《数据科学的面试攻略》第一期
Sean ：
毕业于国内顶尖大学数学系，数理基础扎实。硕士就读于美国大学最好的统计专业，主攻数据科学方向。
在初创互联网公司，大型传统企业（philips）和四大会计事务所kpmg下的advisory部门从事过数据分析的工作。毕业季曾面遍各大行业，并拿到7个顶尖数据科学offer，有丰富的面试经验和项目经历。
通过讲师切身的面试经验和招聘经历，对于数据科学类职位给予学员全方位的面试辅导，课程会从数学基础，统计建模，机器学习，R&python实用软件操作以及金融中的风险管理和量化投资等不同侧面，按照面试实战的要求，针对不同的知识和技能进行详细梳理，使学员在短期内有针对性的重点学习数据科学领域的知识和技能，轻松通过面试的考验，拿到满意的offer；同时也可以帮助正在从事数据科学领域的学员能在工作中不断更新和提升专业技能，在数据科学领域的职业发展步步为赢。
1. 对数据科学行业感兴趣想进入这个行业的学生
2. 已经工作了，寻找更好机会的同学
3. 正在准备面试，漫无头绪的学员
1. 了解数据科学行业的现状
2. 面对求职简历，不再抓狂
3. 面对面试，轻松、自信收获offer
4. 掌握面试真谛，你会是下一个面试官
2017年4月14日，共9次，每次2小时
在线直播，共9次
每周2次（周一、周五晚上20:00-22:00）
直播后提供录制回放视频
可在线反复观看，有效期1年
第一讲：介绍
1. 了解数据科学 /数据分析行业不同职位的情况和要求, 剖析不同行业的数据分析职位的异同
2. 数据分析行业招聘的一般流程以及如何争取更多的面试机会
3. 常用工具和语言介绍
4. 分类剖析不同类型的必考题和常见题题型
5. 面试的准备策略以及备考材料的推荐
第二讲：统计基础知识及常见的面试题
1. 数学及统计分析基础知识
2. 回归分析及其常见应用
3. 从假设检验出发
4. 时间序列基础及其应用
5. 从常见考题类型再看如何准备
第三讲：SQL基础
1. SQL中常见基础关键词
2. SQL中的aggregation function
3. SQL中的一些常用技巧及函数执行顺序
4. 从面试常见试题角度准备sql
5. SQL常见的练习材料和方式
第四讲：互联网中的数据科学软件——R和Python
1. 互联网中的数据科学
2. R的基础用法实例
3. Python的基础用法实例
4. 面试中间常见的考察方式
5. 面试准备材料推荐
第五讲：金融中的数据科学软件——Excel和SAS
1. 金融行业里的数据科学
2. Excel -- 不起眼的瑞士军刀
a. 常见操作
b. 快捷键
c. pivot table
d. 常见函数
3. SAS
a. 界面与安装
b. 数据导入及处理
c. 常见模块的使用
4. 常见考察方式和应用
第六讲：机器学习的面试高频问题
1. 机器学习的思想
2. 机器学习的基础概念
3. 机器学习的常见算法
4. 机器学习的应用实例
5. 机器学习的高频考点剖析
第七讲:磨人的小妖精们 -- 面试中靠嘴功的问题
1. 简历问题
2. behavioral question行为面试
3. case interview question案例分析
4. product question 产品知识面试
5. 如何撰写简历以及如何回答面试中常见的简历问题
6. 总结思路，技巧和难点
第八讲：数据可视化操作及数据
1. 基本图表介绍以及数据可视化的原则
2. R语言中的数据可视化--ggplot2
3. 从面试中的真题出发，探寻可视化的标准
4. 从面试中的数据项目题出发，探寻数据报告的撰写要点
第九讲：如何攻破Data Challenge
1. 电商网站用户conversion行为预测分析
2. 使用R和Python进行实战和进阶讲解
a. 通过数据的基础分析找寻project的切入点
b. 用R语言进行真实数据的可视化选择
c. 利用初步结果进行变量选择
d. 选择合适的模型对数据进行分析，在R和python中建立相应的模型
e. 通过数据建模的结果对数据进行合理的分析和解释
