张哲 Zhang Zhe的案例列表
：智能CRM客户管理系统
本作品是一套面向企业销售团队的智能CRM客户管理系统，覆盖客户档案、联系人管理、销售机会、跟进任务、合同审批、回款提醒和数据报表等核心流程。系统支持客户分级、商机看板、业绩趋势统计和待办提醒，帮助团队把线索录入、过程跟进、签约回款和经营分析串联起来，提升客户信息沉淀效率和销售协作体验。
学生答题正确率预测（深度学习知识追踪）
本作品为 Kaggle 全球数据科学竞赛 Riiid Answer Correctness Prediction 的完整解决方案，任务是基于学生历史答题记录预测其下一题的作答正确率（知识追踪 / Knowledge Tracing）。本人独立完成数据处理、特征工程、建模与在线推理全流程：使用 PyTorch 构建 SAKT（自注意力）与 SAINT+（编码器–解码器）两类 Transformer 时序模型，针对每位学生最近 100 条答题序列，融合题目内容、作答对错、答题用时、间隔时间、题型 Part 与知识点标签等多维特征，并将 7 个模型加权集成，最终通过竞赛的流式时间序列推理接口在线预测
案例判断参考
张哲 Zhang Zhe的案例列表
：智能CRM客户管理系统
本作品是一套面向企业销售团队的智能CRM客户管理系统，覆盖客户档案、联系人管理、销售机会、跟进任务、合同审批、回款提醒和数据报表等核心流程。系统支持客户分级、商机看板、业绩趋势统计和待办提醒，帮助团队把线索录入、过程跟进、签约回款和经营分析串联起来，提升客户信息沉淀效率和销售协作体验。...
学生答题正确率预测（深度学习知识追踪）
本作品为 Kaggle 全球数据科学竞赛 Riiid Answer Correctness Prediction 的完整解决方案，任务是基于学生历史答题记录预测其下一题的作答正确率（知识追踪 / Knowledge Tracing）。本人独立完成数据处理、特征工程、建模与在线推理全流程：使用 PyTorch 构建 SAKT（自注意力）与 SAINT+（编码器–解码器）两类 Transformer 时序模型，针对每位学生最近 100 条答题序列，融合题目内容、作答对错、答题用时、间隔时间、题型 Part 与知识点标签等多维特征，并将 7 个模型加权集成，最终通过竞赛的流式时间序列推理接口在线预测...
