寻找未来数据工程师!IBM 数据科学应用工程师训练营招募

时间:2020-10-23 相关资料下载


人工智能AI的发展,正在加速改变整个社会与行业。越来越多的信息得以创造和存储,数据量也随之激增。据估计,世界上 90% 的数据是在过去三年中创造的。


数据是创新的基石,在“大数据时代”无论是资深商业公司还是新兴科技公司,都非常青睐数据型人才。因为数据科学家 / 大数据工程师可以从数据中收集信息,采取行动,实现数据的价值。




在云计算和大数据领域,IBM 公司是众多行业标准的制订者,也是培养数据科学家和工程师的摇篮。

IBM 作为全球最为悠久的科技巨头之一,广泛涉足于从服务器、个人计算机、通信系统、网络安全、操作系统等多个领域,拥有全球排名第一的超级计算机,领先于微软和 SAP 获得《福布斯》排名榜 IT 企业全球排名第一。IBM 利用其业务咨询、技术和研发专业知识,帮助客户在地球实现更数字化互联时变得"更聪明"。



因此,IBM的行业证书含金量极高,被全球重点企业和高等学府所认可。




数据科学应用专项计划 是 IBM2016 年推出的数据科学专家证书的核心部分,完成该部分课程后可以获得 IBM 颁发的数字徽章和专业证书。据统计,完成该课程的人中,46%开启了新的职业生涯,19%的人升职加薪。



针对该套课程,官方建议的学习周期是5个月,而在思铺学院· IBM 数据科学应用工程师训练营,你可以缩短学习周期至 10 天左右!

IBM 数据科学应用工程师 训练营

2021.02.03-02.09 浙江大学


IBM 数据科学工程师训练营,将采用封闭式营地学习模式,由浙大教授将带领学生们一同完成数据科学训练。


| 营地优势

◼ 极大缩短官方建议的学习周期(从 5 个月缩短为 10 天左右)

◼ IBM 数据专家、浙大教授拆分、讲解任务难点

◼ 以分组“竞赛”方式,获得更多的学习乐趣

◼ 进一步拓展关于数据资源获取、论文撰写、实战案例等相关知识


| 营地收获

◼ IBM 数据科学应用专业证书

◼ 提升 IT 技能,完成数据科学综合、复杂项目应用的经验;

◼ 具备数据科学在工程、商业、公共服务等诸多领域实际应用的能力;

◼ 教授或行业专家的升学或求职推荐信;

◼ 提升申请国内外学校进修的竞争力。


| 如何快速获得证书

报名参加本训练营 → 获得 coursera 注册账户并登记该课程 营 → 在营地期间,导师授课并指导学员完成 3 门专项课程的测试 营 → 营地结束后,导师在线指导学员提交综合项目大作业



| 课程内容设置

◼ 知识要点:Python编程、数据分析、数学函数库(Pandas、Numpy、预测建模、机器学习、数据可视化、图表绘制工具(Matplotlib、Folium)、数据应用(如API调用)等等

◼ 实验工具:Jupyter / JupyterLab   IBM Cloud

◼ 课程模块:四大专项模块

✔ 用于数据科学和人工智能的 Python (类型,变量,类模块等)

✔ 使用Python进行数据分析(Pandas,Numpy和Scipy库等)

✔ 使用Python进行数据可视化(Matplotlib,Seaborn等)

✔ 终极数据科学应用(RESTful API调用,Folium等)

PS: 其中前三个专项模块全部在线下营地中完成,第四模块中最后的综合大作业由线上指导完成。

| 日程安排

◼ 线下部分


◼ 线上部分

大作业:利用 Foursquare 位置数据来探索一个城市或社区,包含如下部分:

✔ 问题的描述和背景的讨论;

✔ 数据的描述以及如何使用数据来解决问题;

✔ 提交完整报告并演示。


| 部分导师举例

◼ 谢教授

浙江大学信息学部教授,担任“教育部学位与研究生教育发展中心”“北京市自然科学基金”等省部 级项目评审专家,以及《IEEE Trans. Cybernetics》《IEEE Trans. NNLS》等国内外主流学术期刊审稿人;主要研究方向包括机器学习与模式识别、无线传感器网络、物联网与大数据、机器人集群控制等。

◼ 章教授

浙江大学信息与电子工程学院博士, IEEE 会员、中国计算机学会会员,教育部学位中心、浙江省科 技厅、浙江省基金委评审专家,负责或参与国基金、省重点研发计划项目等纵向课题 10 余项;主要研究方向 包括图像处理与视频分析、智能监控、计算机视觉和机器人自主导航等。


| 适合对象

✔ 有 C++/C/java/Python 其中任何一门语言的学习经历;

✔ 在未来学习和职业生涯中,数据科学作为核心竞争力的大学生;

✔ 想深入探索数据科学、计算机科学、人工智能的高中生;

✔ 有较好的英语阅读和写作能力。
相关资料下载
暂无资料
热门推荐 /Popular recommendation
返回顶部