- 英国精算师;
- 4年NLP、机器学习、深度学习项目经验;
- 6年数据挖掘、数据分析、数据建模经验;
- 4年用户画像、精准营销项目经验;
从事行业:保险精算建模、金融安防/风控/量化、智慧AI医疗;
- Python、SQL
- NLP、BERT、Tensorflow、Pytorch、Keras、Transformers、Numpy、Pandas;
- SKlearn、CNN、RNN、DNN、LSTM、MLP;
- Excel、PPT
- 基于人工智能的多分类、多标签、QA、文本补全、Query理解等任务。
【多模态模型智能问诊项目】
针对医疗设施及其附属服务不完善地区,搭建智能化医生辅助问诊系统,智能排查体征、用药、疾病诊断、辅助信息支持等功能。
● 调研多模态模型可行性,学习并完成搭建基于增强学习、深度学习、自然语言处理(BERT/Transformer)相关技术的子模型,建立基于多模态模型的服务框架;
● 通过调研行业论文,克服稀疏特征、多标签分类、有效问诊等问题,搭建高效增强学习框架,并通过改写底层框架后的MLP、深度学习模型提高问诊效率、准确度;
【基于BERT模型的项目】
● 对疾病进行智能化编码。对海量文本进行预处理、过滤、分词,独立完成子需求,包含实体识别(用于知识图谱三元组)、相似度匹配、文本分类;
● 将BERT/+BiLSTM+CRF模型嵌入进多模态模型组中,并优化下游深度神经网络等其它需求;
● 调研行业最新论文成果,并编写、测试,用于优化现有模型;
【基于BERT的项目2】
● 对海量文本、对话数据进行数据预处理、并用BERT进行用户画像标签提取;
【舆情预测模型(NLP、深度学习)】
● 建立实时文本数据的预处理与分析流程,为舆情预测模型提供原始训练数据;
● 调研行业论文,编写代码复现思路,利用分词算法、特征提取、实体识别、情感分析、文本分类等NLP技术手段搭建市场舆情分析模型;
● 测试、优化基于BERT模型的现有框架;
【反欺诈模型】
● 根据用户行为数据进行分析,对原始数据进行清洗、特征缩放、特征整合等操作,利用机器学习各模型(例如逻辑回归、SVM、随机森林等),对用户反欺诈行为进行可能性分析;
● 利用预处理后的数据搭建深度学习模型,包含回归、分类、多标签等任务需求,建立多模态模型,构建起整体反欺诈框架;
● 调研行业最新近战,复现思路,优化现有多模态模型体系;
【用户画像,精准营销】
● 结合平安集团世界500强优势,与各类子集团(人寿、财产、金融、信贷等)建立需求理论,沟通多部门并行开发,获取用户画像模型潜在需求的原始数据;
● 利用机器学习、Numpy、Pandas、Oracle等常见工具,对原始数据进行预处理、清洗,进行数据挖掘,并建立相关数学算法模型,进行特征缩放、特征提纯等操作;
● 调研行业最新论文,复现思路,搭建、测试基于不同业务思路下的深度学习模型,完成相关回归评估、多分类、多标签等任务需求;