Jeff是南加州大学计算机科学和商科专业大三学生，现任Shopee新加坡数据科学团队实习生。自2019年12月加入以来，他参与了多个机器学习与预测项目，提升了大数据处理及建模能力，并优化了公司的营销科学策略。
对于希望充实度过假期、探索Shopee实习体验的学生而言，这是一份宝贵的参考。我们采访了Shopee新加坡数据科学实习生Jeff Chen，分享其实习经历及求职建议。
入职契机：以实战技能突破学历门槛
人工智能与数据科学领域对本科生存在较高门槛，多数岗位要求硕士及以上学历或丰富的研究经验。Jeff希望通过展示实际技能证明自身能力，从而获得入行机会。恰逢Shopee新加坡营销科学部门开放数据科学实习岗位，且工作内容与其个人项目高度契合，这成为他加入的关键契机。
核心职责：用户流失预测与模型优化
在营销科学团队中，Jeff主要负责优化Shopee App用户流失预测模型，旨在识别用户停止购物的时间点并提供针对性服务。日常工作包括生成新特征以提升现有模型性能，以及构建独立模型测试整体效果。
此外，他还承担临时性任务，如向利益相关者解读模型预测逻辑（例如分析用户流失是因近期不活跃还是特定购买模式所致），并搭建仪表盘可视化模型随时间的表现趋势。
Jeff在Shopee咖啡馆流动工位专注办公。
实习亮点：研发自主权与导师指导
除优渥的办公环境与福利外，作为研发导向型岗位，Jeff享有较高的工作自主权，可独立决定模型探索方向及改进策略，切实感受到个人贡献的价值。同时，资深导师定期沟通与职业规划指导，确保了他在实习期间持续学习且方向明确。
Jeff在Shopee一楼咖啡馆冰淇淋冰箱旁留影。
技能进阶：掌握大数据环境下的多任务处理
此次实习最大的收获在于掌握了大数据环境下的多任务处理能力。面对海量用户特征数据，Jeff从以往使用Pandas、NumPy等工具转向应用Pyspark和Spark SQL等技术，并学会了高效管理部门共享资源。这种接触大规模数据集及Amazon EMR等技术的实践机会极为难得，构成了实习的核心价值。
团队文化：年轻活力与灵活协作
Shopee团队氛围充满活力、友好且灵活。年轻化的人才结构便于前沿技术交流，同事间互助意愿强，即使跨部门也能获得有效指引。此外，上午9点半的上班时间也为非早起型员工提供了便利。
求职建议：明确目标与主动交流
实习生应设定清晰目标并定期复盘进度，确保在有限时间内实现专业成长并为团队创造价值。建议积极拓展跨部门人脉，获取多元数据库经验；充分利用双周实习生会议同步进展，并通过帮助他人深化自身理解。教学相长，主动交流是提升自我的最佳途径。