在政策一天一個(gè)樣的美國(guó)求職市場(chǎng)上，大家的競(jìng)爭(zhēng)壓力也越來(lái)越大。找工作再也不僅僅是畢業(yè)生需要考慮的事情了。越來(lái)越多的同學(xué)剛本科二三年級(jí)，或者研究生剛剛?cè)雽W(xué)就已經(jīng)開始準(zhǔn)備豐富自己的專業(yè)技能。同時(shí)，也有很多已經(jīng)開始自己 OPT 的同學(xué)也在更加努力的想要迅速找到適合自己的工作。

在這種大環(huán)境下，想必同學(xué)們也越來(lái)越了解Job Market 中最緊缺的職位有哪些——如果你是數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)等專業(yè)，希望做數(shù)據(jù)分析工作；或者化學(xué)、物理、環(huán)境工程等專業(yè)希望轉(zhuǎn)行；數(shù)據(jù)科學(xué)家都是一條不錯(cuò)的出路。

根據(jù)2019年1月Glassdoor的結(jié)果顯示，數(shù)據(jù)科學(xué)家平均起薪為$ 104,406美元,而最高起薪約為14萬(wàn)美元。

而在LinkedIn中搜索關(guān)于數(shù)據(jù)科學(xué)家的崗位，近2萬(wàn)3千個(gè) Opening 中，有近 1/4 都是 Entry Level 的職位。

全美平均年薪$104,406起的數(shù)據(jù)科學(xué)家必須有出眾的編程技能，以及統(tǒng)計(jì)、概率、數(shù)學(xué)方面的知識(shí)，如此才能理解數(shù)據(jù)、選擇正確、實(shí)施、提升解決方案。此外，數(shù)據(jù)科學(xué)家需要經(jīng)常向中高層管理者報(bào)告結(jié)果。這就需要出色的文字表達(dá)和公開演講技能。數(shù)據(jù)科學(xué)家須以一種簡(jiǎn)單易懂，令人信服，充滿洞見的方式向聽眾展示數(shù)據(jù)、支持商業(yè)決斷。

數(shù)據(jù)應(yīng)用學(xué)院 2019年3月期

數(shù)據(jù)科學(xué)家求職訓(xùn)練營(yíng)

開營(yíng)時(shí)間：2019年3月30日

超強(qiáng)導(dǎo)師團(tuán)隊(duì)

輝煌歷史

1. 學(xué)員就業(yè)

從2015年開始，數(shù)據(jù)應(yīng)用學(xué)院畢業(yè)營(yíng)員已覆蓋中美100余家企業(yè)，橫跨IT, 金融，醫(yī)療，社交，游戲娛樂(lè)，電商，地產(chǎn)，產(chǎn)品制造等8大行業(yè)。

2. Kaggle競(jìng)賽金榜題名

2016年8月，數(shù)據(jù)應(yīng)用學(xué)院學(xué)員在無(wú)數(shù)個(gè)晝夜的連續(xù)奮戰(zhàn)下，成功奪取第一塊Kaggle競(jìng)賽金牌！至今為止，數(shù)據(jù)應(yīng)用學(xué)院已在Kaggle競(jìng)賽中獲取1枚金牌，4枚銀牌，11枚銅牌，與北美Data Camp第一陣營(yíng)Insight, Data Incubator, Galvanize, NYC Data Academy等旗鼓相當(dāng)。

3. 北美業(yè)界認(rèn)可

2016年10月，數(shù)據(jù)應(yīng)用學(xué)院被北美科技媒體TechBeacon評(píng)為北美Top Data Camp, 與老牌勁旅Data Incubator，Galvanize等齊名！2018年，我們又被CIO網(wǎng)站（cio.com) 評(píng)為最佳Data Science Bootcamp！

4. 廣泛合作

數(shù)據(jù)應(yīng)用學(xué)院(Data Application Lab)與IDEAS (International Data Engineering and Science Association) 聯(lián)合舉辦“南加數(shù)據(jù)科學(xué)大會(huì)”、“達(dá)拉斯數(shù)據(jù)論壇”以及“芝加哥數(shù)據(jù)論壇”，'MIT區(qū)塊鏈大會(huì)'，“哈佛人工智能，大數(shù)據(jù)與區(qū)塊鏈大會(huì)”，“紐約區(qū)塊鏈領(lǐng)導(dǎo)力峰會(huì)”，“芝加哥人工智能與數(shù)據(jù)大會(huì)”；與NVIDIA，METIS，洛杉磯市政府，南加州大學(xué)等建立緊密合作關(guān)系，共同推進(jìn)數(shù)據(jù)科學(xué)的產(chǎn)業(yè)應(yīng)用與人才服務(wù)。

