🚣

算法工程师

特来电新能源有限公司 · 7年经验

日薪：￥500/8h

地点：济南全区

时间：下班后周六周日

ID:385780 复制

信用行为

接单数

评价数

收藏数

技术能力

AI 技能提取 | 机器学习 Python Hadoop Hive 深度学习 TensorFlow PyTorch

 编程语言
- 熟练掌握 Python，具备使用 Python 进行数据处理、数据分析和机器学习的能力。
- 熟悉 SQL，能够运用 SQL 进行数据查询和数据处理。
 数据挖掘和机器学习算法
- 熟悉常用的数据挖掘和机器学习算法，包括决策树、随机森林、逻辑回归、支持向量机等。
- 掌握深度学习算法，并熟悉常用的深度学习框架，如 TensorFlow、PyTorch 等。
 数据处理和特征工程
- 熟练使用 Pandas 库进行数据处理和清洗，能够对数据进行清洗、转换、合并等操作。
- 具备特征提取和特征选择的能力，并能够运用统计方法和机器学习算法进行特征工程。
 数据可视化
- 掌握使用 Matplotlib 和 Seaborn 等工具进行数据可视化，能够通过图表和图形展示数据分析结果。
 大数据处理
- 熟练掌握主流的大数据技术栈体系，包括但不限于 Hadoop、 Hive、Spak 等离线技术组件
 数据挖掘工具和库
- 熟悉常用的数据挖掘工具和库，如 Scikit-learn、XGBoost、LightGBM 等。
 统计分析
- 具备统计学基础，能够运用统计学方法进行数据分析

展开全部技术能力

项目经验

客户充电时剩余充满时长预测模型
项目描述：
通过对电动车辆充电过程中的相关数据进行分析和建模，实现对剩余充满时长的准确预测。该项目的主要目标是
帮助用户了解电动车辆充电时还需多长时间才能完全充满，并提供更好的充电管理和使用体验。
项目职责：
1、数据收集与处理：
 协助数据团队收集车辆充电过程中的数据，包括充电开始时间、电池当前电量、充电速率等。
 对采集到的数据进行清洗、转换和标准化，确保数据质量和格式的统一
。
2、特征工程与模型设计：
 分析车辆充电过程中的特征变量，如充电速率变化、电池电量变化等。
 设计特征工程流程，提取能够影响剩余充满时长的关键特征。
 选择合适的预测模型，如回归模型、时间序列模型等，用于预测剩余充满时长。
3、模型训练与评估：
 划分训练集和测试集，对预测模型进行训练和调优。
 评估模型在测试集上的性能表现，包括准确率、误差率等指标。
 根据评估结果对模型进行改进和优化，提高预测准确度和稳定性。
4、结果分析与优化：
 分析预测结果，识别模型预测的准确性和可靠性，发现可能存在的问题和改进点。
 通过持续的结果分析和优化，优化算法以提高剩余充满时长预测的效果。
5、模型部署与应用：
 将训练好的预测模型部署到实际系统中，实时预测车辆充电时的剩余充满时长。
 监控模型在实际应用中的表现，及时调整和优化模型参数，确保预测结果的准确性和实用性。
6、团队协作与沟通：
 与数据团队、产品团队等紧密合作，共同推动项目进展。
 提供专业的技术支持和建议，与团队成员分享项目进展和成果，促进团队合作与沟通。

展开全部项目经验