康慨
数据并行化爬虫； 深度学习
百度 · 5年经验
日薪：
￥700/8h
地点：
北京 全区
时间：
可工作日远程
信用行为
5
接单数
3
评价数
5
收藏数
100%
五星率
技术能力
* 熟悉基本数据结构和算法，熟悉C++/Python/Java。
* 熟悉机器学习、数据挖掘、深度学习等基本原理与算法。
* 机器学习工具:熟悉numpy、pandas、scikit-learn、lightgbm、TensorFlow等。
* 网页爬虫:熟悉selenium、phantomjs、requests等爬虫库。
* 熟悉机器学习、数据挖掘、深度学习等基本原理与算法。
* 机器学习工具:熟悉numpy、pandas、scikit-learn、lightgbm、TensorFlow等。
* 网页爬虫:熟悉selenium、phantomjs、requests等爬虫库。
项目经验
钓鱼邮件的邮件内容、布局等与正常邮件极其相似，传统的机器学习方法的检测精确率和鲁棒性不是很理想。项目提出一种基于Word2Vec和卷积神经网络的深度学习分类方法。
– 数据预处理：对邮件样本进行过滤字符、中文分词、文档对齐等预处理，并训练得到word2vec特征向量。
– 训练卷积神经网络：构建由卷积层、最大池化层和全连接层组成的卷积神经网络，激活函数采用ELU，并采用dropout、 L2正则化以避免模型过拟合。
– 模型对比：增加两个分类效果较好的模型---基于高斯RBF核函数的支持向量机，以及随机森林模型。
– Docker分布式部署：用预装TensorFlow环境的docker镜像，创建多个container进行深度学习隔离训练。
– 数据预处理：对邮件样本进行过滤字符、中文分词、文档对齐等预处理，并训练得到word2vec特征向量。
– 训练卷积神经网络：构建由卷积层、最大池化层和全连接层组成的卷积神经网络，激活函数采用ELU，并采用dropout、 L2正则化以避免模型过拟合。
– 模型对比：增加两个分类效果较好的模型---基于高斯RBF核函数的支持向量机，以及随机森林模型。
– Docker分布式部署：用预装TensorFlow环境的docker镜像，创建多个container进行深度学习隔离训练。
用户评价 (3)
★ 5星
水平高超，办事靠谱！
★ 5星
很不错，合作两次了，很靠谱
★ 5星
水平很高，人很靠谱，好评！
ID:103096
复制
康慨
数据并行化爬虫； 深度学习 · 5年经验 · 百度
5
累计接单
100%
五星好评率
3
用户评价
5
被收藏
信用行为
5
接单数
3
评价数
5
收藏数
100%
五星率
技术能力
* 熟悉基本数据结构和算法，熟悉C++/Python/Java。
* 熟悉机器学习、数据挖掘、深度学习等基本原理与算法。
* 机器学习工具:熟悉numpy、pandas、scikit-learn、lightgbm、TensorFlow等。
* 网页爬虫:熟悉selenium、phantomjs、requests等爬虫库。
* 熟悉机器学习、数据挖掘、深度学习等基本原理与算法。
* 机器学习工具:熟悉numpy、pandas、scikit-learn、lightgbm、TensorFlow等。
* 网页爬虫:熟悉selenium、phantomjs、requests等爬虫库。
项目经验
钓鱼邮件的邮件内容、布局等与正常邮件极其相似，传统的机器学习方法的检测精确率和鲁棒性不是很理想。项目提出一种基于Word2Vec和卷积神经网络的深度学习分类方法。
– 数据预处理：对邮件样本进行过滤字符、中文分词、文档对齐等预处理，并训练得到word2vec特征向量。
– 训练卷积神经网络：构建由卷积层、最大池化层和全连接层组成的卷积神经网络，激活函数采用ELU，并采用dropout、 L2正则化以避免模型过拟合。
– 模型对比：增加两个分类效果较好的模型---基于高斯RBF核函数的支持向量机，以及随机森林模型。
– Docker分布式部署：用预装TensorFlow环境的docker镜像，创建多个container进行深度学习隔离训练。
– 数据预处理：对邮件样本进行过滤字符、中文分词、文档对齐等预处理，并训练得到word2vec特征向量。
– 训练卷积神经网络：构建由卷积层、最大池化层和全连接层组成的卷积神经网络，激活函数采用ELU，并采用dropout、 L2正则化以避免模型过拟合。
– 模型对比：增加两个分类效果较好的模型---基于高斯RBF核函数的支持向量机，以及随机森林模型。
– Docker分布式部署：用预装TensorFlow环境的docker镜像，创建多个container进行深度学习隔离训练。
立即沟通
