Huuu^_^
数据分析实习生/大数据实习生
中科院（北京）/鼎校教育科技有限公司（合肥） · 1年经验
日薪：
￥500/8h
地点：
深圳 龙岗
时间：
下班后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
1. 编程与数据分析：熟练掌握 Python 与 SQL，能够高效完成数据提取、清洗、建模及可视化任务。具备实际项目经验，包括使用 Python 进行自然语言处理（NLP）建模（TextCNN、BiLSTM 等）和基于 SQL 的数据库系统开发与管理。
2. 机器学习与建模：掌握常见机器学习算法及文本分析技术，如特征提取（TF-IDF、Word2Vec）、模型训练与评估、迁移学习与知识蒸馏，具备实际项目中的参数调优与模型优化经验。
3. 数据系统与办公工具：熟悉 Access 数据库开发及 SQL 数据处理，有能力完成数据存储、管理及系统设计；熟练使用 Visio、Excel、Word 和 PPT，能清晰呈现数据分析结果与项目报告。
4. 业务洞察与实践能力：兼具业务理解力与数据洞察力，能将分析结果有效转化为优化建议与决策依据，具备出色的信息整合与归纳分析能力，以支持数据驱动决策。
5. 英语及沟通能力：具备良好的英语沟通能力，能适应跨文化协作环境，并在团队项目中承担协调和汇报职责。
2. 机器学习与建模：掌握常见机器学习算法及文本分析技术，如特征提取（TF-IDF、Word2Vec）、模型训练与评估、迁移学习与知识蒸馏，具备实际项目中的参数调优与模型优化经验。
3. 数据系统与办公工具：熟悉 Access 数据库开发及 SQL 数据处理，有能力完成数据存储、管理及系统设计；熟练使用 Visio、Excel、Word 和 PPT，能清晰呈现数据分析结果与项目报告。
4. 业务洞察与实践能力：兼具业务理解力与数据洞察力，能将分析结果有效转化为优化建议与决策依据，具备出色的信息整合与归纳分析能力，以支持数据驱动决策。
5. 英语及沟通能力：具备良好的英语沟通能力，能适应跨文化协作环境，并在团队项目中承担协调和汇报职责。
项目经验
1. 中国科学院（北京） – 数据分析实习生 – 2024/7/24 至 2024/11/1
开展自然语言处理（NLP）相关研究，主要涉及文本分类、多模态情感分析及迁移学习技术，项目聚焦于茶叶评价文本的多标签与多分类任务。
使用python数据分析技能，进行数据清洗、标准化与预处理，运用TF-IDF、Word2Vec及预训练Wikipedia词向量进行文本特征提取，构建并训练TextCNN、TextRNN、BiLSTM等多种神经网络模型。
通过F1分数与ACC分数评估模型性能，进行参数调优与工程优化，并探索迁移学习与知识蒸馏技术，以提升数据稀缺场景下的模型表现与轻量化部署能力。
实现茶叶评价的自动化多维度情感分析，从质量、价格、服务等多个方面解析用户评价，为茶叶品牌分析当前客户消费倾向与提供可操作的决策支持，助力产品与服务优化。
2. 鼎校教育科技有限公司（合肥） – 大数据实习生 – 2025/2/24 至 2025/5/16
主导英语词汇量检测逻辑优化项目，通过统计分析多次学生测试结果及竞品调研，重新设计分级测试机制：将单词按难度分级，基于正确率动态调整测试难度，并建立分数与词汇量等级的映射关系，提升词汇量检测的科学性与准确性。
构建测试词库，基于学生历史识记单词数据筛选和补充测试词库，为检测逻辑提供数据基础。
开发教练销课风险评估模型，创新设计包含销课占比、变异系数和协同系数三大维度的计算公式，通过加权整合输出风险评分，协助合伙人和交付中心识别异常表现并制定改进策略。
完成多项专项数据分析，包括IP登记误差分析、俱乐部品牌孵化追踪、高校合作项目的上课与耗课统计等，为运营决策提供数据支持。
