青玉案的案例列表
基于大数据分析的智能广告投放系统
本项目为基于大数据分析的智能广告投放系统，采用Python Flask搭建后端分层架构，SQLite作为轻量化存储，面向中小企业广告投放场景，解决传统广告人工成本高、推荐同质化、冷启动与数据稀疏等痛点。本人独立完成全流程开发，完成多源广告数据集预处理，搭建融合LSTM时序建模、CTR点击率预估、K-Means用户聚类、协同过滤的混合推荐算法架构；实现普通用户广告浏览筛选、管理员素材管理、权限分配、投放数据可视化统计完整业务模块。基于Criteo、Amazon公开广告数据集开展消融实验，模型AUC达到0.7038，有效挖掘用户时序行为特征，提升广告匹配精准度。完成全量功能测试与本地Linux部署
基于大数据分析的智能广告投放系统
本项目为基于大数据分析的智能广告投放系统，采用Python Flask搭建后端分层架构，SQLite作为轻量化存储，面向中小企业广告投放场景，解决传统广告人工成本高、推荐同质化、冷启动与数据稀疏等痛点。本人独立完成全流程开发，完成多源广告数据集预处理，搭建融合LSTM时序建模、CTR点击率预估、K-Means用户聚类、协同过滤的混合推荐算法架构；实现普通用户广告浏览筛选、管理员素材管理、权限分配、投放数据可视化统计完整业务模块。基于Criteo、Amazon公开广告数据集开展消融实验，模型AUC达到0.7038，有效挖掘用户时序行为特征，提升广告匹配精准度。完成全量功能测试与本地Linux部署
案例判断参考
青玉案的案例列表
基于大数据分析的智能广告投放系统
本项目为基于大数据分析的智能广告投放系统，采用Python Flask搭建后端分层架构，SQLite作为轻量化存储，面向中小企业广告投放场景，解决传统广告人工成本高、推荐同质化、冷启动与数据稀疏等痛点。本人独立完成全流程开发，完成多源广告数据集预处理，搭建融合LSTM时序建模、CTR点击率预估、K-Means用户聚类、协同过滤的混合推荐算法架构；实现普通用户广告浏览筛选、管理员素材管理、权限分配、投放数据可视化统计完整业务模块。基于Criteo、Amazon公开广告数据集开展消融实验，模型AUC达到0.7038，有效挖掘用户时序行为特征，提升广告匹配精准度。完成全量功能测试与本地Linux部署...
基于大数据分析的智能广告投放系统
本项目为基于大数据分析的智能广告投放系统，采用Python Flask搭建后端分层架构，SQLite作为轻量化存储，面向中小企业广告投放场景，解决传统广告人工成本高、推荐同质化、冷启动与数据稀疏等痛点。本人独立完成全流程开发，完成多源广告数据集预处理，搭建融合LSTM时序建模、CTR点击率预估、K-Means用户聚类、协同过滤的混合推荐算法架构；实现普通用户广告浏览筛选、管理员素材管理、权限分配、投放数据可视化统计完整业务模块。基于Criteo、Amazon公开广告数据集开展消融实验，模型AUC达到0.7038，有效挖掘用户时序行为特征，提升广告匹配精准度。完成全量功能测试与本地Linux部署...
