个人介绍
本人本科专业冶金,在工厂工作多年。于2019年至2020年间,通过CDA授课方式学习并考取CDA二级数据建模分析师,且在考取前就自学机器学习,并与他人合伙进行网上接项目。后在2021年2月至2023年4月间,在甘肃电网思极担任算法工程师职务,期间完成单位多项机器学习建模分析任务。于今年5月起与他人合作进行本科生机器学习培训,现为兰州地区唯一一家正规机器学习培训机构,并与西北师大、兰州交通大学等多所高校进行合作。
工作经历
2019-11-30 -2023-11-05CDACDA二级数据分析师
考取CDA二级数据建模分析师,并在电网担任算法工程师。后与今年5月至今与他人合作进行本科生机器学习培训。期间完成电网光伏功率预测项目、税电分析等多个项目。与他人合作培训期间,完成内蒙锡林浩特政府委托项目。
教育经历
2004-09-01 - 2008-06-30兰州理工大学冶金工程本科
技能
基于机器学习的小额贷款需求预测。 1.对异常数据进行处理。 2.对于分布不平衡问题,通过BorderlineSMOTE进行过采样,确保正负样本的均衡。 3.特征工程使用随机森林对数据进行分箱,并通过关联规则算法思想进行重要字段的结合。 并通过PCA降维对原始字段进行降维
随着市场竞争日益激烈,传统市场饱和度提高,新兴市场进入困难,同时其他运营商不断加大了对中高端客户、流量客户等重点客户群的争夺,存量市场的竞争持续加剧,客户保有形势十分严峻,公司急需深耕客户需求,建立集中化、标准化的存量客户保有体系,实现客户保有及价值的双提升。因此对客户离网倾向进行提前判断以促进降低客户流失率对于存量客户保有工作愈发重要,为提高户保有率,有效应对市场竞争,进一步防止客户流失,开展识别精准目标客户的工作。 本项目基于移动数据,通过移动提供数据,在数据预处理特征工程阶段,通过进行PCA降维,且由于正负样本差异巨大,使用了borderlingSMOTE方式,即通过对样本量少的样本进行过采样,来达到使正负样本本不均匀的目的。