Linux服务器日常运维与性能优化
公司：济南云程科技有限公司
时间：2023年8月 - 2024年2月
项目描述：
我负责公司多个基于Linux的服务器的运维工作，包括配置、监控、故障排查及安全更新。系统主要承载电商平台的订单处理服务，要求具有高可用性与高性能。

具体任务：

使用Zabbix进行系统监控，设置CPU、内存、磁盘I/O等重要指标的告警规则，确保及时发现系统瓶颈。

编写Shell脚本，自动化常规任务，如日志清理、备份等。

对数据库性能进行调优，使用MySQL的查询优化功能，减少了30%的查询响应时间。

成果：
成功减少了50%的故障响应时间，提升了平台稳定性，确保了99.9%的可用性。

2. Python爬虫与数据处理 - 竞品数据分析
公司：济南未来科技有限公司
时间：2024年3月 - 2024年7月
项目描述：
客户需要获取竞争对手的商品信息，并进行分析，为营销决策提供数据支持。

具体任务：

使用Scrapy框架搭建爬虫，定期抓取竞争对手电商平台上的商品价格、评论等信息。

使用Pandas进行数据清洗与分析，结合正则表达式提取关键信息，如价格波动、评论热词等。

编写Python脚本，生成周报，自动化分析竞争对手的定价策略与用户反馈。

成果：
成功为客户提供了基于数据的定价策略建议，帮助他们调整产品定价，提升了销售额12%。

3. 机器学习模型微调 - 电商推荐系统
公司：济南科技发展有限公司
时间：2024年5月 - 2024年8月
项目描述：
客户希望提升电商平台的推荐准确性，通过基于历史购买行为的数据训练推荐系统。

具体任务：

使用Scikit-learn和XGBoost训练了商品推荐模型，并对模型进行了特征选择与参数调优。

基于用户行为数据，设计了简单的协同过滤算法，通过Python与SQL连接数据库，提取用户行为数据进行训练。

使用GridSearchCV进行超参数调优，提升了模型的精度与召回率。

成果：
推荐系统上线后，用户的点击率提升了18%，用户平均停留时间提高了15%。

4. AI模型部署 - 文本情感分析
公司：济南智讯科技有限公司
时间：2024年6月 - 2024年9月
项目描述：
客户希望对用户评论进行情感分析，以便快速识别负面评论并作出响应。

具体任务：

使用TensorFlow与预训练的BERT模型对文本数据进行情感分类，分析评论情感（正面/负面/中性）。

在Flask中搭建API，供前端实时调用情感分析服务。

将模型部署到Docker容器中，确保模型可以灵活扩展。

成果：
系统成功上线，客户能够实时监控负面评论，情感分析准确率达到了88%，大大提高了客户的处理效率。