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
机器学习作为AI的核心技术，可谓掌握了机器学习，便跨过了AI的准入门门槛。迄今为止，专为就业或转型AI量身定做的「机器学习集训营」已经举办了十六期，每一期都涌现出了很多offer，或应届研究生高薪就业，或从Java等传统IT行业成功转型AI拿到年薪三四十万，部分超过四十万拿到五十万，有的甚至年薪百万（详见本页面底部的“就业信息”模块）。
本第十八期在上一期的基础上
一切为了学员更好的就业、转型、提升。
本期集训营总计四大部分，十五个实战项目（七大企业项目、八个实训项目），内容全面且由浅入深：从Python基础与数据分析、机器学习原理与实战、深度学习原理与实战，到CV NLP 推荐三大方向的BAT企业级项目实战、面试就业辅导等等。
为了更好的确保教学效果，促进后续的就业、转型、提升，特围绕“教学测练评”设置十二位一体的教学模式，具体包含：入学测评、直播为主、实时答疑、布置作业、阶段考试、毕业考核、一对一批改、CPU&GPU双云平台、组织比赛、联合认证、面试辅导、就业推荐等等。
还原BAT真实生产环境，提供工业数据和国内首创的价值数十万的GPU云实验平台（提前装Tensorflow、Pytorch、Keras等主流DL框架和相关数据）。提供完善的实验平台供您动手、真枪实战，拒绝纸上谈兵。
多位BAT大咖带你手把手从头到尾实现自己的项目，比如CV项目跨镜追踪/重识别（ReID）的完整流程为：第一周 环境搭建与数据准备、第二周 特征工程、第三周 模型构建、第四周 迭代优化、第五周 评估、部署、总结。
我们拥有来自BAT的专家级讲师和数位助教，给你全程全天候1V1般的定制辅导。且一次报名 服务三年，三年里无论是学习中还是工作中遇到问题，课上课后每天答疑，手把手教会为止。
完成项目进入就业阶段后，BAT等大厂技术专家会一对一进行简历优化（比如将集训营项目整理到简历中）、面试辅导（比如面试常见考点/模型/算法），且和就业老师一起进行就业推荐（包括BAT等一线互联网公司的工作机会推荐，从而3个月挑战年薪40万）。
企业项目
项目简介：自动驾驶中一个重要技术是自主车对周围场景的理解与定位，其中车道线检测技术是一种图像语义分割技术。
涉及技术：通过本次项目你将学习到单帧和多帧的车道线检测方法，包括UNET、SCNN和SDA等分割模型，项目知识点可以扩展到其他语义分割和自动驾驶任务中。
智能问答是NLP领域落地最多的场景项目之一，其商业价值较高，能有效解决业务问题，降低人力成本，以一问一答形式，精确的定位用户所需要的提问知识，与用户进行交互，为用户提供个性化的信息服务。智能问答机器人包括封闭域与开放域、封闭域即特定领域的问答。
本项目涉及分类，检索式任务及生成式任务，用到的模型包括：Word2vec、ELMo、TextCNN、DialoGPT等多种模型。
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。
行人重识别（ReID）技术是近年来学术界和工业界的热点问题，ReID技术最大的价值就在于其跨摄像头追踪/关联的能力，有时也被称为跨镜追踪/识别。在当前智慧城市、智慧交通、智慧零售的大背景下，如何细粒度地甄别每个个体（行人或者车辆），并进行个体轨迹还原和串联是理解数据、应用数据的关键。在各大计算机视觉顶级学术会议，都有大量的ReID论文出现，工业界也纷纷公开宣传了其在ReID公开数据集上取得刷新纪录的突破。
简介：这是一套智能的聊天机器人系统，用户导入数据后可以训练模型，使得模型能够更加准确匹配用户所提的问题。同样的用户也可以不重新训练模型，使用原有模型进行匹配问题。
目标：分工合作完成一个应用级的聊天机器人系统，掌握模型算法和数据存储，并在此基础上通过模型的训练来完成聊天系统的智能化。
