Master of algorithm
资深算法工程师
上海复星集团 · 4年经验
日薪：
￥1200/8h
地点：
上海 浦东
时间：
下班后周六
信用行为
1
接单数
1
评价数
4
收藏数
100%
五星率
技术能力
本人数学专业硕士，7年前，大家都在说数据挖掘，之后流行说机器学习，最近几年流行深度学习，现在大家都在说人工智能，这个实际上是算法行业进步的标志，数据挖掘和机器学习强调人工去提取特征，人工构建的特征好坏直接决定了算法模型拟合的上限，深度学习则是自动化提取特征的，能够从纷繁复杂的业务场景中自动提取与业务目标相关的特征。现在大家都在说人工智能，那是因为算法只有落地实现价值才是最重要的，深度学习理论懂的人很多，但是能够结合业务场景给出适合的算法的人却不多，现在是强调业务应用能力，本人有着丰富的业务场景算法设计实战项目经验，能够独自设计符合业务要求的算法框架，并且能够设计算法开发的优秀框架，还能进行算法参数调优和测试。算法只有依托于并行计算框架才能最大化发挥价值。
精通各类算法，包括深度学习中的卷积和循环神经网络及其各种丰富多样的变形、优化与改进的神经网络结构。精通tensorflow的使用，精通spark并行计算框架及spark性能调优，熟练运用scala进行基于spark的复杂逻辑开发和开发框架设计，熟练运用python使用spark和tensorflow两个并行计算框架，并且能够将两者高效结合。精通所有传统的机器学习算法，有sarkstreaming实时计算框架的开发经验。熟悉java，linux，shell脚本，精通matlab，python，spss。
熟练项目整体算法设计和开发框架设计，项目均采用高效模块化开发，开发效率高，可拓展性强，易于后期不断加入新的需求。熟练整个算法项目的整个标准流程，从算法项目最底层的基础特征表构建，之后是特征工程，特征工程中包含数据标准化，特征选取，特征降维等，之后是算法模型开发，之后是模型融合，之后是参数优化。
精钻的几个方向分别介绍如下：
自然语言处理，nlp，文本分类，情感分析，卡槽抽取，信息抽取，最新的多轮对话系统，智能客服系统，典型的有faq，kbqa等，能够紧跟国际最前沿技术，比如去年12月公开源码的bert，今年刚出的xlnet等，包括自动图谱抽取技术等，准确率国际领先水平
图像处理，图像分类，图像检测，精通图像抽取的传统网络vgg,googlenet,inception,dense,残差网络等等，传统的FasterRcnn，最新的maskRcnn等
本人数学专业出身，对数学有着很浓厚的兴趣，所以把数学学的很
精通各类算法，包括深度学习中的卷积和循环神经网络及其各种丰富多样的变形、优化与改进的神经网络结构。精通tensorflow的使用，精通spark并行计算框架及spark性能调优，熟练运用scala进行基于spark的复杂逻辑开发和开发框架设计，熟练运用python使用spark和tensorflow两个并行计算框架，并且能够将两者高效结合。精通所有传统的机器学习算法，有sarkstreaming实时计算框架的开发经验。熟悉java，linux，shell脚本，精通matlab，python，spss。
熟练项目整体算法设计和开发框架设计，项目均采用高效模块化开发，开发效率高，可拓展性强，易于后期不断加入新的需求。熟练整个算法项目的整个标准流程，从算法项目最底层的基础特征表构建，之后是特征工程，特征工程中包含数据标准化，特征选取，特征降维等，之后是算法模型开发，之后是模型融合，之后是参数优化。
精钻的几个方向分别介绍如下：
自然语言处理，nlp，文本分类，情感分析，卡槽抽取，信息抽取，最新的多轮对话系统，智能客服系统，典型的有faq，kbqa等，能够紧跟国际最前沿技术，比如去年12月公开源码的bert，今年刚出的xlnet等，包括自动图谱抽取技术等，准确率国际领先水平
图像处理，图像分类，图像检测，精通图像抽取的传统网络vgg,googlenet,inception,dense,残差网络等等，传统的FasterRcnn，最新的maskRcnn等
本人数学专业出身，对数学有着很浓厚的兴趣，所以把数学学的很
项目经验
智能化移动办公系统（知名OA办公企业）
项目职务： 项目负责人
项目描述： 办公领域的领军者,智能化办公是近期要实现的目标,所谓智能化就是用户只需要采用语音的方式进行办公,贴近自然,更加便利.
