收起
1、你在面试中是否遇到过如下场景:
场景①:想看新机会,但是畏惧面试,羞于表达
场景②:面试准备不足,不能get到面试官所提问题;
场景③:机器学习及推荐系统掌握不系统,面试总是拿不到满意offer。
2、针对以上问题:
帮助求职者在面试前系统的梳理技术要点,拿到满意的offer,我们特别邀请了两位资深专家开办此次特训营。两位专家以面试官的视角制定课程体系,并针对每个学员的背景给予个性化的指导,从而提升学员的技术和认知,以便斩获满意的offer。
3、训练营流程概要:
4、课程内容
本课程主要包含机器学习和推荐系统两个部分,分别从理论和项目实践两个方向入手。我们定位于强化训练营,针对的是有过相关经验的学员,因此在授课过程中会依据学员情况强化或者弱化某些内容。除此之外,还真提供简历和面试指导,让学员更了解面试官关注的考察点。技术授课具体内容如下:
模块一:机器学习 | 模块二:推荐系统 |
1、系统的介绍机器学习,包含概述、应用实例讲解和实际应用中的机器学习; 2、线性模型讲解,包含线性回归、模型选择和模型评估、LR/FM/FFM实例介绍、支持向量机和核方法、优化算法; 3、树模型和模型融合,包含决策树、bagging/随机森林、Boosting/Adaboost/GBDT/GBDT+LR /xgboost、Stacking; 4、图模型(GRAPH MODEL),包含隐马尔科夫模型、条件随机场,标注问题 5、EM算法 6、数据和特征,包含特征工程/特征选择/特征离散化等、数据预处理/降维/SVD/PCA 7、扩展TOPIC(选讲),包含半监督学习、强化学习和迁移学习 | 1、推荐系统核心逻辑及拆解,推荐系统的本质和知识脉络。 2、常用相关性逻辑,多维度召回算法。 3、算法融合与排序,机器学习技术的最典型应用。 4、用户画像和兴趣模型,深入有效认识用户。 5、离线和在线效果评测,ABTest的统计学原理和应用。 6、推荐算法效果优化,持续体现算法价值。 7、常用文本处理方法,推荐系统中的NLP应用。 8、探索与利用问题,合理平衡长短期收益。 9、推荐系统架构设计,有机整合技术链条。 10、前沿技术进展,了解业界前沿动态。 |
5、课程特色
理论与实践相结合,做到知其然和知其所以然;
精品小班授课,10-15人一个班级,既有通用的知识,又能兼顾每个学员的诉求;
两位讲师常年负责团队成员招聘和培养,从面试官的角度设计课程和授课;
丰富的业界经验传授,贴近真正的工作要求和面试要求;
6、学员获益
掌握常用的机器学习和推荐算法相关模型的要旨;
掌握推荐系统的工程实践;
与面试官直面碰撞,掌握面试官考察要点,从此不惧面试;
7、报名条件
只针对近期打算换工作的同学,进行为期一个月的面试前复习准备和提升;
需要具备至少2年的机器学习相关的项目经验;
具备良好的工程能力;
周末有自主时间,可以参加训练营。
8、讲师介绍
胡老师,某知名互联网公司专家工程师,致力于运用机器学习、深度学习和大数据技术提升用户体验和系统效率,设计并主导了多个公司级智能系统项目。并有多年广告搜索算法研究经验。拥有多项国家发明专利和国际顶级会议论文。
张老师,某著名电商推荐系统负责人。五年推荐系统从业经验,负责过多家著名电商推荐系统从零到一的搭建和效果的持续优化,对各种推荐系统有着深刻理解。著名技术公众号贡献作者,CSDN、程序员等技术媒体撰稿人,具有丰富的公开演讲、企业内训等相关经验。
9、培训安排
1)报名阶段,需要提供最新的简历;
2)通过简历筛选后,安排导师面试;
3)满10个学员即安排开课,每期课程最多不超过15人;
4)授课时间1个月,分两个环节:工作日线上答疑,周六日安排线下讲解
5)课程结束后安排简历和面试指导;
6)模拟面试环节验收学习效果;
7)为学员安排推荐工作;
主办方: