ᯤ⁶ᴳ
数据分析 爬虫
无 · 1年经验
日薪：
￥500/8h
地点：
其他 全区
时间：
可工作日远程可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
数据挖掘与数据分析
聚类：K均值（Kmeans）、最近邻算法（KNN）、期望最大值算法（EM）、隐含狄利克雷分布（LDA）
分类：支持向量机（SVM）、逻辑回归（LR）、梯度下降树（GBDT）、随机森林（RF）、朴素贝叶斯（NB）、深层神经网络（DNN）、卷积神经网络（CNN）、LSTM(Long Short-Term Memory)
回归：普通最小二乘回归（OLS）、梯度下降树（GBDT）
降维：主成分分析（PCA）、因子分析（FA）、LDA
时间序列：自回归模型（AR）、滑动平均模型（MA）、自回归移动平均模型（ARMA），机器学习，python爬虫
聚类：K均值（Kmeans）、最近邻算法（KNN）、期望最大值算法（EM）、隐含狄利克雷分布（LDA）
分类：支持向量机（SVM）、逻辑回归（LR）、梯度下降树（GBDT）、随机森林（RF）、朴素贝叶斯（NB）、深层神经网络（DNN）、卷积神经网络（CNN）、LSTM(Long Short-Term Memory)
回归：普通最小二乘回归（OLS）、梯度下降树（GBDT）
降维：主成分分析（PCA）、因子分析（FA）、LDA
时间序列：自回归模型（AR）、滑动平均模型（MA）、自回归移动平均模型（ARMA），机器学习，python爬虫
项目经验
2022年2月–2022年5月
第十届“泰迪杯”数据挖掘挑战赛，研究害虫识别模型
通过数据挖掘比赛，初步认识YoloV5单阶段目标检测模型的实现步骤
通过对昆虫识别模型的建立与预测，以达到对害虫的识别，从而有效保护农作物的生长。
第十届“泰迪杯”数据挖掘挑战赛，研究害虫识别模型
通过数据挖掘比赛，初步认识YoloV5单阶段目标检测模型的实现步骤
通过对昆虫识别模型的建立与预测，以达到对害虫的识别，从而有效保护农作物的生长。
案例展示 全部案例 >
ᯤ⁶ᴳ
数据分析 爬虫 · 1年经验 · 无
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
数据挖掘与数据分析
聚类：K均值（Kmeans）、最近邻算法（KNN）、期望最大值算法（EM）、隐含狄利克雷分布（LDA）
分类：支持向量机（SVM）、逻辑回归（LR）、梯度下降树（GBDT）、随机森林（RF）、朴素贝叶斯（NB）、深层神经网络（DNN）、卷积神经网络（CNN）、LSTM(Long Short-Term Memory)
回归：普通最小二乘回归（OLS）、梯度下降树（GBDT）
降维：主成分分析（PCA）、因子分析（FA）、LDA
时间序列：自回归模型（AR）、滑动平均模型（MA）、自回归移动平均模型（ARMA），机器学习，python爬虫
聚类：K均值（Kmeans）、最近邻算法（KNN）、期望最大值算法（EM）、隐含狄利克雷分布（LDA）
分类：支持向量机（SVM）、逻辑回归（LR）、梯度下降树（GBDT）、随机森林（RF）、朴素贝叶斯（NB）、深层神经网络（DNN）、卷积神经网络（CNN）、LSTM(Long Short-Term Memory)
回归：普通最小二乘回归（OLS）、梯度下降树（GBDT）
降维：主成分分析（PCA）、因子分析（FA）、LDA
时间序列：自回归模型（AR）、滑动平均模型（MA）、自回归移动平均模型（ARMA），机器学习，python爬虫
项目经验
2022年2月–2022年5月
第十届“泰迪杯”数据挖掘挑战赛，研究害虫识别模型
通过数据挖掘比赛，初步认识YoloV5单阶段目标检测模型的实现步骤
通过对昆虫识别模型的建立与预测，以达到对害虫的识别，从而有效保护农作物的生长。
第十届“泰迪杯”数据挖掘挑战赛，研究害虫识别模型
通过数据挖掘比赛，初步认识YoloV5单阶段目标检测模型的实现步骤
通过对昆虫识别模型的建立与预测，以达到对害虫的识别，从而有效保护农作物的生长。
立即沟通