项目职责： 负责整个智能客服系统的算法架构设计和核心代码开发，主要分为以下几个模块：
1. 样本丰富模块
样本丰富模块，设计一套由简单成本低到复杂精度高的项目演进系统，首先是使用机器学习和语言模型采用无监督的方式丰富样本，之后在无监督方式丰富了足够样本后，逐渐过渡到seq2seq的深度学习翻译模型。同时采用多渠道的样本丰富模型设计，包括采用GAN模型，传统的RNN系列+attention模型，基于BertTransformer的模型等。
2. 任务型对话模块
针对任务型对话系统，设计基于框架的语义标识体系，做意图分类(intent classification)；同时识别问句中的特殊实体(slotfilling)，采用联合训练法，包括传统的BiLSTM +Attention+multiTask，BertTransformer + multiTask，百度Ernie+multitask.
3. 知识型对话模块
设计一整套知识型对话系统，由成本低廉性价比高的版本过度到成本较高、精度最高的版本。设计FAQ系统，采用Siamese+BertTransformer兼顾效率和精度，也试验了最新的Lattice CNN + Siamese。之后，构建知识图谱，采用KBQA的方案，包括本体设计、知识获取、知识标识、知识推理等模块，KBQA主要有两个思路采用国际最新KBQA模型.
医疗知识图谱的构建（复星集团）
项目职务： 项目负责人
项目描述： 医疗知识图谱的构建是其他自然语言业务任务的基础，构建一个好的医疗知识图谱需要医学专家进行医学规范约定，图谱本体结构的合理构建，图谱存储和查询的优化设计等
项目职责：
1. 构建自然语言处理代码框架，实现自然语言处理任务扩充和累积，包括基础的分词、词向量化、文本预处理模块，包括实体识别、主意图识别、实体与主意图关系、情感分析、文本分类、关系抽取、关系推理等模块。
2. 知识获取模块：构建医学实体识别模型（BILSTM+CRF），研究国际最新进展，添加多个特征和做文本预训练，帮助提高实体识别准确率
构建基于深度学习模型（MultiGRUs+multi features+Attention）与模板相结合的实体关系抽取模型，自动对医学文本进行学习，抽取实体关系
3. 逻辑推理模块:基于医学领域知识标准，构建医疗知识图谱，基于Protege构建图谱本体结构，运用neo4j进行图存储和query。设计和自定义neo4j图谱推理引擎,线下运用推理进行知识补充，线上进行结果查询。
基于医疗知识图谱的问诊系统（复星集团）
项目职务： 项目负责人
项目描述： 将人工智能运用于智慧医疗，能够代替医生与患者进行深入互动，根据患者的病情描述，并结合症状病史搜集，生成符合病历规范的病史概要，大幅度缩减了接诊过程中的医患沟通时间和病历书写时间，并且针对于大部分常见疾病做一个基本的诊断
项目职责：
1. 任务型对话模块：设计框架表示体系，做意图分类+卡槽抽取，采用联合训练法，包括传统的BiLSTM +Attention+multiTask
2. 知识型对话模块：设计FAQ系统，采用Siamese+ CNN-DSSM兼顾效率和精度
3.根据实体识别和注意图识别，结合相应模板，形成图查询语句
4.构建基于大量病例的疾病诊断模型（机器学习模型和统计学模型）
5.问诊的问答和流程设计
电商平台商品推荐项目（基于spark的电商平台主页推荐，商品详情页推荐）
项目职务： 带领本算法团队，大数据算法设计与开发
项目描述： 为本公司所服务大型电商平台进行全面智能化的商品推荐项目，此项目较庞大，设计业务面较多，涉及的具体场景对应的算法较多，以下分别进行说明，本推荐项目是对比与天猫商城的推荐系统，推荐的实时性、准确性、敏感捕捉用户兴趣点的能力相当。
第一个项目：主页各板块推荐
1. 针对于行为少或没有行为的用户，采用用户冷启动相关推荐算法，包括采用用户向量相似度匹配推荐算法、hot推荐（榜单推荐）、组合推荐和生物属性相似性推荐与组合推荐相结合的推荐。
2.针对于用户行为丰富的推荐，此种推荐比较复杂，分为以下7类行为，按照优先级进行排序：
（1）用户实时的浏览行为，可选的推荐算法为：同类hot，基于物品的协同过滤推荐，基于商品内容的推荐
（2）近期浏览行为，可选的推荐算法为：同类hot，基于物品
项目职务： 项目负责人
项目描述： 办公领域的领军者,智能化办公是近期要实现的目标,所谓智能化就是用户只需要采用语音的方式进行办公,贴近自然,更加便利.
