A-谢
算法工程师
欢聚时代 · 6年经验
日薪：
￥500/8h
地点：
广州 全区
时间：
周六周日可工作日远程
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
对推荐系统，文本挖掘相关的算法都较为熟悉，入LR、xgboost、RF等。熟悉常用的编程语言，如 python/hql/shell/java/,熟悉常用的大数据框架，如spark/hadoop/hive/redis/tensorflow等这些工具的使用。
项目经验
一、机器学习的文本反垃圾系统（目前日处理上亿条文本，每条平均处理时间<=40ms，准确率和漏报率均<1%）
1）主要负责系统的架构和模型的开发，模型开发包含，在线分类模型（基于词袋的分类模型（LR、RF）、基于用户行为的分类模型(RF)）、实时聚类模型（基于文本特征的聚类模型、基于文本相似度的聚类模型）。
二、个性化推荐系统（日处理亿级请求，推荐转化率在60%以上），主要的模型包括：
1）点击率预估模型，基于hive+spark框架实现，算法包括LR和 GBDT+LR
2 ) 协同过滤模型，基于hive+spark框架实现，主要是构建用户兴趣得分模型+Iterm_CF
3）xgboost模型，基于python scikitlearn框架实现。
4）WDL模型模型，基于tensorflow框架实现，主要算法是 LR+DNN。
1）主要负责系统的架构和模型的开发，模型开发包含，在线分类模型（基于词袋的分类模型（LR、RF）、基于用户行为的分类模型(RF)）、实时聚类模型（基于文本特征的聚类模型、基于文本相似度的聚类模型）。
二、个性化推荐系统（日处理亿级请求，推荐转化率在60%以上），主要的模型包括：
1）点击率预估模型，基于hive+spark框架实现，算法包括LR和 GBDT+LR
2 ) 协同过滤模型，基于hive+spark框架实现，主要是构建用户兴趣得分模型+Iterm_CF
3）xgboost模型，基于python scikitlearn框架实现。
4）WDL模型模型，基于tensorflow框架实现，主要算法是 LR+DNN。
A-谢
算法工程师 · 6年经验 · 欢聚时代
0
累计接单
0
用户评价
2
被收藏
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
对推荐系统，文本挖掘相关的算法都较为熟悉，入LR、xgboost、RF等。熟悉常用的编程语言，如 python/hql/shell/java/,熟悉常用的大数据框架，如spark/hadoop/hive/redis/tensorflow等这些工具的使用。
项目经验
一、机器学习的文本反垃圾系统（目前日处理上亿条文本，每条平均处理时间<=40ms，准确率和漏报率均<1%）
1）主要负责系统的架构和模型的开发，模型开发包含，在线分类模型（基于词袋的分类模型（LR、RF）、基于用户行为的分类模型(RF)）、实时聚类模型（基于文本特征的聚类模型、基于文本相似度的聚类模型）。
二、个性化推荐系统（日处理亿级请求，推荐转化率在60%以上），主要的模型包括：
1）点击率预估模型，基于hive+spark框架实现，算法包括LR和 GBDT+LR
2 ) 协同过滤模型，基于hive+spark框架实现，主要是构建用户兴趣得分模型+Iterm_CF
3）xgboost模型，基于python scikitlearn框架实现。
4）WDL模型模型，基于tensorflow框架实现，主要算法是 LR+DNN。
1）主要负责系统的架构和模型的开发，模型开发包含，在线分类模型（基于词袋的分类模型（LR、RF）、基于用户行为的分类模型(RF)）、实时聚类模型（基于文本特征的聚类模型、基于文本相似度的聚类模型）。
二、个性化推荐系统（日处理亿级请求，推荐转化率在60%以上），主要的模型包括：
1）点击率预估模型，基于hive+spark框架实现，算法包括LR和 GBDT+LR
2 ) 协同过滤模型，基于hive+spark框架实现，主要是构建用户兴趣得分模型+Iterm_CF
3）xgboost模型，基于python scikitlearn框架实现。
4）WDL模型模型，基于tensorflow框架实现，主要算法是 LR+DNN。
立即沟通
相似人才推荐：
