课程简介

众所周知,京东商城作为大型电商平台,在电商推荐领域有着深厚的技术积累,随着我国“新基建”的建设发展,当前人工智能人才一票难求,尤其是具备实战能力的推荐系统工程师,因此培养更多AI人才成为关键项目。而七月在线已有五年成人AI技能教育的沉淀,超过30万付费学员,故本实训营由京东和七月在线联合开设。

首先,继续沿用七月在线推荐系统就业班的“BAT大咖小班教学”模式,以及已有的特色:

  • 内容全面系统:包括推荐常用算法、真实场景推荐、推荐前沿技术等四大阶段的内容;
  • 标准化项目流程:涵盖环境和数据准备、特征工程、模型构建、模型调优、上线部署等;
  • 一对一就业指导:单独指导每个人的就业,包括且不限于简历指导、面试辅导、就业内推

其次,相比七月在线之前的推荐系统就业班,本期最大的升级是更新了三大企业级项目中的两大项目:

  1. 京东蜂巢智能推荐
  2. 京东高潜用户购买预测

这两大新项目均基于京东内部的数据和业务场景,且除了七月在线原有的BAT大咖讲师团队之外,更有京东AI科学家强力助阵,共同手把手带你从头到尾实战京东等企业的内部项目。

面向群体: 本课程适合应届研究生就业找工作,或在职上班族跳槽涨薪/升职加薪,采用严格筛选制(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:

  • 985或211高校的CS、数学理工科相关专业的应届或往届研究生
  • 本科毕业但有2年以上的AI在职开发经验
  • 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

实战项目

企业项目

  • 企业项目一

    京东蜂巢智能推荐

    项目介绍:蜂巢智能空间是面向银行、政务、城市打造的一款创新人机交互空间,融合视觉、听觉、对话、触觉于一体的多模态交互,可以为用户带来全新的沉浸式空间交互体验。智能空间很重要的一项功能为向用户推荐产品。通过三块超大高清屏幕展示个性化的商品图文信息,用户可以通过屏幕进行点击、收藏、购买等动作。

    项目目标:这是一个比较典型的推荐场景问题,在此项目中学员有机会尝试矩阵分解、FM等传统推荐模型和双塔模型、Wide&Deep、DeepFM等深度推荐模型在真实推荐业务中的应用。

    项目时长:共4周

  • 企业项目二

    京东高潜用户购买预测

    项目介绍:本项目属于精准营销项目,从品类浏览用户中筛选出对指定商品感兴趣的用户,并按照够买概率从高到低排序,取一定数量的用户进行短信或精准通触达。

    项目目标:通过本项目可以学习电商中经典的人或匹配问题,通过商品来找到高潜人群,即如何筛选意向购买客户进行精准营销,重点是如何提取用户历史行为的变化情况,然后预测用户是否进行购买。此外,项目中也将尝试复杂的建模结构,使用包含transformer结构的深度学习模型,或者能够直接从序列中提取用户意图表示的模型,用以替代传统的xgboost等树模型。

    项目时长:共4周

  • 企业项目三

    电商平台的商品推荐系统

    项目介绍:电商业务在全球各大互联网公司的营收中都占有极其重要的地位,推荐系统对用户推荐商品的质量好坏直接影响了巨头们的股价,商品推荐团队是公司各大算法团队中的核心团队,有着绝对地位的优势,我们针对全球TOP 1的电商数据进行推荐算法优化。

    项目目标:在本项目中我们采用TOP电商真实公开数据集,需要根据用户在商品全集上的移动端行为数据以及百万级的商品信息,建立推荐模型,并预估用户在接下来一天对商品子集购买行为。涉及技术包括:特征构建、特征工程;推荐系统架构、推荐任务理解;LR/协同过滤基础模型、GBDT boosting模型;Wide & Deep模型、NFM模型;模型评估、评价等内容。

    项目时长:共4周

实训项目

  • {{item.title}}

项目介绍

讲师团队

  • 吴老师
    推荐广告算法专家

    先在滴滴做算法、后在某创业公司任部门算法负责人,现在一大厂做推荐/广告算法,熟练ltr/ctr/cvr/纠偏/graph embedding on ad等技术,在推荐/广告算法方面有着丰富经验。

