NowYouSeeMe
数据分析与数据挖掘顾问
平安金服 · 5年经验
日薪：
￥600/8h
地点：
深圳 福田
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
1.扎实的数理统计和数据分析挖掘理论基础知识
2.Python语言基础扎实，能利用python进行数据挖掘，有良好的编码习惯
3.掌握MySQL以及非关系型数据库：Redis，MongoDB
4.掌握numpy、pandas模块，解决数据结构问题
5.掌握数据清洗、模型建立、训练、参数调优流程
6.掌握KNN、朴素贝叶斯、逻辑回归、决策树、随机森林等基本分类算法
7.掌握线性回归、岭回归等回归算法，k-means聚类算法等
8.掌握scikit-learn等常用机器学习算法工具
9.掌握Kfolds交叉验证算法，网格搜索算法对模型参数进行调优
10.掌握爬虫及常用开发工具
11.熟悉Linux开发环境，熟悉常用命令的使用
12.熟练使用Excel、PPT、word等办公软件
2.Python语言基础扎实，能利用python进行数据挖掘，有良好的编码习惯
3.掌握MySQL以及非关系型数据库：Redis，MongoDB
4.掌握numpy、pandas模块，解决数据结构问题
5.掌握数据清洗、模型建立、训练、参数调优流程
6.掌握KNN、朴素贝叶斯、逻辑回归、决策树、随机森林等基本分类算法
7.掌握线性回归、岭回归等回归算法，k-means聚类算法等
8.掌握scikit-learn等常用机器学习算法工具
9.掌握Kfolds交叉验证算法，网格搜索算法对模型参数进行调优
10.掌握爬虫及常用开发工具
11.熟悉Linux开发环境，熟悉常用命令的使用
12.熟练使用Excel、PPT、word等办公软件
项目经验
项目一：城市房价前瞻预测 2019.3 – 至今
项目描述：通过对宏中观、城市轮动、政策因子数据，通过机器学习回归算法及网格超参数
调优，搭建城市房价预测模型。
项目职责：1.负责数据处理优化
2.回归模型优化
3.优化代码实现
4.模型评估
项目总结：预测未来3个月，1年，3年的房价涨幅，RMSE控制在5%以内。
项目二：信用卡贷款反欺诈 2017.11 – 2018.5
项目描述：通过对银行提供的海量贷款人的历史信息，进行机器学习，构建反欺诈模型，识别出欺诈用户的特征，有效预防欺诈行为的发生、降低银行的损失
项目职责：1.参与项目需求的讨论，确定项目框架
2.参与特征工程的讨论
3.负责模型的搭建，代码的实现
4.参与模型的评估和调优
项目总结：针对海量信用卡用户数据进行无监督学习，模型调优，解决了欺诈类型的判定、
特征工程的处理等技术难点，构建反欺诈模型，预测准确率达到98.4%。
项目三：银行理财产品精准营销 2017.6 – 2017.10
项目描述：某银行一款新型金融理财产品，为实现精准营销，提高营销效率，需要预测出用户群中对产品兴趣度最高的前20%用户
项目职责：1.负责数据清洗，特征工程
2.参与搭建模型的讨论
3.参与数据可视化
项目总结：主要承担数据处理的角色，从数据库提取相关数据，针对数据进行特征降维、缺失值处理、字符类型转换、特征归一化等操作，并不断优化数据，输出符合模型搭建要求的数据。
项目四：银行客户流失预警 2016.12 - 2017.5
项目描述：从海量客户记录中挖掘对流失有影响的信息，建立量化模型，合理预测客户的潜在流失风险，维护客户关系。
项目职责：1.参与分析业务需求、项目框架的讨论
2.参与数据清洗、特征工程
3.负责模型的搭建、代码的实现
4.参与模型的评估与调优
项目总结：利用python的scikit-learn库，采用监督学习与无监督学习相结合的方法，
使用网格搜索、k折交叉验证对模型进行调优，创建合理的流失预警量化模型，
准确率达到98%以上。