1. 充實(shí)簡(jiǎn)歷的實(shí)習(xí)項(xiàng)目

本期三大實(shí)戰(zhàn)項(xiàng)目，包涵廣泛應(yīng)用于業(yè)界的Fintech風(fēng)控，NLP商品評(píng)論分析，游戲廣告推薦系統(tǒng)，大大提升個(gè)人簡(jiǎn)歷競(jìng)爭(zhēng)力！點(diǎn)我點(diǎn)我點(diǎn)我，看Project 全紀(jì)實(shí)！

a. FinTech（Financial Technology） Project （必修）

通常情況下，Lending Club (美國(guó)P2P借款機(jī)構(gòu))中包含了成百上千的貸款項(xiàng)目，讓投資人難以進(jìn)行選擇。在我們的FinTech項(xiàng)目中，我們會(huì)使用過(guò)去所學(xué)的知識(shí)來(lái)設(shè)計(jì)一款產(chǎn)品，通過(guò)機(jī)器學(xué)習(xí)技術(shù)幫助投資人在Lending Club中確定最優(yōu)項(xiàng)目來(lái)進(jìn)行投資。當(dāng)新的貸款項(xiàng)目進(jìn)入平臺(tái)后，我們的產(chǎn)品會(huì)自動(dòng)分析項(xiàng)目的各項(xiàng)指標(biāo)，從而篩選出最佳的投資項(xiàng)目。我們還會(huì)設(shè)計(jì)簡(jiǎn)單的產(chǎn)品展示頁(yè)面，實(shí)現(xiàn)產(chǎn)品與用戶操作上的交互功能。

以美國(guó)家喻戶曉的P2P借貸機(jī)構(gòu)Lending Club 的公開數(shù)據(jù)為基礎(chǔ)（從2011年的數(shù)據(jù)至今），分析其中超過(guò)百萬(wàn)條數(shù)據(jù)的上百個(gè)特征，對(duì)這些數(shù)據(jù)進(jìn)行各種深度清理與整合，之后使用廣泛使用并且被證準(zhǔn)確高效的機(jī)器學(xué)習(xí)模型（如隨機(jī)森林Random Forest，）對(duì)這些整理過(guò)后的數(shù)據(jù)進(jìn)行訓(xùn)練（train），驗(yàn)證（validate）及預(yù)測(cè)（predict），從而達(dá)到從千萬(wàn)條請(qǐng)求中挑選優(yōu)質(zhì)借貸款項(xiàng)。此項(xiàng)目在實(shí)際的商業(yè)情境下，以真實(shí)產(chǎn)品需求為背景，為投資人提供高效的分析結(jié)果，指導(dǎo)智慧投資。為同學(xué)們添加堅(jiān)實(shí)的模擬實(shí)戰(zhàn)經(jīng)驗(yàn)。

• 230,000 條海量數(shù)據(jù)的處理和100 數(shù)據(jù)特征的篩選

• 通過(guò)Gradient Boosted Regression Trees (GBRT) 算法構(gòu)建機(jī)器學(xué)習(xí)模型

• 實(shí)現(xiàn)Lending Club平臺(tái)下最佳投資項(xiàng)目的選擇

• 網(wǎng)頁(yè)用戶交互界面設(shè)計(jì)與產(chǎn)品展示

b. NLP (natural Language Processing) Project （必修）

人們?cè)谫?gòu)物平臺(tái)上購(gòu)買某種商品時(shí)，通常會(huì)閱讀其他購(gòu)買人的評(píng)論得知評(píng)價(jià)者對(duì)于商品的評(píng)價(jià)是好評(píng)還是差評(píng)，然而如何通過(guò)機(jī)器的自然語(yǔ)言識(shí)別自動(dòng)識(shí)別一段文字的情感評(píng)價(jià)？在我們的NLP項(xiàng)目中，我們會(huì)通過(guò)結(jié)合不同的機(jī)器學(xué)習(xí)算法設(shè)計(jì)一項(xiàng)產(chǎn)品來(lái)幫助我們實(shí)現(xiàn)這一功能。我們不僅僅可以實(shí)現(xiàn)對(duì)評(píng)論的情感評(píng)價(jià)，同時(shí)也會(huì)對(duì)其中的關(guān)鍵詞進(jìn)行高亮，并且通過(guò)簡(jiǎn)單的展示頁(yè)面實(shí)現(xiàn)產(chǎn)品與用戶操作上的交互。

在這個(gè)項(xiàng)目中我們以amazon review dataset 為基礎(chǔ)，圍繞數(shù)據(jù)集通過(guò)對(duì)詞語(yǔ)切分（Tokenization），正則化（Normalization）以及詞干化（stemming，lemmatization）等技術(shù)，構(gòu)建多種機(jī)器學(xué)習(xí)的算法統(tǒng)計(jì)模型（如Logistic regression，naive bayes）以及深度學(xué)習(xí)的模型對(duì)處理好的數(shù)據(jù)進(jìn)行訓(xùn)練。最終我們會(huì)使用模型對(duì)一個(gè)輸入語(yǔ)句進(jìn)行情感極性的分析和預(yù)測(cè)并通過(guò)構(gòu)建Flask 應(yīng)用對(duì)整體項(xiàng)目進(jìn)行展示。通過(guò)分析用戶對(duì)產(chǎn)品的評(píng)價(jià)的情感極性，發(fā)掘潛在的購(gòu)買意愿及商業(yè)價(jià)值。

• 提取Amazon Kindle review dataset作為模型訓(xùn)練數(shù)據(jù)庫(kù)

• NLP處理流程的進(jìn)階學(xué)習(xí)與掌握

• 多種機(jī)器學(xué)習(xí)算法的對(duì)比與評(píng)價(jià)(Logistic Regression, Support Vector Machine and Perceptron etc.)

