1. 熟练掌握C/C++和python语言编程,熟悉linux开发环境,有扎实的数据结构和算法设计功底;
2. 熟悉推荐业务常用理论和算法,在多个领域(如排序模型,召回模型,用户画像,深度学习等)有两年以上实际工作经验;
3. 有优秀的逻辑思维能力和数据分析能力,善于分析和解决问题;
4. 有推荐系统,广告系统,搜索引擎等开发经验;熟练掌握机器学习、深度学习的基础理论和方法,并在自然语言处理任务中有实际应用经验;
5. 熟练使用一种或几种深度学习框架(如tensorflow、caffe、mxnet、pytorch等),熟悉spark、hadoop分布式计算
6. 就读过统计学专业,对统计建模知识比较熟悉
1. 基于公司产品的用户数据,进行了原始数据抽取,数据探索分析,数据预处理(包括数据清洗、缺失值处理、数据变换、构建专家样本以及模型构建),基于tensorflow进行模型训练和预测,结果表明,离线auc提升1.2%,在线指标提升0.3%
2. 在广告推荐项目中,样本优化上,参考业界主流样本使用方法,使用策略随机负采样以及难样本采样,模型召回率+8%以上,较大程度提升模型能力。模型结构优化上,对不同流量不同站点进行多塔分别建模,能够有针对性的学习各个站点之间的不同,多塔结构能够更好的适配业务下多个场景。
3. 某家建筑公司去竞标,招标方给出竞标方案,需要确定投标价格使公司中标概率更大。由于投标得分是对所有投标人的投标价格进行一定的运算得到,得分高者中标。所以先假设投标价格服从某个分布,依据竞 标方案模拟竞标过程,问题的关键在于投标价格的分布。由于投标价格影响因素太多不易量化,考虑先对历史数据分析总结出投标 价格的大致分布。最后得出投标价格近似服从双截断型伽马分布,对最终的中标有很大的参考性意义。
4. 为深层次掌握市场运行状态,我们需要基于历史数据对市场微观结构建立网络关系并进行分析。构建多维度异质网络关系:一是用网络模型重构数据结构,并分品种分客户多视角构建异质网络关系模型;二是通过网络桥 接性、聚团权重、聚团个数等技术指标对网络关系进行描述;最后分析关键节点客户特征及交易策略。最终从网络(k-core)的角度 来对市场的变化给出合理的解释,给大连商品交易所对市场的调控起指导作用。
期货交易是期货业务的核心,被认为是典型的复杂系统。期货作为金融市场中的重要组成部分,使投资者能够进行风险规避,同时也给投资者提供了投机套利等多种投资方式。其以小博大的杠杆机制也引来了众多的投资者。本作品通过交易网络的方法来着重研究期货合约的市场流动性。主要包括对期货市场构建交易网
在广告推荐项目中,样本优化上,参考业界主流样本使用方法,使用策略随机负采样以及难样本采样,模型召回率+8%以上,较大程度提升模型能力。模型结构优化上,对不同流量不同站点进行多塔分别建模,能够有针对性的学习各个站点之间的不同,多塔结构能够更好的适配业务下多个场景。