张磊
全栈工程师
中国科学院、西门子中国研究院 · 5年经验
日薪：
￥700/8h
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
2
接单数
2
评价数
6
收藏数
100%
五星率
技术能力
前端方面技能：
1）熟悉 html5, css3 等新技术规范及使用，可以精准还原设计原稿；
2）熟悉 JavaScript 语言编程，熟悉 ES6 等新规范，能够脱离 JQuery 等类库编码；
3）熟悉运用模块化、面向对象的方式编程；
4）熟练使用 Vue 框架进行模块开发，并有项目开发经历；
5）能使用 Bootstrap、JQueryMobile、Element 等 UI 库和框架进行开发；
6）熟悉使用前端自动化构建工具 Webpack；
7）熟悉使用 Git 进行版本控制和协作开发；
本人完成自己工作的同时，自己自学掌握的后端和数据分析技能如下：
8）熟练掌握应用关系型数据库 Mysql、Postgresql，并可以自主实现与 Flask、Django 等 Web 框架的数据交互。熟练掌握机器学习算法，参与数据挖掘应用包括决策树、贝叶斯、回归、K-means、随机森林、SVM 等；
9）熟练掌握深度学习算法原理，熟悉常用的数据结构和算法，实现算法包括 BP、CNN、DBN、CDBN 等；
10）拥有系统的轴承故障诊断和手势识别项目经验，熟悉海量数据处理流程，可构造算法模型并作出诊断分析；
11）熟练掌握 Python 脚本语言及其数据分析资源库 （numpy、pandas、matplotlib、scikit-learn、tensorflow 等） ， 熟悉 C、C++、Java 编程思想，有丰富的算法调试经验；
1）熟悉 html5, css3 等新技术规范及使用，可以精准还原设计原稿；
2）熟悉 JavaScript 语言编程，熟悉 ES6 等新规范，能够脱离 JQuery 等类库编码；
3）熟悉运用模块化、面向对象的方式编程；
4）熟练使用 Vue 框架进行模块开发，并有项目开发经历；
5）能使用 Bootstrap、JQueryMobile、Element 等 UI 库和框架进行开发；
6）熟悉使用前端自动化构建工具 Webpack；
7）熟悉使用 Git 进行版本控制和协作开发；
本人完成自己工作的同时，自己自学掌握的后端和数据分析技能如下：
8）熟练掌握应用关系型数据库 Mysql、Postgresql，并可以自主实现与 Flask、Django 等 Web 框架的数据交互。熟练掌握机器学习算法，参与数据挖掘应用包括决策树、贝叶斯、回归、K-means、随机森林、SVM 等；
9）熟练掌握深度学习算法原理，熟悉常用的数据结构和算法，实现算法包括 BP、CNN、DBN、CDBN 等；
10）拥有系统的轴承故障诊断和手势识别项目经验，熟悉海量数据处理流程，可构造算法模型并作出诊断分析；
11）熟练掌握 Python 脚本语言及其数据分析资源库 （numpy、pandas、matplotlib、scikit-learn、tensorflow 等） ， 熟悉 C、C++、Java 编程思想，有丰富的算法调试经验；
项目经验
参与完成的项目列举如下：
1） 移动终端的手势识别身份认证（Android开发）
为保护用户设备隐私安全，身份认证已成为使用设备前必不可少的步骤。由触摸屏传感器采集手势特征点，经数据清洗后，进行 EDA 和交互式数据分析识别变量之间的相关关系并提取特征，然后将数据拆分为训练/测试集（K 折交叉验证以避免过拟合） ， 选取深度学习算法 （卷积深度信念网络）建立手势识别模型，进行有监督和无监督的混合训练并调整模型的超参数， 选取合适的评估指标（AUC、 F1 值、混淆矩阵）进行评估，当模型指标达到要求后上线运行。
2）基于 K-means 赶集网广告效果聚类分析（数据分析）
广告投放渠道众多，需要对广告的效果进行分析以实现针对性的广告效果测量，并与业务运营沟通以优化广告投放。项目选择近 30 天时间段数据，指标包括日均 UV、平均注册率、平均探索量、访问深度、广告卖点等，以平均轮廓系数为指标确定 K 值，使用 K-means 算法将广告进行分类并找出其主要特征，分析不同类别广告媒体的特征倾向，并从注册引导、注册激励、订单质量、引导流量点击等分析，为业务部门对项目的进一步落地提供建议。
3）成都实验室轴承故障诊断展台（机器学习算法）