BAT中的推荐场景主要是以召回和精排为主，在本项目中，我们在一个docker环境下真实的模拟一个推荐系统，模拟的推荐系统包括：如何获取数据、数据如何进入数据库、如何使用数据进行分析、如何建模、如何线上服务、以及如何进行AB Test。
电商商品检索基于自然语言处理、大数据处理、及其学习技术，根据用户输入的文本Query从海量商品中检索得到目标商品的检索技术，是电商业务下的基础的信息服务。本项目将文本处理出发，讲解文本分词、意图识别ElasticSearch倒排和商品排序的过程。从头搭建商品搜索引擎，了解企业级的检索系统的搭建。
在线商店为购物者提供了广泛的产品选择供您浏览。但如果选择太多，客户可能无法很快找到他们感兴趣的东西或他们正在寻找的东西，最终他们可能不会购买。为了增强购物体验，产品推荐是关键。更重要的是，帮助客户做出正确的选择也对可持续性产生积极影响，因为它可以减少回报，从而最大限度地减少运输排放。
设计的商品推荐系统根据以往交易数据以及客户和产品元数据开发产品推荐。可用的数据涵盖从简单数据（例如服装类型和客户年龄）到来自产品描述的文本数据，再到来自服装图像的图像数据。
八大实训项目
项目1：sklearn建模与使用
项目1：sklearn建模与使用
手把手带你get scikit-learn机器学习建模重要点借助于整理的简单资料，get迅速上手建模的技能，并学习如何进行模型调优，一步步优化自己的模型。期间的案例包括数个Kaggle与天池案例。
项目2：Xgboost与LightGBM使用
项目2：Xgboost与LightGBM使用
大部分情况下，为了取得好结果，我们会用集成模型，这个部分，我们设计了多个比赛和工业场景，帮助大家熟悉Xgboost和LightGBM的使用，使用树形Boosting模型达到较好拟合效果，同时又很好地控制过拟合。
项目3：Caffe&Tensorflow实战
项目3：Caffe&Tensorflow实战
这个部分，将获得激动人心的深度学习库Caffe与Tensorflow搭建网络进行训练的全技能。我们将通过一个景点的图像识别transfer learning，到图像检索，到风格转换，一步步带大家学习库的使用，真正做到使用深度学习库解决实际的图像场景。
项目4：图像分类与检索
项目4：图像分类与检索
具体的图像分类与检索案例，在电商服装数据集上，进行分类与检索的实验。将获得图像数据预处理，Tensorflow建模与调优，基本图像检索与高级图像检索技能。
项目5：癌症病理检测
项目5：癌症病理检测
您将获得大量96x96病理图像以进行二分类。正例标记表示图片的中心32x32像素区域 至少有 肿瘤组织的一个像素。 图像中心32x32像素外的肿瘤组织不影响分类结果，提供该外部区域以实现不使用零填充的卷积模型，以确保应用于整个图像时的一致结果。
项目6：基于YOLOv3模型的目标检测
项目6：基于YOLOv3模型的目标检测
目标检测(Object Detection)是计算机视觉中重要的一个分支，其功能主要是检测图片中的物体，用最小矩形框将框出目标位置并检测出目标类别。且本项目包含详细的项目文档、数据集、代码注释、模型训练与部署等等。
项目7：新浪新闻文本分类
项目7：新浪新闻文本分类
本项目为经典的新浪新闻文本分类项目，包含TextCNN、TextRNN、FastText、DPCNN及Transformer、Bert等多种模型，项目文档中具有详细的模型解读、代码注释、实验结果等，带你更加深入了解NLP方向涉及的先进技术。
项目8：基于DIEN的电商广告CTR预估
项目8：基于DIEN的电商广告CTR预估
阿里巴巴在 2018 年提出了深度兴趣进化网络 （Deep Interest Evolution Network）以下简称 DIEN ，并将其应用于淘宝的广告系统中，获得了 20.7%的CTR 提升。本项目包含详细的项目文档、代码注释等等。