开展自然语言处理（NLP）相关研究，主要涉及文本分类、多模态情感分析及迁移学习技术，项目聚焦于茶叶评价文本的多标签与多分类任务。
使用python数据分析技能，进行数据清洗、标准化与预处理，运用TF-IDF、Word2Vec及预训练Wikipedia词向量进行文本特征提取，构建并训练TextCNN、TextRNN、BiLSTM等多种神经网络模型。
通过F1分数与ACC分数评估模型性能，进行参数调优与工程优化，并探索迁移学习与知识蒸馏技术，以提升数据稀缺场景下的模型表现与轻量化部署能力。
实现茶叶评价的自动化多维度情感分析，从质量、价格、服务等多个方面解析用户评价，为茶叶品牌分析当前客户消费倾向与提供可操作的决策支持，助力产品与服务优化。
2. 鼎校教育科技有限公司（合肥） – 大数据实习生 – 2025/2/24 至 2025/5/16
主导英语词汇量检测逻辑优化项目，通过统计分析多次学生测试结果及竞品调研，重新设计分级测试机制：将单词按难度分级，基于正确率动态调整测试难度，并建立分数与词汇量等级的映射关系，提升词汇量检测的科学性与准确性。
构建测试词库，基于学生历史识记单词数据筛选和补充测试词库，为检测逻辑提供数据基础。
开发教练销课风险评估模型，创新设计包含销课占比、变异系数和协同系数三大维度的计算公式，通过加权整合输出风险评分，协助合伙人和交付中心识别异常表现并制定改进策略。
完成多项专项数据分析，包括IP登记误差分析、俱乐部品牌孵化追踪、高校合作项目的上课与耗课统计等，为运营决策提供数据支持。
Huuu^_^
数据分析实习生/大数据实习生 · 1年经验 · 中科院（北京）/鼎校教育科技有限公司（合肥）
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
1. 编程与数据分析：熟练掌握 Python 与 SQL，能够高效完成数据提取、清洗、建模及可视化任务。具备实际项目经验，包括使用 Python 进行自然语言处理（NLP）建模（TextCNN、BiLSTM 等）和基于 SQL 的数据库系统开发与管理。
2. 机器学习与建模：掌握常见机器学习算法及文本分析技术，如特征提取（TF-IDF、Word2Vec）、模型训练与评估、迁移学习与知识蒸馏，具备实际项目中的参数调优与模型优化经验。
3. 数据系统与办公工具：熟悉 Access 数据库开发及 SQL 数据处理，有能力完成数据存储、管理及系统设计；熟练使用 Visio、Excel、Word 和 PPT，能清晰呈现数据分析结果与项目报告。
4. 业务洞察与实践能力：兼具业务理解力与数据洞察力，能将分析结果有效转化为优化建议与决策依据，具备出色的信息整合与归纳分析能力，以支持数据驱动决策。
5. 英语及沟通能力：具备良好的英语沟通能力，能适应跨文化协作环境，并在团队项目中承担协调和汇报职责。
2. 机器学习与建模：掌握常见机器学习算法及文本分析技术，如特征提取（TF-IDF、Word2Vec）、模型训练与评估、迁移学习与知识蒸馏，具备实际项目中的参数调优与模型优化经验。
3. 数据系统与办公工具：熟悉 Access 数据库开发及 SQL 数据处理，有能力完成数据存储、管理及系统设计；熟练使用 Visio、Excel、Word 和 PPT，能清晰呈现数据分析结果与项目报告。
4. 业务洞察与实践能力：兼具业务理解力与数据洞察力，能将分析结果有效转化为优化建议与决策依据，具备出色的信息整合与归纳分析能力，以支持数据驱动决策。
5. 英语及沟通能力：具备良好的英语沟通能力，能适应跨文化协作环境，并在团队项目中承担协调和汇报职责。
项目经验
1. 中国科学院（北京） – 数据分析实习生 – 2024/7/24 至 2024/11/1
