为什么选实习猿
选公司，选岗位
亚马逊 AWS云工程实习
Cloud Engineer Intern
把一个单机 Web 应用迁到云上：容器化、基础设施即代码、监控告警和成本优化。
百度AI 战略分析实习
AI Strategy Analyst Intern
围绕文心大模型体系的差异化定位做生成式 AI 赛道研究：行业结构与趋势、竞品对标、业务协同与用户迁移、商业化模式，输出战略研判报告。
京东即时零售战略分析实习
Strategy Analyst Intern – Instant Retail
围绕京东秒送的差异化定位做即时零售赛道研究：行业结构与趋势、竞品对标、业务协同与用户转化、商家合作模式，输出战略研判报告。
CanvaAI 模型训练实习
AI Model Training Intern
跟着带教老师完成一个 AI 模型训练项目：准备和标注数据、训练与微调模型、评测和迭代，交付训练好的模型和评测报告。
CBA数据工程实习
Data Engineer Intern
为一份公开金融交易数据搭数据管道：采集、清洗、建模、数据质量检查和调度，最后交付给分析团队用的数据表。
NAB数据分析实习
Data Analyst Intern
用一份百万级电商交易数据回答「新客会不会回来」，做出留存分析、客户分层和给业务负责人的汇报。
NAB商业分析实习
Business Analyst Intern
为一项银行数字服务（如线上开户）做业务分析：梳理现状流程、访谈需求、写需求文档和用户故事，提出改进方案。
NABAI 产品实习
AI Product Intern
为银行场景设计一个 AI 功能的产品方案：找准用户问题、判断是否适合用 AI、写 PRD、列出风险与合规要求、定义评测指标并做原型。偏产品方向，不做模型开发。
德勤 Deloitte咨询分析实习
Business Analyst Intern
按咨询项目的节奏为一个零售业务做诊断：问题拆解、数据分析、方案和给客户的汇报材料。
SEEK全栈开发实习
Full-stack Engineer Intern
开发一个职位搜索与收藏的小型 Web 应用：前端页面、后端 API、搜索筛选和端到端测试。
WiseTech Global软件开发实习
Software Engineer Intern
在一个物流业务系统里按工单开发功能：技术方案、Pull Request、测试和代码评审。
9news数字营销实习
Digital Marketing Intern
为一个内容栏目做增长：受众分析、内容日历、社媒投放计划和数据复盘。
UQAI 研究实习
AI Research Intern
复现一篇机器学习论文的核心实验，在公开数据集上做对比和消融，写成研究报告。
V2 AIAI 工程实习
AI Engineer Intern
为一份公开产品文档搭检索问答，再做成能调用工具的 Agent，最后给出评测和成本报告。
Immutable前端开发实习
Frontend Engineer Intern
按设计稿开发一个交易数据看板：组件、数据请求、性能和可访问性。
New Aim电商运营分析实习
E-commerce Analyst Intern
分析一个电商品类的销售与库存，找出滞销和缺货问题，给出定价与补货建议。
evoltUX 设计实习
UX Designer Intern
对一款健康类 App 的关键流程做可用性测试和重设计，交付高保真稿和开发交付说明。
和上班一样的实习日
和带教老师约好每周的实习日，每周至少 2 天。
- 01
开始前
约定实习日
和带教老师提前确定每周的实习日，每周至少投入 2 天。
- 02
早上
带教老师布置任务
实习日早上带教老师安排当天的岗位情境任务，你汇报当天计划。
- 03
白天
完成任务
按岗位要求完成分析、方案、数据、代码、产品、运营或设计任务。
- 04
晚上
汇报进展
晚上汇报完成情况；带教老师反馈并指导修改。
简历上多一段
实习经历
以「NAB · 数据分析实习」为例。完成约定任务并达到项目要求后，带教老师提供下面三样材料。
实习证明
完成约定任务并满足项目要求后，带教老师可按约提供项目证明，不带任职公司 Logo。
介绍信
完成约定任务并满足项目要求后，带教老师可按约提供介绍信，不带任职公司 Logo。
私人邮箱背调
带教老师可通过私人邮箱核实本人知悉的参与情况；材料和联系方式是否被招聘方接受，由招聘方自行判断。
Supervised 1:1 by a NAB practitioner
- Cleaned and modelled 1.07M e-commerce transactions in SQL and pandas into a 779K-row analysis table.
- Built monthly cohort retention and corrected a left-censored baseline from 21.1% to 19.8%.
- Segmented 5,878 customers with RFM; top 20% drove 77.2% of revenue. Presented findings in weekly reviews.