Y.
算法工程师
益生科技 · 3年经验
日薪：
￥700/8h
地点：
杭州 西湖
时间：
下班后
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
编程语言：熟练掌握Python、Java，熟悉C++，能高效实现算法逻辑与工程化落地。
算法领域：精通机器学习（如决策树、SVM、神经网络）、深度学习（TensorFlow/PyTorch框架），熟悉自然语言处理（文本分类、实体识别）、计算机视觉（图像分类、目标检测）基础算法。
数据处理：熟练使用Pandas、NumPy进行数据清洗与特征工程，掌握SQL进行数据查询与分析。 工程工具：熟悉Linux系统操作，能使用Git进行版本控制，了解Docker容器化部署，具备算法模型部署与性能优化经验
算法领域：精通机器学习（如决策树、SVM、神经网络）、深度学习（TensorFlow/PyTorch框架），熟悉自然语言处理（文本分类、实体识别）、计算机视觉（图像分类、目标检测）基础算法。
数据处理：熟练使用Pandas、NumPy进行数据清洗与特征工程，掌握SQL进行数据查询与分析。 工程工具：熟悉Linux系统操作，能使用Git进行版本控制，了解Docker容器化部署，具备算法模型部署与性能优化经验
项目经验
项目一：智能推荐系统优化
项目描述：针对某电商平台用户点击率低的问题，设计并优化个性化推荐算法。
职责与成果：
基于用户历史行为数据（浏览、收藏、购买），构建用户画像与商品特征体系，使用LightGBM模型进行点击率预测。
通过A/B测试对比优化前后效果，最终使平台商品点击率提升23%，用户留存率提升15%。
项目二：文本情感分析模型开发
项目描述：为某社交平台开发实时评论情感分析工具，辅助内容审核与用户反馈处理。
职责与成果：
采用BERT预训练模型微调，结合自建情感词典优化分类效果，支持正面、负面、中性情感三分类。
模型准确率达91%，处理速度满足每秒1000+条评论，已接入平台后台实现实时分析。
项目描述：针对某电商平台用户点击率低的问题，设计并优化个性化推荐算法。
职责与成果：
基于用户历史行为数据（浏览、收藏、购买），构建用户画像与商品特征体系，使用LightGBM模型进行点击率预测。
通过A/B测试对比优化前后效果，最终使平台商品点击率提升23%，用户留存率提升15%。
项目二：文本情感分析模型开发
项目描述：为某社交平台开发实时评论情感分析工具，辅助内容审核与用户反馈处理。
职责与成果：
采用BERT预训练模型微调，结合自建情感词典优化分类效果，支持正面、负面、中性情感三分类。
模型准确率达91%，处理速度满足每秒1000+条评论，已接入平台后台实现实时分析。
团队情况
整包服务：
微信公众号开发微信小程序开发PC网站开发H5网站开发App开发WebApp开发文档原型图UI设计游戏类开发智能硬件开发运维类开发DBA开发其他开发
负责人：
算法工程师
团队成员：
产品经理 UI设计师 iOS工程师 安卓工程师 前端工程师 后端工程师
Y.
有团队 · 可整包
算法工程师 · 3年经验 · 益生科技
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：熟练掌握Python、Java，熟悉C++，能高效实现算法逻辑与工程化落地。
算法领域：精通机器学习（如决策树、SVM、神经网络）、深度学习（TensorFlow/PyTorch框架），熟悉自然语言处理（文本分类、实体识别）、计算机视觉（图像分类、目标检测）基础算法。
数据处理：熟练使用Pandas、NumPy进行数据清洗与特征工程，掌握SQL进行数据查询与分析。 工程工具：熟悉Linux系统操作，能使用Git进行版本控制，了解Docker容器化部署，具备算法模型部署与性能优化经验
算法领域：精通机器学习（如决策树、SVM、神经网络）、深度学习（TensorFlow/PyTorch框架），熟悉自然语言处理（文本分类、实体识别）、计算机视觉（图像分类、目标检测）基础算法。
数据处理：熟练使用Pandas、NumPy进行数据清洗与特征工程，掌握SQL进行数据查询与分析。 工程工具：熟悉Linux系统操作，能使用Git进行版本控制，了解Docker容器化部署，具备算法模型部署与性能优化经验
项目经验
项目一：智能推荐系统优化
项目描述：针对某电商平台用户点击率低的问题，设计并优化个性化推荐算法。
职责与成果：
基于用户历史行为数据（浏览、收藏、购买），构建用户画像与商品特征体系，使用LightGBM模型进行点击率预测。
通过A/B测试对比优化前后效果，最终使平台商品点击率提升23%，用户留存率提升15%。
项目二：文本情感分析模型开发
项目描述：为某社交平台开发实时评论情感分析工具，辅助内容审核与用户反馈处理。
职责与成果：
采用BERT预训练模型微调，结合自建情感词典优化分类效果，支持正面、负面、中性情感三分类。
模型准确率达91%，处理速度满足每秒1000+条评论，已接入平台后台实现实时分析。
项目描述：针对某电商平台用户点击率低的问题，设计并优化个性化推荐算法。
职责与成果：
基于用户历史行为数据（浏览、收藏、购买），构建用户画像与商品特征体系，使用LightGBM模型进行点击率预测。
通过A/B测试对比优化前后效果，最终使平台商品点击率提升23%，用户留存率提升15%。
项目二：文本情感分析模型开发
项目描述：为某社交平台开发实时评论情感分析工具，辅助内容审核与用户反馈处理。
职责与成果：
采用BERT预训练模型微调，结合自建情感词典优化分类效果，支持正面、负面、中性情感三分类。
模型准确率达91%，处理速度满足每秒1000+条评论，已接入平台后台实现实时分析。
团队情况
服务范围：
团队构成：
负责人(算法工程师)
|
核心队员：产品经理 ·
UI设计师 ·
iOS工程师 ·
安卓工程师 ·
前端工程师 ·
后端工程师
案例展示
电商智能推荐引擎V2.0
这是一款针对电商场景的个性化推荐系统，核心功能是基于用户行为数据（浏览、收藏、交易等）和商品属性，通过融合LightGBM点击率预测模型与协同过滤算法，为用户实时推送高匹配度商品。系统支持千万级用户与商品数据的高效处理，部署后通过动态调整推荐权重，显著提升了商品曝光到转化的链路效
社交评论实时情感分析工具“语感”
“语感”是一款面向社交平台的评论情感分析工具，采用BERT预训练模型微调架构，结合双向LSTM网络优化上下文语义理解，可实时对用户评论进行正面、负面、中性情感分类，并支持敏感情绪关键词提取。工具提供API接口与可视化后台，能满足每秒千级评论的实时处理需求，帮助平台快速识别用户反馈
立即沟通
相似人才推荐：
