个人介绍
我是程序员客栈的Maxwell,一名python程序员,毕业于武汉大学,从事过各类数据分析、机器学习、数据挖掘的工作,熟悉SpringMVC,擅长各类智能算法,熟悉小程序开发,有过全栈开发经验,熟悉vue等。
工作经历
2023-01-01 -2023-06-01武汉大学实习
独立完成基于深度学习的动物分类和检测,采用ResNet-50作为特征提取网络,使用基于ResNet-50的Faster RCNN目标检测模型进行动物检测。
教育经历
2019-09-01 - 2023-06-01武汉大学空间信息与数字技术本科
2021.2美赛M奖; 2021.10大数据挑战赛二等奖; 2021.11 亚太赛二等奖;
技能
1.将检查数据,检查数据残缺情况,主要字段无残缺(经纬度),将csv转换为shp文件,将事件开始的经纬度作为点坐标;地理空间聚类(DBSCAN);多元回归分析; 2.所有部分由我个人完成。
1.该项目为一个地理关联的共享平台,对分享者进行实时定位,让人们了解更多不同地方的事件;主要功能有分享事件、搜索各类型事件、从地图搜索附近地点发生事件等; 2.我负责前端组件挂载以及数据库访问等操作。
1.项目分为异常点检测、周期性及波动性检测、数据拟合三个模块的功能;其中,异常点检测通过iForest检测异常点并删除异常数据,利用自相关性和偏自相关性再根据检测出的异常点的分布特征得出异常周期的检测结果;选取一些指标进行数据拟合,将数据分为线性部分及非线性部分,对两部分分别使用SARIMA和RNN进行拟合,对数据进行预测。 2.我负责全部内容。 3.难点在于异常值的预测中,我们要考虑到数据的波动性,突发性和自相关性等,还有一个就是要综合考量计算成本,鲁棒性,输出结果的时效性等。并且,由于所需指标的数据与其他数据都有一定的相关性,综合考虑其他数据对结果的影响,借用其他指标作为辅助输入特征建模。而拟合部分用于预测,由于数据之间的周期性并不明显,所以需要挖掘数据的周期性,并且数据变化包括线性部分和非线性部分,所以对数据采用分割式建模,以期获得更好的结果。