采集实时轴承数据，设计故障诊断和寿命预测算法，并将预测结果展示在可视化页面中。采集不同频率的振动信号，建立轴承振动信息的数据库及正态分布，利用 Knime 平台，对轴承的振动数据进行相关性分析，同时结合生产的实际良品率及故障频率段，计算出振动的检测标准， 将轴承特征数据放入机器学习算法（随机森林算法）模型中学习，模型预测结束后，由 Echarts 绘制实时波形图及 3D 瀑布图并利用 Jupyter notebook 共享轴承数据信息。
4）上海一汽大众——Maintenance Service（前后端开发）
基于甲方线上调度的监控与管理需求，由振动传感器采集轴承数据并经数据清洗后，将数据上传到西门子工业MindSphere，实现总厂宏观调控所有分厂数据。客户端读取云端数据保存到 Postgresql 数据库并进行分区处理，提取故障信号的特征，通过 SignalPad 测控软件采集分析，得到正常和故障样品的特征对比， 设计机器学习算法 （支持向量机）对轴承数据进行诊断， 并给出维修建议， AngularJS 读取接口数据， 并将工程师反馈结果回传到数据库中， 实现交互式数据可视化，形成闭环式的维护服务。
1） 移动终端的手势识别身份认证（Android开发）
为保护用户设备隐私安全，身份认证已成为使用设备前必不可少的步骤。由触摸屏传感器采集手势特征点，经数据清洗后，进行 EDA 和交互式数据分析识别变量之间的相关关系并提取特征，然后将数据拆分为训练/测试集（K 折交叉验证以避免过拟合） ， 选取深度学习算法 （卷积深度信念网络）建立手势识别模型，进行有监督和无监督的混合训练并调整模型的超参数， 选取合适的评估指标（AUC、 F1 值、混淆矩阵）进行评估，当模型指标达到要求后上线运行。
2）基于 K-means 赶集网广告效果聚类分析（数据分析）
广告投放渠道众多，需要对广告的效果进行分析以实现针对性的广告效果测量，并与业务运营沟通以优化广告投放。项目选择近 30 天时间段数据，指标包括日均 UV、平均注册率、平均探索量、访问深度、广告卖点等，以平均轮廓系数为指标确定 K 值，使用 K-means 算法将广告进行分类并找出其主要特征，分析不同类别广告媒体的特征倾向，并从注册引导、注册激励、订单质量、引导流量点击等分析，为业务部门对项目的进一步落地提供建议。
3）成都实验室轴承故障诊断展台（机器学习算法）
采集实时轴承数据，设计故障诊断和寿命预测算法，并将预测结果展示在可视化页面中。采集不同频率的振动信号，建立轴承振动信息的数据库及正态分布，利用 Knime 平台，对轴承的振动数据进行相关性分析，同时结合生产的实际良品率及故障频率段，计算出振动的检测标准， 将轴承特征数据放入机器学习算法（随机森林算法）模型中学习，模型预测结束后，由 Echarts 绘制实时波形图及 3D 瀑布图并利用 Jupyter notebook 共享轴承数据信息。
4）上海一汽大众——Maintenance Service（前后端开发）
基于甲方线上调度的监控与管理需求，由振动传感器采集轴承数据并经数据清洗后，将数据上传到西门子工业MindSphere，实现总厂宏观调控所有分厂数据。客户端读取云端数据保存到 Postgresql 数据库并进行分区处理，提取故障信号的特征，通过 SignalPad 测控软件采集分析，得到正常和故障样品的特征对比， 设计机器学习算法 （支持向量机）对轴承数据进行诊断， 并给出维修建议， AngularJS 读取接口数据， 并将工程师反馈结果回传到数据库中， 实现交互式数据可视化，形成闭环式的维护服务。
团队情况
整包服务：
PC网站开发
负责人：
全栈工程师
团队成员：
产品经理 后端工程师
用户评价 (2)
★ 5星
尽心尽责，技术精湛。
★ 5星
职业道德高，技术好，很满意！
张磊
有团队 · 可整包
全栈工程师 · 5年经验 · 中国科学院、西门子中国研究院
2
累计接单
100%
五星好评率
2
用户评价
6
被收藏
信用行为
2
接单数
2
评价数
6
收藏数
100%
五星率
技术能力
前端方面技能：
1）熟悉 html5, css3 等新技术规范及使用，可以精准还原设计原稿；
2）熟悉 JavaScript 语言编程，熟悉 ES6 等新规范，能够脱离 JQuery 等类库编码；
3）熟悉运用模块化、面向对象的方式编程；
4）熟练使用 Vue 框架进行模块开发，并有项目开发经历；
5）能使用 Bootstrap、JQueryMobile、Element 等 UI 库和框架进行开发；
