我专注于机器学习与深度学习在时间序列领域的应用开发,尤其深耕异常检测及预测任务,涵盖单点预测与序列预测场景,能基于时序特性构建高效模型解决业务痛点。同时,精通网络爬虫技术,可灵活应对反爬机制,实现多源数据的稳定采集与清洗。在NLP方向,熟练掌握文本分类、情感分析、信息抽取等常规应用开发,能快速落地语义理解相关功能。三大技能相互协同,既保障数据获取的全面性,又能通过智能算法挖掘时序规律与文本价值,为复杂业务问题提供从数据采集到智能分析的端到端解决方案,助力提升决策效率与系统智能化水平。
项目经验一:App/小程序共性用户操作行为识别(2018.9-2022.5)
项目经验二:CPS/ICS多变量时间序列的异常检测 (2022.5-2024.10)
项目经验三:舆情监控系统(2015.9-2018.3)
面对光伏系统的故障诊断,项目聚焦光伏阵列(组件、逆变器、汇流箱等)运行数据的智能分析,旨在解决传统人工巡检效率低、隐蔽故障难发现的问题。基于时间序列异常检测与多模态建模技术,融合辐照度、温度、电流、电压等多维度时序数据,利用LSTM/Transformer捕捉设备运行的动态关联,
功率预测项目围绕光伏、风电等新能源场景,聚焦短期(分钟级至小时级)、中期(日级至周级)发电功率的精准预测,破解新能源出力随机性强、波动大的调度难题。基于时间序列预测技术,融合历史功率数据、辐照度/风速等气象时序特征及设备状态参数,构建多模型融合框架:采用LSTM/Transfor