项目描述：通过对宏中观、城市轮动、政策因子数据，通过机器学习回归算法及网格超参数
调优，搭建城市房价预测模型。
项目职责：1.负责数据处理优化
2.回归模型优化
3.优化代码实现
4.模型评估
项目总结：预测未来3个月，1年，3年的房价涨幅，RMSE控制在5%以内。
项目二：信用卡贷款反欺诈 2017.11 – 2018.5
项目描述：通过对银行提供的海量贷款人的历史信息，进行机器学习，构建反欺诈模型，识别出欺诈用户的特征，有效预防欺诈行为的发生、降低银行的损失
项目职责：1.参与项目需求的讨论，确定项目框架
2.参与特征工程的讨论
3.负责模型的搭建，代码的实现
4.参与模型的评估和调优
项目总结：针对海量信用卡用户数据进行无监督学习，模型调优，解决了欺诈类型的判定、
特征工程的处理等技术难点，构建反欺诈模型，预测准确率达到98.4%。
项目三：银行理财产品精准营销 2017.6 – 2017.10
项目描述：某银行一款新型金融理财产品，为实现精准营销，提高营销效率，需要预测出用户群中对产品兴趣度最高的前20%用户
项目职责：1.负责数据清洗，特征工程
2.参与搭建模型的讨论
3.参与数据可视化
项目总结：主要承担数据处理的角色，从数据库提取相关数据，针对数据进行特征降维、缺失值处理、字符类型转换、特征归一化等操作，并不断优化数据，输出符合模型搭建要求的数据。
项目四：银行客户流失预警 2016.12 - 2017.5
项目描述：从海量客户记录中挖掘对流失有影响的信息，建立量化模型，合理预测客户的潜在流失风险，维护客户关系。
项目职责：1.参与分析业务需求、项目框架的讨论
2.参与数据清洗、特征工程
3.负责模型的搭建、代码的实现
4.参与模型的评估与调优
项目总结：利用python的scikit-learn库，采用监督学习与无监督学习相结合的方法，
使用网格搜索、k折交叉验证对模型进行调优，创建合理的流失预警量化模型，
准确率达到98%以上。
NowYouSeeMe
数据分析与数据挖掘顾问 · 5年经验 · 平安金服
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
1.扎实的数理统计和数据分析挖掘理论基础知识
2.Python语言基础扎实，能利用python进行数据挖掘，有良好的编码习惯
3.掌握MySQL以及非关系型数据库：Redis，MongoDB
4.掌握numpy、pandas模块，解决数据结构问题
5.掌握数据清洗、模型建立、训练、参数调优流程
6.掌握KNN、朴素贝叶斯、逻辑回归、决策树、随机森林等基本分类算法
7.掌握线性回归、岭回归等回归算法，k-means聚类算法等
8.掌握scikit-learn等常用机器学习算法工具
9.掌握Kfolds交叉验证算法，网格搜索算法对模型参数进行调优
10.掌握爬虫及常用开发工具
11.熟悉Linux开发环境，熟悉常用命令的使用
12.熟练使用Excel、PPT、word等办公软件
2.Python语言基础扎实，能利用python进行数据挖掘，有良好的编码习惯
3.掌握MySQL以及非关系型数据库：Redis，MongoDB
4.掌握numpy、pandas模块，解决数据结构问题
5.掌握数据清洗、模型建立、训练、参数调优流程
6.掌握KNN、朴素贝叶斯、逻辑回归、决策树、随机森林等基本分类算法
7.掌握线性回归、岭回归等回归算法，k-means聚类算法等
8.掌握scikit-learn等常用机器学习算法工具
9.掌握Kfolds交叉验证算法，网格搜索算法对模型参数进行调优
10.掌握爬虫及常用开发工具
11.熟悉Linux开发环境，熟悉常用命令的使用
12.熟练使用Excel、PPT、word等办公软件
项目经验
项目一：城市房价前瞻预测 2019.3 – 至今
项目描述：通过对宏中观、城市轮动、政策因子数据，通过机器学习回归算法及网格超参数
