课程简介

本推荐就业班第三期继续维持前两期的BAT大咖小班教学且保证就业,作业考试竞赛且批改,包括依然针对每一个人的不同情况给予个性化定制辅导,定制学习路线,并优化简历,定制与教授项目。

此外,本期在前两期的基础上,不但在内容上全面调整、升级,比如优化了整个课程大纲(新增deep recall算法、E&&E算法),让内容更成体系、更加成熟,而且新增了全职的科学家、全职讲师、全职助教进一步提升教学质量、服务质量,为全体学员的就业或转行鼎力护航。

面向群体: 因为本课程采用严格筛选制(每期招生不超过30人,通过率不到1/3),需要具备一定的基础能力才能报名通过,故以下同学优先:

  • 高校CS,数学理工科相关专业的往届或应届研究生,985或211的同学优先
  • 有2年以上开发经验或数据分析经验的本科生
  • 已有一定的机器学习、深度学习基础,比如学过七月在线的ML、DL课程

课程安排

  • 第一部分:报名审核

    申请学员(以下简称学员)填写报名申请表并附上简历,电话或远程面试通过后,才视为报名成功,然后学员和七月在线(以下简称机构)双方签订培训合同。

  • 第二部分:学习定制

    机构根据学员的背景(学历和工作经验等)设定合适的方向与项目、明确需要掌握的知识点,协助学员进行查漏补缺,向学员推送定制的教学资源和直播答疑。学员学好后进行考核,顺利通过阶段考核的学员,才能进入下一阶段的学习。未能通过考核的重新学习,连续两次考核不通过者劝退。对中途报名的,根据自身情况进入相应阶段进行学习,考核同上。

    第一阶段 掌握BAT推荐系统和常用算法

    在线视频:推荐系统简介:Youtube、Google、BAT、头条等

    • 1-系统架构、模块介绍(召回、排序、重排序算法和系统等)
    • 2-推荐算法评估指标
    • 3-A/B Test 系统
    • 4-冷启动问题和工业界解决方案

    在线实训:冷启动解决方案代码实战

    在线视频:召回算法和业界实践

    • 1-BAT里常用的CF算法以及变种(User/Item CF等变种)
    • 2-Hybrid CF 算法
    • 3-Model Based CF(LFM矩阵分解、NMF、SVD)
    • 4-基于改进版协同过滤算法实战
    • 5-Graph 推荐召回算法
    • 6-倒排召回算法系统设计
    • 7-Embedding 召回(DNN)

    在线实训:基于改进版协同过滤算法实战

    在线直播:推荐业务、feed流产品及推荐算法策略架构解析

    • 1-推荐业务和推荐feed流产品详解
    • 2-推荐策略架构分解
    • 3-基于point wise 的stacking model 如何做用于推荐业务,以及相应的效果评估和模型如何升级(针对相应算法,提供data和code)

    第二阶段 深入BAT内部推荐&排序架构

    在线视频:用户建模(召回、排序都会用到)

    • 1-BAT公司里常见的用户建模
    • 2-特征工程、分类模型开发

    在线实训:如何做一个用户偏好模型实战

    在线视频:重排序算法:Learn to Rank

    • 1-Pointwise/Pairwise/Listwise排序(全局排序)
    • 2-多目标优化(ESMM等)
    • 3-多样性排序(BAT真实场景用户体验优化)

    在线实训:多目标预估算法实战

    在线视频:排序算法&深度学习模型

    • 1-推荐系统的 Rank 模块介绍
    • 2-基于规则的Rank算法
    • 3-Rank模型进入机器学习时代
    • 4-BAT模型改进:从浅度到深度Rank学习(WDL、DeepFM、DeepCross)
    • 5-BAT模型改进:从浅度到深度Rank学习(Attention、知识图谱、LSTM等)(下)
    • 6-Rank模型中的特征工程(BAT里基础建模流程构造:涉及样本、特征、模型、系统设计和实践)
    • 7-工业界实际的CTR后校准技术
    • 8-工业界大规模训练&在线引擎