6）熟悉使用前端自动化构建工具 Webpack；
7）熟悉使用 Git 进行版本控制和协作开发；
本人完成自己工作的同时，自己自学掌握的后端和数据分析技能如下：
8）熟练掌握应用关系型数据库 Mysql、Postgresql，并可以自主实现与 Flask、Django 等 Web 框架的数据交互。熟练掌握机器学习算法，参与数据挖掘应用包括决策树、贝叶斯、回归、K-means、随机森林、SVM 等；
9）熟练掌握深度学习算法原理，熟悉常用的数据结构和算法，实现算法包括 BP、CNN、DBN、CDBN 等；
10）拥有系统的轴承故障诊断和手势识别项目经验，熟悉海量数据处理流程，可构造算法模型并作出诊断分析；
11）熟练掌握 Python 脚本语言及其数据分析资源库 （numpy、pandas、matplotlib、scikit-learn、tensorflow 等） ， 熟悉 C、C++、Java 编程思想，有丰富的算法调试经验；
1）熟悉 html5, css3 等新技术规范及使用，可以精准还原设计原稿；
2）熟悉 JavaScript 语言编程，熟悉 ES6 等新规范，能够脱离 JQuery 等类库编码；
3）熟悉运用模块化、面向对象的方式编程；
4）熟练使用 Vue 框架进行模块开发，并有项目开发经历；
5）能使用 Bootstrap、JQueryMobile、Element 等 UI 库和框架进行开发；
6）熟悉使用前端自动化构建工具 Webpack；
7）熟悉使用 Git 进行版本控制和协作开发；
本人完成自己工作的同时，自己自学掌握的后端和数据分析技能如下：
8）熟练掌握应用关系型数据库 Mysql、Postgresql，并可以自主实现与 Flask、Django 等 Web 框架的数据交互。熟练掌握机器学习算法，参与数据挖掘应用包括决策树、贝叶斯、回归、K-means、随机森林、SVM 等；
9）熟练掌握深度学习算法原理，熟悉常用的数据结构和算法，实现算法包括 BP、CNN、DBN、CDBN 等；
10）拥有系统的轴承故障诊断和手势识别项目经验，熟悉海量数据处理流程，可构造算法模型并作出诊断分析；
11）熟练掌握 Python 脚本语言及其数据分析资源库 （numpy、pandas、matplotlib、scikit-learn、tensorflow 等） ， 熟悉 C、C++、Java 编程思想，有丰富的算法调试经验；
项目经验
参与完成的项目列举如下：
1） 移动终端的手势识别身份认证（Android开发）
为保护用户设备隐私安全，身份认证已成为使用设备前必不可少的步骤。由触摸屏传感器采集手势特征点，经数据清洗后，进行 EDA 和交互式数据分析识别变量之间的相关关系并提取特征，然后将数据拆分为训练/测试集（K 折交叉验证以避免过拟合） ， 选取深度学习算法 （卷积深度信念网络）建立手势识别模型，进行有监督和无监督的混合训练并调整模型的超参数， 选取合适的评估指标（AUC、 F1 值、混淆矩阵）进行评估，当模型指标达到要求后上线运行。
2）基于 K-means 赶集网广告效果聚类分析（数据分析）
广告投放渠道众多，需要对广告的效果进行分析以实现针对性的广告效果测量，并与业务运营沟通以优化广告投放。项目选择近 30 天时间段数据，指标包括日均 UV、平均注册率、平均探索量、访问深度、广告卖点等，以平均轮廓系数为指标确定 K 值，使用 K-means 算法将广告进行分类并找出其主要特征，分析不同类别广告媒体的特征倾向，并从注册引导、注册激励、订单质量、引导流量点击等分析，为业务部门对项目的进一步落地提供建议。
3）成都实验室轴承故障诊断展台（机器学习算法）
采集实时轴承数据，设计故障诊断和寿命预测算法，并将预测结果展示在可视化页面中。采集不同频率的振动信号，建立轴承振动信息的数据库及正态分布，利用 Knime 平台，对轴承的振动数据进行相关性分析，同时结合生产的实际良品率及故障频率段，计算出振动的检测标准， 将轴承特征数据放入机器学习算法（随机森林算法）模型中学习，模型预测结束后，由 Echarts 绘制实时波形图及 3D 瀑布图并利用 Jupyter notebook 共享轴承数据信息。
4）上海一汽大众——Maintenance Service（前后端开发）
