薰

机器学习算法工程师
阿里巴巴淘天集团 · 1年经验
薰
日薪: ¥500/8h
地点: 北京 海淀
时间: 下班后可工作日远程
ID:423988 复制

0
接单数
0
评价数
0
收藏数

AI 技能提取 | 机器学习 Python 深度学习 Selenium
本硕均毕业于985计算机专业,曾在阿里巴巴淘天集团实习,担任机器学习算法工程师一职。我具备扎实的计算机算法理论基础与丰富的工程落地实践经验,专注于机器学习、数据挖掘与深度学习领域,精通 Python 编程及大数据处理生态。在算法建模方面,熟练掌握 LightGBM、XGBoost 等主流集成学习算法及增量学习技术;深入理解 Transformer、LSTM 等神经网络架构,并具备基于图神经网络(GNN)、Self-Attention 等前沿技术进行模型创新与优化的研究能力。同时,我拥有出色的工程实现与数据全链路处理能力,熟练运用 Selenium 等工具进行自动化数据采集与反爬虫对抗,精通特征工程、数据清洗及缺失值填补等数据处理技术,能够独立完成从数据获取、存储到建模分析的全流程闭环。此外,我具备良好的学术研究与英文文献阅读能力,逻辑思维严密,能够快速将前沿技术转化为实际解决方案。

1. 阿里巴巴·官流上门催派进线预估 (算法工程师)
技术栈: LightGBM、增量学习、特征工程、EDA
在日均百万单的快递运单数据基础上,我深入挖掘用户、物流及商品多维度特征,通过探索性数据分析(EDA)构建了十余条高价值衍生特征,并优化了缺失数据的填补策略,将处理耗时从小时级降低至秒级。在此基础上,我采用 LightGBM 模型结合增量学习方法进行训练,成功解决了模型迭代慢的问题。项目上线后效果显著,全品类进线命中率较旧模型平均提升20%,其中用户催派送场景的命中率也提高了6%,有效提升了物流服务的响应效率。
2. 基于Selenium的电商商品信息自动化采集系统 (个人/科研项目)
技术栈: Python、Selenium、BeautifulSoup、反爬虫策略、数据清洗
针对电商平台动态渲染页面的数据采集难题,我独立设计并开发了一套基于 Selenium 的自动化爬虫系统。在工程实现上,我熟练运用 WebDriver 模拟真实用户行为(如随机延迟、鼠标轨迹模拟)以完成商品搜索与详情页抓取;同时,结合 BeautifulSoup 对动态加载的 DOM 树进行精准解析,提取商品标题、价格、销量等核心字段。
为应对复杂的反爬虫机制,我深入研究了风控策略并实施了多维度的对抗方案:通过配置 ChromeOptions 隐藏 window.navigator.webdriver 等自动化特征,集成动态代理 IP 池实现请求轮换,并引入 selenium-stealth 库有效规避了滑块与行为验证码检测。此外,我设计了 Cookie 缓存与复用机制,大幅减少了重复登录的开销。最终,该系统成功实现了日均万级商品数据的稳定采集,并输出为结构化数据集,为后续的推荐算法与价格预测模型提供了高质量的数据支撑。
3. 基于图神经网络的癌症驱动基因识别 (科研项目)
技术栈: GNN、RandomWalk、Self-Attention、生物信息学
在学术研究方面,我致力于解决癌症驱动基因识别的难题。该项目中,我深入调研了深度学习在该领域的前沿进展,并提出了改进的信息传递机制:利用 RandomWalk 生成节点嵌入并与多组学数据拼接,引入阶矩嵌入利用邻居节点信息,并结合 Self-Attention 机制对阶矩进行加权排序。该模型在 STRING、HumanNet 等多个蛋白质互作网络上进行了广泛验证,结果达到 SOTA (State-of-the-Art) 水平,相关论文已发表于 BIBM 会议,展现了我在复杂网络分析与深度学习算法创新上的深厚潜力。
薰 ID:423988 复制

薰

机器学习算法工程师 · 1年经验 · 阿里巴巴淘天集团
城市北京 海淀 日薪500元/8h 时间 下班后可工作日远程
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