项目职责： 负责整个智能客服系统的算法架构设计和核心代码开发，主要分为以下几个模块：
1. 样本丰富模块
样本丰富模块，设计一套由简单成本低到复杂精度高的项目演进系统，首先是使用机器学习和语言模型采用无监督的方式丰富样本，之后在无监督方式丰富了足够样本后，逐渐过渡到seq2seq的深度学习翻译模型。同时采用多渠道的样本丰富模型设计，包括采用GAN模型，传统的RNN系列+attention模型，基于BertTransformer的模型等。
2. 任务型对话模块
针对任务型对话系统，设计基于框架的语义标识体系，做意图分类(intent classification)；同时识别问句中的特殊实体(slotfilling)，采用联合训练法，包括传统的BiLSTM +Attention+multiTask，BertTransformer + multiTask，百度Ernie+multitask.
3. 知识型对话模块
设计一整套知识型对话系统，由成本低廉性价比高的版本过度到成本较高、精度最高的版本。设计FAQ系统，采用Siamese+BertTransformer兼顾效率和精度，也试验了最新的Lattice CNN + Siamese。之后，构建知识图谱，采用KBQA的方案，包括本体设计、知识获取、知识标识、知识推理等模块，KBQA主要有两个思路采用国际最新KBQA模型.
医疗知识图谱的构建（复星集团）
项目职务： 项目负责人
项目描述： 医疗知识图谱的构建是其他自然语言业务任务的基础，构建一个好的医疗知识图谱需要医学专家进行医学规范约定，图谱本体结构的合理构建，图谱存储和查询的优化设计等
项目职责：
1. 构建自然语言处理代码框架，实现自然语言处理任务扩充和累积，包括基础的分词、词向量化、文本预处理模块，包括实体识别、主意图识别、实体与主意图关系、情感分析、文本分类、关系抽取、关系推理等模块。
2. 知识获取模块：构建医学实体识别模型（BILSTM+CRF），研究国际最新进展，添加多个特征和做文本预训练，帮助提高实体识别准确率
构建基于深度学习模型（MultiGRUs+multi features+Attention）与模板相结合的实体关系抽取模型，自动对医学文本进行学习，抽取实体关系
3. 逻辑推理模块:基于医学领域知识标准，构建医疗知识图谱，基于Protege构建图谱本体结构，运用neo4j进行图存储和query。设计和自定义neo4j图谱推理引擎,线下运用推理进行知识补充，线上进行结果查询。
基于医疗知识图谱的问诊系统（复星集团）
项目职务： 项目负责人
项目描述： 将人工智能运用于智慧医疗，能够代替医生与患者进行深入互动，根据患者的病情描述，并结合症状病史搜集，生成符合病历规范的病史概要，大幅度缩减了接诊过程中的医患沟通时间和病历书写时间，并且针对于大部分常见疾病做一个基本的诊断
项目职责：
1. 任务型对话模块：设计框架表示体系，做意图分类+卡槽抽取，采用联合训练法，包括传统的BiLSTM +Attention+multiTask
2. 知识型对话模块：设计FAQ系统，采用Siamese+ CNN-DSSM兼顾效率和精度
3.根据实体识别和注意图识别，结合相应模板，形成图查询语句
4.构建基于大量病例的疾病诊断模型（机器学习模型和统计学模型）
5.问诊的问答和流程设计
电商平台商品推荐项目（基于spark的电商平台主页推荐，商品详情页推荐）
