主要技能:用Python和Matlab做数据分析、机器学习与深度学习相关工作。工作中经常处理结构化数据、时序数据或图像数据,熟悉pandas、numpy、scikit-learn、Matlab统计与优化工具箱等。做过的项目包括用户行为预测、销量预测、异常检测、图像分类等,能独立完成从数据清洗、特征工程到模型训练和评估的全流程。深度学习方面,用TensorFlow和Keras搭过CNN、RNN、LSTM等网络,也做过简单的模型调参与部署。
此外,也有用Python开发过Django网站,做过内容管理系统和数据分析结果展示的后台。能写REST接口、处理数据库(PostgreSQL/MySQL)、管理静态文件和用户认证,也熟悉基本的服务器部署。虽然不是专职前端,但能配合写一些基础的HTML/CSS和简单交互。
优势:既懂算法和分析逻辑,又能把模型用网站形式落地展示或提供API调用。适合需要数据处理、算法模型搭建、或者用Django做后台开发的兼职需求。
以下列出近期完成的2个项目:
1. 公众号文章舆情分析(Python + 文本挖掘)
当时需要对某个垂直领域的几十篇公众号文章做舆论倾向分析,文章评论和阅读数据是脱敏提供的。我用Python把文章正文和用户评论整理下来,用jieba分词结合自定义词典(行业术语),然后基于TF‑IDF和Word2Vec做关键词和主题提取。情感分析部分用了SnowNLP和简单的规则修正,区分正面、负面、中性评论,并统计热词随时间的变化趋势。最后用pandas和matplotlib生成词云、情感分布柱状图和热度折线图。这个项目让我对短文本清洗、情感倾向判别以及舆情可视化有了实际经验。
2. 生物医学信号处理与分析(Python + 信号处理库)
协助团队处理心电(ECG)和脑电(EEG)的脱敏数据,目标是提取特征供后续疾病辅助判断。我用scipy.signal做滤波(带通、陷波滤除工频干扰),用heartpy库计算RR间期、心率变异性指标,对脑电则通过mne‑python做预处理,去除眼电伪迹,并提取了时域(均值、方差)和频域(各个频带功率)特征。对于有标注的部分数据,还尝试了用随机森林区分异常信号片段。最终交付了一套清洗+特征提取的Python脚本和一份特征说明文档。这个任务让我掌握了生物信号的基本处理流程,也锻炼了和医学背景同事沟通的能力。