技术能力

1、传统机器学习算法，基于spark平台实现和使用
2、基于spark+streaming平台，用FTRL进行实时个性化推荐系统
3、基于TensorFlow的DNN个性化推荐
4、基于spark平台的数据挖掘、数据处理（包括hbase，hdfs，kafka）
5、基于caffe的图像分类，视频内容识别(熟练掌握 Inception、resnet系列)
6、基于python的爬虫技术，尤其是在图片抓取方面
7、基于spark和python搭建整个工程的框架，搭建数据流
8、基于python的高性能服务端开发
9、基于FFmpeg的软件视频编解码

项目经验

1、某海外短视频个性化推荐
（1）FTRL算法基于spark平台用scala实现
（2）视频content profile，user profile构建，基于spark streaming实时更行，日志在kafka中
（3）GBDT选取特征，构建训练数据的pipeline
（4）构建实时数据pipeline，实时更新模型

效果：全量后，观看平均用户观看时长涨了200%

2、某海外直播个性化推荐
（1）在TensorFlow平台下，构建基于DNN的推荐系统
（2）基于TensorFlow Serving 对外提供打分功能
（3）特征主要是行为日志，直播实时数据、直播截图的图像特征

效果：比之前的LR推荐系统观看时长，打赏金额都涨了10%以上

3、某海外直播视频内容理解
（1）成人鉴黄模型构建，主要是基于inception v3和 resnet50 模型融合进行的
（2）小孩涉黄模型构建，主要是基于inception v3和 resnet50 模型融合进行的
（3）基于senet 视频内容中指定物品识别，比如钢琴，天空等
（4）图片下载中心、流量转发中心、cnnserver的构建

效果：小孩涉黄零举报，成人涉黄每周举报数降了50%

4、某海外直播的视频编解码优化
（1）基于FFmpeg对视频进行编码，压缩，解码
（2）基于mobileNet对视频进行无损压缩

效果：带宽节省了50%

团队情况