• 實(shí)現(xiàn)對(duì)評(píng)論的情感評(píng)價(jià)與關(guān)鍵詞提取

• 網(wǎng)頁(yè)用戶交互界面設(shè)計(jì)與產(chǎn)品展示

c. Game Recoomendation System Project（必修）

推薦系統(tǒng)近幾年發(fā)展十分火熱，幾乎所有的電子商務(wù)、社交網(wǎng)絡(luò)、購(gòu)物平臺(tái)等都在不同程度上使用的各種各樣的推薦系統(tǒng)，在游戲平臺(tái)中，推薦系統(tǒng)也是不可缺少的部分。在我們的游戲推薦系統(tǒng)項(xiàng)目中，我們會(huì)基于Steam平臺(tái)，對(duì)用戶過(guò)去的行為信息進(jìn)行分析，基于游戲的受歡迎程度設(shè)計(jì)推薦系統(tǒng)，為用戶進(jìn)行游戲推薦。用戶同時(shí)也可以通過(guò)選擇感興趣的類別對(duì)結(jié)果進(jìn)行過(guò)濾，對(duì)推薦結(jié)果進(jìn)行進(jìn)一步優(yōu)化。

通過(guò)steam游戲平臺(tái)作為背景，實(shí)戰(zhàn)python多線程爬蟲抓取海量真實(shí)數(shù)據(jù)，并以此為例圍繞用戶游戲歷史提出產(chǎn)品化的問(wèn)題，從而開發(fā)“私人化”個(gè)性化的解決方案。學(xué)習(xí)如何處理抓取后的大量JSON，HTML等數(shù)據(jù)，以及數(shù)據(jù)清洗，數(shù)據(jù)挖掘，數(shù)據(jù)存儲(chǔ)，從而建立并代碼實(shí)現(xiàn)完整的推薦系統(tǒng)的建立。推薦算法使用Spark基礎(chǔ)下的，Popularity-based, Content-based，Collaborative filtering等對(duì)我們的數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測(cè)。最終通過(guò)搭建一個(gè)完整的交互式的網(wǎng)頁(yè)應(yīng)用構(gòu)架展示并且來(lái)為用戶推薦基于不同模型下的個(gè)性化“猜你喜歡”的解決方案。

• 實(shí)現(xiàn)對(duì)用戶的游戲推薦功能

• 網(wǎng)頁(yè)用戶交互界面設(shè)計(jì)與產(chǎn)品展示

2. 教學(xué)期內(nèi)容覆蓋面是高頻題庫(kù)與業(yè)界發(fā)展潮流

根據(jù)數(shù)百位學(xué)員的面試情況，結(jié)合跟企業(yè)合作的交流結(jié)果，我們及時(shí)更新教學(xué)內(nèi)容，既覆蓋面試環(huán)節(jié)的基礎(chǔ)知識(shí)點(diǎn)，又增添緊跟業(yè)界應(yīng)用發(fā)展的熱點(diǎn)話題，保證學(xué)員所花時(shí)間物有所值，事半功倍。

3. Kaggle 實(shí)戰(zhàn)競(jìng)賽指導(dǎo)

Kaggle 中將新增訓(xùn)練(不限于) Keras, Theano, PySpark, XGBoost 等工具。

Kaggle 競(jìng)賽實(shí)戰(zhàn)輔導(dǎo)會(huì)選擇當(dāng)月正在進(jìn)行的Kaggle 題目，指導(dǎo)大家參與real 競(jìng)賽。有價(jià)值的舊題則會(huì)以作業(yè)的形式出現(xiàn)在教學(xué)期，并會(huì)由我們統(tǒng)一評(píng)講。

點(diǎn)我點(diǎn)我點(diǎn)我，看最詳細(xì)的Kaggle 介紹。

4. 專業(yè)求職面試輔導(dǎo)

數(shù)據(jù)應(yīng)用學(xué)院為你準(zhǔn)備了無(wú)限次求職規(guī)劃輔導(dǎo) 內(nèi)推。除此之外，我們堅(jiān)信每一個(gè)學(xué)員都有自己特殊的情況需要我們個(gè)性化的服務(wù)，所以我們準(zhǔn)備了以下配套輔導(dǎo)：1. 免費(fèi)簡(jiǎn)歷一對(duì)一修改；2. 免費(fèi)一對(duì)一模擬面試（Onsite）；3.  超值大牛老師職業(yè)輔導(dǎo)課

5. 校友 Club

數(shù)據(jù)應(yīng)用學(xué)院校友將終生享受免費(fèi)內(nèi)推信息與內(nèi)推服務(wù)，并充分利用校友資源進(jìn)行相互內(nèi)推。每期訓(xùn)練營(yíng)結(jié)束后，對(duì)于不同求職需求的同學(xué)提供專業(yè)性服務(wù)。