福利 • Data Scientist 求职集训营

究竟是一份什么样的工作，能被哈佛商业评论评为“21世纪最性感的工作”？

究竟是一份什么样的工作，能就职于最前沿的科技公司？

究竟是一份什么样的工作，能让各种猎头电话夺命call？

究竟是一份什么样的工作，薪水高到秒杀同辈好友？

没错 ，这份工作在业界被称为“数据科学家”。

你看到一定想说，这么牛B的工作，要求一定很高吧！ 稀牛在这里告诉你，没错，要求确实很高！

但是表怕！为帮助北美童鞋成功触达该岗位，我们推出本次“数据科学家培养计划”，以课程方式传授你成功要领！

为了保证课程质量，我们 只 面向北美招生， 你，敢来挑战一下吗？

如果你：

1. 概率统计基础薄弱，知道模型的名字，记不得模型的样子，更不理解面试当中模型的应用；

2. 编程基础差，不了解面试对编程能力的程度要求，学习盲目效率低；

3. 实战经验少，解决问题思路不清晰，面试时简历和大脑一片空白。

如果你 ：

1. 渴望留在北美，工作在繁华都市；

2. 想实现父母的期待，成为故乡的骄子；

3. 渴望为梦想拼搏，成为你自己的NO.1。

如果你 ， 也想成为一名“数据科学家”。

那么，你也许需要参加稀牛学院开启的“数据科学家培养计划”。

在这六周时间里，只要你认真学习课程，并按要求进行练习和实操。

课程结束后一定可以拿到一份数据科学家的Offer

之所以敢这么说，是因为

我们有全球名企的

讲师团队！

▼

王牌讲师

1 Ethan

王牌讲师，资深算法工程师，专注海量数据上机器学习算法的应用与优化，有多年实际机器学习/深度学习/数据挖掘项目经验，负责过多个电商机器学习项目。做过推荐系统、文本挖掘、点击率预估、深度学习图像识别与检索。最擅长用通俗易懂的方式直观解释机器学习相关知识，并辅以案例帮助理解。

2 Ryan

王牌讲师，UiiTech 创始人，原Type Score 首席数据科学家，毕业于牛津大学计算机系，师从Freitas（Google Deep Mind 的领军人物），伦敦金融创新实验室（Innovation Lab）AI 构架、大数据 /ML/DL 应用核心研发工程师。

客座嘉宾

TOM

NCSU统计PHD， UNC统计Postdoc，前微软Senior Data Scientist， 现Apple Ads Team技术骨干。统计模型功底扎实，对行业分析深入，理解透彻。

Alex

北京大学数学本科，Purdue CS Master，统计PHD，微软广告组Data Scientist，参与多个大型项目，实战经验丰富。

David

Salesforce Senior Software Engineer 数学PHD毕业，半年之内强行转为码农。在分布式计算/云计算方面造诣深厚。

Jack

南开大学数学本科，NCSU统计PHD。苏宁北美研发部的机器学习算法主要开发者，现任职于湾区知名大公司Fanatics Data Scientist，对Fraud Detection很有研究。

我们为你提供

1、 不落俗套的课程设计

• 不同于一些已有课程对知识点逻辑的简单梳理，本门课程打破思维定式，对知识体系进行了精心设计， 提升学习效率，并充分适应面试 ；

• 4节概率统计基础知识讲解，10余种统计模型剖析，2小时数据结构与编程训练，以更 贴合面试思路和工业实际 的方式，快速缩短学员学与练之间的距离；

• 直播视频可观看一年， 课程讲义实时更新发布，学员掌握第一手学习资料，学而时习之 ，加深理解。

课程详细大纲见文末↓↓↓

2、云实验操作平台

• 为避免软件本地安装带来的学习困扰，让学员能快速地专注于课程学习，本次课程采用“云实验操作平台”—— 一键启动，免除安装烦恼 ； 24x7在线可用，是真正丰富友好的操作实战平台。

• 作为专业的数据科学在线实验平台，提供Python， R， Spark， TensorFlow等上百款主流数据科学工具包、覆盖十余个行业的案例集、和超2TB的数据库，支持千人同时在线，满足多样化练习需求。

3、实战演练机会

• 课程配有 case study ，将知识和应用进行融合，迅速缩短学员的学习和应用周期，短时间内能完美get课程内容；

• 每次课后，讲师布置与课程内容匹配的 作业 ，快速查漏补缺、提升技术水平；

• 两个工业界的大型Project 详细讲解与展示，帮助梳理课程逻辑和知识体系，真正学以致用，项目成果可作为求职面试的加分项。

4、专业的助教团队

• 助教均为数据科学方向的学生/从业人员，具备全面的知识背景和优秀的辅导能力；

• 课程采用 小组制度 ，每组配备一名专业助教，每次课程后均有助教答疑课，辅导学员理解课程内容、动手实践案例和完成课程作业；

• 组织小组内的 互动和讨论 ，内容包括但不限于学习心态、学习方法、学习习惯和求职就业技巧。

5、严格规范的班级管理

• 不同于传统网络教学的散漫状态，本次课程设定有一整套成熟的管理和评价体系，约束学员节奏、并激发学员的学习主动性；

• “ 直播签到+答疑签到+作业评价+活跃度追踪+缺勤提示 ” ，一整套完整而且规范的班级管理制度，避免了学员的自律问题和懒惰心理，从制度上保证学有所成。

课程内容

一．基础夯实

• 条件概率 贝叶斯
• p-value, significance, 期望 方差
• 常见分布
• 大数定律 中心极限定理
• 方差分析
• 假设检验
• 置信区间
• Type I/II errors
• t-test
• A/B testing
• Cross Validation

二．回归方程

• 线性回归
• 逻辑回归
• Over fit
• Colinearity
• Residual
• R Square
• ROC
• AUC
• AIC, BIC

三． Decision Tree & Random Forest

• Bagging
• Boosting

四．TensorFlow