曾任浪潮集团数据科学家，国家电网人工智能行业应用方向团队负责人。参与过一国家863项目，且曾主持一山东省自主创新及成果转化专项，发明专利十余项，专业论文十余篇。对机器学习、NLP相关技术的原理推导，以及深度学习在能源、通信、气象等行业的应用深有研究。另给电网、青大等做过数十场AI内训。
博士毕业于国内TOP 5高校，目前在知名大厂担任资深技术专家以及CV算法团队负责人，在AI和CV领域发表了CVPR/ICCV/AAAI/IJCAI等多篇顶尖会议和期刊论文以及担任相关论文的审稿人。有深厚的学术背景和丰富的项目及业务落地经验，并长期担任技术面试官，授课风格深入浅出、诙谐幽默。
硕士毕业于北航计算机学院，擅长计算机视觉的相关算法应用，多次在爱奇艺等各大公司举办的CV和NLP竞赛中获得过冠军、亚军等优异成绩。
多年ML/DL项目经验，专注NLP方面，对序列标注、分文分类、文本匹配、文本摘要、智能问答等文本任务均有实际项目经验，讲课通俗易懂，课程项目均为工业场景。
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。
10多年开发经验，曾先后任职国内知名互联网企业，从事人工智能方向的实施，擅长数据挖掘，将机器学习/深度学习结合到实际生产运营中。现任七月在线AI Lab负责人兼AI讲师。
在线视频：Python基础语法语法精讲
在线视频：Python核心语法进阶
在线视频：数据分析numpy和pandas精髓速讲
在线视频：matplotlib数据可视化
在线直播：开班宣讲
在线实训：入学测试
在线视频：1-机器学习简介、广义线性模型（线性回归、逻辑斯蒂回归）精髓速讲
在线视频：2-决策树、Boosting模型融合的精髓速讲
在线视频：3-朴素贝叶斯、SVM模型精髓速讲
在线视频：4-XGBoost精讲
在线视频：5-陈博士带你从头到尾通透word2vec
在线直播：6-机器学习原理答疑
在线视频：7-机器学习基本流程，基础模型与sklearn使用
在线实训：8-基于sklearn和pandas机器学习基础案例实践
在线视频：9-数据分析与特征工程串讲
在线实训：10-特征工程处理与实践
在线视频：11-图像与文本基础
在线实训：12-图像分类与电商用户购买预测
在线视频：13-基于SQL的机器学习流程和实践
在线实训：14-机器学习中SQL常见用法和文本分类
在线直播：15-机器学习实践案例高阶
在线实训：16-机器学习进阶案例实践
在线直播：17-机器学习模型部署与案例
在线实训：18-模型部署案例——阿里云安全恶意程序检测
在线视频：19-Home Credit用户信贷违约预测
在线视频：20-机器学习项目实战：渔船时序轨迹分类
在线视频：21-机器学习项目实战：时序心跳信号分类
在线视频：1-神经网络初步：全连接与反向传播
在线视频：2-深度神经网络、Wide & Deep模型架构理解
在线视频：3-卷积神经网络、实战图像分类
在线视频：4-循环神经网络、文本情感分类和图文生成模型
在线视频：5-深度学习在工业项目中的应用(调参、优化、模型压缩)
在线视频：6-深度学习在物体检测中的应用：Two-Stage和One-Stage框架
在线视频：7-人脸识别真的安全吗？AI安全前沿技术：对抗攻击和防御
在线直播：8-常见深度学习框架的应用
在线直播：9-深度学习项目实战：中文相似文本匹配
在线直播：10-深度学习模型实践技巧：工业界是如何通过蒸馏收敛到一个更优的部署模型
CV方向核心技能
在线视频：1-计算机视觉基础
在线视频：2-深度学习图像处理基础
在线视频：3-图像搜索技术：从Autoencoder到ConvNets
在线视频： 4-Two-Stage物体检测
在线视频：5-One-Stage物体检测
CV方向项目实战
项目一：自动驾驶车道检测
在线直播：CV1-自动驾驶车道线检测-项目介绍和环境搭建