项目职务： 带领本算法团队，大数据算法设计与开发
项目描述： 为本公司所服务大型电商平台进行全面智能化的商品推荐项目，此项目较庞大，设计业务面较多，涉及的具体场景对应的算法较多，以下分别进行说明，本推荐项目是对比与天猫商城的推荐系统，推荐的实时性、准确性、敏感捕捉用户兴趣点的能力相当。
第一个项目：主页各板块推荐
1. 针对于行为少或没有行为的用户，采用用户冷启动相关推荐算法，包括采用用户向量相似度匹配推荐算法、hot推荐（榜单推荐）、组合推荐和生物属性相似性推荐与组合推荐相结合的推荐。
2.针对于用户行为丰富的推荐，此种推荐比较复杂，分为以下7类行为，按照优先级进行排序：
（1）用户实时的浏览行为，可选的推荐算法为：同类hot，基于物品的协同过滤推荐，基于商品内容的推荐
（2）近期浏览行为，可选的推荐算法为：同类hot，基于物品
用户评价 (1)
★ 5星
【该评论为 5 星好评，选择不公开展示】
Master of algorithm
资深算法工程师 · 4年经验 · 上海复星集团
1
累计接单
100%
五星好评率
1
用户评价
4
被收藏
信用行为
1
接单数
1
评价数
4
收藏数
100%
五星率
技术能力
本人数学专业硕士，7年前，大家都在说数据挖掘，之后流行说机器学习，最近几年流行深度学习，现在大家都在说人工智能，这个实际上是算法行业进步的标志，数据挖掘和机器学习强调人工去提取特征，人工构建的特征好坏直接决定了算法模型拟合的上限，深度学习则是自动化提取特征的，能够从纷繁复杂的业务场景中自动提取与业务目标相关的特征。现在大家都在说人工智能，那是因为算法只有落地实现价值才是最重要的，深度学习理论懂的人很多，但是能够结合业务场景给出适合的算法的人却不多，现在是强调业务应用能力，本人有着丰富的业务场景算法设计实战项目经验，能够独自设计符合业务要求的算法框架，并且能够设计算法开发的优秀框架，还能进行算法参数调优和测试。算法只有依托于并行计算框架才能最大化发挥价值。
精通各类算法，包括深度学习中的卷积和循环神经网络及其各种丰富多样的变形、优化与改进的神经网络结构。精通tensorflow的使用，精通spark并行计算框架及spark性能调优，熟练运用scala进行基于spark的复杂逻辑开发和开发框架设计，熟练运用python使用spark和tensorflow两个并行计算框架，并且能够将两者高效结合。精通所有传统的机器学习算法，有sarkstreaming实时计算框架的开发经验。熟悉java，linux，shell脚本，精通matlab，python，spss。
熟练项目整体算法设计和开发框架设计，项目均采用高效模块化开发，开发效率高，可拓展性强，易于后期不断加入新的需求。熟练整个算法项目的整个标准流程，从算法项目最底层的基础特征表构建，之后是特征工程，特征工程中包含数据标准化，特征选取，特征降维等，之后是算法模型开发，之后是模型融合，之后是参数优化。
精钻的几个方向分别介绍如下：
自然语言处理，nlp，文本分类，情感分析，卡槽抽取，信息抽取，最新的多轮对话系统，智能客服系统，典型的有faq，kbqa等，能够紧跟国际最前沿技术，比如去年12月公开源码的bert，今年刚出的xlnet等，包括自动图谱抽取技术等，准确率国际领先水平
