[$£Am=@]时间
Java初级开发工程师
上海安艾艾迪科技有限公司 · 3年经验
日薪：
￥500/8h
地点：
北京 海淀
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
掌握JavaWeb、Spring框架，熟悉Spark大数据计算及Hadoop生态，具备Python爬虫开发能力。能够独立完成从数据采集、处理到应用开发的全流程实践，技术栈覆盖后端开发与大数据分析。具备扎实的编程基础与快速学习能力，热衷于探索高效的技术解决方案，致力于在实战中不断提升工程能力。
项目经验
1. 企业级员工管理系统（Spring Boot + JavaWeb）
负责后端核心模块开发，基于Spring Boot框架实现用户认证、权限控制及部门管理，使用JPA与MySQL进行数据交互；设计RESTful API并集成Swagger生成接口文档；通过AOP统一处理日志与异常，提升了系统的可维护性与安全性。
2. 电商用户评论数据分析平台（Spark + Hadoop + Python爬虫）
使用Python爬虫采集主流电商平台用户评论数据，存储于HDFS；基于Spark进行数据清洗与情感倾向分析，利用Hive进行数据仓库建模；通过Spark SQL统计商品好评率与关键词分布，最终将分析结果可视化，为运营提供数据支持。
3. 电影推荐系统（Spark MLlib + Hadoop + Python）
基于Hadoop存储用户观影行为日志，使用Python进行数据预处理与特征工程；利用Spark MLlib实现协同过滤算法，构建离线推荐模型；通过Spark Streaming实时更新用户兴趣标签，提升推荐结果的时效性；最终将推荐结果写入MySQL，供前端调用。
负责后端核心模块开发，基于Spring Boot框架实现用户认证、权限控制及部门管理，使用JPA与MySQL进行数据交互；设计RESTful API并集成Swagger生成接口文档；通过AOP统一处理日志与异常，提升了系统的可维护性与安全性。
2. 电商用户评论数据分析平台（Spark + Hadoop + Python爬虫）
使用Python爬虫采集主流电商平台用户评论数据，存储于HDFS；基于Spark进行数据清洗与情感倾向分析，利用Hive进行数据仓库建模；通过Spark SQL统计商品好评率与关键词分布，最终将分析结果可视化，为运营提供数据支持。
3. 电影推荐系统（Spark MLlib + Hadoop + Python）
基于Hadoop存储用户观影行为日志，使用Python进行数据预处理与特征工程；利用Spark MLlib实现协同过滤算法，构建离线推荐模型；通过Spark Streaming实时更新用户兴趣标签，提升推荐结果的时效性；最终将推荐结果写入MySQL，供前端调用。
[$£Am=@]时间
Java初级开发工程师 · 3年经验 · 上海安艾艾迪科技有限公司
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
掌握JavaWeb、Spring框架，熟悉Spark大数据计算及Hadoop生态，具备Python爬虫开发能力。能够独立完成从数据采集、处理到应用开发的全流程实践，技术栈覆盖后端开发与大数据分析。具备扎实的编程基础与快速学习能力，热衷于探索高效的技术解决方案，致力于在实战中不断提升工程能力。
项目经验
1. 企业级员工管理系统（Spring Boot + JavaWeb）
负责后端核心模块开发，基于Spring Boot框架实现用户认证、权限控制及部门管理，使用JPA与MySQL进行数据交互；设计RESTful API并集成Swagger生成接口文档；通过AOP统一处理日志与异常，提升了系统的可维护性与安全性。
2. 电商用户评论数据分析平台（Spark + Hadoop + Python爬虫）
使用Python爬虫采集主流电商平台用户评论数据，存储于HDFS；基于Spark进行数据清洗与情感倾向分析，利用Hive进行数据仓库建模；通过Spark SQL统计商品好评率与关键词分布，最终将分析结果可视化，为运营提供数据支持。
3. 电影推荐系统（Spark MLlib + Hadoop + Python）
基于Hadoop存储用户观影行为日志，使用Python进行数据预处理与特征工程；利用Spark MLlib实现协同过滤算法，构建离线推荐模型；通过Spark Streaming实时更新用户兴趣标签，提升推荐结果的时效性；最终将推荐结果写入MySQL，供前端调用。
负责后端核心模块开发，基于Spring Boot框架实现用户认证、权限控制及部门管理，使用JPA与MySQL进行数据交互；设计RESTful API并集成Swagger生成接口文档；通过AOP统一处理日志与异常，提升了系统的可维护性与安全性。
2. 电商用户评论数据分析平台（Spark + Hadoop + Python爬虫）
使用Python爬虫采集主流电商平台用户评论数据，存储于HDFS；基于Spark进行数据清洗与情感倾向分析，利用Hive进行数据仓库建模；通过Spark SQL统计商品好评率与关键词分布，最终将分析结果可视化，为运营提供数据支持。
3. 电影推荐系统（Spark MLlib + Hadoop + Python）
基于Hadoop存储用户观影行为日志，使用Python进行数据预处理与特征工程；利用Spark MLlib实现协同过滤算法，构建离线推荐模型；通过Spark Streaming实时更新用户兴趣标签，提升推荐结果的时效性；最终将推荐结果写入MySQL，供前端调用。
立即沟通
