猿急送>

广州其它兼职程序员

ID：339776

SMAC~

算法工程师

公司信息：
联友科技

工作经验：
5年

兼职日薪：
600元/8小时

兼职时间：
周六
可工作日远程

所在区域：
广州
天河

技术能力

1. 熟练使用Python、R、Hive对数据进行处理；
2. 熟悉Linux系统基本使用，编写shell脚本；
3. 对Hadoop分布式系统有基本的了解，能够用Spark开发分析程序；
4. 有实际的项目和接口开发经验，能够部署自动化数据分析程序（docker）；
5. 对机器学习(Sklearn)和深度学习(Keras, Pytorch)有模型构建的经验；
6. 熟悉国标车联网数据，熟悉汽车后市场的业务场景，有丰富的开发经验；

项目经验

1、项目描述
APP每月有200个左右广告主题（一共1000个左右广告）需要投放，以往都是运营通过经验和一些规则对广告的点位和时间进行排期，而且App的点击率（CTR）较低（4.4%）。对此需要进行三方面的工作：
其一、构建CTR模型提高广告点击率；
其二、通过业务规则和排期需要构建自动排期算法；
其三、通过模型与业务分析总结CTR相关因素，续优运营后期工作。
目标：
其一、提高8%的app广告点位的点击率，即（CTR: 4.4%--＞(1+8%)*4.4%）；
其二、通过模型构建与优化，获取运营理解的规律并且能够指导其工作；
其三、完成自动排期模型，与CTR模型串联获得8%的提升（非本人）；
业绩：
1、完成了初步的模型构建与运营规则的总结，获得运营认可，当前模型还在进行中。
2、通过LGB与DeepFM模型构建CTR点击率预估模型，AUC、精准与召回分别达到76%、7%与75%，初
步满足运营对模型的需求；
3、使用Pyspark工具解决了数据量大，模型耗费资源多的问题；
4、首次尝试了在Spark上进行机器学习的训练，获得了相对于Python模型效率提升3倍以上。

2、项目描述
背景：
在数字化转型的过程中，公司发现备件预测系统（SPP）模型效果与我方模型效果相比优势不明显，而且SPP系统每年需要支付较多的运营费用。公司希望重新开发新的备件系统（iSPP），并且要求模型效果（1-mape）相对于SPP有2%提升，减少每年的运营费用。
目标：
1、构建机器学习的备件预测模型，相较于原模型（1-mape）有2%的提升；
2、重构原SPP的备件预测系统，满足自定义建模与API交互的相关需求；
业绩：
1、3个中心库机器学习融合模型（LGB、XGB、RF、GBDT），整体相对于SPP系统预测指标（1-mape）
提高3%（12个月均值）；
2、9个分库机器学习模型（LGB、XGB、RF、GBDT），分库整体相对于SPP预测指标（1-mape）提高
4%（12个月均值）。
3、根据业务需要，搭建时间序列模型，并且通过API能够使得业务实时调用，把预测的准确性。
4、加深了机器学习模型特征构建、训练、调参、部署的流程；
5、熟悉了docker与阿兹卡班的部署使用；对备件预测业务场景有了更深的了解；

项目描述
背景：
车联数据需求太多，每次有数据需求需要走系统申请，而且一次提取要花费费用。由此，需求制作数据BI系统，比较全面的展示车辆充电、车辆行驶、车辆报警等等全方面的状态。
目标：
完成车辆充电BI展示、车辆行程BI展示、故障报警提醒等一系列BI需求
业绩：
1. 制作BI后台车辆行程表(200+字段，包括行驶速度、行驶电压、行驶速度、行驶位置等分析)；
2. 制作BI后台车辆充电表(100+字段，包括充电电量、充电时长、充电习惯、充电位置等分析)；
3. 制作BI后台车辆预警表，通过业务规则与统计分析，判断是否发生异常，并且及时通过邮件通知业务;
4. 保证linux每日调度、定时发送报警邮件，并且及时完成相对应的业务变更及其后续的项目运维;
5. 通过分析用户的行驶习惯，依据业务规则和聚类算构建车辆分群模型;