在线直播：CV2-自动驾驶车道线检测-基础模型构建
在线直播：CV3-自动驾驶车道线检测-模型迭代与优化
在线直播： CV4-自动驾驶车道线检测-模型部署与加速
NLP方向核心技能
在线视频：1-NLP中的文本处理相关技术
在线视频：2-NLP中的文本表示相关技术
在线实训：3-使用不同方法生成词向量
在线视频：4-word2vec原理通透讲解
在线直播： 5-中文相似文本匹配
NLP方向完整项目实战
项目二：智能问答机器人
在线直播：NLP-1-智能问答机器人项目介绍和环境搭建
在线直播：NLP-2-意图识别与文本匹配
在线直播：NLP-3-智能问答机器人中的闲聊
在线直播：NLP-4-智能问答机器人项目的部署、总结
推荐系统方向核心技能
在线视频：1-推荐业务、feed流产品及推荐算法策略架构解析
在线视频：2-召回算法和业界最佳实践
在线视频：3-用户特征和Item特征的常用方法
在线视频：4-排序算法&深度学习模型
推荐方向完整项目实战
项目三：电商平台的商品推荐系统
在线直播：推荐-1-商品推荐系统介绍和环境搭建
在线直播：推荐-2-商品推荐系统特征工程
在线直播：推荐-3-商品推荐系统模型构建
在线直播：推荐-4-商品推荐系统迭代优化
项目四：大规模行人重识别（ReID）
在线视频：CV-1-行人重识别项目（ReID）背景与基线方法
在线视频：CV-2-行人重识别项目（ReID）跑通训练+评测流程
在线视频：CV-3-行人重识别项目（ReID）多任务训练框架
在线视频：CV-4-行人重识别项目（ReID）模型优化迭代及总结
项目五：聊天机器人
在线视频：NLP1-聊天机器人项目开题：项目介绍和环境搭建
在线视频：NLP2-聊天机器人特征工程和模型构建
在线视频：NLP3-聊天机器人迭代优化：Transformer与BERT应用
在线视频：NLP4-聊天机器人总结：编程实现与系统搭建
项目六：文本推荐系统
在线视频：推荐1-文本推荐系统的项目介绍和环境搭建
在线视频：推荐2-文本推荐系统的特征工程和模型构建
在线视频：推荐3-文本推荐系统的迭代优化
在线视频：推荐4-文本推荐系统的评估、部署、总结
项目七：电商商品检索系统
在线视频：电商商品搜索系统：搜索引擎与项目介绍
在线视频：电商商品搜索系统：内容索引和ElasticSearch
在线视频：电商商品搜索系统：Query文本理解
在线视频：电商商品搜索系统：召回与排序
项目八：@H&M多模态时尚商品推荐
在线直播：多模态时尚商品推荐-项目介绍和环境搭建
在线直播：多模态时尚商品推荐-基础模型构建
在线直播：多模态时尚商品推荐-模型迭代与优化
在线直播：多模态时尚商品推荐-模型部署与加速
在线实训：1-基于YOLOv3模型的目标检测与人体姿态估计
在线实训：2-新浪新闻文本分类
在线实训：3-基于DIEN的电商广告CTR预估
在线直播：机器学习面试辅导
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
深度学习算法应届硕士秋招记录，有的拿到52万年薪offer
“ 专业知识相关：多态，虚函数，const与define的比较等等。手写编程题是：二叉树节点最近公共祖先 跟 数组中最长连续序列。”
完整访谈>
集4毕业不到半个月，成功拿到45万年薪offer
“对于SVM和XGBoost这种常考的算法我几乎前前后后手推了超过10次，到后面几乎都能闭着眼睛在脑海里推导出来，而在面试的过程中也确确实实被问到了相关的问题，考察对于算法的理解。”
完整访谈>
成功转型一周连续拿下3个30万offer
"收获的是知识，对机器学习有一个系统的认识。一定要回归到工程中去，就像校长July一直强调的四大金刚（课程 + 题库 + LeetCode + kaggle），课程、数据结构代码、面试题库和工程经验，都同样重要。"
完整访谈>
