久久精品国产一区二区电影,久久精品国产亚洲av瑜伽,精品无人区一码卡二卡三,久草热8精品视频在线观看 ,久久99精品久久久久麻豆

求職意向

算法工程師 薪資面議 隨時(shí)到崗

教育背景

2020.x -2020x 錘子簡歷大學(xué) 物聯(lián)網(wǎng)工程（本科）

專業(yè)排名：6                             六級成績：564

2020.x -2020x 錘子簡歷大學(xué) 計(jì)算機(jī)技術(shù)（碩士）

成績前百分十五保送                 專業(yè)排名：16                   學(xué)分績：84.9

工作經(jīng)驗(yàn)

2020.x -2020x 錘子簡歷信息技術(shù)有限公司 產(chǎn)品運(yùn)營經(jīng)理

• 負(fù)責(zé)騰訊社區(qū)的整體運(yùn)營方案、公共板塊的合作對接以及運(yùn)營團(tuán)隊(duì)管理等工作，對公司經(jīng)營性指標(biāo)負(fù)責(zé)。 
  
• 負(fù)責(zé)制定并實(shí)施產(chǎn)品內(nèi)容、渠道、用戶運(yùn)營等業(yè)務(wù)管理流程和推廣計(jì)劃； 
  
• 全面負(fù)責(zé)產(chǎn)品的的線上線下營銷方案、流量引入、； 
  
• 競爭對手和市場需求調(diào)研數(shù)據(jù)分析，對產(chǎn)品功能設(shè)計(jì)、研發(fā)提供數(shù)據(jù)支持； 
  
• 用統(tǒng)計(jì)分析工具對產(chǎn)品營銷數(shù)據(jù)進(jìn)行分析，評估項(xiàng)目運(yùn)營情況及優(yōu)化； 
  
• 負(fù)責(zé)合作伙伴拓展及對接、客戶資源挖掘與平臺資源整合； 
  
• 負(fù)責(zé)日常產(chǎn)品運(yùn)營團(tuán)隊(duì)的培訓(xùn)和管理。  
  

工作業(yè)績： 

• 江湖板塊運(yùn)營：定期邀請名企大咖開展你問我答的活動，根據(jù)不同的興趣圈，培養(yǎng)用戶粘度。此活期期間，日均活躍度破30%。 
  
• 合作運(yùn)營：與騰訊系創(chuàng)業(yè)公司合作對接、資源共享，訂制買房、理財(cái)、相親、親子為專題的各項(xiàng)運(yùn)營方案，使合作當(dāng)期的整體社區(qū)日均活躍度提升10%。 
  
• 用戶運(yùn)營：最初的種子用戶500人，到目前的成熟用戶達(dá)到1.8萬，日均活躍度突破40%。
  

2020.x -2020x 錘子簡歷信息技術(shù)有限公司 數(shù)據(jù)編輯

• 負(fù)責(zé)公司巨潮資訊網(wǎng)官微運(yùn)營、所有上市公司深市全文信息披露及日常交易時(shí)段數(shù)據(jù)維護(hù)等工作。 
  
• 負(fù)責(zé)1400多家上市公司深市全文披露，維護(hù)股權(quán)代辦轉(zhuǎn)讓、股份報(bào)價(jià)轉(zhuǎn)讓平臺； 
  
• 負(fù)責(zé)公司官網(wǎng)微博的線上運(yùn)營、軟文推送、粉絲管理、話題營銷等品牌推廣工作； 
  
• 負(fù)責(zé)網(wǎng)站日常交易時(shí)段的深交所數(shù)據(jù)維護(hù)、公告、停復(fù)牌信息披露等數(shù)據(jù)編輯工作。 
  

工作業(yè)績： 

• 官微運(yùn)營：通過半年時(shí)間，官微的粉絲量從最初的400提升到20000。 
  
• 利用數(shù)據(jù)篩選法和單雙數(shù)原則，將工作效率提升一倍。從而獲選公司2013年度優(yōu)秀員工。
  

項(xiàng)目經(jīng)驗(yàn)