图像处理，图像分类，图像检测，精通图像抽取的传统网络vgg,googlenet,inception,dense,残差网络等等，传统的FasterRcnn，最新的maskRcnn等
本人数学专业出身，对数学有着很浓厚的兴趣，所以把数学学的很
精通各类算法，包括深度学习中的卷积和循环神经网络及其各种丰富多样的变形、优化与改进的神经网络结构。精通tensorflow的使用，精通spark并行计算框架及spark性能调优，熟练运用scala进行基于spark的复杂逻辑开发和开发框架设计，熟练运用python使用spark和tensorflow两个并行计算框架，并且能够将两者高效结合。精通所有传统的机器学习算法，有sarkstreaming实时计算框架的开发经验。熟悉java，linux，shell脚本，精通matlab，python，spss。
熟练项目整体算法设计和开发框架设计，项目均采用高效模块化开发，开发效率高，可拓展性强，易于后期不断加入新的需求。熟练整个算法项目的整个标准流程，从算法项目最底层的基础特征表构建，之后是特征工程，特征工程中包含数据标准化，特征选取，特征降维等，之后是算法模型开发，之后是模型融合，之后是参数优化。
精钻的几个方向分别介绍如下：
自然语言处理，nlp，文本分类，情感分析，卡槽抽取，信息抽取，最新的多轮对话系统，智能客服系统，典型的有faq，kbqa等，能够紧跟国际最前沿技术，比如去年12月公开源码的bert，今年刚出的xlnet等，包括自动图谱抽取技术等，准确率国际领先水平
图像处理，图像分类，图像检测，精通图像抽取的传统网络vgg,googlenet,inception,dense,残差网络等等，传统的FasterRcnn，最新的maskRcnn等
本人数学专业出身，对数学有着很浓厚的兴趣，所以把数学学的很
项目经验
智能化移动办公系统（知名OA办公企业）
项目职务： 项目负责人
项目描述： 办公领域的领军者,智能化办公是近期要实现的目标,所谓智能化就是用户只需要采用语音的方式进行办公,贴近自然,更加便利.
项目职责： 负责整个智能客服系统的算法架构设计和核心代码开发，主要分为以下几个模块：
1. 样本丰富模块
样本丰富模块，设计一套由简单成本低到复杂精度高的项目演进系统，首先是使用机器学习和语言模型采用无监督的方式丰富样本，之后在无监督方式丰富了足够样本后，逐渐过渡到seq2seq的深度学习翻译模型。同时采用多渠道的样本丰富模型设计，包括采用GAN模型，传统的RNN系列+attention模型，基于BertTransformer的模型等。
2. 任务型对话模块
针对任务型对话系统，设计基于框架的语义标识体系，做意图分类(intent classification)；同时识别问句中的特殊实体(slotfilling)，采用联合训练法，包括传统的BiLSTM +Attention+multiTask，BertTransformer + multiTask，百度Ernie+multitask.
3. 知识型对话模块
设计一整套知识型对话系统，由成本低廉性价比高的版本过度到成本较高、精度最高的版本。设计FAQ系统，采用Siamese+BertTransformer兼顾效率和精度，也试验了最新的Lattice CNN + Siamese。之后，构建知识图谱，采用KBQA的方案，包括本体设计、知识获取、知识标识、知识推理等模块，KBQA主要有两个思路采用国际最新KBQA模型.
