Cher
数据分析师
明略科技 · 2年经验
日薪：
￥600/8h
地点：
上海 浦东
时间：
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
编程语⾔：熟练使⽤python以及C++语⾔
数据结构与算法：熟练掌握常⻅数据结构和算法，能够解决中等难度算法问题，⼒扣刷题300+机器学习与深度学习：熟悉常⽤机器学习和深度学习框架，如pytorch
⼤模型的架构：对transformer的架构有⼀定的了解
数据库管理：熟练使⽤SQL数据库，进⾏过ETL模型的搭建
数学与统计学基础：掌握线性代数，概率论和数理统计，能够应⽤于数据分析和机器学习
数据结构与算法：熟练掌握常⻅数据结构和算法，能够解决中等难度算法问题，⼒扣刷题300+机器学习与深度学习：熟悉常⽤机器学习和深度学习框架，如pytorch
⼤模型的架构：对transformer的架构有⼀定的了解
数据库管理：熟练使⽤SQL数据库，进⾏过ETL模型的搭建
数学与统计学基础：掌握线性代数，概率论和数理统计，能够应⽤于数据分析和机器学习
项目经验
项⽬1：基于半监督的细粒度⻝品图像分类系统
项⽬⽬标：构建⼯业级⻝品识别引擎，实现包含11类别的Food-11数据集精准分类，解决跨⽂化⻝品形态差异带来的识别难题。
优化亮点：1.⾃设计⼀个卷积神经⽹络模型结构，在Food-11数据集实现Top-1准确率86.2%；2.设计多阶段迁移学习⽅案，结合半监督训练，利⽤少量标注数据和⼤量未标注数据，使模型在4千张图像规模下的训练时间缩短；3.通过混合数据增强策略使跨⽂化⻝品分类错误率下降14.6%。
项⽬2：基于时序特征融合的新冠感染⼈数预测模型
项⽬⽬标：构建端到端回归预测系统，通过前两⽇新冠阳性病例数（t-2, t-1）及当⽇社会特征向量，预测第三⽇（t）感染⼈数，实现传播趋势的量化评估。
优化亮点：1.通过相关系数分析与特征选择将输⼊维度从93维降⾄30维，训练效率提升42%；2.采⽤L2正则化防⽌模型过拟合，在交叉验证中取得平均MSE=18.7的稳定表现；3.提出动态学习率策略，AdamW优化器替代SGD，相⽐固定学习率训练，模型收敛速度提升，验证集预测误差降低19%。
项⽬⽬标：构建⼯业级⻝品识别引擎，实现包含11类别的Food-11数据集精准分类，解决跨⽂化⻝品形态差异带来的识别难题。
优化亮点：1.⾃设计⼀个卷积神经⽹络模型结构，在Food-11数据集实现Top-1准确率86.2%；2.设计多阶段迁移学习⽅案，结合半监督训练，利⽤少量标注数据和⼤量未标注数据，使模型在4千张图像规模下的训练时间缩短；3.通过混合数据增强策略使跨⽂化⻝品分类错误率下降14.6%。
项⽬2：基于时序特征融合的新冠感染⼈数预测模型
项⽬⽬标：构建端到端回归预测系统，通过前两⽇新冠阳性病例数（t-2, t-1）及当⽇社会特征向量，预测第三⽇（t）感染⼈数，实现传播趋势的量化评估。
优化亮点：1.通过相关系数分析与特征选择将输⼊维度从93维降⾄30维，训练效率提升42%；2.采⽤L2正则化防⽌模型过拟合，在交叉验证中取得平均MSE=18.7的稳定表现；3.提出动态学习率策略，AdamW优化器替代SGD，相⽐固定学习率训练，模型收敛速度提升，验证集预测误差降低19%。
案例展示 全部案例 >
Cher
数据分析师 · 2年经验 · 明略科技
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
编程语⾔：熟练使⽤python以及C++语⾔
数据结构与算法：熟练掌握常⻅数据结构和算法，能够解决中等难度算法问题，⼒扣刷题300+机器学习与深度学习：熟悉常⽤机器学习和深度学习框架，如pytorch
⼤模型的架构：对transformer的架构有⼀定的了解
数据库管理：熟练使⽤SQL数据库，进⾏过ETL模型的搭建
数学与统计学基础：掌握线性代数，概率论和数理统计，能够应⽤于数据分析和机器学习
数据结构与算法：熟练掌握常⻅数据结构和算法，能够解决中等难度算法问题，⼒扣刷题300+机器学习与深度学习：熟悉常⽤机器学习和深度学习框架，如pytorch
⼤模型的架构：对transformer的架构有⼀定的了解
数据库管理：熟练使⽤SQL数据库，进⾏过ETL模型的搭建
数学与统计学基础：掌握线性代数，概率论和数理统计，能够应⽤于数据分析和机器学习
项目经验
项⽬1：基于半监督的细粒度⻝品图像分类系统
项⽬⽬标：构建⼯业级⻝品识别引擎，实现包含11类别的Food-11数据集精准分类，解决跨⽂化⻝品形态差异带来的识别难题。
优化亮点：1.⾃设计⼀个卷积神经⽹络模型结构，在Food-11数据集实现Top-1准确率86.2%；2.设计多阶段迁移学习⽅案，结合半监督训练，利⽤少量标注数据和⼤量未标注数据，使模型在4千张图像规模下的训练时间缩短；3.通过混合数据增强策略使跨⽂化⻝品分类错误率下降14.6%。
项⽬2：基于时序特征融合的新冠感染⼈数预测模型
项⽬⽬标：构建端到端回归预测系统，通过前两⽇新冠阳性病例数（t-2, t-1）及当⽇社会特征向量，预测第三⽇（t）感染⼈数，实现传播趋势的量化评估。
优化亮点：1.通过相关系数分析与特征选择将输⼊维度从93维降⾄30维，训练效率提升42%；2.采⽤L2正则化防⽌模型过拟合，在交叉验证中取得平均MSE=18.7的稳定表现；3.提出动态学习率策略，AdamW优化器替代SGD，相⽐固定学习率训练，模型收敛速度提升，验证集预测误差降低19%。
项⽬⽬标：构建⼯业级⻝品识别引擎，实现包含11类别的Food-11数据集精准分类，解决跨⽂化⻝品形态差异带来的识别难题。
优化亮点：1.⾃设计⼀个卷积神经⽹络模型结构，在Food-11数据集实现Top-1准确率86.2%；2.设计多阶段迁移学习⽅案，结合半监督训练，利⽤少量标注数据和⼤量未标注数据，使模型在4千张图像规模下的训练时间缩短；3.通过混合数据增强策略使跨⽂化⻝品分类错误率下降14.6%。
项⽬2：基于时序特征融合的新冠感染⼈数预测模型
项⽬⽬标：构建端到端回归预测系统，通过前两⽇新冠阳性病例数（t-2, t-1）及当⽇社会特征向量，预测第三⽇（t）感染⼈数，实现传播趋势的量化评估。
优化亮点：1.通过相关系数分析与特征选择将输⼊维度从93维降⾄30维，训练效率提升42%；2.采⽤L2正则化防⽌模型过拟合，在交叉验证中取得平均MSE=18.7的稳定表现；3.提出动态学习率策略，AdamW优化器替代SGD，相⽐固定学习率训练，模型收敛速度提升，验证集预测误差降低19%。
立即沟通
