常用机器学习与深度学习模型与原理,如 KNN、GBDT、NB、LR、SVM、DNN、CNN等。 2. 常用的自然语言处理技术,如 word2vec、TF-IDF、LDA、fastText 等;自然语言处理包 NLTK、 jieba 分词。 3. Python,能够熟练使用 xgboost、scikit-learn、TensorFlow 框架搭建机器学习和深度学习框架。 4. Java 、Scala 语言,了解 mysql。 5. linux 操作系统常用命令。 6. 扎实的数学基础,熟悉常用数据结构和算法。 7. Hadoop、Spark、Hive等大数据处理工具的使用和性能调优,有集群搭建经验。 8. 协同过滤、隐语义模型、用户行为序列等推荐系统建模方法。 9. ES、Redis、Hbase等存储引擎的数据存储及使用方法。
IAIR(拍拍贷智能分析投资推荐系统) 项目简介:本系统分为三个阶段,第一个阶段是通过分析客户不同的日志行为数据,从不同的维度分析客户; 第二个阶段是从分析数据结果中为客户进行用户画像; 第三个阶段是为不同的客户推荐不同的投资策略。 责任描述:用户模块需求:注册人数、投资人数、流失率、用户自然增长率等指标; 浏览模块需求:PV值、UV值、页面单跳转化率等指标; 投资模块:投资排行top10、AIPU值、投资转化率、投资复投率等指标; 用户偏好模块:投资习惯、浏览习惯等指标。 应用技术:flume + kafka + hive +spark + mysql + python + LR + GBDT
智能在线答题推荐系统 项目简介:通过常用推荐算法,多维度、细致化分析不同年级的学生在多次考试中的进退步信息,并对每个学 生进行用户画像,包括理解能力、表达能力以及编程能力,针对不同水平的学生推荐不同难度的题 目,让学生精准查缺补漏,提升成绩。 责任描述:使用Sqoop将MySQL中需要清洗的字段导入到HDFS。利用 hive 进行数据清洗,并存储到HDFS。 使用Hive构建数据仓库,建立数据模型,进行需求分析和用户画像,存储到MySQL中,为推荐系统 提供数据支持。使用Python框架实现实时推荐功能,将推荐结果存储在Redis数据库中。 实现基于各 种推荐模型的推荐引擎功能,Web端调用接口从Redis数据库中获取推荐题目的信息,然后实时推荐 给不同水平的学生。 应用技术:hive + spark + ML + UserCF + itemCF
微拍堂是一个社交类C2C拍卖平台,通过移动互联网技术,致力于为用户提供交流分享、商品购买的平台。 用户可在平台上发布自己的拍品,并通过微信借口实时通知买卖双方交易情况,且用户可设置保证金,防止恶意交易,9兼容微信、银行卡等多种支付方式。
微拍堂是一个社交类C2C拍卖平台,通过移动互联网技术,致力于为用户提供交流分享、商品购买的平台。 用户可在平台上发布自己的拍品,并通过微信借口实时通知买卖双方交易情况,且用户可设置保证金,防止恶意交易,9兼容微信、银行卡等多种支付方式。