个人介绍
业务背景:智慧城市、数据分析与挖掘
技术路线:熟悉数据分析业务逻辑以及常见机器学习算法,了解深度学习网络架构,有docker/Linux 使用经验,有相关项目经历;熟练使用Python以及pandas,numpy等数据处理工具包和keras/sklearn等相关机器学习工具包;爬虫经验丰富。
个人介绍:有责任心、有毅力、学习能力较强,能够有一些自己的小坚持(如坚持健身锻炼近10年);日常工作相对清闲,想找些事情不让自己荒废。
工作经历
2018-07-01 -至今南京规划院数据分析师
城市规划相关业务场景: 基于城市区域的建成环境,将机器学习和深度神经网络模型应用于分时人流的回归预测工作; 基于LBS的出行目的识别和轨迹预测:应用相关聚类方法,获得目标城市居民的停留点时空序列;基于居民的社会属性、空间属性以及时间属性构建居民出行目的识别的模型; 基于LBS的用地识别和用户轨迹填充:利用时空轨迹数据的聚类思想,完成不同用地功能的识别;利用路网数据以及用地数据完成地块人流数据的生成以及用户轨迹的多种形式的填充。
2012-06-01 -2018-06-01中电28所网络运维与安全工程师
事业单位性质,主要从事网络工程和运维,网络安全等相关工作。内部网络构建和维护管理,安防策略设计与实施等。相关工作项目的工程设计,报告撰写与项目工程实施等。日常运维。
教育经历
2008-09-01 - 2012-06-01上海交通大学信息与通信工程本科
信息工程专业,通信和计算机的通用课程学习,编程技能C++,Python,其他均有涉猎~
技能
基于 LBS 的用地识别和用户轨迹填充:1) 利用时空轨迹数据的聚类思想,完成居住地、工作地、消费地和游憩地的识别; 2) 根据 LBS 数据、路网数据以及用地数据完成地块人流数据的生成以及用户轨迹的多种形式的填充。
1) 使用多个机器学习算法(决策树、 XGBoost、 RF 和 SVM 等),围绕分时人流进行回归预测,最终回归结 果按照合作的建筑规划领域专家准确率达到 80%(密集人流区域的 MAPE 达到 25%,稀疏区域的 MAE 值 为 103); 2) 将区域间的相互关联影响考虑进来,并借助图像处理的方法,基于样本区域构建网格,将每个网格看作类 似于像素的存在,最终以特征维度作为通道数,特征值作为像素值,构建样本“图像”,使用神经网络做 回归预测; 3) 在探索区域人流的分时变化趋势上,考虑到数据以及模型在不同城市的可扩展性上,基于卫星地图进行切 割重组并构建数据集, 最终在 Resnet 上以图像做回归,最终得到的结果 MAE