薛定谔的猫
Python开发工程师
广东某公司 · 1年经验
日薪：
￥500/8h
地点：
广州 黄埔
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
目前熟悉的编程语言：python
擅长方向主要有：
软件开发：基于LAYUI+Django独立开发图书推荐系统；Thinkphp框架下编写后端接口以及脚本的经验
数据处理和分析：根据获取的数据，对数据进行清理和可视化，利用统计方法、机器学习等判断数据间的关系，分析后得出结论并撰写报告。
三维点云处理：利用多视图几何的三维重建技术，利用点云数据进行信息提取。
擅长方向主要有：
软件开发：基于LAYUI+Django独立开发图书推荐系统；Thinkphp框架下编写后端接口以及脚本的经验
数据处理和分析：根据获取的数据，对数据进行清理和可视化，利用统计方法、机器学习等判断数据间的关系，分析后得出结论并撰写报告。
三维点云处理：利用多视图几何的三维重建技术，利用点云数据进行信息提取。
项目经验
基于Django的图书推荐系统（独立开发）
项⽬描述：在基于Book-crossing数据的基础上，实现⼀个功能包括展⽰图书、图书推荐、图书评论/评分、用户中心、后台管理等功能为⼀体的图书推荐系统。本系统是基于后台框架Django+前端框架LAYUI+数据库
SQLite技术栈实现的。
项目重点：
1.利用Celery+Redis实现异步任务和定时任务，让图书推荐模块的算法在后台进行不阻碍用户。
2.实现图书推荐功能：图书推荐分为两类，一个是统计推荐，另一个是个性化推荐；一个只需统计数据库数据，一个要使用基于模型的协同过滤算法，达到图书推荐效果。
项目收获： 独立开发了WEB系统，包括前后端；利用Book-crossing数据实现个性化图书推荐功能，学习了解了随机梯度下降SVD推荐算法的原理；利用Celery+Redis实现异步任务和定时任务，保证图书推荐模块在后台进行不影响用户体验。用户在图书查询时，图书数据量多达十几万条导致的慢查询，项目采取索引来解决数据库慢查询问题。
项⽬描述：在基于Book-crossing数据的基础上，实现⼀个功能包括展⽰图书、图书推荐、图书评论/评分、用户中心、后台管理等功能为⼀体的图书推荐系统。本系统是基于后台框架Django+前端框架LAYUI+数据库
SQLite技术栈实现的。
项目重点：
1.利用Celery+Redis实现异步任务和定时任务，让图书推荐模块的算法在后台进行不阻碍用户。
2.实现图书推荐功能：图书推荐分为两类，一个是统计推荐，另一个是个性化推荐；一个只需统计数据库数据，一个要使用基于模型的协同过滤算法，达到图书推荐效果。
项目收获： 独立开发了WEB系统，包括前后端；利用Book-crossing数据实现个性化图书推荐功能，学习了解了随机梯度下降SVD推荐算法的原理；利用Celery+Redis实现异步任务和定时任务，保证图书推荐模块在后台进行不影响用户体验。用户在图书查询时，图书数据量多达十几万条导致的慢查询，项目采取索引来解决数据库慢查询问题。
案例展示 全部案例 >
ID:343384
复制
薛定谔的猫
Python开发工程师 · 1年经验 · 广东某公司
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
目前熟悉的编程语言：python
擅长方向主要有：
软件开发：基于LAYUI+Django独立开发图书推荐系统；Thinkphp框架下编写后端接口以及脚本的经验
数据处理和分析：根据获取的数据，对数据进行清理和可视化，利用统计方法、机器学习等判断数据间的关系，分析后得出结论并撰写报告。
三维点云处理：利用多视图几何的三维重建技术，利用点云数据进行信息提取。
擅长方向主要有：
软件开发：基于LAYUI+Django独立开发图书推荐系统；Thinkphp框架下编写后端接口以及脚本的经验
数据处理和分析：根据获取的数据，对数据进行清理和可视化，利用统计方法、机器学习等判断数据间的关系，分析后得出结论并撰写报告。
三维点云处理：利用多视图几何的三维重建技术，利用点云数据进行信息提取。
项目经验
基于Django的图书推荐系统（独立开发）
项⽬描述：在基于Book-crossing数据的基础上，实现⼀个功能包括展⽰图书、图书推荐、图书评论/评分、用户中心、后台管理等功能为⼀体的图书推荐系统。本系统是基于后台框架Django+前端框架LAYUI+数据库
SQLite技术栈实现的。
项目重点：
1.利用Celery+Redis实现异步任务和定时任务，让图书推荐模块的算法在后台进行不阻碍用户。
2.实现图书推荐功能：图书推荐分为两类，一个是统计推荐，另一个是个性化推荐；一个只需统计数据库数据，一个要使用基于模型的协同过滤算法，达到图书推荐效果。
项目收获： 独立开发了WEB系统，包括前后端；利用Book-crossing数据实现个性化图书推荐功能，学习了解了随机梯度下降SVD推荐算法的原理；利用Celery+Redis实现异步任务和定时任务，保证图书推荐模块在后台进行不影响用户体验。用户在图书查询时，图书数据量多达十几万条导致的慢查询，项目采取索引来解决数据库慢查询问题。
项⽬描述：在基于Book-crossing数据的基础上，实现⼀个功能包括展⽰图书、图书推荐、图书评论/评分、用户中心、后台管理等功能为⼀体的图书推荐系统。本系统是基于后台框架Django+前端框架LAYUI+数据库
SQLite技术栈实现的。
项目重点：
1.利用Celery+Redis实现异步任务和定时任务，让图书推荐模块的算法在后台进行不阻碍用户。
2.实现图书推荐功能：图书推荐分为两类，一个是统计推荐，另一个是个性化推荐；一个只需统计数据库数据，一个要使用基于模型的协同过滤算法，达到图书推荐效果。
项目收获： 独立开发了WEB系统，包括前后端；利用Book-crossing数据实现个性化图书推荐功能，学习了解了随机梯度下降SVD推荐算法的原理；利用Celery+Redis实现异步任务和定时任务，保证图书推荐模块在后台进行不影响用户体验。用户在图书查询时，图书数据量多达十几万条导致的慢查询，项目采取索引来解决数据库慢查询问题。
立即沟通
