supply chain data 1

Supply chain data 2

Mock interview session 1

Review of BA/DA track



<第4阶段> 数据科学Track


4+个机器学习项目实战,深入讲解分布式系统Spark和深度学习TensorFlow等前沿知识,帮助您拿到数据科学岗位offer。


上课频率: 1个月, 每周4节课, 每节课2-3小时


第 11 周


Apache Spark I: Data pipeline and course project introduction

Apache Spark II: Spark RDD, SQL, DataFrame

Apache Spark III: Spark ML

[Coding] Advanced Tree (complete tree, segment tree, trie tree)



第 12 周


Apache Spark IV: Spark ML and CTR

Apache Spark V: Recommendation system

Apache Spark VI: Spark Streaming

[Coding] Graph Search Algorithm


第 13 周


Deep Learning I - Neural Network Basics

Deep Learning II - Implement Neural Network from Scratch

ML Advanced Topics I - Model Implementation

[Coding] Graph Search Algorithm Cont


第 14 周


ML Advanced Topics II - Gradient Boosting Machine

Deep Learning III - Convolutional Neural Network

Deep Learning IV - Recursive Neural Network

[Coding] Python practice : mock interviews


第 15 周


Deep Learning V - Case Study

Data Science Case Study

Machine Learning Mock Interview case study

Data Engineer Mock Interview


第 16 周

Guest speaker session: Deep learning Applications













课程优惠

early bird

立减200刀


组队团购

请咨询下方课程顾问


注:优惠不可以叠加使用。


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




求职,你只需要一门课程


    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存