2025 春招版
1v20小班直播课 - 课程周期1.5个月
一个授课老师独立负责一个小班
独家 CEALMON 求职辅导体系，为您保驾护航
小班学员可添加授课老师微信答疑(24h内回复),周日休息
投递加速
投递插件+岗位LIST
求职顾问
督促打卡+求职解答
超全题库
获得题库+面试前发面经
全程答疑
课程问题答疑至上岸
薪资谈判
指导谈判多拿薪资
课程
数据科学面试辅导课-DSA(分析方向-面试真题) - 2025 春招
职位：数据科学家 - 分析/实验 (Data Scientist - Analytics/Inference)、数据/产品/商业分析师 (Data/Product/Business Analyst)、数据工程师（Data Engineer）、商业智能工程师 (Business Intelligence Engineer)、产品经理(Product/Program Manager)
12节直播
30h视频
优惠价:$3799/￥26593
线上20人小班
课程简介
本课程针对人群：具备一定基础的同学想要转行DS、相关专业DS求职、工作2-10年跳槽大厂。本课程覆盖了北美数据科学求职面试的高频考点
主要知识点：DS Coding Interview (SQL、Python)、统计、A/B实验设计、假设检验、Case Study、Product Sense
上课时间：美西周五周六PST下午五点，实际上课时间根据学员情况调整，每周两节课，两个月结束课程成为Qualified DSA Candidate。
课程报满即止，而后报名的同学只能报名旁听（旁听限制15人）。
教学老师
Sunny老师(课程负责人)
课程大纲
第1讲 SQL Mastery from Zero to Proficiency + Comprehensive Interview Question Review
1. SQL 12 ⼤常⻅考点梳理+⾼频题串讲
2. 如何⾼效拿捏SQL笔试？如何避坑？如何梳理表结构？如何快速定位关键词
3. 解决70%的⼈⾯试会⽤错的Group By（7⼤避坑要点）
4. ⾯试官常问的follow up，⼀题多解如何迅速掌握（窗⼝函数、⾃连接、聚合筛选）？
5. ⾏转列列转⾏万能公式和使⽤技巧
6. SQL 常考 Phone interview
第2讲 Advanced SQL Syntax + Industry-Level Interview Questions on Hive
1. consecutive问题如何破局？技巧+实例解析
2. How to use SemiJoin?
3. left join中on和where的区别和避坑
4. null和empty的区别
5. 如何利⽤collect_list/collect_set实现列转数组
6. 4个必考的正则表达式函数全解析
7. SQL如何⾼效使⽤时间处理函数做time series processing？
8. Hive中如何实现⾏转列、列转⾏？
9. Hive中的json函数如何使⽤？
第3讲 SQL Mock Interview：Coding & Conceptual
1. 故事性SQL真题模拟面试
2. Mysql如何实现full outer join？
3. not in 避坑，NOT EXISTS、⾃连接、subquery转换
4. 函数和连续性问题通解时间区间问题怎么⽤not in 或者/Join <> 解决？
5. ⾃连接2⼤应⽤场景和⾼频考题梳理
6. 如何利⽤窗⼝函数实现累加、累乘、累除、累减？
7. 如何使⽤递归CTE构造连续数列和斐波那契数列？
8. 如何彻底解决⽤⼾登录问题（最⼤连续未登录天数、连续登录N天⽤⼾数、7⽇留存等）
第4讲 How is Python Assessed in Data Science?
1. 如何在Python中使⽤sqlite3玩转SQL？
2. Data Manipulatin必备技能！Pandas⾼频⾯试20题详解
3. 10⼤实例帮你在SQL和pandas丝滑转换
4. 必须掌握的4⼤Python数据类型和坑点梳理
5. 如何快速上⼿Python做data manipulation/munging/analysis
6. 如何⽤Python验证中⼼极限定理？
7. Amazon数据分析10道Pandas⾼频⾯试题解析
第5讲 How is Probability Theory Assessed in Data Science?
1. 概率 vs. 似然
2. 相关 vs. 因果
3. 10⼤常⻅数据概率分布+应⽤场景梳理
4. 常⻅统计指标+实际应⽤和注意事项
5. 必不可少的数据分析思维：⻉叶斯思想梳理
6. Facebook, Amazon, Google 必考⻉叶斯⾯试题
7. 10道数据科学概率⾯试真题
第6讲 How is Mathematical Statistics Assessed in Data Science?
