项目背景：利用卫星拍摄的遥感数据，对城市中的道路进行检测。主要目的是为了识别和检测城市道路的位置，并对其进行标记，用于相关政务项目的推进。 成果：该项目为腾讯云相关项目，并在深汕地区得到了相关应用，项目中涉及到的检测目标有耕地、水体、建筑物、道路等。 个人工作内容：（1）数据预处理。包括数据打标签、数据集切分。（2）模型搭建与训练。尝试不同模型的搭建与训练，对比不同模型的效果，最终选用HRnet网络，对城市交通道路，进行检测网络的训练。（3）模型测试与调优。

项目背景与目的：为了监测公司C端产品的营收情况，便于比较公司运营活动带来的效果收益，发掘营收波动是否异常，对实时的营收额进行预测，并对固定时间点（14、18 点）的营收状况进行归因分析。 成果：构建的LSTM模型具备良好的预测能力，与ARIMA模型相比，预测的误差下降了3.5%，为营收数据的检测提供了良好的依据。 个人工作内容：（1）进行实时营收数据的加工，包括归因因子的数据；（2）梳理影响营收的相关因子，包括节假日、运营活动、疫情影响程度；（3）进行模型的构建、训练、调优、筛选、部署、应用与 监测； 主要技术工具：Python、MySql、Tensorflow、Hive；

项目背景与目的：面对日益复杂的电信业务，为了提升用户对自己办理的业务的使用满意度，维护用户的稳定性，需要对用户的满意度进行预测，识别出满意度低的用户，进行关怀维护。 成果：进过对模型使用的追踪，在半年时间内，在查全率固定的条件下，模型的查准率近下降了5%， 在模型的应用过程中，该模型的的准确率比友商模型的准确率高出20%。 个人工作内容：（1）负责业务需求的对接，将业务问题转化为技术问题；（2）进行数据的梳理，与业务方核对，形成建模所需的数据，并明确口径；（3）进行模型的设计、开发、调优、部署；（4）进行模型使用效果的跟踪。 主要技术工具：Hive、Python、Tensorflow。