医疗知识图谱的构建（复星集团）
项目职务： 项目负责人
项目描述： 医疗知识图谱的构建是其他自然语言业务任务的基础，构建一个好的医疗知识图谱需要医学专家进行医学规范约定，图谱本体结构的合理构建，图谱存储和查询的优化设计等
项目职责：
1. 构建自然语言处理代码框架，实现自然语言处理任务扩充和累积，包括基础的分词、词向量化、文本预处理模块，包括实体识别、主意图识别、实体与主意图关系、情感分析、文本分类、关系抽取、关系推理等模块。
2. 知识获取模块：构建医学实体识别模型（BILSTM+CRF），研究国际最新进展，添加多个特征和做文本预训练，帮助提高实体识别准确率
构建基于深度学习模型（MultiGRUs+multi features+Attention）与模板相结合的实体关系抽取模型，自动对医学文本进行学习，抽取实体关系
3. 逻辑推理模块:基于医学领域知识标准，构建医疗知识图谱，基于Protege构建图谱本体结构，运用neo4j进行图存储和query。设计和自定义neo4j图谱推理引擎,线下运用推理进行知识补充，线上进行结果查询。
基于医疗知识图谱的问诊系统（复星集团）
项目职务： 项目负责人
项目描述： 将人工智能运用于智慧医疗，能够代替医生与患者进行深入互动，根据患者的病情描述，并结合症状病史搜集，生成符合病历规范的病史概要，大幅度缩减了接诊过程中的医患沟通时间和病历书写时间，并且针对于大部分常见疾病做一个基本的诊断
项目职责：
1. 任务型对话模块：设计框架表示体系，做意图分类+卡槽抽取，采用联合训练法，包括传统的BiLSTM +Attention+multiTask
2. 知识型对话模块：设计FAQ系统，采用Siamese+ CNN-DSSM兼顾效率和精度
3.根据实体识别和注意图识别，结合相应模板，形成图查询语句
4.构建基于大量病例的疾病诊断模型（机器学习模型和统计学模型）
5.问诊的问答和流程设计
电商平台商品推荐项目（基于spark的电商平台主页推荐，商品详情页推荐）
项目职务： 带领本算法团队，大数据算法设计与开发
项目描述： 为本公司所服务大型电商平台进行全面智能化的商品推荐项目，此项目较庞大，设计业务面较多，涉及的具体场景对应的算法较多，以下分别进行说明，本推荐项目是对比与天猫商城的推荐系统，推荐的实时性、准确性、敏感捕捉用户兴趣点的能力相当。
第一个项目：主页各板块推荐
1. 针对于行为少或没有行为的用户，采用用户冷启动相关推荐算法，包括采用用户向量相似度匹配推荐算法、hot推荐（榜单推荐）、组合推荐和生物属性相似性推荐与组合推荐相结合的推荐。
2.针对于用户行为丰富的推荐，此种推荐比较复杂，分为以下7类行为，按照优先级进行排序：
（1）用户实时的浏览行为，可选的推荐算法为：同类hot，基于物品的协同过滤推荐，基于商品内容的推荐
（2）近期浏览行为，可选的推荐算法为：同类hot，基于物品
项目职务： 项目负责人
项目描述： 办公领域的领军者,智能化办公是近期要实现的目标,所谓智能化就是用户只需要采用语音的方式进行办公,贴近自然,更加便利.
项目职责： 负责整个智能客服系统的算法架构设计和核心代码开发，主要分为以下几个模块：
1. 样本丰富模块
样本丰富模块，设计一套由简单成本低到复杂精度高的项目演进系统，首先是使用机器学习和语言模型采用无监督的方式丰富样本，之后在无监督方式丰富了足够样本后，逐渐过渡到seq2seq的深度学习翻译模型。同时采用多渠道的样本丰富模型设计，包括采用GAN模型，传统的RNN系列+attention模型，基于BertTransformer的模型等。
2. 任务型对话模块
针对任务型对话系统，设计基于框架的语义标识体系，做意图分类(intent classification)；同时识别问句中的特殊实体(slotfilling)，采用联合训练法，包括传统的BiLSTM +Attention+multiTask，BertTransformer + multiTask，百度Ernie+multitask.
3. 知识型对话模块
设计一整套知识型对话系统，由成本低廉性价比高的版本过度到成本较高、精度最高的版本。设计FAQ系统，采用Siamese+BertTransformer兼顾效率和精度，也试验了最新的Lattice CNN + Siamese。之后，构建知识图谱，采用KBQA的方案，包括本体设计、知识获取、知识标识、知识推理等模块，KBQA主要有两个思路采用国际最新KBQA模型.
