1. 模型：协助客户进行推荐算法的落地，并负责训练预测数据的准备。
2. 协助客户进行app推荐算法的不断迭代优化。从一开始的LR模型，到后来的特征工程+LR，继而到als+GBDT+LR，并持续跟踪模型结果。
3. 工具：使用spark的MLlib库实现算法的开发；基于linux环境，写shell脚本实现对
Jar包的调用；借助python和R分析基础数据并可视化。
4. 分析报告：数据问题分析报告，差异化分析报告等。
成果：通过不断的迭代优化，点击转化率由万分之1点几，提高至万分之5。