开展自然语言处理（NLP）相关研究，主要涉及文本分类、多模态情感分析及迁移学习技术，项目聚焦于茶叶评价文本的多标签与多分类任务。
使用python数据分析技能，进行数据清洗、标准化与预处理，运用TF-IDF、Word2Vec及预训练Wikipedia词向量进行文本特征提取，构建并训练TextCNN、TextRNN、BiLSTM等多种神经网络模型。
通过F1分数与ACC分数评估模型性能，进行参数调优与工程优化，并探索迁移学习与知识蒸馏技术，以提升数据稀缺场景下的模型表现与轻量化部署能力。
实现茶叶评价的自动化多维度情感分析，从质量、价格、服务等多个方面解析用户评价，为茶叶品牌分析当前客户消费倾向与提供可操作的决策支持，助力产品与服务优化。
2. 鼎校教育科技有限公司（合肥） – 大数据实习生 – 2025/2/24 至 2025/5/16
主导英语词汇量检测逻辑优化项目，通过统计分析多次学生测试结果及竞品调研，重新设计分级测试机制：将单词按难度分级，基于正确率动态调整测试难度，并建立分数与词汇量等级的映射关系，提升词汇量检测的科学性与准确性。
构建测试词库，基于学生历史识记单词数据筛选和补充测试词库，为检测逻辑提供数据基础。
开发教练销课风险评估模型，创新设计包含销课占比、变异系数和协同系数三大维度的计算公式，通过加权整合输出风险评分，协助合伙人和交付中心识别异常表现并制定改进策略。
完成多项专项数据分析，包括IP登记误差分析、俱乐部品牌孵化追踪、高校合作项目的上课与耗课统计等，为运营决策提供数据支持。
开展自然语言处理（NLP）相关研究，主要涉及文本分类、多模态情感分析及迁移学习技术，项目聚焦于茶叶评价文本的多标签与多分类任务。
使用python数据分析技能，进行数据清洗、标准化与预处理，运用TF-IDF、Word2Vec及预训练Wikipedia词向量进行文本特征提取，构建并训练TextCNN、TextRNN、BiLSTM等多种神经网络模型。
通过F1分数与ACC分数评估模型性能，进行参数调优与工程优化，并探索迁移学习与知识蒸馏技术，以提升数据稀缺场景下的模型表现与轻量化部署能力。
实现茶叶评价的自动化多维度情感分析，从质量、价格、服务等多个方面解析用户评价，为茶叶品牌分析当前客户消费倾向与提供可操作的决策支持，助力产品与服务优化。
2. 鼎校教育科技有限公司（合肥） – 大数据实习生 – 2025/2/24 至 2025/5/16
主导英语词汇量检测逻辑优化项目，通过统计分析多次学生测试结果及竞品调研，重新设计分级测试机制：将单词按难度分级，基于正确率动态调整测试难度，并建立分数与词汇量等级的映射关系，提升词汇量检测的科学性与准确性。
构建测试词库，基于学生历史识记单词数据筛选和补充测试词库，为检测逻辑提供数据基础。
开发教练销课风险评估模型，创新设计包含销课占比、变异系数和协同系数三大维度的计算公式，通过加权整合输出风险评分，协助合伙人和交付中心识别异常表现并制定改进策略。
完成多项专项数据分析，包括IP登记误差分析、俱乐部品牌孵化追踪、高校合作项目的上课与耗课统计等，为运营决策提供数据支持。
案例展示
茶叶评价多标签多分类任务
开展自然语言处理（NLP）相关研究，主要涉及文本分类、多模态情感分析及迁移学习技术，项目聚焦于茶叶评价文本的多标签与多分类任务。 使用python数据分析技能，进行数据清洗、标准化与预处理，运用TF-IDF、Word2Vec及预训练Wikipedia词向量进行文本特征提取，构
茶叶评价多标签多分类任务维基百科词向量
开展自然语言处理（NLP）相关研究，主要涉及文本分类、多模态情感分析及迁移学习技术，项目聚焦于茶叶评价文本的多标签与多分类任务。 使用python数据分析技能，进行数据清洗、标准化与预处理，运用TF-IDF、Word2Vec及预训练Wikipedia词向量进行文本特征提取，构
立即沟通