医疗知识图谱的构建（复星集团）
项目职务： 项目负责人
项目描述： 医疗知识图谱的构建是其他自然语言业务任务的基础，构建一个好的医疗知识图谱需要医学专家进行医学规范约定，图谱本体结构的合理构建，图谱存储和查询的优化设计等
项目职责：
1. 构建自然语言处理代码框架，实现自然语言处理任务扩充和累积，包括基础的分词、词向量化、文本预处理模块，包括实体识别、主意图识别、实体与主意图关系、情感分析、文本分类、关系抽取、关系推理等模块。
2. 知识获取模块：构建医学实体识别模型（BILSTM+CRF），研究国际最新进展，添加多个特征和做文本预训练，帮助提高实体识别准确率
构建基于深度学习模型（MultiGRUs+multi features+Attention）与模板相结合的实体关系抽取模型，自动对医学文本进行学习，抽取实体关系
3. 逻辑推理模块:基于医学领域知识标准，构建医疗知识图谱，基于Protege构建图谱本体结构，运用neo4j进行图存储和query。设计和自定义neo4j图谱推理引擎,线下运用推理进行知识补充，线上进行结果查询。
基于医疗知识图谱的问诊系统（复星集团）
项目职务： 项目负责人
项目描述： 将人工智能运用于智慧医疗，能够代替医生与患者进行深入互动，根据患者的病情描述，并结合症状病史搜集，生成符合病历规范的病史概要，大幅度缩减了接诊过程中的医患沟通时间和病历书写时间，并且针对于大部分常见疾病做一个基本的诊断
项目职责：
1. 任务型对话模块：设计框架表示体系，做意图分类+卡槽抽取，采用联合训练法，包括传统的BiLSTM +Attention+multiTask
2. 知识型对话模块：设计FAQ系统，采用Siamese+ CNN-DSSM兼顾效率和精度
3.根据实体识别和注意图识别，结合相应模板，形成图查询语句
4.构建基于大量病例的疾病诊断模型（机器学习模型和统计学模型）
5.问诊的问答和流程设计
电商平台商品推荐项目（基于spark的电商平台主页推荐，商品详情页推荐）
项目职务： 带领本算法团队，大数据算法设计与开发
项目描述： 为本公司所服务大型电商平台进行全面智能化的商品推荐项目，此项目较庞大，设计业务面较多，涉及的具体场景对应的算法较多，以下分别进行说明，本推荐项目是对比与天猫商城的推荐系统，推荐的实时性、准确性、敏感捕捉用户兴趣点的能力相当。
第一个项目：主页各板块推荐
1. 针对于行为少或没有行为的用户，采用用户冷启动相关推荐算法，包括采用用户向量相似度匹配推荐算法、hot推荐（榜单推荐）、组合推荐和生物属性相似性推荐与组合推荐相结合的推荐。
2.针对于用户行为丰富的推荐，此种推荐比较复杂，分为以下7类行为，按照优先级进行排序：
（1）用户实时的浏览行为，可选的推荐算法为：同类hot，基于物品的协同过滤推荐，基于商品内容的推荐
（2）近期浏览行为，可选的推荐算法为：同类hot，基于物品
案例展示
金融、地产领域一体化舆情分析平台
负责项目的整体架构设计（包括硬件、软件层面）、核心代码开发设计、项目生产部署、算法团队日常工作管理、人力资源管理等。 从地产各个方面进行全方位的舆情分析，包括：政府政策层面舆情、房企舆情、城市地区相关舆情、宏观行业层面舆情等角度进行地产领域舆情模型构建 分别进行新闻实体抽
金融B端风控模型
负责项目的整体架构设计（包括硬件、软件层面）、核心代码开发设计、项目生产部署、算法团队日常工作管理、人力资源管理等。 结合公司财务因子、发债行情因子、舆情因子等构建公司违约风险模型，其中要解决小样本问题、样本不均衡问题，采用传统的机器学习分类模型（逻辑回归、Xgboost分
用户评价 (1)
猿急送用户
★ 5星
2020-06-20 14:39
【该评论为 5
星好评，评论人选择不公开展示】
立即沟通
