Austin
后端开发工程师
保密国企研究所 · 1年经验
日薪：
￥500/8h
地点：
深圳 福田
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
在Python领域，我具备全面且深入的技术能力。熟练掌握Python核心语法，能够高效编写简洁、优雅且可维护的代码，精通函数式、面向对象等编程范式，善于根据不同场景灵活选择合适的编程方式。
在数据处理与分析方面，精通使用Pandas进行数据清洗、转换和分析，可快速处理大规模数据集；利用Numpy进行高效的数值计算，结合Matplotlib、Seaborn实现数据可视化，以直观的图表展示数据特征与规律。在Web开发领域，熟练运用Django和Flask框架搭建高性能、可扩展的Web应用，熟悉RESTful API设计与开发，能实现前后端数据交互。
此外，熟悉Scikit-learn库，掌握数据挖掘、机器学习算法，如分类、回归、聚类等，并能应用于实际业务场景，解决数据预测与模式识别问题；了解TensorFlow、PyTorch等深度学习框架，可搭建基础神经网络模型。同时，具备丰富的项目部署经验，熟练使用Docker进行容器化部署，借助Jenkins实现持续集成与持续部署（CI/CD），保障项目稳定运行。
在数据处理与分析方面，精通使用Pandas进行数据清洗、转换和分析，可快速处理大规模数据集；利用Numpy进行高效的数值计算，结合Matplotlib、Seaborn实现数据可视化，以直观的图表展示数据特征与规律。在Web开发领域，熟练运用Django和Flask框架搭建高性能、可扩展的Web应用，熟悉RESTful API设计与开发，能实现前后端数据交互。
此外，熟悉Scikit-learn库，掌握数据挖掘、机器学习算法，如分类、回归、聚类等，并能应用于实际业务场景，解决数据预测与模式识别问题；了解TensorFlow、PyTorch等深度学习框架，可搭建基础神经网络模型。同时，具备丰富的项目部署经验，熟练使用Docker进行容器化部署，借助Jenkins实现持续集成与持续部署（CI/CD），保障项目稳定运行。
项目经验
1. ADS-B航空数据实时采集与分析系统
主导基于Python的ADS-B航空数据处理项目，搭建从数据采集到分析的全流程系统。使用PyModeS库解析ADS-B原始信号数据，通过Socket编程实现对航空接收设备的实时数据获取，日均处理超过500万条飞行数据。利用Pandas对数据进行清洗、去重及格式转换，结合Numpy完成航班轨迹计算、飞行高度/速度趋势分析等复杂运算。基于Matplotlib和Folium绘制航班实时动态热力图与全球飞行轨迹地图，直观呈现空域流量分布与航线特征。针对异常飞行行为，使用Scikit-learn构建离群点检测模型，实现突发航线偏离、高度骤变等异常事件的智能预警。项目成果应用于某区域空管中心，将异常事件响应效率提升40%，有效辅助空中交通管理决策。通过Docker容器化部署数据处理服务，配合Prometheus和Grafana实现系统性能监控与告警，保障7×24小时稳定运行。
2. AIS船舶数据整合与可视化平台
负责AIS船舶数据全链路处理项目，使用Python开发数据采集与处理框架。基于pyshark库捕获船舶自动识别系统信号，通过正则表达式提取船舶位置、航向、航速等关键信息，并利用SQLAlchemy将数据存储至PostgreSQL数据库。针对海量AIS数据（日均200万条），采用Pandas进行高效清洗与聚合，构建船舶航行特征数据集。使用Django搭建Web服务，通过RESTful API向业务系统提供标准化数据接口；结合Vue.js和ECharts实现船舶动态轨迹、港口吞吐量等数据的可视化展示。基于深度学习模型，利用LSTM算法对船舶航行趋势进行预测，为港口调度和海事监管提供决策支持。项目上线后，港口作业效率提升25%，船舶碰撞风险预警准确率达92%，有效提升海上交通管理智能化水平。
主导基于Python的ADS-B航空数据处理项目，搭建从数据采集到分析的全流程系统。使用PyModeS库解析ADS-B原始信号数据，通过Socket编程实现对航空接收设备的实时数据获取，日均处理超过500万条飞行数据。利用Pandas对数据进行清洗、去重及格式转换，结合Numpy完成航班轨迹计算、飞行高度/速度趋势分析等复杂运算。基于Matplotlib和Folium绘制航班实时动态热力图与全球飞行轨迹地图，直观呈现空域流量分布与航线特征。针对异常飞行行为，使用Scikit-learn构建离群点检测模型，实现突发航线偏离、高度骤变等异常事件的智能预警。项目成果应用于某区域空管中心，将异常事件响应效率提升40%，有效辅助空中交通管理决策。通过Docker容器化部署数据处理服务，配合Prometheus和Grafana实现系统性能监控与告警，保障7×24小时稳定运行。
2. AIS船舶数据整合与可视化平台
负责AIS船舶数据全链路处理项目，使用Python开发数据采集与处理框架。基于pyshark库捕获船舶自动识别系统信号，通过正则表达式提取船舶位置、航向、航速等关键信息，并利用SQLAlchemy将数据存储至PostgreSQL数据库。针对海量AIS数据（日均200万条），采用Pandas进行高效清洗与聚合，构建船舶航行特征数据集。使用Django搭建Web服务，通过RESTful API向业务系统提供标准化数据接口；结合Vue.js和ECharts实现船舶动态轨迹、港口吞吐量等数据的可视化展示。基于深度学习模型，利用LSTM算法对船舶航行趋势进行预测，为港口调度和海事监管提供决策支持。项目上线后，港口作业效率提升25%，船舶碰撞风险预警准确率达92%，有效提升海上交通管理智能化水平。
