花间持酒
学生
东北石油大学 · 2年经验
日薪：
￥500/8h
地点：
天津 全区
时间：
下班后
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
熟练操作 python 当中的面向对象编程，以及对函数的封装和模块导入
熟练使用 Python 常用的 Web 框架，如：Django,Tornado
熟悉 HTML, CSS, Javascript，jquery, Ajax等前端技术和框架
熟悉比较常用的数据库，如，mysql
掌握爬虫技术，能够用 scrapy 等框架搭建爬虫环境
熟悉进程、线程、协程的作用原理，并掌握这三者在实际工作中的运用
熟悉正则表达式，掌握贪婪模式和非贪婪模式的应用场景
了解数据结构，二叉树，深度搜索遍历和广度搜索遍历
了解动态、静态 web 服务器运行脚本的编写，wsgi 协议加载文件
了解深度学习以及目前常用的关于Python接口的深度学习库，如 Theano，TensorFlow，Caffe
熟练使用 Python 常用的 Web 框架，如：Django,Tornado
熟悉 HTML, CSS, Javascript，jquery, Ajax等前端技术和框架
熟悉比较常用的数据库，如，mysql
掌握爬虫技术，能够用 scrapy 等框架搭建爬虫环境
熟悉进程、线程、协程的作用原理，并掌握这三者在实际工作中的运用
熟悉正则表达式，掌握贪婪模式和非贪婪模式的应用场景
了解数据结构，二叉树，深度搜索遍历和广度搜索遍历
了解动态、静态 web 服务器运行脚本的编写，wsgi 协议加载文件
了解深度学习以及目前常用的关于Python接口的深度学习库，如 Theano，TensorFlow，Caffe
项目经验
项目名称：用决策树预测获胜球队
职责描述：
用 pandas 库加载、处理数据，实现数据集的清洗，让原始数据变得规整。
决策树是一种有监督的机器学习算法，经由训练阶段和预测阶段完成决策树模型的建立，用到 scikit-learn 库，从中导入 DecisionTreeClassifier 类，用它创建决策树。
随机森林算法，创建多棵决策树，分别预测，再根据少数服从多数的原则从多个预测结果中选择最终预测结果，在 scikit-learn 库中导入 RandomForestClassifier。
项目总结：
在项目中发现，改变特征对算法的表现有很大的影响，仅仅是选用不同的特征，正确率提升了 10%，有多种算法计算特证，通常情况下是一次性处理所有特征，这样的效率比较高。
在这个项目中，特征抽取比较麻烦，遇到不懂问题会从 StackOverflow 社区寻求帮助。
因为在训练数据集的过程中，发现有些球队的名字改了，但仍然是同一个球队，所以在查找球队时，需要把它换成原来的名字。
职责描述：
用 pandas 库加载、处理数据，实现数据集的清洗，让原始数据变得规整。
决策树是一种有监督的机器学习算法，经由训练阶段和预测阶段完成决策树模型的建立，用到 scikit-learn 库，从中导入 DecisionTreeClassifier 类，用它创建决策树。
随机森林算法，创建多棵决策树，分别预测，再根据少数服从多数的原则从多个预测结果中选择最终预测结果，在 scikit-learn 库中导入 RandomForestClassifier。
项目总结：
在项目中发现，改变特征对算法的表现有很大的影响，仅仅是选用不同的特征，正确率提升了 10%，有多种算法计算特证，通常情况下是一次性处理所有特征，这样的效率比较高。
在这个项目中，特征抽取比较麻烦，遇到不懂问题会从 StackOverflow 社区寻求帮助。
因为在训练数据集的过程中，发现有些球队的名字改了，但仍然是同一个球队，所以在查找球队时，需要把它换成原来的名字。
花间持酒
学生 · 2年经验 · 东北石油大学
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
熟练操作 python 当中的面向对象编程，以及对函数的封装和模块导入
熟练使用 Python 常用的 Web 框架，如：Django,Tornado
熟悉 HTML, CSS, Javascript，jquery, Ajax等前端技术和框架
熟悉比较常用的数据库，如，mysql
掌握爬虫技术，能够用 scrapy 等框架搭建爬虫环境
熟悉进程、线程、协程的作用原理，并掌握这三者在实际工作中的运用
熟悉正则表达式，掌握贪婪模式和非贪婪模式的应用场景
了解数据结构，二叉树，深度搜索遍历和广度搜索遍历
了解动态、静态 web 服务器运行脚本的编写，wsgi 协议加载文件
了解深度学习以及目前常用的关于Python接口的深度学习库，如 Theano，TensorFlow，Caffe
熟练使用 Python 常用的 Web 框架，如：Django,Tornado
熟悉 HTML, CSS, Javascript，jquery, Ajax等前端技术和框架
熟悉比较常用的数据库，如，mysql
掌握爬虫技术，能够用 scrapy 等框架搭建爬虫环境
熟悉进程、线程、协程的作用原理，并掌握这三者在实际工作中的运用
熟悉正则表达式，掌握贪婪模式和非贪婪模式的应用场景
了解数据结构，二叉树，深度搜索遍历和广度搜索遍历
了解动态、静态 web 服务器运行脚本的编写，wsgi 协议加载文件
了解深度学习以及目前常用的关于Python接口的深度学习库，如 Theano，TensorFlow，Caffe
项目经验
项目名称：用决策树预测获胜球队
职责描述：
用 pandas 库加载、处理数据，实现数据集的清洗，让原始数据变得规整。
决策树是一种有监督的机器学习算法，经由训练阶段和预测阶段完成决策树模型的建立，用到 scikit-learn 库，从中导入 DecisionTreeClassifier 类，用它创建决策树。
随机森林算法，创建多棵决策树，分别预测，再根据少数服从多数的原则从多个预测结果中选择最终预测结果，在 scikit-learn 库中导入 RandomForestClassifier。
项目总结：
在项目中发现，改变特征对算法的表现有很大的影响，仅仅是选用不同的特征，正确率提升了 10%，有多种算法计算特证，通常情况下是一次性处理所有特征，这样的效率比较高。
在这个项目中，特征抽取比较麻烦，遇到不懂问题会从 StackOverflow 社区寻求帮助。
因为在训练数据集的过程中，发现有些球队的名字改了，但仍然是同一个球队，所以在查找球队时，需要把它换成原来的名字。
职责描述：
用 pandas 库加载、处理数据，实现数据集的清洗，让原始数据变得规整。
决策树是一种有监督的机器学习算法，经由训练阶段和预测阶段完成决策树模型的建立，用到 scikit-learn 库，从中导入 DecisionTreeClassifier 类，用它创建决策树。
随机森林算法，创建多棵决策树，分别预测，再根据少数服从多数的原则从多个预测结果中选择最终预测结果，在 scikit-learn 库中导入 RandomForestClassifier。
项目总结：
在项目中发现，改变特征对算法的表现有很大的影响，仅仅是选用不同的特征，正确率提升了 10%，有多种算法计算特证，通常情况下是一次性处理所有特征，这样的效率比较高。
在这个项目中，特征抽取比较麻烦，遇到不懂问题会从 StackOverflow 社区寻求帮助。
因为在训练数据集的过程中，发现有些球队的名字改了，但仍然是同一个球队，所以在查找球队时，需要把它换成原来的名字。
立即沟通
