风雪缥缈
高级java工程师
北京思特奇信息技术股份有限公司 · 10年经验
日薪：
￥500/8h
地点：
合肥 全区
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
1、计算机相关专业，本科及以上学历，10年以上相关工作经验，
2、有高并发、高可用、分布式架构、微服务架构实战经验,参与过系统级优化，系统重构等实战经验
3、熟悉主流Java开源框架，Spring、SpringMVC、MyBatis、SpringBoot、SpringCloud;
4、熟悉MQ原理，对缓存有较深的认知（Redis，Memcached等），并有使用经验;
5、能迅速适应工作环境以及抗压能力;
6、具备团队协作和组织能力,工作积极认真,有创新能力,善于沟通协作,有强烈团队精神;
7、有电信运营商行业经验。
2、有高并发、高可用、分布式架构、微服务架构实战经验,参与过系统级优化，系统重构等实战经验
3、熟悉主流Java开源框架，Spring、SpringMVC、MyBatis、SpringBoot、SpringCloud;
4、熟悉MQ原理，对缓存有较深的认知（Redis，Memcached等），并有使用经验;
5、能迅速适应工作环境以及抗压能力;
6、具备团队协作和组织能力,工作积极认真,有创新能力,善于沟通协作,有强烈团队精神;
7、有电信运营商行业经验。
项目经验
1、在线考试系统 。基于集团大数据平台专区核心产品技术分为平台和数据模型开发、机器学习和AI算法、数据治理、垂直场景等方向，通过该认证证明用户能基于集团大数据平台专区产品在对应的技术方向上解决企业的基本业务问题。平台包括以下模块：考试引导页、考试报名、考试答题、题库管理、试卷管理、报名管理、考试评估、考试统计、我的考试、导出统计。、
2、机器学习平台。数据挖掘模型基于人工智能、机器学习、统计学、数据库、可视化技术等，采用当前比较流行的分类、回归分析、聚类、关联规则等模型算法， 从不同的角度对数据进行挖掘。组件算法的图形化，通过可视化拖拽操作，实现零代码挖掘，降低结束门槛；支持流程动态调度，支持上下游交互调试能力，比如全流程运行、单点运行、按分支运行等。主要包括可视化挖掘和zeppelin脚本挖掘。
2、机器学习平台。数据挖掘模型基于人工智能、机器学习、统计学、数据库、可视化技术等，采用当前比较流行的分类、回归分析、聚类、关联规则等模型算法， 从不同的角度对数据进行挖掘。组件算法的图形化，通过可视化拖拽操作，实现零代码挖掘，降低结束门槛；支持流程动态调度，支持上下游交互调试能力，比如全流程运行、单点运行、按分支运行等。主要包括可视化挖掘和zeppelin脚本挖掘。
团队情况
整包服务：
PC网站开发H5网站开发文档原型图游戏类开发运维类开发
负责人：
高级java工程师
团队成员：
前端工程师 后端工程师
风雪缥缈
有团队 · 可整包
高级java工程师 · 10年经验 · 北京思特奇信息技术股份有限公司
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
1、计算机相关专业，本科及以上学历，10年以上相关工作经验，
2、有高并发、高可用、分布式架构、微服务架构实战经验,参与过系统级优化，系统重构等实战经验
3、熟悉主流Java开源框架，Spring、SpringMVC、MyBatis、SpringBoot、SpringCloud;
4、熟悉MQ原理，对缓存有较深的认知（Redis，Memcached等），并有使用经验;
5、能迅速适应工作环境以及抗压能力;
6、具备团队协作和组织能力,工作积极认真,有创新能力,善于沟通协作,有强烈团队精神;
7、有电信运营商行业经验。
2、有高并发、高可用、分布式架构、微服务架构实战经验,参与过系统级优化，系统重构等实战经验
3、熟悉主流Java开源框架，Spring、SpringMVC、MyBatis、SpringBoot、SpringCloud;
4、熟悉MQ原理，对缓存有较深的认知（Redis，Memcached等），并有使用经验;
5、能迅速适应工作环境以及抗压能力;
6、具备团队协作和组织能力,工作积极认真,有创新能力,善于沟通协作,有强烈团队精神;
7、有电信运营商行业经验。
项目经验
1、在线考试系统 。基于集团大数据平台专区核心产品技术分为平台和数据模型开发、机器学习和AI算法、数据治理、垂直场景等方向，通过该认证证明用户能基于集团大数据平台专区产品在对应的技术方向上解决企业的基本业务问题。平台包括以下模块：考试引导页、考试报名、考试答题、题库管理、试卷管理、报名管理、考试评估、考试统计、我的考试、导出统计。、
2、机器学习平台。数据挖掘模型基于人工智能、机器学习、统计学、数据库、可视化技术等，采用当前比较流行的分类、回归分析、聚类、关联规则等模型算法， 从不同的角度对数据进行挖掘。组件算法的图形化，通过可视化拖拽操作，实现零代码挖掘，降低结束门槛；支持流程动态调度，支持上下游交互调试能力，比如全流程运行、单点运行、按分支运行等。主要包括可视化挖掘和zeppelin脚本挖掘。
2、机器学习平台。数据挖掘模型基于人工智能、机器学习、统计学、数据库、可视化技术等，采用当前比较流行的分类、回归分析、聚类、关联规则等模型算法， 从不同的角度对数据进行挖掘。组件算法的图形化，通过可视化拖拽操作，实现零代码挖掘，降低结束门槛；支持流程动态调度，支持上下游交互调试能力，比如全流程运行、单点运行、按分支运行等。主要包括可视化挖掘和zeppelin脚本挖掘。
团队情况
服务范围：
团队构成：
负责人(高级java工程师)
|
核心队员：前端工程师 ·
后端工程师
立即沟通