Austin
后端开发工程师 · 1年经验 · 保密国企研究所
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
在Python领域，我具备全面且深入的技术能力。熟练掌握Python核心语法，能够高效编写简洁、优雅且可维护的代码，精通函数式、面向对象等编程范式，善于根据不同场景灵活选择合适的编程方式。
在数据处理与分析方面，精通使用Pandas进行数据清洗、转换和分析，可快速处理大规模数据集；利用Numpy进行高效的数值计算，结合Matplotlib、Seaborn实现数据可视化，以直观的图表展示数据特征与规律。在Web开发领域，熟练运用Django和Flask框架搭建高性能、可扩展的Web应用，熟悉RESTful API设计与开发，能实现前后端数据交互。
此外，熟悉Scikit-learn库，掌握数据挖掘、机器学习算法，如分类、回归、聚类等，并能应用于实际业务场景，解决数据预测与模式识别问题；了解TensorFlow、PyTorch等深度学习框架，可搭建基础神经网络模型。同时，具备丰富的项目部署经验，熟练使用Docker进行容器化部署，借助Jenkins实现持续集成与持续部署（CI/CD），保障项目稳定运行。
在数据处理与分析方面，精通使用Pandas进行数据清洗、转换和分析，可快速处理大规模数据集；利用Numpy进行高效的数值计算，结合Matplotlib、Seaborn实现数据可视化，以直观的图表展示数据特征与规律。在Web开发领域，熟练运用Django和Flask框架搭建高性能、可扩展的Web应用，熟悉RESTful API设计与开发，能实现前后端数据交互。
此外，熟悉Scikit-learn库，掌握数据挖掘、机器学习算法，如分类、回归、聚类等，并能应用于实际业务场景，解决数据预测与模式识别问题；了解TensorFlow、PyTorch等深度学习框架，可搭建基础神经网络模型。同时，具备丰富的项目部署经验，熟练使用Docker进行容器化部署，借助Jenkins实现持续集成与持续部署（CI/CD），保障项目稳定运行。
项目经验
1. ADS-B航空数据实时采集与分析系统
主导基于Python的ADS-B航空数据处理项目，搭建从数据采集到分析的全流程系统。使用PyModeS库解析ADS-B原始信号数据，通过Socket编程实现对航空接收设备的实时数据获取，日均处理超过500万条飞行数据。利用Pandas对数据进行清洗、去重及格式转换，结合Numpy完成航班轨迹计算、飞行高度/速度趋势分析等复杂运算。基于Matplotlib和Folium绘制航班实时动态热力图与全球飞行轨迹地图，直观呈现空域流量分布与航线特征。针对异常飞行行为，使用Scikit-learn构建离群点检测模型，实现突发航线偏离、高度骤变等异常事件的智能预警。项目成果应用于某区域空管中心，将异常事件响应效率提升40%，有效辅助空中交通管理决策。通过Docker容器化部署数据处理服务，配合Prometheus和Grafana实现系统性能监控与告警，保障7×24小时稳定运行。
2. AIS船舶数据整合与可视化平台
负责AIS船舶数据全链路处理项目，使用Python开发数据采集与处理框架。基于pyshark库捕获船舶自动识别系统信号，通过正则表达式提取船舶位置、航向、航速等关键信息，并利用SQLAlchemy将数据存储至PostgreSQL数据库。针对海量AIS数据（日均200万条），采用Pandas进行高效清洗与聚合，构建船舶航行特征数据集。使用Django搭建Web服务，通过RESTful API向业务系统提供标准化数据接口；结合Vue.js和ECharts实现船舶动态轨迹、港口吞吐量等数据的可视化展示。基于深度学习模型，利用LSTM算法对船舶航行趋势进行预测，为港口调度和海事监管提供决策支持。项目上线后，港口作业效率提升25%，船舶碰撞风险预警准确率达92%，有效提升海上交通管理智能化水平。
主导基于Python的ADS-B航空数据处理项目，搭建从数据采集到分析的全流程系统。使用PyModeS库解析ADS-B原始信号数据，通过Socket编程实现对航空接收设备的实时数据获取，日均处理超过500万条飞行数据。利用Pandas对数据进行清洗、去重及格式转换，结合Numpy完成航班轨迹计算、飞行高度/速度趋势分析等复杂运算。基于Matplotlib和Folium绘制航班实时动态热力图与全球飞行轨迹地图，直观呈现空域流量分布与航线特征。针对异常飞行行为，使用Scikit-learn构建离群点检测模型，实现突发航线偏离、高度骤变等异常事件的智能预警。项目成果应用于某区域空管中心，将异常事件响应效率提升40%，有效辅助空中交通管理决策。通过Docker容器化部署数据处理服务，配合Prometheus和Grafana实现系统性能监控与告警，保障7×24小时稳定运行。
2. AIS船舶数据整合与可视化平台
负责AIS船舶数据全链路处理项目，使用Python开发数据采集与处理框架。基于pyshark库捕获船舶自动识别系统信号，通过正则表达式提取船舶位置、航向、航速等关键信息，并利用SQLAlchemy将数据存储至PostgreSQL数据库。针对海量AIS数据（日均200万条），采用Pandas进行高效清洗与聚合，构建船舶航行特征数据集。使用Django搭建Web服务，通过RESTful API向业务系统提供标准化数据接口；结合Vue.js和ECharts实现船舶动态轨迹、港口吞吐量等数据的可视化展示。基于深度学习模型，利用LSTM算法对船舶航行趋势进行预测，为港口调度和海事监管提供决策支持。项目上线后，港口作业效率提升25%，船舶碰撞风险预警准确率达92%，有效提升海上交通管理智能化水平。
立即沟通
