编程语言:熟练掌握Python,熟悉其语法结构、数据类型与常用算法,能高效运用Python进行面向对象编程,具备良好的代码规范和调试能力,如使用 unittest 进行单元测试, pytest 进行测试框架搭建。
Web开发框架:熟悉Flask、Django等Web框架,以Django为例,能熟练运用其MTV架构,使用内置的ORM进行数据库操作,利用Django REST framework构建RESTful API。
数据处理与分析:掌握Numpy、Pandas、Matplotlib、Seaborn等工具,能用Numpy进行高效的数值计算,Pandas进行数据清洗、预处理和分析,Matplotlib、Seaborn进行数据可视化,如绘制折线图、柱状图展示数据趋势。
机器学习与深度学习:了解Scikit - learn、TensorFlow、PyTorch等库,在Scikit - learn中,掌握线性回归、决策树等模型的使用和调优,能使用TensorFlow或PyTorch搭建简单的神经网络模型进行图像识别或文本分类任务。
数据库:熟悉MySQL、PostgreSQL等关系型数据库,以及MongoDB等非关系型数据库的基本操作,会使用SQL进行数据查询、插入、更新和删除,使用pymysql、psycopg2等库连接和操作数据库。
自动化工具:掌握使用Selenium进行Web自动化测试,利用 BeautifulSoup 、 Scrapy 进行网络爬虫开发,实现数据采集。
1- 项目名称:电商销售数据分析与可视化
- 项目时间:[2024.12.22]-[2024.12.24]
- 项目描述:收集某电商平台半年的销售数据,通过数据分析找出销售趋势、热门商品以及用户购买行为模式,为营销策略提供数据支持。
- 项目职责:运用Python的Pandas进行数据清洗和预处理,处理超10万条销售记录;用Numpy进行复杂数值计算;使用Matplotlib和Seaborn完成数据可视化,制作5种以上可视化图表。
- 项目成果:通过分析发现特定时段促销活动可使销售额提升30%,该结论应用后,公司当季销售额增长25%。
2- 项目名称:图像识别垃圾分类系统
- 项目时间:[2024.10.3]-[2024.10.7]
- 项目描述:构建基于机器学习的图像识别模型,识别不同类型垃圾,助力垃圾分类智能化。
- 项目职责:使用Python的OpenCV进行图像预处理;运用Scikit - learn构建并评估多种分类模型;采用TensorFlow搭建卷积神经网络(CNN),并调优参数,使模型准确率达到85%。
- 项目成果:模型部署在测试APP上,经测试,对常见垃圾的识别准确率超80% ,为后续大规模应用奠定基础。
。