DataFunWorkShop——推荐系统知识强化训练营
Hide
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：
(6年前)
(6年前)
(6年前)
(6年前)
(6年前)
(6年前)
大川
