个人介绍
头部大厂算法工程师
1、负责用户增长算法和推荐策略体系相关工作。
2、负责流量分发推荐算法设计和研发工作。
3、承接数据分析、模型设计、训练调优、测试优化、部署流程任务。
有Kaggle算法大赛银牌铜牌各一枚,熟悉推荐算法,熟悉自然语言处理等
工作经历
和TA聊聊APP扫码和程序员直接沟通
该用户选择隐藏工作经历信息,如需查看详细信息,可点击右上角“和TA聊一聊”查看
教育经历
和TA聊聊APP扫码和程序员直接沟通
该用户选择隐藏教育经历信息,如需查看详细信息,可点击右上角“和TA聊一聊”查看
资质认证
技能
项目描述: 基于用户query文本的多模态召回问题,利用query和商品图片特征(单个图片包含w,h,多box特征和box的label)对候选商品排序。最终提交测试数据中的每个query的候选5个商品,即是一个跨模态检索问题。 项目主要贡献: 利用query和商品图片特征对候选商品排序,对训练集(正例)构造负样本,构造线下训练集,1)图片特征:映射图片box位置特征与图片特征相加,box的label进行embedding,拼接后进行序列表示。2)query特征:获取预训练Bert模型得到的查询词embedding向量。两类特征拼接后叠加全连接层完成分类任务,线下多个单模型(不同负样本生成策略,不同训练量等)训练,最终对多模型进行融合,完成算法的设计和实现,最终赛道榜单第20名(Top1%)。
S 用户进入业务页,对进入分发用户进行的匹配,帮助用户提升转化率。 T 资方排序模型通过从用户特征和资方特征学习XX和用户之间的匹配程度,选择匹配度高的资方排在前面,可以有效提升转化。 A 训练到端授信模型XGBoost,F-Attention等,完成意愿预估,XX分发等任务,并对每个样本计算在各个XX下的分数,从候选XX中按照分数排序,预估高的优先分发。尝试引入用户意愿埋点标签,建立多任务模型,完成申请意愿和成功率预估任务。 R 完成流量分发流程,实现用户转化成功率提升。