1. 实例告诉你为什么假设检验才是数据分析的核⼼！
2. 常⻅统计指标+实际应⽤和注意事项
3. 第⼀类错误 vs. 第⼆类错误，哪个更该避免？
4. P值是什么？怎么通俗易懂给⾯试官解释【non-technical audience系列】
5. 2⼤核⼼定理的深⼊理解和Python代码验证
6. 如何彻底理解置信度和置信区间
7. Z检验/T检验/F检验/卡⽅检验⾯试真题
8. 北美关于统计⾯试 TOP 5 的conceptual question
第7讲 The Art of A/B Testing: Fundamentals and Principles
1. 为什么要做ab实验，为你讲述真正的ab实验之道 Recap of A/B Testing Principles
2. AB实验的Key Terminology and Concepts
3. 如何设计AB实验？AB实验的7大核心步骤是什么？
4. Limitations of A/B testing & Causal Inference Challenges in Industry
5. ab实验样本量如何确认？关键影响因素有哪些？ab实验的duration怎么确定？
6. A/B实验中network effect、novelty effect是什么？
7. Seasonality常见的坑点梳理，为避免seasonality的影响如何设置实验周期？
8. 社交场景下ab实验该怎么开？如何使用group splitting避免网络效应
第8讲 The Art of A/B Testing: Interview Practicum
1. 统计显著=实际显著？如何分析？
2. 如何系统正确地去做metric selection？
3. 实验组优于对照组就能上线？什么是小流量灰度实验？如何推全流量？
4. 什么是辛普森悖论？如何制定分流方案来避免？行业TOP的流量分割方法汇总
5. 伪A/B实验的3大误区：抽样不科学、实验层选择错误、忽略置信度
6. 什么是AAB实验？什么又是反转实验？有何作用？
7. 什么是分层重叠实验框架？如何同时支持更多实验？如何使用hash算法保证分流的随机性？
8. 应该如何验证ab实验分析结果带来的收益？Data-Driven Decision-Making based on
Experimental Outcomes
第9讲 How is Data Processing Assessed in Data Science?
1. 如何提升数据质量？需要注意哪些事项？如何评估？
2. 做数据清洗如何把业务视角和统计视角结合起来？
3. 缺失值一定要填充么？风控视角来看缺失值处理
4. 如何明确缺失值成因，进行诊断分析并设计处理方案？
5. 异常值一定要剔除么？outlier和novelty的区别？outlier detection的主流方法考点汇总
6. 什么是不平衡数据？8种处理imbalanced data主流方案考点解析
7. Data Processing 面经梳理串讲
第10讲 How is Machine Learning Assessed in Data Science?
1. 特征工程的5大方法；如何结合业务视角正确且高效地做 Data Transformation & Feature
Engineering？
2. Target encoding的3大坑点，如何构建平滑因子和噪声项解决数据泄露问题？
3. 如何基于统计和模型角度正确地做feature selection?
4. Shopify用户分层怎么做？如何预测客户的potential spend tier？
5. Bias vs. Variance 【non-technical audience系列】
6. Overfitting vs. Underfitting 【non-technical audience系列】
7. 掌握regression、classification的常用evaluation metric
8. 5大高频模型的适用场景、优缺点比较和key takeaways
第11讲 Data Scientist Case Interview（Product Metric)
1. 掌握case study问答技巧和套路（Communication/industry knowledge/insights)
2. 如何通过假设检验Hypothesis-Driven Approach来建设Product Mindset来做feature
improvement？
3. 以不变应万变！从0到1搭建指标分析通用框架 Framework for problem solving
4. 万能公式：指标异动分析归因逻辑梳理+公式
5. 如何对面试官提问？如何要求面试官去clarify模糊点？
6. 3大类经典product case study问题面试梳理（Success Measurement/Launch or not/Prescriptive
Analysis)
第12讲 Data Scientist Case Interview（Universal Analysis Framework + Top 10 Case Questions)
1. Coding Interview (Python+SQL)
2. Prob & Stats (Layperson Clarification/Calculation/Case Study)
3. Data Processing & Cleaning (Irrelevence/Missing/Outlier/Duplicates)
4. Machine Learning (Model Comparison/Metric Evaluation/Pros & Cons)
5. AB Test (Experimental Design/Metric Selection/Effect Analysis/Randomization)
6. Product Case Study (Business Goal/Metric/Framework/Trade-off Discussion)
授课团队
Sunny老师(课程负责人)
耐心带你拿到Offer
教学风格：教不会不下课
给同学的一句话：坚持，坚持，再坚持！
630
扫描二维码
联系小助手
联系小助手
咨询课程与报名
随时开启小班课冲刺计划
业界资深导师1v20授课
导师Follow up跟进进度
高自由度授课时间安排
中大厂经验工程师
$3799/期
现在报名
常见问题
01
基础薄弱可以上课吗?
我们数据科学小班课会从基础的语法开始上，教会大家基础的Syntax，并且在课前和课后都会给大家发预习材料，每个人在课上都是On the same page。
02
课程上完，我还能问老师问题吗？
可以的，我们课程内的答疑服务是到上岸为止，老师会在24小时内答复同学。
03
如果缺席课程/效果不理想，能否重听课程？
如果需要请假可以提前告知老师，老师会录下当天的直播课，并且同学看完录屏之后如果有任何的问题可以随时询问老师。
04
小班课的上课方式是怎样的？开课时间怎么安排？
小班课照顾到每位同学的基础，我们上课的方式是通过Zoom 或者Voov来上课，同学们在课上可以随时发言提出相关问题。 上课时间一般是一周2-3节课，一个月到一个半月会结课。
05
数据科学小班课的上课使用什么编程语言？
我们会涉及到Python，SQL编程语言。
06
社招DS可以上课吗？
社招数据科学家可以上课，我们有非常多工作10多年的学员，他们想要去到中厂或者大厂，对于这样Senior级别的数据科学家也需要系统性的准备面试才能拿到Offer
教学特点
专业的师资是选择教育机构的重要因素
陪伴式教学服务
任课老师将是你未来求职路上的陪同， 让学生在求职路上有专业的引导，真诚的鼓励，持续的努力
6-20人小班教学/Camp/1v1
每班6-20人/Camp，每个人都有机会和老师一对一沟通
7:00-23:00
Lindsay - 课程咨询
Esther - 课程咨询
Jerry - 课程咨询
Kenny - 课程咨询