^_^Hwp
研发工程师
讯飞 · 5年经验
日薪：
￥500/8h
地点：
合肥 全区
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. 熟练使用Python 2和3进行软件开发
2. 熟悉Python Web框架，如Django、Flask和Pyramid
3. 使用Pandas、NumPy和SciPy进行数据分析和科学计算
4. 使用Matplotlib和Seaborn进行数据可视化
5. 熟悉TensorFlow和Keras进行深度学习开发
6. 熟悉HTML、CSS和JavaScript进行Web开发
7. 使用SQLite、MySQL和PostgreSQL进行数据库管理和开发
8. 熟悉Git进行版本控制和团队协作
9. 熟悉Linux和macOS操作系统
10. 使用Docker进行容器化部署
11. 使用AWS和Azure进行云服务开发和管理
12. 熟悉Jenkins进行持续集成和部署
13. 编写单元测试和集成测试以确保代码质量
2. 熟悉Python Web框架，如Django、Flask和Pyramid
3. 使用Pandas、NumPy和SciPy进行数据分析和科学计算
4. 使用Matplotlib和Seaborn进行数据可视化
5. 熟悉TensorFlow和Keras进行深度学习开发
6. 熟悉HTML、CSS和JavaScript进行Web开发
7. 使用SQLite、MySQL和PostgreSQL进行数据库管理和开发
8. 熟悉Git进行版本控制和团队协作
9. 熟悉Linux和macOS操作系统
10. 使用Docker进行容器化部署
11. 使用AWS和Azure进行云服务开发和管理
12. 熟悉Jenkins进行持续集成和部署
13. 编写单元测试和集成测试以确保代码质量
项目经验
项目名称：智能邮件分类器
项目简介：为公司内部开发一个基于机器学习的智能邮件分类器，用于自动将收到的邮件归类到不同的文件夹中，提高员工的工作效率。
技术栈：
* Python
* Scikit-learn
* Pandas
* NumPy
* Matplotlib
* SQLite
* Flask
个人贡献：
* 数据预处理：使用Pandas和NumPy对原始邮件数据进行清洗、转换和特征提取。
* 模型训练与调优：利用Scikit-learn库构建和训练多个机器学习模型（如朴素贝叶斯、支持向量机等），通过交叉验证和参数调整优化模型性能。
* 可视化与报告：使用Matplotlib生成模型性能的可视化报告，以便于分析和比较不同模型的效果。
* 数据库管理：使用SQLite存储训练好的模型和分类结果，实现数据的持久化。
* Web接口开发：基于Flask框架开发一个简单的Web接口，允许用户上传新的邮件并实时获取分类结果。
成果和影响：
* 成功实现了一个准确率达到95%的智能邮件分类器，显著提高了公司员工的邮件处理效率。
* 通过Web接口方便地为内部用户提供实时邮件分类服务，获得了用户的积极反馈。
项目简介：为公司内部开发一个基于机器学习的智能邮件分类器，用于自动将收到的邮件归类到不同的文件夹中，提高员工的工作效率。
技术栈：
* Python
* Scikit-learn
* Pandas
* NumPy
* Matplotlib
* SQLite
* Flask
个人贡献：
* 数据预处理：使用Pandas和NumPy对原始邮件数据进行清洗、转换和特征提取。
* 模型训练与调优：利用Scikit-learn库构建和训练多个机器学习模型（如朴素贝叶斯、支持向量机等），通过交叉验证和参数调整优化模型性能。
* 可视化与报告：使用Matplotlib生成模型性能的可视化报告，以便于分析和比较不同模型的效果。
* 数据库管理：使用SQLite存储训练好的模型和分类结果，实现数据的持久化。
* Web接口开发：基于Flask框架开发一个简单的Web接口，允许用户上传新的邮件并实时获取分类结果。
成果和影响：
* 成功实现了一个准确率达到95%的智能邮件分类器，显著提高了公司员工的邮件处理效率。
* 通过Web接口方便地为内部用户提供实时邮件分类服务，获得了用户的积极反馈。