    在线实训:阿里CTR-CVR数据上的MTL-ESMM实战(TensorFlow)

    在线直播:Deep recall算法解析、主流技术方向思考及相应model的改进方案

    • 1-推荐系统的主流技术深度方向讨论及相关算法思考
    • 2-如何通过deep learning model抽取推荐系统中的high-order feature
    • 3-recall算法簇review,Deep recall模型解析和优化(针对相应算法,提供data和code)

    第三阶段 通晓Online Learning和业务场景推荐

    在线视频:学术界算法在BAT的应用

    • 1-电商推荐中的Delayed reward强化学习算法
    • 2-GAN等技术在推荐系统的实践

    在线实训:强化学习排序算法实战

    在线视频:实时化技术升级

    • 1-Online Learning 算法(FTRL、增量学习等)
    • 2-Online Learning 在BAT的系统架构

    在线实训:Online Learning 算法实现

    在线视频:掌握真实业务场景下的推荐算法

    • 1-社交推荐算法
    • 2-短视频推荐算法
    • 3-音乐推荐
    • 4-新闻推荐
    • 5-电商推荐

    在线实训:如何用机器学习来解决工业界中的实际问题

    在线直播:商品推荐方案讨论、E&&E算法以及deep learning如何作用于推荐系统中的排序

    • 1-电商推荐系统的难点
    • 2-业界推荐系统的公开数据集和开源经典算法
    • 3-用于解决coldstart和exploit-explore问题的bandit算法簇
    • 4-deep learning模型算法作用于排序及相应优化方案(针对相应算法,提供data和code)
  • 第三部分:面试求职

    针对特定方向的定制化项目(如推荐实战项目),进行项目与简历的最终调整与完善。然后安排名企面试官模拟面试与内推,面试与反馈迭代,最终帮助学员成功拿到offer。

    第一阶段 简历与项目定制

    • 1-大型公司的招聘方向与需求分析,并选择方向,然后针对特定方向的定制化项目,进行简历调整与完善:一份优质简历的基本原则、你的简历是怎么进出人才资源池的、校招/社招面试官是怎么阅读简历的
    • 2-2-实用面试技巧若干

    第二阶段 面试辅导与内推

    • 1-名企面试官模拟面试与内推 (BAT大咖讲师会给班级里面的每一位学员电话面试,按照BAT中AI/推荐算法工程师岗位的要求来面试并且打分,并当场给予分数反馈和调整建议)
    • 2-面试与反馈迭代
    • 注:实战项目会根据市场环境,学员综合情况动态调整。
  • 第四部分:入职护航

    针对学员入职后工作上遇到的技术方面问题,进行一周的跟踪服务,为学员稳定就业保驾护航。

讲师介绍

  • 李老师

    推荐算法专家,在BAT均从事过推荐系统、广告系统等研发,做过多个行业的推荐系统。

往期评价

时间安排

2019年6月3日开学,越早报名越早享受到BAT大咖的一对一个性化定制。 一个月的学习周期(包括直播、实训、考核,连续两次考核成绩不达标者 劝退),一个月的内推周期。 且除了BAT大咖之外,配备全职科学家、全职助教(辅助项目、答疑、作业考试且批改)。

课程价格

订金¥3999元,签订劳动合同后补交一万五。

其中,订金包括基础学费(含课程和辅导费用),和综合服务费(含项目定制与指导/简历优化/面试推荐服务费用)。

报名流程

报名本就业班的步骤如下

  • 1、点击此处,下载申请表
  • 2、填写好申请表后,和简历一并发送至邮箱:liuzhen@julyedu.cn
  • 3、我们会在五个工作日之内沟通后续事宜

PS:申请表和简历不得造假(包括但不限于:学历不得造假、教育经历不得造假、工作履历不得造假,一经发现,立即取消入学资格,且相关后果自负)。

课程咨询

刘老师:13121977512(微信同步)

email:liuzhen@julyedu.cn

限时特惠价:订金¥3999 + 就业后补交一万五