IT人力外包人才简历库

精通机器学习算法体系（监督学习/非监督学习/强化学习），熟练掌握数据挖掘全流程（数据清洗/特征工程/模型训练/效果评估）。精通主流机器学习框架（Scikit-learn, XGBoost, LightGBM, CatBoost, TensorFlow, PyTorch）。擅长深度学习模型构建（NLP/CNN/GAN等），精通模型调优技术（网格搜索/贝叶斯优化/遗传算法/特征重要性分析）。熟悉数据可视化工具（Matplotlib, Seaborn, Tableau），掌握模型评估指标（AUC/混淆矩阵/ROC曲线）。具备大规模数据处理能力（Pandas, NumPy, Spark）。

长期从事算法开发工作，主要负责数据挖掘方案设计与模型构建。主导电网用电量异常检测项目，通过特征工程与模型优化提升预测准确率15%；主导IOT设备识别项目，构建混合模型提升分类准确率至92%。开发电商推荐系统，实现GMV提升28%。擅长处理高维数据特征筛选，精通遗传算法调参与模型集成技术。具备完整的算法开发闭环能力，从需求分析到模型部署均有成功案例。

1. 电网用电量异常检测系统：基于电力数据构建时序预测模型，采用XGBoost+LightGBM混合模型，通过特征重要性分析筛选关键指标，实现95%的异常识别准确率。

2. IOT设备识别系统：基于网络流量数据构建分类模型，采用深度学习与传统机器学习结合方案，通过特征工程提取120+维度特征，最终模型准确率达92%。

3. 电商推荐系统：开发基于协同过滤与深度学习的混合推荐算法，通过用户行为分析构建个性化推荐模型，提升转化率28%。

4. NLP文本分类项目：构建故障文本分类系统，采用BERT+CRF模型实现实体识别与意图分类，准确率提升至90%。

5. 图像识别项目：开发表情识别系统，采用CNN+Attention机制，通过迁移学习提升小样本识别效果。