momo
高级软件工程师
华为 · 8年经验
日薪：
￥1800/8h
地点：
深圳 福田
时间：
可工作日远程
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
资深数据分析师与后端开发工程师，数学+计算机复合背景，精通Python全栈开发。
核心技能：
1. 数据分析/挖掘
- 熟练运用Pandas/NumPy/Scikit-learn实施数据清洗、统计分析及挖掘；
- 精通Tableau/Power BI可视化，可独立完成用户行为分析报告与埋点方案设计。
2. 数据建模/机器学习
- 掌握回归/聚类/神经网络等监督/无监督模型，擅长预测分析与用户分群；
- 熟悉Transformer、BERT等NLP模型，具备PyTorch/TensorFlow2工程化开发能力，支持算法调优与部署。
3. 后端开发
- 熟练使用Java/Spring Boot构建高并发业务系统；
- 精通Flask/Django开发数据API接口及ETL数据管道。
4. 交付保障：
- 严格执行需求对齐与进度管控
核心技能：
1. 数据分析/挖掘
- 熟练运用Pandas/NumPy/Scikit-learn实施数据清洗、统计分析及挖掘；
- 精通Tableau/Power BI可视化，可独立完成用户行为分析报告与埋点方案设计。
2. 数据建模/机器学习
- 掌握回归/聚类/神经网络等监督/无监督模型，擅长预测分析与用户分群；
- 熟悉Transformer、BERT等NLP模型，具备PyTorch/TensorFlow2工程化开发能力，支持算法调优与部署。
3. 后端开发
- 熟练使用Java/Spring Boot构建高并发业务系统；
- 精通Flask/Django开发数据API接口及ETL数据管道。
4. 交付保障：
- 严格执行需求对齐与进度管控
项目经验
项目 1：用户增长分析
技术栈：Python（Pandas+PySpark）、AWS EMR、Tableau
成果：构建司机行为预测模型，通过时空特征分析优化派单策略，驱动区域司机月留存率提升23%，节约运营成本超300万/年。
项目 2：NLP欺诈检测
技术栈：PyTorch（BERT+BiLSTM）、Docker、Redis
成果：设计多模态风控模型，融合用户文本合同与交易行为数据，实现92%欺诈召回率，误报率压降至行业最优水平（<5%）。
技术栈：Python（Pandas+PySpark）、AWS EMR、Tableau
成果：构建司机行为预测模型，通过时空特征分析优化派单策略，驱动区域司机月留存率提升23%，节约运营成本超300万/年。
项目 2：NLP欺诈检测
技术栈：PyTorch（BERT+BiLSTM）、Docker、Redis
成果：设计多模态风控模型，融合用户文本合同与交易行为数据，实现92%欺诈召回率，误报率压降至行业最优水平（<5%）。
momo
高级软件工程师 · 8年经验 · 华为
0
累计接单
0
用户评价
1
被收藏
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
资深数据分析师与后端开发工程师，数学+计算机复合背景，精通Python全栈开发。
核心技能：
1. 数据分析/挖掘
- 熟练运用Pandas/NumPy/Scikit-learn实施数据清洗、统计分析及挖掘；
- 精通Tableau/Power BI可视化，可独立完成用户行为分析报告与埋点方案设计。
2. 数据建模/机器学习
- 掌握回归/聚类/神经网络等监督/无监督模型，擅长预测分析与用户分群；
- 熟悉Transformer、BERT等NLP模型，具备PyTorch/TensorFlow2工程化开发能力，支持算法调优与部署。
3. 后端开发
- 熟练使用Java/Spring Boot构建高并发业务系统；
- 精通Flask/Django开发数据API接口及ETL数据管道。
4. 交付保障：
- 严格执行需求对齐与进度管控
核心技能：
1. 数据分析/挖掘
- 熟练运用Pandas/NumPy/Scikit-learn实施数据清洗、统计分析及挖掘；
- 精通Tableau/Power BI可视化，可独立完成用户行为分析报告与埋点方案设计。
2. 数据建模/机器学习
- 掌握回归/聚类/神经网络等监督/无监督模型，擅长预测分析与用户分群；
- 熟悉Transformer、BERT等NLP模型，具备PyTorch/TensorFlow2工程化开发能力，支持算法调优与部署。
3. 后端开发
- 熟练使用Java/Spring Boot构建高并发业务系统；
- 精通Flask/Django开发数据API接口及ETL数据管道。
4. 交付保障：
- 严格执行需求对齐与进度管控
项目经验
项目 1：用户增长分析
技术栈：Python（Pandas+PySpark）、AWS EMR、Tableau
成果：构建司机行为预测模型，通过时空特征分析优化派单策略，驱动区域司机月留存率提升23%，节约运营成本超300万/年。
项目 2：NLP欺诈检测
技术栈：PyTorch（BERT+BiLSTM）、Docker、Redis
成果：设计多模态风控模型，融合用户文本合同与交易行为数据，实现92%欺诈召回率，误报率压降至行业最优水平（<5%）。
技术栈：Python（Pandas+PySpark）、AWS EMR、Tableau
成果：构建司机行为预测模型，通过时空特征分析优化派单策略，驱动区域司机月留存率提升23%，节约运营成本超300万/年。
项目 2：NLP欺诈检测
技术栈：PyTorch（BERT+BiLSTM）、Docker、Redis
成果：设计多模态风控模型，融合用户文本合同与交易行为数据，实现92%欺诈召回率，误报率压降至行业最优水平（<5%）。
立即沟通