^_^Hwp
研发工程师 · 5年经验 · 讯飞
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
1. 熟练使用Python 2和3进行软件开发
2. 熟悉Python Web框架，如Django、Flask和Pyramid
3. 使用Pandas、NumPy和SciPy进行数据分析和科学计算
4. 使用Matplotlib和Seaborn进行数据可视化
5. 熟悉TensorFlow和Keras进行深度学习开发
6. 熟悉HTML、CSS和JavaScript进行Web开发
7. 使用SQLite、MySQL和PostgreSQL进行数据库管理和开发
8. 熟悉Git进行版本控制和团队协作
9. 熟悉Linux和macOS操作系统
10. 使用Docker进行容器化部署
11. 使用AWS和Azure进行云服务开发和管理
12. 熟悉Jenkins进行持续集成和部署
13. 编写单元测试和集成测试以确保代码质量
2. 熟悉Python Web框架，如Django、Flask和Pyramid
3. 使用Pandas、NumPy和SciPy进行数据分析和科学计算
4. 使用Matplotlib和Seaborn进行数据可视化
5. 熟悉TensorFlow和Keras进行深度学习开发
6. 熟悉HTML、CSS和JavaScript进行Web开发
7. 使用SQLite、MySQL和PostgreSQL进行数据库管理和开发
8. 熟悉Git进行版本控制和团队协作
9. 熟悉Linux和macOS操作系统
10. 使用Docker进行容器化部署
11. 使用AWS和Azure进行云服务开发和管理
12. 熟悉Jenkins进行持续集成和部署
13. 编写单元测试和集成测试以确保代码质量
项目经验
项目名称：智能邮件分类器
项目简介：为公司内部开发一个基于机器学习的智能邮件分类器，用于自动将收到的邮件归类到不同的文件夹中，提高员工的工作效率。
技术栈：
* Python
* Scikit-learn
* Pandas
* NumPy
* Matplotlib
* SQLite
* Flask
个人贡献：
* 数据预处理：使用Pandas和NumPy对原始邮件数据进行清洗、转换和特征提取。
* 模型训练与调优：利用Scikit-learn库构建和训练多个机器学习模型（如朴素贝叶斯、支持向量机等），通过交叉验证和参数调整优化模型性能。
* 可视化与报告：使用Matplotlib生成模型性能的可视化报告，以便于分析和比较不同模型的效果。
* 数据库管理：使用SQLite存储训练好的模型和分类结果，实现数据的持久化。
* Web接口开发：基于Flask框架开发一个简单的Web接口，允许用户上传新的邮件并实时获取分类结果。
成果和影响：
* 成功实现了一个准确率达到95%的智能邮件分类器，显著提高了公司员工的邮件处理效率。
* 通过Web接口方便地为内部用户提供实时邮件分类服务，获得了用户的积极反馈。
项目简介：为公司内部开发一个基于机器学习的智能邮件分类器，用于自动将收到的邮件归类到不同的文件夹中，提高员工的工作效率。
技术栈：
* Python
* Scikit-learn
* Pandas
* NumPy
* Matplotlib
* SQLite
* Flask
个人贡献：
* 数据预处理：使用Pandas和NumPy对原始邮件数据进行清洗、转换和特征提取。
* 模型训练与调优：利用Scikit-learn库构建和训练多个机器学习模型（如朴素贝叶斯、支持向量机等），通过交叉验证和参数调整优化模型性能。
* 可视化与报告：使用Matplotlib生成模型性能的可视化报告，以便于分析和比较不同模型的效果。
* 数据库管理：使用SQLite存储训练好的模型和分类结果，实现数据的持久化。
* Web接口开发：基于Flask框架开发一个简单的Web接口，允许用户上传新的邮件并实时获取分类结果。
成果和影响：
* 成功实现了一个准确率达到95%的智能邮件分类器，显著提高了公司员工的邮件处理效率。
* 通过Web接口方便地为内部用户提供实时邮件分类服务，获得了用户的积极反馈。
立即沟通
相似人才推荐：
