0
1
2
3
4
5
0
1
2
3
4
5
16天前在线
研究员
深圳全职 · 1000/日 · 21750/月信用一般
工作时间: 工作日19:00-22:00、周末9:00-21:00工作地点:
远程
服务企业:
0家累计提交:
0工时
联系方式:
********
********
********
****************
查看联系方式
个人介绍
熟悉常用个性化推荐算法及常用机器学习算法，对召回，排序，策略推荐有相关经验
➪ 熟练掌握Java、python等编程语言，能够独立完成深度学习模型部署上线，推动工程项目应用落地。
➪ 熟练使用tensorflow等深度学习框架完成深度神经网络模型的搭建、训练和迭代优化，解决工程项目
中的实际需求和具体问题。
➪ 熟悉java，python，了解c++，scala，linux
➪ 熟悉HIVE, SQL 命令
工作经历
2018-08-01 -至今腾讯研究员
在腾讯担任应用研究员，熟悉常用个性化推荐算法及常用机器学习算法，对召回，排序，策略推荐有相关经验。熟练掌握Java、python等编程语言，能够独立完成深度学习模型部署上线，推动工程项目应用落地。 熟练使用tensorflow等深度学习框架完成深度神经网络模型的搭建、训练和迭代优化，解决工程项目 中的实际需求和具体问题。
教育经历
2015-09-01 - 2018-08-01中国科学院大学模式识别与智能系统硕士
就读于中科院自动化研究所，模式识别专业，主攻cv方向以及个性化推荐应用
技能
作品
作为 qq 浏览器信息流推荐的算法工程师，日常工作可能包括以下内容： 开发和优化推荐算法，如召回排序策略，深度学习、强化学习等，以提高信息流的推荐效果和用户体验。 数据处理和分析，包括数据清洗、特征提取、数据可视化等，以支持算法开发和优化。 构建和维护推荐系统，包括用户画像、内容管理、实时推荐等，以提高信息流的推荐精度和效率。 根据业务需求，调研和应用新的技术和算法，以保持推荐系统的竞争力和创新性。 常用技术栈可能包括 Python、Java、Scala、TensorFlow、PyTorch、Spark、Hadoop、MySQL、Redis 等。同时，熟悉推荐系统的评估指标和方法，如准确率、召回率、AUC 等。
02023-10-30 23:43
产品利用时间序列模型对股票价格进行预测，从而实现行情相似查询并回测收益策略。时间序列模型基于历史数据对未来的涨跌幅进行预测，帮助用户更好地了解市场趋势，并制定相应的投资策略。产品旨在提高投资效率和准确性，为用户带来更高的投资收益。
02023-10-30 23:37