2020.x -2020x 紐約出租時(shí)間預(yù)測 課程項(xiàng)目

• 項(xiàng)目背景：交通擁堵帶來諸多不便：影響外出辦事效率，嚴(yán)重浪費(fèi)日常時(shí)間，出行者的出行成本越來越高。所以如何準(zhǔn)確預(yù)測未來的旅行時(shí)間，對于出行者和交通管理者，都是一個(gè)具有重大現(xiàn)實(shí)意義的問題。
• 項(xiàng)目目標(biāo)：根據(jù)預(yù)測出租車每次行程的行駛時(shí)間，選擇出行時(shí)間，緩解交通擁堵。
• 項(xiàng)目方法：
• 數(shù)據(jù)清洗：通過訓(xùn)練集作圖刪除離群點(diǎn)；
• 特征工程：根據(jù)乘坐時(shí)間是否是周末、節(jié)假日和工作日等創(chuàng)造新時(shí)間特征；使用K均值算法將地點(diǎn)經(jīng)緯度進(jìn)行聚類，使用PCA算法將地點(diǎn)經(jīng)緯度合并，然后創(chuàng)建距離特征（平面距離、半徑距離、曼哈頓距離以及它們的對數(shù)），計(jì)算用弧度表示的方向，同時(shí)創(chuàng)建方向特征；
• 模型訓(xùn)練和驗(yàn)證：從訓(xùn)練集中提取交叉驗(yàn)證集，比較隨機(jī)森林回歸、LightGBM Regressor和CatBoostRegressor的RMSE。
• 完成情況：由于大量新特征的創(chuàng)建，在訓(xùn)練模型時(shí)使用了隨機(jī)數(shù)搜索的方法，最后預(yù)測時(shí)使用了模型融合，預(yù)測結(jié)果對數(shù)均方根誤差估計(jì)為0.30。

2020.x -2020x 空氣質(zhì)量預(yù)測 課程項(xiàng)目

• 項(xiàng)目背景：空氣質(zhì)量問題已經(jīng)影響了很多發(fā)展中國家的大城市，在眾多空氣污染物中，PM2.5是最致命的一種之一。 如果可以準(zhǔn)確預(yù)測污染事件，市民和政府可以隨之作出適當(dāng)?shù)臎Q策，從而減少污染帶來的損害。
• 項(xiàng)目目標(biāo)：針對過去的天氣數(shù)據(jù)，預(yù)測未來兩天北京和倫敦兩個(gè)城市的空氣質(zhì)量。
• 項(xiàng)目方法：
• 數(shù)據(jù)處理和清洗：采用網(wǎng)格氣象數(shù)據(jù)與空氣質(zhì)量數(shù)據(jù)進(jìn)行拼接，選取每個(gè)空氣質(zhì)量站點(diǎn)所在網(wǎng)格的四個(gè)網(wǎng)格定位站點(diǎn)的氣象數(shù)據(jù)的平均值作為該空氣質(zhì)量站點(diǎn)的氣象數(shù)據(jù)；由于數(shù)據(jù)缺失嚴(yán)重，采用均值和就近站點(diǎn)數(shù)據(jù)進(jìn)行填充；
• 模型訓(xùn)練和驗(yàn)證：利用序列預(yù)測模型和梯度提升模型進(jìn)行預(yù)測，由于XGBoost考慮了訓(xùn)練數(shù)據(jù)為稀疏值，所以訓(xùn)練結(jié)果比序列預(yù)測模型效果好。
• 完成情況：與KDD CUP的比賽結(jié)果進(jìn)行對比，加權(quán)分?jǐn)?shù)為0.4977。

2020.x -2020x 疾病數(shù)據(jù)集成管理 實(shí)驗(yàn)室項(xiàng)目

• 項(xiàng)目背景：海量的生物醫(yī)學(xué)數(shù)據(jù)給全面了解生物醫(yī)學(xué)帶來了嚴(yán)峻的挑戰(zhàn)，在這種背景下，整合并挖掘生物醫(yī)學(xué)數(shù)據(jù)研究應(yīng)運(yùn)而生，并逐漸從概念轉(zhuǎn)為熱門的研究模型。因此，從生物醫(yī)學(xué)角度挖掘機(jī)疾病數(shù)據(jù)，從而建立疾病之間的關(guān)聯(lián)很是必要。
  
• 項(xiàng)目目標(biāo)：建立一個(gè)疾病多源數(shù)據(jù)集成平臺。
• 項(xiàng)目方法：
• 數(shù)據(jù)獲?。捍_定生物數(shù)據(jù)源，發(fā)現(xiàn)數(shù)據(jù)源間的關(guān)聯(lián)模式，形成多層網(wǎng)絡(luò)，提供單層網(wǎng)絡(luò)層間連接權(quán)重；
• 數(shù)據(jù)轉(zhuǎn)換：將選擇的疾病相關(guān)的數(shù)據(jù)庫進(jìn)行json格式轉(zhuǎn)換，提供轉(zhuǎn)換工具；
  
• 數(shù)據(jù)管理：在MongoDB下進(jìn)行管理，松弛查詢條件進(jìn)行查詢優(yōu)化，為用戶返回更多的相關(guān)結(jié)果。
• 完成情況：目前已完成半結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換工具，后續(xù)完成結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換和集成管理平臺大搭建。

實(shí)習(xí)經(jīng)驗(yàn)

2020.x -2020x 錘子簡歷信息技術(shù)有限公司 Java崗實(shí)習(xí)生

自我評價(jià)