AI 技能提取 | 机器学习 Python 深度学习 Selenium
本硕均毕业于985计算机专业,曾在阿里巴巴淘天集团实习,担任机器学习算法工程师一职。我具备扎实的计算机算法理论基础与丰富的工程落地实践经验,专注于机器学习、数据挖掘与深度学习领域,精通 Python 编程及大数据处理生态。在算法建模方面,熟练掌握 LightGBM、XGBoost 等主流集成学习算法及增量学习技术;深入理解 Transformer、LSTM 等神经网络架构,并具备基于图神经网络(GNN)、Self-Attention 等前沿技术进行模型创新与优化的研究能力。同时,我拥有出色的工程实现与数据全链路处理能力,熟练运用 Selenium 等工具进行自动化数据采集与反爬虫对抗,精通特征工程、数据清洗及缺失值填补等数据处理技术,能够独立完成从数据获取、存储到建模分析的全流程闭环。此外,我具备良好的学术研究与英文文献阅读能力,逻辑思维严密,能够快速将前沿技术转化为实际解决方案。

项目经验

1. 阿里巴巴·官流上门催派进线预估 (算法工程师)
技术栈: LightGBM、增量学习、特征工程、EDA
在日均百万单的快递运单数据基础上,我深入挖掘用户、物流及商品多维度特征,通过探索性数据分析(EDA)构建了十余条高价值衍生特征,并优化了缺失数据的填补策略,将处理耗时从小时级降低至秒级。在此基础上,我采用 LightGBM 模型结合增量学习方法进行训练,成功解决了模型迭代慢的问题。项目上线后效果显著,全品类进线命中率较旧模型平均提升20%,其中用户催派送场景的命中率也提高了6%,有效提升了物流服务的响应效率。
2. 基于Selenium的电商商品信息自动化采集系统 (个人/科研项目)
技术栈: Python、Selenium、BeautifulSoup、反爬虫策略、数据清洗
针对电商平台动态渲染页面的数据采集难题,我独立设计并开发了一套基于 Selenium 的自动化爬虫系统。在工程实现上,我熟练运用 WebDriver 模拟真实用户行为(如随机延迟、鼠标轨迹模拟)以完成商品搜索与详情页抓取;同时,结合 BeautifulSoup 对动态加载的 DOM 树进行精准解析,提取商品标题、价格、销量等核心字段。
为应对复杂的反爬虫机制,我深入研究了风控策略并实施了多维度的对抗方案:通过配置 ChromeOptions 隐藏 window.navigator.webdriver 等自动化特征,集成动态代理 IP 池实现请求轮换,并引入 selenium-stealth 库有效规避了滑块与行为验证码检测。此外,我设计了 Cookie 缓存与复用机制,大幅减少了重复登录的开销。最终,该系统成功实现了日均万级商品数据的稳定采集,并输出为结构化数据集,为后续的推荐算法与价格预测模型提供了高质量的数据支撑。
3. 基于图神经网络的癌症驱动基因识别 (科研项目)
技术栈: GNN、RandomWalk、Self-Attention、生物信息学
在学术研究方面,我致力于解决癌症驱动基因识别的难题。该项目中,我深入调研了深度学习在该领域的前沿进展,并提出了改进的信息传递机制:利用 RandomWalk 生成节点嵌入并与多组学数据拼接,引入阶矩嵌入利用邻居节点信息,并结合 Self-Attention 机制对阶矩进行加权排序。该模型在 STRING、HumanNet 等多个蛋白质互作网络上进行了广泛验证,结果达到 SOTA (State-of-the-Art) 水平,相关论文已发表于 BIBM 会议,展现了我在复杂网络分析与深度学习算法创新上的深厚潜力。
客服二维码

没找到合适的人才?

扫码添加客服极速匹配,或直接发布需求让更多人才主动报名

平台担保交易 · 1小时内不满意可退款

平台信誉与实力

基于 35,336 需求方信任

  • ✓ 支付宝企业信用分 优秀 评级
  • ✓ 市场份额约占全行业三分之一
  • ✓ 程序员兼职行业全能首选平台
查看平台资质详情
收藏