与其他学员组队获得《智慧交通预测挑战赛》前3%排名
“浅入深的教学方式,夯实了python基础，巩固了机器学习理论，中期会结合好玩的天池比赛,再一次加强对算法的理解，可以在实践中真真切切体会数据挖掘流程。”
完整访谈>"无数次失眠直到想通，再次狠下心来决定跳出舒适圈，为了增强补充自己的技术知识，我参加了七月在线《机器学习集训营十一期》，跟着几位优秀的老师一起从基础开始学习，学到很多收获很多，底子也更扎实。"
完整面经>"总体来说工作还算满意，也要感谢七月的老师，课程节奏快，有时候赶不上直播只能看录播，虽然我有一些基础，但是依然感觉课程内容不简单，需要自己花时间多思考多琢磨才能吃透。"
完整面经>“随着后面的工作内容比较固定化，加上没有什么成长空间，就想着要跳槽去互联网公司。当时时不时会看boss招聘要求，比如：统计学，数据业务运营等等，互联网公司的数据分析岗都特别普遍要求会机器学习，就在网上查看很多机器学习资料，也是看不大明白。后来看了七月在线的官网介绍，机器学习集训营，看上去介绍挺不错的，于是就报班系统学习一下机器学习方面的知识。”
完整面经>“很幸运的是我第一次出去面试就拿到了NLP算法工程师的offer，是一家做高校在线教育产品的公司（入职两个月后，凭借工作成果晋身为公司的AI部门负责人） 我要感谢七月在线所有的老师，在学习过程中耐心地回答问题，让我踏入NLP这个大门”
完整面经>“简历一定要让老师过一下,我的简历就被指正了很多问题,改动后,一上午就接到了6个面试,后面不敢再接了,没有时间面试了(当时是在职)”
完整面经>“我是非计算机硕士转行学习机器学习的。在加入集训营之前，其实可以说基本上没有项目经验，也就懂点python的基本语法，算得上纯小白吧。”
完整面经>“我觉得集训营对我帮助最大的还是在集训营中伙伴们打比赛的过程，这个过程可以让我在事件中快速认识到模型的具体作用，并且好的名次也可以写在简历上让面试官有话可聊。能够纠集到一批一起打比赛的伙伴本就不易，感谢集训营将所有人集结到一起，进行良好的比赛训练。”
完整面经>“选择报名参加集训营是因为集训营能够系统的从最基础的知识点讲授并且能够带着完成很多有趣实用的项目，我的专业只有部分的课程是关于机器学习的，所以基础这方便在参加集训营之前是不扎实的，并且AI项目也比较少，之前实习的内容更多偏python数据分析，没有涉及到建模，集训营刚好能够帮我提升自己的弱势，也能够帮助我提升项目背景”
完整面经>“另外对于七月在线的《名企AI面试100题》pdf上的所有问题，基本都是必问的，我有一次面试B站，基本上那个pdf上的所有关于深度学习上的问题都问了，整整一个小时全是基础概念的理解！”
完整面经>“把课程视频看了3遍，把所有的知识点手写了一遍，记了一遍，又精简了一遍，提出任意一个知识点，我可以做到侃侃而谈。此外，围绕简历涉及的知识点，不断做总结。”
完整面经>“带我们的是Seven老师，授课材料全英文很适合海外同学查找资料，所授内容对于集训营学员来说可以算得上是STOA级别。我们毕业项目做的是MobilenetV2搭配Triplet Loss以实现Person Re-Identification。这两项让我在之后的面试和工作中受益匪浅，更不要说Seven老师传授的各种小技巧，也都非常实用。”
完整面经>“ 学完集训营后，面试拿下4家公司，2家上市公司，1家D轮，1家大厂。 因为本身有机器学习算法项目，所以面试重点偏向于对项目的掌握，主要关注点包括：项目介绍、算法选择（选择的算法原理一定要精通）、不平衡数据的处理、项目的重点难点；”
完整面经>“seven老师的简历指导课(我现在还在用他推荐的overleaf的模板库),july老师推荐的四大金刚：面经 题库 oj 竞赛(尤其是算法题,到现在我依然不够强),杨老师分享的汇总的数据比赛的github(帮助我拿了两个不错的比赛排名),就业老师的一些谈薪技巧分享,等等...”
