闫帅
算法工程师
贝壳 · 1年经验
日薪：
￥600/8h
地点：
北京 海淀
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
熟悉数据结构与算法，熟悉python编程，熟悉linux编程和shell编程，熟练掌握数据库建模使用，熟悉mysql、hivesql和pyspark语言，熟练掌握常见的诸如LR、SVM、Xgboost等机器学习算法原理和应用，了解深度学习RNN和LSTM，在数据挖掘领域和数据分析领域比较擅长，现在主要做NLP的知识图谱方向。
项目经验
去哪儿网
1. 商旅出行预测：目标是预测用户此航线出行是否为商旅出差的二分类问题，通过数据处理、特征工程和建立逻辑回归模型、XGBoost模型，模型评估中F1_score=0.95
2. 用户投诉预测：增加时间窗口周期和进一步进行特征工程，优化XGBoost模型，使得投诉1的召回率提高10%
3. 机票低价预测：预测未来两个月内某一天出行在搜索日期一周内的最低价，近似时间序列问题，通过数据处理、特征工程和建立XGBoost、LSTM模型，模型评估中预测北京-上海结果MAE=0.06，RMSE=42
贝壳找房
1.图谱本体可视化：使用ant design开发图谱可视化界面，利用mysql数据库和python做后端接口的开发，实现图谱本体和本体属性表的增删查改功能
2.挖掘房源急售标签：利用数据库中已有的房源跟进表信息，通过规则匹配、情感分析和分类模型等手段，挖掘房源是否急售的标签，结果占比在20%左右，完成图谱本体三元组的开发工作。
1. 商旅出行预测：目标是预测用户此航线出行是否为商旅出差的二分类问题，通过数据处理、特征工程和建立逻辑回归模型、XGBoost模型，模型评估中F1_score=0.95
2. 用户投诉预测：增加时间窗口周期和进一步进行特征工程，优化XGBoost模型，使得投诉1的召回率提高10%
3. 机票低价预测：预测未来两个月内某一天出行在搜索日期一周内的最低价，近似时间序列问题，通过数据处理、特征工程和建立XGBoost、LSTM模型，模型评估中预测北京-上海结果MAE=0.06，RMSE=42
贝壳找房
1.图谱本体可视化：使用ant design开发图谱可视化界面，利用mysql数据库和python做后端接口的开发，实现图谱本体和本体属性表的增删查改功能
2.挖掘房源急售标签：利用数据库中已有的房源跟进表信息，通过规则匹配、情感分析和分类模型等手段，挖掘房源是否急售的标签，结果占比在20%左右，完成图谱本体三元组的开发工作。
闫帅
算法工程师 · 1年经验 · 贝壳
0
累计接单
0
用户评价
1
被收藏
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
熟悉数据结构与算法，熟悉python编程，熟悉linux编程和shell编程，熟练掌握数据库建模使用，熟悉mysql、hivesql和pyspark语言，熟练掌握常见的诸如LR、SVM、Xgboost等机器学习算法原理和应用，了解深度学习RNN和LSTM，在数据挖掘领域和数据分析领域比较擅长，现在主要做NLP的知识图谱方向。
项目经验
去哪儿网
1. 商旅出行预测：目标是预测用户此航线出行是否为商旅出差的二分类问题，通过数据处理、特征工程和建立逻辑回归模型、XGBoost模型，模型评估中F1_score=0.95
2. 用户投诉预测：增加时间窗口周期和进一步进行特征工程，优化XGBoost模型，使得投诉1的召回率提高10%
3. 机票低价预测：预测未来两个月内某一天出行在搜索日期一周内的最低价，近似时间序列问题，通过数据处理、特征工程和建立XGBoost、LSTM模型，模型评估中预测北京-上海结果MAE=0.06，RMSE=42
贝壳找房
1.图谱本体可视化：使用ant design开发图谱可视化界面，利用mysql数据库和python做后端接口的开发，实现图谱本体和本体属性表的增删查改功能
2.挖掘房源急售标签：利用数据库中已有的房源跟进表信息，通过规则匹配、情感分析和分类模型等手段，挖掘房源是否急售的标签，结果占比在20%左右，完成图谱本体三元组的开发工作。
1. 商旅出行预测：目标是预测用户此航线出行是否为商旅出差的二分类问题，通过数据处理、特征工程和建立逻辑回归模型、XGBoost模型，模型评估中F1_score=0.95
2. 用户投诉预测：增加时间窗口周期和进一步进行特征工程，优化XGBoost模型，使得投诉1的召回率提高10%
3. 机票低价预测：预测未来两个月内某一天出行在搜索日期一周内的最低价，近似时间序列问题，通过数据处理、特征工程和建立XGBoost、LSTM模型，模型评估中预测北京-上海结果MAE=0.06，RMSE=42
贝壳找房
1.图谱本体可视化：使用ant design开发图谱可视化界面，利用mysql数据库和python做后端接口的开发，实现图谱本体和本体属性表的增删查改功能
2.挖掘房源急售标签：利用数据库中已有的房源跟进表信息，通过规则匹配、情感分析和分类模型等手段，挖掘房源是否急售的标签，结果占比在20%左右，完成图谱本体三元组的开发工作。
立即沟通
