小超佩奇
1月前来过
全职 · 600/日  ·  13050/月
工作时间: 工作日19:00-23:00、周末07:00-23:00工作地点: 远程
服务企业: 10家累计提交: 5工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

前端方面技能:

1)熟悉 html5, css3 等新技术规范及使用,可以精准还原设计原稿;

2)熟悉 JavaScript 语言编程,熟悉 ES6 等新规范,能够脱离 JQuery 等类库编码;

3)熟悉运用模块化、面向对象的方式编程;

4)能使用 Angular 、Vue框架进行模块开发,并有项目开发经历;

5)能使用 Bootstrap、JQueryMobile、Element 等 UI 库和框架进行开发;

6)熟悉使用前端自动化构建工具 Webpack;

7)熟悉使用 Git 进行版本控制和协作开发;

本人完成自己工作的同时,自己自学掌握的后端和数据分析技能如下:

8)熟练掌握应用关系型数据库 Mysql、Postgresql,并可以自主实现与 Flask、Django 等 Web 框架的数据交互。熟练掌握机器学习算法,参与数据挖掘应用包括决策树、贝叶斯、回归、K-means、随机森林、SVM 等;

9)熟练掌握深度学习算法原理,熟悉常用的数据结构和算法,实现算法包括 BP、CNN、DBN、CDBN 等;

10)拥有系统的轴承故障诊断和手势识别项目经验,熟悉海量数据处理流程,可构造算法模型并作出诊断分析;

11)熟练掌握 Python 脚本语言及其数据分析资源库 (numpy、pandas、matplotlib、scikit-learn、tensorflow 等) , 熟悉 C、C++、Java 编程思想,有丰富的算法调试经验;

工作经历

  • 2018-09-05 -2020-05-14趣头条数据分析师

    项目名称:基于 K-Means 的协同过滤推荐算法——赶集网广告策划;项目介绍:广告投放渠道众多,需要对广告的效果进行分析以实现针对性的广告效果测量,并与业务运营沟通以优化广告投放。项目选择近 30 天时间段数据,指标包括日均 UV、注册率、访问深度、广告卖点等, 以平均轮廓系数法确定 K 值,使用 K-Means 算法对用户进行聚类,再对每个子类使用协同过滤算法并结合 TOP-N 进行推荐,分析不同类别广告媒体的特征倾向,并从注册引导、注册激励、引导流量点击等分析,为业务部门对项目的进一步落地提供建议。

  • 2016-07-09 -2018-08-31西门子中国研究院高级前端工程师

    1)成都实验室轴承故障诊断展台 采集实时轴承数据,设计故障诊断和寿命预测算法,并将预测结果展示在可视化页面中。采集不同频率的振动信号,建立轴承振动信息的数据库及正态分布,利用 knime 平台,对轴承的振动数据进行相关性分析,同时结合生产的实际良品率及故障频率段,计算出振动的检测标准, 将轴承特征数据放入机器学习算法(随机森林算法)模型中学习,模型预测结束后,由 Echarts 绘制实时波形图及 3D 瀑布图并利用 jupyter notebook 共享轴承数据信息。 2)上海一汽大众——Maintenance Service 基于甲方线上调度的监控与管理需求,由振动传感器采集轴承数据并经数据清洗后,将数据上传到西门子工业云 MindSphere,实现总厂宏观调控所有分厂数据。客户端读取云端数据保存到 Postgresql 数据库并进行分区处理,提取故障信号的特征,通过 SignalPad 测控软件采集分析,得到正常和故障样品的特征对比, 设计机器学习算法 (支持向量机)对轴承数据进行诊断, 并给出维修建议, AngularJS 读取接口数据, 并将工程师反馈结果回传到数据库中, 实

教育经历

  • 2017-08-31 - 2020-06-30江南大学控制工程硕士研究生

    双一流、211大学硕士,控制工程专业

技能

机器学习算法
深度学习算法
SQL
HTML5
Vue
0
1
2
3
4
5
0
1
2
3
4
5
作品
移动终端的手势识别身份认证

由触摸屏传感器采集手势特征点,经数据清洗后,进行 EDA 和交互式数据分析识别变量之间的相关关系并提取特征,然后将数据拆分为训练/测试集(K 折交叉验证以避免过拟合) , 选取深度学习算法 (卷积深度信念网络)建立手势识别模型,进行有监督和无监督的混合训练并调整模型的超参数, 选取合适的评估指标(AUC、 F1 值、混淆矩阵)进行评估,当模型指标达到要求后上线运行。

0
更新于: 2020-05-16 浏览: 408