  • 殷老师
    推荐和广告方向的技术专家

    就职于BAT的商业变现部门,在点击率预估、智能出价、投放策略等方面有丰富经验

  • 王老师
    大厂推荐广告算法研发

    对推荐系统召回、排序等各模块有着丰富的工程经验,阿里云天池数据科学家,在国内外各大公司举办的几千支队伍参赛的竞赛中已获得十余次冠亚军奖项。

教研团队


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 内容安排

    课程开始前,提供预习视频预习,课程开始后,每周安排直播、录播、实训、答疑,然后每两周考试一次,顺利通过阶段考试的学员,才能进入下一阶段的学习。未能通过考核的重新学习,做查漏补缺。

    第一阶段 业界前沿召回算法与特征工程

    在线视频: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)

    在线视频:召回算法和业界最佳实践

    • 1-BAT里常用的CF算法以及变种(User/Item CF等变种)解
    • 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

    在线视频:搜索和推荐的matching技术

    • 1-NLP的基础知识,BOW, TF-IDF, BM25
    • 2-word2vec, topic model
    • 3-向量召回,embedding基础

    在线实训:改进版协同过滤算法实战

    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:倒排索引项目实战

    在线直播:召回算法进阶实战

    • 1-多路召回策略实战(热门、兴趣标签、内容属性、协同过滤、业务规则等)
    • 2-Youtube召回实战

    在线直播:用户特征和Item特征的常用方法

    • 1-Embedding的数学本质和计算方法
    • 2-用户特征和人群画像
    • 3-手动和自动特征工程

    第二阶段 业界常用排序算法

    在线视频:排序算法&深度学习模型

    • 1-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)
    • 2-深度召回模型最新进展(向量检索、深度学习等)
    • 3-深度排序最新进展(WDL、DeepFM、DeepCross等)
    • 4-用户序列建模(LSTM、GRU, word2vec等)

    在线视频: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:谷歌wide&deep模型实战

    在线视频: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以及用于解决coldstart和exploit-explore问题的bandit算法簇
    • 3-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)

    在线直播:CTR预估进阶实战(上)

    • 1-GBDT+LR 代码实战
    • 2-wide&deep 代码实战

    在线直播:CTR预估进阶实战(下)

    • 1-DeepFm 代码实战
    • 2-DIN 代码实战

    第三阶段 在线学习与实时化计算

    在线视频:分布式机器学习系统及其在排序模型中的应用

    • 1-分布式机器学习系统综述
    • 2-Parameter Server介绍
    • 3-基于Paramer Server的大规模离线LR/FM实现介绍

    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 最新算法实现

    在线视频:在线学习和相关技术

    • 1-L1, L2和FTRL优化算法
    • 2-流式计算和流式数据
    • 3-在线模型和实时特征

    在线直播:基于flink和scala的实时计算

    • 1-flink相关知识点介绍
    • 2-scala的相关知识,flink scala API初步上手
    • 3-flink JOIN,MAP,TIMEWINDOW等算子的使用,checkpoints等高级特性的简介
    • 4-实时数据进入tensorflow,tensorflow实时reader

    在线直播:单机和分布式深度学习tensorflow实践

    • 1-掌握tensorflow单机和分布式操作
    • 2-熟悉tensorflow serving
    • 3-掌握对于数据进行分析和模型进行评估

    第四阶段 推荐系统最新技术

    在线视频:学术界最新算法在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

    在线直播:多目标排序

    • 1-推荐系统中的CTR、CVR任务如何共同建模
    • 2-多目标排序的问题点
    • 3-如何通过算法将推荐系统中的用户显式反馈行为和隐式反馈行为(浏览、点击、购买和评论)进行表征同时作用于个性化推荐(针对相应算法,提供data和code)

    在线直播:推荐系统最新技术、场景、方向解析

    • 1-推荐新场景
    • 2-推荐系统可解释性
    • 3-推荐系统多样性
    • 4-推荐系统公平性
    • 5-冷启动问题的最新解法
  • 第三部分 实战项目

    在课程进行的后半段,学员根据自己的兴趣和求职的方向选择实战项目:

    第一阶段 整体架构介绍与环境数据准备

    在线直播:项目1 京东蜂巢智能推荐的介绍与准备

    在线直播:项目2 京东高潜用户购买预测的介绍与准备

    在线直播:项目3 电商平台商品推荐系统的介绍与准备

    第二阶段 特征工程与初步建模

    在线直播:项目1 京东蜂巢智能推荐的特征工程与初步建模

    在线直播:项目2 京东高潜用户购买预测特征工程与初步建模

    在线直播:项目3 电商平台商品推荐系统的特征工程与初步建模

    第三阶段 模型的迭代与优化

    在线直播:项目1 京东蜂巢智能推荐的迭代与优化

    在线直播:项目2 京东高潜用户购买预测的迭代与优化

    在线直播:项目3 电商平台商品推荐系统的迭代与优化

    第四阶段 模型的评估与上线

    在线直播:项目1 京东蜂巢智能推荐的评估与总结

    在线直播:项目2 京东高潜用户购买预测的评估与总结

    在线直播:项目3 电商平台商品推荐系统的评估与总结

    第五阶段 次项目的整体流程和核心技能点

    在线直播:项目4 游戏推荐系统的整体流程和核心技能点

    在线直播:项目5 猜你喜欢场景下的推荐系统整体流程和核心技能点

    在线直播:项目6 Netflix推荐竞赛整体流程和核心技能点

  • 第四部分 面试求职

    针对学员所选的实战项目,进行项目与简历的最终调整与完善。然后除了学员自己投简历找工作之外,增加内推,并跟踪每一次面试的结果,不断辅导迭代,最终拿到offer。

    第一阶段 项目总结和就业辅导

    在线直播: 六大项目的总结与就业辅导

    • 1-项目1 京东蜂巢智能推荐、项目2 京东高潜用户购买预测、项目3 电商平台商品推荐系统、项目4 游戏推荐系统、项目5 猜你喜欢场景下的推荐系统、和项目6 Netflix推荐竞赛的项目总结
    • 2-简历的优化与调整:如何把课程项目写进简历里,需要突出哪些技术点、如何确定评估指标

    第二阶段 面试辅导与内推

    • 1-内推包括且不限于互联网名企
    • 2-跟踪每一个学员的就业动态,辅导每一次面试遇到的问题
  • 第五部分 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。

就业信息

为保护学员隐私利益,特隐晦部分敏感信息,且限于篇幅,只节选部分

学员面经

拿下60万推荐offer的面经分享:涵盖模型评估、选择、迭代等问题

“我以前也是从事数据挖掘岗位的,由于平台相对比较小,虽然工作内容有很多推荐相关的事情,但是涉及到的算法模型也相对比较陈旧。”

完整面经>

新冠疫情期间的面试经历:推荐系统面试50题

“中小公司比较希望候选人有落地算法的能力,而且最好有处理数据的能力,比如会sql,会写spark脚本,有些小型公司可能没有专门的算法人员,你是第一个,所以他们对你期望其实蛮高的,所以这种个人感觉谨慎进入,除非你对自己的算法,工程以及沟通和管理能力有足够自信”

完整面经>

算法面试分享:无实习无项目双非研究生最终找到算法工作

“5月份参加了七月在线的就业班,学了大概三个月的时间,做了两三个项目,通过与老师交流,也了解了工业界的算法落地流程和细节,所以建议没有实习经验的不了解工业界算法的同学可以报个就业班(除非你脑子非常聪明,数学和工程能力非常好),学习下工业界的实际项目,否则真的很难。”

完整面经>

疫情期间算法面试小结:拉了辅导群后1个月之内拿到offer

“人算不如天算,2020年便开始了一场空前规模的疫情,导致三月份左右才开始大规模投简历找工作,根据自己找工作面试接近两个月以来主要有以下几点感悟:
1. 更侧重基础知识。
2. 侧重算法复现能力,代码能力要求更高。
3. 要求深刻理解业务场景,并针对业务场景解决一些问题。
4. 技能语言要求较多。”

完整面经>

非计算机专业面试推荐系统和NLP的历程:最终年薪42万

“ 面试准备:
1. leetcode刷题,如动态规划、深度优先搜索等。
2. 七月在线的题库的推荐系统和nlp部分。
3. 常用机器学习算法推导,逻辑回归、xgboost、svm。
4. 大数据知识巩固,hdfs、hive、hbase、spark、kafka、kylin、flink等。
5. 论文研读,如YouTube、Airbnb推荐系统论文,FM、wide&deep、Deepfm等论文。”

完整面经>

一位博士的推荐算法和CV面试经历(上市视频公司)