完整面经>“我就说说自己是怎么入门的吧，首先书籍我看了Python，看的是薄薄一本A Byte of Python。 Numpy、Pandas和Matplotlib看的是利用Python进行数据分析。 机器学习基础：统计学习方法、周志华老师的西瓜书、机器学习实战。 深度学习看的是花书和李沐动手学深度学习，此外，别的方面有高性能SQL、linux鸟叔私房菜、数据结构与算法Python版、Pytorch深度学习入门、深入理解TensorFlow架构设计与实现原理。”
完整面经>“我早在2014年左右就关注july的csdn,他的很多博文受益匪浅。在跌跌撞撞自己陆续看了吴恩达课程和一些书籍之后,感觉效率不太高,特别是工业界实际的应用场景比较缺。还是决定来七月进行系统化学习,可以更高效地顺利转行。”
完整面经>“本人某985研二学生，研究方向是环境声学与机器学习没有太大关联，2020年七月的时候听了七月的手推SVM的公开课觉得讲得很透彻也很有趣，于是报名了七月的机器学习集训营12期课程，最后的结课项目选择的是CV方向，由七月的Seven老师带着我们走完ReID任务的整个项目流程，获益匪浅。”
完整面经>“选择七月的原因（机器学习集训营）：1.课程安排（语言->机器学习原理与实战->深度学习原理和实战），由于我当时的就业规划有数据挖掘和CV方向可以选，我就报了这个班。2.当时看老师简介，都是一线大牛和研究员授课，希望能获得一些面经和行业指导。3.课程服务和就业。4.七月在线网站上有大量的题和其他基础课程（小编注：都在报名集训营/就业班即送的VIP里哦，包含了各方向成体系的很多入门课），和学习资料（真一站式学习）。”
完整面经>“我觉得做任何事，首先都要目标明确，提前准备。比如想找算法岗的同学，虽然大家现在都在说算法岗内卷多么多么严重，尤其是上知乎一看，去年诸神黄昏，今年世界末日……，但是我觉得只要你是一个目标坚定且愿意为之付出持续努力的人，多么卷都不关你的事，目标坚定 + 持续努力 = 一定能上岸。”
完整面经>“也可以考虑AI工程方向，因为其实现在算法的岗位可能相对比较饱和，最终AI的落地都是需要工程实现，这个过程会涉及到分布式，微服务，容器化等等等等，可以结合自己的过往经验灵活调整”
完整面经>“七月官网有相应的题库，建议找工作的小伙伴可以去刷，面试遇到的问题大多都可以在题库中刷到的。如果面实力更强的大厂，还是建议要准备完善的手工推导，由于我没有真实面过（就听已经上岸的人说过），这部分经验建议问自己的就业老师哦（就业老师会给你单独拉个群，多个老师单辅导你一个人就业，可以多加利用）。”
完整面经>“刚开始比较尴尬，投了好几份简历，并没有反应，细节没突出到位吧。加上没有真实的项目经验。 后面集训课开始有组队选择项目，然后当时就听杨老师（讲广告的老师）讲推荐，把整体脉络讲出来，从离线，近线，还有实时，然后就是画像，然后又给我们分享了头条推荐的项目。 我就把这些都写入了自己的项目，简历开始有了反应。”
完整面经>“本人在校期间通过有关python、机器学习、深度学习、图像识别等方面的书籍以及CSDN博客、b站的视频、知乎以及七月在线机器学习课程进行学习。学习的内容流程大致为：python基础的语法----numpy、pandas、matplotlib、time等库的应用----常用的机器学习模型（如LR、SVM、树模型、常用的聚类算法等）----BP神经网络----CNN、RNN、LSTM等网络----VGG、Resnet等物体检测backbone----RCNN系列、Yolo系列、SSD系列物体检测方法----近几年物体检测方向的论文等。”
完整面经>“机器学习算法一定要会手推公式（至少简历里面写的要会），这个是基础；
再就是老生常谈的基础，比如LeetCode的算法题，网络的基础知识，数据结构，最重要的是七月在线总结的面试经验。这本书非常好，非常全面，可以把很多零散的资料融合到一起，把一些可能自己觉得没什么关联的算法放在一起比较，这样就很容易记住每种算法的优势和不足，以及适合的应用场景；
七月在线APP上的题库也很好，非常适合利用零碎时间来学习，比如在去面试的路上，可以稍微再看下忘记的知识点，万一被问到呢是吧。”
