猿急送>

济南其它兼职程序员

ID：385780

🚣

算法工程师

公司信息：
特来电新能源有限公司

工作经验：
7年

兼职日薪：
500元/8小时

兼职时间：
下班后
周六
周日

所在区域：
济南
全区

技术能力

 编程语言
- 熟练掌握 Python，具备使用 Python 进行数据处理、数据分析和机器学习的能力。
- 熟悉 SQL，能够运用 SQL 进行数据查询和数据处理。
 数据挖掘和机器学习算法
- 熟悉常用的数据挖掘和机器学习算法，包括决策树、随机森林、逻辑回归、支持向量机等。
- 掌握深度学习算法，并熟悉常用的深度学习框架，如 TensorFlow、PyTorch 等。
 数据处理和特征工程
- 熟练使用 Pandas 库进行数据处理和清洗，能够对数据进行清洗、转换、合并等操作。
- 具备特征提取和特征选择的能力，并能够运用统计方法和机器学习算法进行特征工程。
 数据可视化
- 掌握使用 Matplotlib 和 Seaborn 等工具进行数据可视化，能够通过图表和图形展示数据分析结果。
 大数据处理
- 熟练掌握主流的大数据技术栈体系，包括但不限于 Hadoop、 Hive、Spak 等离线技术组件
 数据挖掘工具和库
- 熟悉常用的数据挖掘工具和库，如 Scikit-learn、XGBoost、LightGBM 等。
 统计分析
- 具备统计学基础，能够运用统计学方法进行数据分析

项目经验

客户充电时剩余充满时长预测模型
项目描述：
通过对电动车辆充电过程中的相关数据进行分析和建模，实现对剩余充满时长的准确预测。该项目的主要目标是
帮助用户了解电动车辆充电时还需多长时间才能完全充满，并提供更好的充电管理和使用体验。
项目职责：
1、数据收集与处理：
 协助数据团队收集车辆充电过程中的数据，包括充电开始时间、电池当前电量、充电速率等。
 对采集到的数据进行清洗、转换和标准化，确保数据质量和格式的统一
。
2、特征工程与模型设计：
 分析车辆充电过程中的特征变量，如充电速率变化、电池电量变化等。
 设计特征工程流程，提取能够影响剩余充满时长的关键特征。
 选择合适的预测模型，如回归模型、时间序列模型等，用于预测剩余充满时长。
3、模型训练与评估：
 划分训练集和测试集，对预测模型进行训练和调优。
 评估模型在测试集上的性能表现，包括准确率、误差率等指标。
 根据评估结果对模型进行改进和优化，提高预测准确度和稳定性。
4、结果分析与优化：
 分析预测结果，识别模型预测的准确性和可靠性，发现可能存在的问题和改进点。
 通过持续的结果分析和优化，优化算法以提高剩余充满时长预测的效果。
5、模型部署与应用：
 将训练好的预测模型部署到实际系统中，实时预测车辆充电时的剩余充满时长。
 监控模型在实际应用中的表现，及时调整和优化模型参数，确保预测结果的准确性和实用性。
6、团队协作与沟通：
 与数据团队、产品团队等紧密合作，共同推动项目进展。
 提供专业的技术支持和建议，与团队成员分享项目进展和成果，促进团队合作与沟通。

案例展示

客户充电时剩余充满时长预测模型

通过对电动车辆充电过程中的相关数据进行分析和建模，实现对剩余充满时长的准确预测。该项目的主要目标是帮助用户了解电动车辆充电时还需多长时间才能完全充满，并提供更好的充电管理和使用体验。项目职责： 1、数据收集与处理：  协助数据团队收集车辆充电过程中的数据，包括充电开
充电车辆车型识别模型

项目描述：通过分析车辆上传的充电日志数据，在车辆充电时自动判断车型。通过该算法，可以实现在充电过程中无需人工干预，自动识别车辆的车型信息，并为后续的管理和服务提供便利。项目职责： 1、数据收集与处理：  与数据团队合作，收集和整理车辆上传的充电日志数据集，包括温
充电车辆车型识别模型

项目描述：通过分析车辆上传的充电日志数据，在车辆充电时自动判断车型。通过该算法，可以实现在充电过程中无需人工干预，自动识别车辆的车型信息，并为后续的管理和服务提供便利。项目职责： 1、数据收集与处理：  与数据团队合作，收集和整理车辆上传的充电日志数据集，包括温