“面试前准备:leetcode刷题1-2个月,7月在线上面试题库选择性做了一些。整理最近所做过的主要项目内容,梳理算法思路,将易错点记下来。上了七月在线推荐就业班4期。继续加强机器学习理论,复习经典算法,巩固加深理解,推荐看西瓜书。如果应聘推荐系统方向 同时最好看下推荐系统方面书籍 。”

完整面经>

三本嵌入式转数据分析拿到40W的面试经验

“还有机器学习,聚类、逻辑回归、线性回归、贝叶斯、决策树、神经网络,都需要明白原理,并用sklearn实现,最好可以用mllib也可以实现,需要知道什么情况下用什么模型,什么模型解决什么问题,最好能有实际建模经验。”

完整面经>

秋招算法面试总结:推荐架构、算法推导、大数据都得熟练

“面试的题目我觉得都差不多,多刷7月在线的面试题,然后自己总结,多看面经。还有一定要多刷题,一定要对算法与数据结构特别熟悉,如果想进大厂的话,算法与数据结构要特别熟悉,题目多刷,什么动态规划、排列等常考的题。还有对时间复杂度、空间复杂度也要了解,我常常经历一道题,面试官要你做完了之后然后让你想还能怎么优化,从空间或者时间复杂度来想”

完整面经>

大数据转行算法工程师面试经验

“如果是零经验立志要转行的话,报一个班实际上收益还是不错的。”

完整面经>

算法工程师(推荐方向)面试经历:简历、数据结构、机器学习、推荐系统

“推荐项目一般会问有哪些评价指标。推荐系统一般有模型线下评价指标如召回率,准确率,覆盖率,AUC等等,线上看系统AB测试的点击率表现等。推荐系统的整个数据流程是如何处理的”

完整面经>

推荐算法工程师面试心得分享:课程进行过半拿到offer并薪资翻1.5倍

“我觉得作为一个合格的算法工程师,首先要有扎实的基础功底,然后需要在一个方面有自己深度的理解,比如word2vec算法,知道怎么用,但也要知道他的内部原理和公式的一些推导,和在什么样的场景下使用”

完整面经>
已砍 {{ykprice}}元 后砍价过期 恭喜你获得【砍价神器】 再邀请{{sybarnum}}位好友助力即可获得【砍价神器】 {{barnum}}位好友助力>
  • {{item.user_name}} 砍掉 {{item.amount}}元
已砍 {{ykprice}}元 砍价结束

砍价金额将于 后清零,请尽快完成支付

{{barnum}}位好友助力>

绑定手机,先砍一刀

绑定手机,先砍一刀

{{errortext}}

好友助力详情

  • {{item.user_name}} 砍掉 {{item.amount}}元
超过{{mandatenum}}位好友助力可获得【砍价神器】

砍价成功

恭喜你,一刀砍了 {{fristprice}}元

分享到微信群邀请更多好友帮忙砍价

超过{{mandatenum}}位好友助力可获得【砍价神器】

邀请好友砍价

分享到微信群邀请更多好友帮忙砍价

超过{{mandatenum}}位好友助力可获得【砍价神器】

恭喜你获得【砍价神器】

恭喜你获得【砍价神器】

您可以使用【砍价神器】再砍一刀

立即使用

砍价成功

厉害了!又砍掉了{{fristprice}}元

你已经砍了{{ykprice}}元没见过你这么能砍的人...

不能再砍了哦~

去支付

直接购买

您已发起砍价,直接购买将清除已砍金额

直接购买可使用优惠券

时间安排

2021年1月11日开班,越早报名越早享受到BAT大咖的一对一个性化定制。

一个半月的学习周期(包括直播、录播、实训、答疑、考试),一个半月的项目和就业周期,且配备全职科学家、全职助教、全职就业老师辅助讲师进行课程答疑、项目辅导、简历指导、就业内推。

课程价格

收费:¥25800,完成课程和毕业项目后,半年内未就业全额退款。

包含课程费用、项目费用、就业费用,审核通过且报名后签订就业协议,了解详情或优惠,敬请咨询。

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:july@julyedu.com
  • 3、我们会在两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

课程全新升级,咨询可优惠

报名加送:《新VIP[包全平台一年AI初级课和一年GPU]》和《深度学习集训营

免费试听 立即报名 ¥{{barprice}}去支付 开始学习 分享赚{{dist_first_level_tip}}元
尚未开课,开课后立即上传课程~

{{blessingTip}}

{{seconds}}s

您有1个待支付尾款的课程
再不支付就要过期了!
点击查看