调优，搭建城市房价预测模型。
项目职责：1.负责数据处理优化
2.回归模型优化
3.优化代码实现
4.模型评估
项目总结：预测未来3个月，1年，3年的房价涨幅，RMSE控制在5%以内。
项目二：信用卡贷款反欺诈 2017.11 – 2018.5
项目描述：通过对银行提供的海量贷款人的历史信息，进行机器学习，构建反欺诈模型，识别出欺诈用户的特征，有效预防欺诈行为的发生、降低银行的损失
项目职责：1.参与项目需求的讨论，确定项目框架
2.参与特征工程的讨论
3.负责模型的搭建，代码的实现
4.参与模型的评估和调优
项目总结：针对海量信用卡用户数据进行无监督学习，模型调优，解决了欺诈类型的判定、
特征工程的处理等技术难点，构建反欺诈模型，预测准确率达到98.4%。
项目三：银行理财产品精准营销 2017.6 – 2017.10
项目描述：某银行一款新型金融理财产品，为实现精准营销，提高营销效率，需要预测出用户群中对产品兴趣度最高的前20%用户
项目职责：1.负责数据清洗，特征工程
2.参与搭建模型的讨论
3.参与数据可视化
项目总结：主要承担数据处理的角色，从数据库提取相关数据，针对数据进行特征降维、缺失值处理、字符类型转换、特征归一化等操作，并不断优化数据，输出符合模型搭建要求的数据。
项目四：银行客户流失预警 2016.12 - 2017.5
项目描述：从海量客户记录中挖掘对流失有影响的信息，建立量化模型，合理预测客户的潜在流失风险，维护客户关系。
项目职责：1.参与分析业务需求、项目框架的讨论
2.参与数据清洗、特征工程
3.负责模型的搭建、代码的实现
4.参与模型的评估与调优
项目总结：利用python的scikit-learn库，采用监督学习与无监督学习相结合的方法，
使用网格搜索、k折交叉验证对模型进行调优，创建合理的流失预警量化模型，
准确率达到98%以上。
项目描述：通过对宏中观、城市轮动、政策因子数据，通过机器学习回归算法及网格超参数
调优，搭建城市房价预测模型。
项目职责：1.负责数据处理优化
2.回归模型优化
3.优化代码实现
4.模型评估
项目总结：预测未来3个月，1年，3年的房价涨幅，RMSE控制在5%以内。
项目二：信用卡贷款反欺诈 2017.11 – 2018.5
项目描述：通过对银行提供的海量贷款人的历史信息，进行机器学习，构建反欺诈模型，识别出欺诈用户的特征，有效预防欺诈行为的发生、降低银行的损失
项目职责：1.参与项目需求的讨论，确定项目框架
2.参与特征工程的讨论
3.负责模型的搭建，代码的实现
4.参与模型的评估和调优
项目总结：针对海量信用卡用户数据进行无监督学习，模型调优，解决了欺诈类型的判定、
特征工程的处理等技术难点，构建反欺诈模型，预测准确率达到98.4%。
项目三：银行理财产品精准营销 2017.6 – 2017.10
项目描述：某银行一款新型金融理财产品，为实现精准营销，提高营销效率，需要预测出用户群中对产品兴趣度最高的前20%用户
项目职责：1.负责数据清洗，特征工程
2.参与搭建模型的讨论
3.参与数据可视化
项目总结：主要承担数据处理的角色，从数据库提取相关数据，针对数据进行特征降维、缺失值处理、字符类型转换、特征归一化等操作，并不断优化数据，输出符合模型搭建要求的数据。
项目四：银行客户流失预警 2016.12 - 2017.5
项目描述：从海量客户记录中挖掘对流失有影响的信息，建立量化模型，合理预测客户的潜在流失风险，维护客户关系。
项目职责：1.参与分析业务需求、项目框架的讨论
2.参与数据清洗、特征工程
3.负责模型的搭建、代码的实现
4.参与模型的评估与调优
项目总结：利用python的scikit-learn库，采用监督学习与无监督学习相结合的方法，
使用网格搜索、k折交叉验证对模型进行调优，创建合理的流失预警量化模型，
准确率达到98%以上。
立即沟通