“也通过其他在线教育平台学习过，只可惜收效甚微，思考过原因可能一是学习进度自己把握不好，学过就忘记了，二是偏理论，动手实践太少了。在选择七月之前自己也尝试过几轮失败的面试，总结思考了主要问题一是知识体系不完整、基础不牢，二是简历涉及的技术不够新颖。所以果断选择了七月，打算培训一段时间沉淀一下再出来面试。”
完整面经>“后来我参加了七月的集训营，觉得最大的作用是构建了一个相对完整的知识结构，和遇到了一些可以讨论问题的老师和同学。独学而无友，则孤陋而寡闻，我真是鼓励大家多交流。”
完整面经>“推荐算法工程师的技术路线一般可以分为二大类，一类是偏工程实现，一类是偏算法研究。当然，像我所在的小公司是两种都做的。偏工程类的推荐算法工程师需要具备后端开发知识，偏算法研究的需要掌握传统的推荐算法，还要了解业界最新的算法进展等。”
完整面经>“工程能力，单从推荐来讲，主要指的是SQL、Java、spark，很多公司会把特征的清洗和提取这些事情，交给算法工程师自己做了，所以SQL是必备技能了。”
完整面经>“在这半年期间也尝试过其他的在线的学习平台，比如说优达学城上的自动驾驶入门课程和Coursera上的吴恩达的ML的课程。对我个人来讲，我觉得线上线下结合集训营的方式比自己通过在线教育课程来学效率高很多。”
完整面经>“大家有时间一定要多多看看七月里面的题库，目前为止我感觉是全网搜集得最全的题库，并且大部分题目的解答也算是十分详尽了（免费的不用白不用啊同志们）”
完整面经>“学习过程中的实践项目讲解还是比较合理的，而且关于项目和知识的讲解与总结，七月给了很多特别好的资料与案例，并且逐行讲解清楚，不明白的还可以再单独问，直到自己明白为止。”
完整面经>“集训营里面的课程，我是觉得最好能够跟上直播，有问题及时问老师解决，不要怕丢脸，不要怕问老师，反正有问题就问，而且集训营的群里有些学员确实很牛，在群里其他学员也会回答你。”
完整面经>“我毕业于某 985 高校计算机专业，小本。毕业后做了一年多销售，然后转行做了两三年的后台研发。去年转算法（NLP），最终确定的offer年薪 40 万。”
完整面经>“老师给了一些项目让我们学习，这都是非常好的学习资源。不懂的地方可以问老师，问同学，七月在线给我们提供了一个良好的学习氛围。老师给的项目，有一些简单的，有一些比较难的。我下来之后，基本都会自己跑一遍，对自己感兴趣的项目，还会自己重新敲一遍，特别是一些实现的细节，或者一些tricks，我都会做一些记录。这些都是真实的项目技巧，也为我后来的项目做了准备。”
完整面经>“看多很多网课之后，感觉对于基本的概念知识点都了解，但是缺乏系统性，也缺乏项目和实战经验，一个人学习的话也很难抓住重点，就考虑系统的学习一下。此时经过比较了好几家类似的机构，最终选择了七月在线这个平台，加入了集训营的大家庭。”
完整面经>“第一，手写代码的功夫有点弱，各位同学务必花时间刷一下算法和编程；第二，请务必耐住性子，心态一定要稳，挂了也不要沮丧，拿到offer也别沾沾自喜，做好基本的，掌握基本知识，做好实战课题，多复习，多请教。多试一试！”
完整面经>“金三银四的求职季，怎能错过。赶紧请老师再帮忙修改了下简历，便开始了求职之路。从开始投简历开始，整个过程大概持续了一个半月，断断续续地面了几家公司，拿到了几家公司的NLP 岗位的Offer，基本上涵盖了创业公司、互联网公司、券商这几种类型。”
完整面经>“不管是需要刷题的校招同学，还是需要刷经验社招同学，选择一家靠谱的培训机构（比如七月在线，就业针对性非常强，老师也都非常专业），都会使你事半功倍。不要怕花点学费，你的时间远比那点学费宝贵。”
完整面经>“看到学到的东西在公司被认可，在生产中使用，这应该是每个程序员最开心的事情，当然年底领导也没有亏待我 ，给了我A的评价，当然年终奖也少不了啊”
完整面经>从集训营第四期开始，将长期和阿里云天池联合认证集训营的学员。另为考虑到学员和公司隐私，特马赛克部分信息。
2022年11月21日开始直播，直播前组织预习，加上正式课程、就业为期近半年
当前报名人，还剩个特惠名额。
