2021-03-01 -2022-05-31滴滴出行算法工程师

主要从事司乘生态治理的工作，就是用当前人工智能领域积累的一些技术来解决司乘判责问题。 项目一：分子模型 - 预判模型、司乘是否分离(轨迹)模型。前者（预判模型）通过标注2万个订单，积累订单特征、人维度特征、地图特征等，实验了 XGBoost和各种经典的CTR模型，并通过nni自动调参方法，最终选用DCN-Mix，该模型AUC达到 0.92，通过调整阈值，精准率/召回率达到90%/75%。 后者（司乘是否分离模型）通过业务规则筛选出有用的司机和乘客轨迹，然后截取 [司机结束 计费前5分钟，司机结束计费后1分钟] 时间段的司乘轨迹，先使用轨迹打点填充、轨迹平滑、司乘轨 迹点匹配方法构造特征，然后对每一分钟计算相对时间差、经纬度差，并使用LSTM模型，其中使用 tensorboard手段可视化模型并手动调整embedding学习率等重要参数，最终司乘是否分离的精准 率/召回率达到90%, 95%。 项目二： 司机取消管控策略 背景：为了提高平台司机的整体服务水平，同时提高人工判责的效率，需要针对不同的司机群体，在 取消判责方面做精细化管控。 解决方案：使用司机取消率、乘客取消率和乘客投诉率三

2018-09-01 - 2021-01-14哈尔滨工业大学计算机科学与技术硕士

计算机硕士，主要研究方向为计算机视觉。