饼干
后端开发工程师 · 5年经验 · 杭州易股资产管理有限公司
0
累计接单
0
用户评价
0
被收藏
技术能力
主要使用的编程语言是Python,主要技能如下
1.熟练使用 Python，熟悉在 Linux 环境下工作;
2.熟练使用 Django、Flask 等 Web 框架,掌握 Nginx 部署
3.熟练使用关系数据库 MySQL,非关系型数据库 Redis,了解 Sqlite3;
4.熟悉 A 股交易规则和流程,了解部分金融知识;
5.熟悉 RESTful API 接口设计标准;
6.有 Html、Css、JavaScript、jQuery 等前端技术使用经验;
1.熟练使用 Python，熟悉在 Linux 环境下工作;
2.熟练使用 Django、Flask 等 Web 框架,掌握 Nginx 部署
3.熟练使用关系数据库 MySQL,非关系型数据库 Redis,了解 Sqlite3;
4.熟悉 A 股交易规则和流程,了解部分金融知识;
5.熟悉 RESTful API 接口设计标准;
6.有 Html、Css、JavaScript、jQuery 等前端技术使用经验;
项目经验
开发环境: Ubuntu18.04
开发工具: Pycharm+Git+Flask+Nginx+Pandas+Django+Vue+ Bootstrap+Docker
项目描述:公司内部使用的资产管理系统,管理账号查看资金变化.
具体工作:
1.初期使用 bootstrap 作为页面框架构建了初始页面,实现了登录,管理产品等功能.
2.分别对多个交易系统导出的交易文件和持仓文件进行计算数据,入库.
3.中期使用 Vue 重构页面,使用 Nginx+Gunicorn+Supervisor 在服务器上部署服务
4.实现权益表,权益图,成交明细,成交汇总等数据计算和展示功能
5.使用 Flask + Websocket 实现分钟级别展示持仓数据,目标持仓等数据.
6.使用JWT来做API鉴权
7.使用redis作为cache解决部分耗时但变化频率很低的数据加载速度
8.后续规划中的任务有持仓股票,股票对应数量的变化等功能.
项目名称:扑克财经智能推荐系统
项目描述:对于扑克财经提出的关于黄金白银期货等问题的问答信息,根据用户提供的数据设计相关特征为自变量,对用户提出的问题聚类后的类别为因变量,用 Keras 构造深度学习分类模型进行训练.使用 Flask 作为后端服务框架,基于用户提出的问题推荐日期较近的相关性高的三个问题和与目前答主相关性最高的三个答主.
项目职责：
1.使用 Flask 进行后端的搭建,使用 Nginx+Supervisor+Gunicorn 进行部署
2.和算法的同事配合解决聚类/推荐相关答主和相关问题的 bug
3.编写接口文档以及和扑克财经方的技术人员进行对接
项目效果:
实践情况将我们的推荐结果给到扑克财经使用到用户上,扑克财经技术人员分别对未使用推荐进行埋点,对我们预测推荐的相似问题进行埋点,通过两周时间,模型推荐的转化率为45%,非智能推荐只有 20%,转化提高明显.
开发工具: Pycharm+Git+Flask+Nginx+Pandas+Django+Vue+ Bootstrap+Docker
项目描述:公司内部使用的资产管理系统,管理账号查看资金变化.
具体工作:
1.初期使用 bootstrap 作为页面框架构建了初始页面,实现了登录,管理产品等功能.
2.分别对多个交易系统导出的交易文件和持仓文件进行计算数据,入库.
3.中期使用 Vue 重构页面,使用 Nginx+Gunicorn+Supervisor 在服务器上部署服务
4.实现权益表,权益图,成交明细,成交汇总等数据计算和展示功能
5.使用 Flask + Websocket 实现分钟级别展示持仓数据,目标持仓等数据.
6.使用JWT来做API鉴权
7.使用redis作为cache解决部分耗时但变化频率很低的数据加载速度
8.后续规划中的任务有持仓股票,股票对应数量的变化等功能.
项目名称:扑克财经智能推荐系统
项目描述:对于扑克财经提出的关于黄金白银期货等问题的问答信息,根据用户提供的数据设计相关特征为自变量,对用户提出的问题聚类后的类别为因变量,用 Keras 构造深度学习分类模型进行训练.使用 Flask 作为后端服务框架,基于用户提出的问题推荐日期较近的相关性高的三个问题和与目前答主相关性最高的三个答主.
项目职责：
1.使用 Flask 进行后端的搭建,使用 Nginx+Supervisor+Gunicorn 进行部署
2.和算法的同事配合解决聚类/推荐相关答主和相关问题的 bug
3.编写接口文档以及和扑克财经方的技术人员进行对接
项目效果:
实践情况将我们的推荐结果给到扑克财经使用到用户上,扑克财经技术人员分别对未使用推荐进行埋点,对我们预测推荐的相似问题进行埋点,通过两周时间,模型推荐的转化率为45%,非智能推荐只有 20%,转化提高明显.
立即沟通