基于甲方线上调度的监控与管理需求，由振动传感器采集轴承数据并经数据清洗后，将数据上传到西门子工业MindSphere，实现总厂宏观调控所有分厂数据。客户端读取云端数据保存到 Postgresql 数据库并进行分区处理，提取故障信号的特征，通过 SignalPad 测控软件采集分析，得到正常和故障样品的特征对比， 设计机器学习算法 （支持向量机）对轴承数据进行诊断， 并给出维修建议， AngularJS 读取接口数据， 并将工程师反馈结果回传到数据库中， 实现交互式数据可视化，形成闭环式的维护服务。
1） 移动终端的手势识别身份认证（Android开发）
为保护用户设备隐私安全，身份认证已成为使用设备前必不可少的步骤。由触摸屏传感器采集手势特征点，经数据清洗后，进行 EDA 和交互式数据分析识别变量之间的相关关系并提取特征，然后将数据拆分为训练/测试集（K 折交叉验证以避免过拟合） ， 选取深度学习算法 （卷积深度信念网络）建立手势识别模型，进行有监督和无监督的混合训练并调整模型的超参数， 选取合适的评估指标（AUC、 F1 值、混淆矩阵）进行评估，当模型指标达到要求后上线运行。
2）基于 K-means 赶集网广告效果聚类分析（数据分析）
广告投放渠道众多，需要对广告的效果进行分析以实现针对性的广告效果测量，并与业务运营沟通以优化广告投放。项目选择近 30 天时间段数据，指标包括日均 UV、平均注册率、平均探索量、访问深度、广告卖点等，以平均轮廓系数为指标确定 K 值，使用 K-means 算法将广告进行分类并找出其主要特征，分析不同类别广告媒体的特征倾向，并从注册引导、注册激励、订单质量、引导流量点击等分析，为业务部门对项目的进一步落地提供建议。
3）成都实验室轴承故障诊断展台（机器学习算法）
采集实时轴承数据，设计故障诊断和寿命预测算法，并将预测结果展示在可视化页面中。采集不同频率的振动信号，建立轴承振动信息的数据库及正态分布，利用 Knime 平台，对轴承的振动数据进行相关性分析，同时结合生产的实际良品率及故障频率段，计算出振动的检测标准， 将轴承特征数据放入机器学习算法（随机森林算法）模型中学习，模型预测结束后，由 Echarts 绘制实时波形图及 3D 瀑布图并利用 Jupyter notebook 共享轴承数据信息。
4）上海一汽大众——Maintenance Service（前后端开发）
基于甲方线上调度的监控与管理需求，由振动传感器采集轴承数据并经数据清洗后，将数据上传到西门子工业MindSphere，实现总厂宏观调控所有分厂数据。客户端读取云端数据保存到 Postgresql 数据库并进行分区处理，提取故障信号的特征，通过 SignalPad 测控软件采集分析，得到正常和故障样品的特征对比， 设计机器学习算法 （支持向量机）对轴承数据进行诊断， 并给出维修建议， AngularJS 读取接口数据， 并将工程师反馈结果回传到数据库中， 实现交互式数据可视化，形成闭环式的维护服务。
团队情况
服务范围：
团队构成：
负责人(全栈工程师)
|
核心队员：产品经理 ·
后端工程师
案例展示
Lifter Maintenance
项目介绍：基于甲方线上调度的监控与管理需求，由振动传感器采集轴承数据并经数据清洗后，将数据上传到西门子工业云MindSphere，实现总厂宏观调控所有分厂数据。客户端读取云端数据保存到 Postgresql 数据库并进行分区处理，提取故障信号的特征，通过 SignalPad 测控
成都实验室轴承故障诊断展台
项目介绍：采集实时轴承数据，设计故障诊断和寿命预测算法，并将预测结果展示在可视化页面中。采集不同频率的振动信 号，建立轴承振动信息的数据库及正态分布，利用 Knime 平台，对轴承的振动数据进行相关性分析，同时结合生产的 实际良品率及故障频率段，计算出振动的检测标准， 将轴承
移动终端的手势识别身份认证
项目介绍：为保护用户设备隐私安全，身份认证已成为使用设备前必不可少的步骤。由触摸屏传感器采集手势特征点，经数据清洗后，进行 EDA 和交互式数据分析识别变量之间的相关关系并提取特征，然后将数据拆分为训练/测试集（K 折交叉验证以避免过拟合） ， 选取深度学习算法 （卷积深度信念网
基于 K-Means 的协同过滤推荐算法
项目介绍：广告投放渠道众多，需要对广告的效果进行分析以实现针对性的广告效果测量，并与业务运营沟通以优化广告投放。项目选择近 30 天时间段数据，指标包括日均 UV、注册率、访问深度、广告卖点等， 以平均轮廓系数法确定 K 值，使用 K-Means 算法对用户进行聚类，再对每个子类
用户评价 (2)
尽心尽责，技术精湛。
职业道德高，技术好，很满意！
立即沟通
