暑期数据科学集训营：抢占2026秋招先机

💪🏻暑假黄金时期已至！渴望斩获名企高薪职位的学子们，现在正是实现突破的绝佳时机！机会稍纵即逝，立即行动起来吧🔥！

CompTIA（美国计算技术行业协会）在发布的“State of the tech Workforce”报告中指出：2025至2035年间，美国数据科学家和分析师职位预计将激增414%，成为科技行业增长最迅猛的领域之一。该报告同时预测软件开发工程师岗位将增长297%。

众所周知，Data Analyst和Business Analyst等数据类职位历来是竞争最为激烈的高回报岗位。

对于有志于冲击数据岗位的求职者，如何在这个暑假高效利用时间，与竞争对手拉开差距？

数据岗求职准备清单📚：

巩固数据相关理论基础，涵盖概率统计、机器学习及Python入门等内容；

深入研习数据分析实战项目，提升案例分析与实操技能；

优化简历内容，练习数据岗位必备的面试题目与应试策略。

对于有志获得BA/DA offer的同学们，若期望在暑假期间，在硅谷与华尔街资深导师指导下，系统强化数据分析理论功底，深度参与业界热门实战项目，为2026年北美秋招做好充分准备——

来Offer

【人工智能与数据科学强化课程】

🔥名师授课，内容丰富🔥

美西时间 6月10日 周三 7PM

首堂课开放试听通道！

扫描上方二维码

或联系任一顾问老师报名

本期特色

10+实习级项目，以求职实战为核心！

大厂导师全程辅导，一站式简历打造服务！

为助力同学们彻底告别"一面难求"的困境，在求职路上更加顺利，本期课程以实战为核心导向，由硅谷、华尔街一线导师亲自指导，手把手带领学员完成10+个业界项目，完成后可直接用于简历展示！

课程前中期学员将学习两个基础项目：

（上下滑动查看项目详情）

银行用户预测与分析

本项目以用户银行数据信息为例，引导学员运用多种监督学习模型(如逻辑回归，随机森林)对银行用户流失进行预测分析。

同时，深入分析影响流失的关键要素，为提升用户留存提供更优商业决策支持。

通过本项目，学员将掌握使用Pandas进行数据探索、分析、预处理，以及通过Sklearn应用机器学习模型的技能。

电商平台用户评价分析

随着互联网兴起，用户越来越愿意表达个人想法。

在本项目中，我们运用机器学习方法分析知名电商用户评价数据，从文本中挖掘潜在信息和内在关联，进而利用这些信息解决商业问题，如提升转化率。

通过本项目，学员可掌握TFIDF、PCA、Python、K-means聚类算法、自然语言处理等知识。

课程后期，学员可根据不同求职兴趣方向，选择完成DS/DE或BA/DA track的对应项目。

时间充裕、能力充足的学员，也可同时学习两个track！

如选择DS/DE track，

🔽你将学习🔽

（上下滑动查看项目详情）

旧金山犯罪数据分析和预警

本项目以旧金山地区犯罪数据为例，引导学员建立从数据采集、清洗、存储到分析的完整数据分析工作流程。

通过对不同地区犯罪数据、天气数据的分析建模，构建犯罪事件预测机制。

通过本项目，学员将了解Spark RDD、Spark SQL、OLAP、回归分析、Data Pipeline等数据科学家常用知识与工具。

Netflix电影数据分析和推荐系统

推荐系统是互联网公司的核心盈利模式。Google、Netflix、Uber、Airbnb、Pinterest等公司都需要具备推荐系统设计开发能力的人才。

本项目以Netflix电影数据为训练素材，引导学员掌握主流推荐系统算法。

通过本项目，学员可熟练使用Spark Machine Learning Pipeline构建协同过滤算法，并部署推荐系统到生产环境。

Google Gstore销售预测与市场分析

Kaggle竞赛是每个DS/DA人才的试金石，在Kaggle竞赛中取得优异成绩，是个人能力的最佳证明，也是企业评估人才的重要标准。

在本期课程中，我们以Google Gstore销售预测为范例，引导同学们熟练运用业界常用的LGBM, PyTorch DeepModel实现算法，帮助同学们熟悉Kaggle竞赛常用策略，并在竞赛中取得优异成绩。

基于Auto-Encoder-Decoder的电影推荐

随着深度学习技术飞速发展，越来越多互联网公司开始在推荐系统中应用深度学习。相较于传统推荐系统，深度学习可实现端到端学习。

本项目以深度学习模型Auto-Encoder-Decoder网络为基础，以Imdb电影数据为训练素材，使用Tensorflow建立Auto-Encoder-decoder模型。通过模型提取用户及电影特征，最终实现电影自动推荐。

基于LSTM的股票大盘指数预测

时间序列（Time Series）是日常生活中十分常见的一种数据，它是通过将一系列时间点上的观测值按等时间间隔测量获取的数据集合。

本项目以LSTM为基础，以股票数据作为训练素材，带领学员通过TensorFlow建立时间序列数据分析的深度学习模型。最终实现个股随时间变化的趋势预测，以及对应的大盘指数分析。

如选择BA/DA track，

🔽 你将学习 🔽

（上下滑动查看更多）

纽约出租车数据与股市走向关系分析

随着计算机技术提升，我们现可轻松从不相关数据中挖掘隐藏信息。这里，我们将遵循相同思路，分析研究纽约出租车和股市的关系。看似纷繁复杂的纽约交通是否隐藏着有趣信息呢？

在大作业实战中，学员将运用之前学习的所有知识合理探索数据，包括商业问题的数据化，提出合理问题，并对数据进行归纳整理，选择合理统计模型，验证猜想。

E-Commerce营销策略优化

电子商务发展已如日中天。早在2017年，全球零售电商营业额达2.290万亿美元，约占零售总额10.1%。

在本项目中，学员将通过分析某知名电商网站销量和产品信息，系统学习个性化设计，新顾客吸引与鼓励再购物方法，商业推销途径优化，然后建立网页产品销量预测模型。

数据可视化与Tableau应用举例

"一图胜千言"。如何利用可视化理解沟通数据已成为现代数据分析不可或缺的能力。

在本项目中， 我们将一起学习可视化基本原理和最佳实践，用Tableau对其经典数据集Global Superstore Retail Data做探索性数据分析和汇报总结。

同时还会使用Matplotlib, Seaborn and Pandas实现Python数据可视化分析。

数据异常检测与处理

电商业、Fintech业在疫情期间蓬勃发展，也伴随着越来越多的欺诈风险和金钱损失。

因此如何在海量数据中有效鉴别少量欺诈交易，降低损失，维持较好客户体验，是各大公司艰巨挑战。

在本项目中，我们将一起分析处理某知名电商交易数据，通过系统洞察数据中关联/模式，建立完整机器学习解决方案，基于数据给出切实可行的商业建议，最小化企业欺诈损失。

Fintech用户信用评级建模分析

数据挖掘和数据分析是互联网金融风险控制最重要的一环。在国外，P2P鼻祖LendingClub，在国内，阿里金融都能够较好控制小贷风险。

这些公司通过海量庞杂数据，建立完善风险评估系统，对用户做好信用评级来降低自身风险。

本项目将利用LendingClub的实际案例，帮助学员学习互联网金融公司及传统银行怎样通过分析，建模来融合多维，多