Warning: file_get_contents(http://tou.xincfx.com/x/pb.txt): Failed to open stream: HTTP request failed! HTTP/1.1 500 in /www/wwwroot/jobs.china3a.cn/vendor/composer/autoload_real.php on line 31
广州机器学习算法工程师 - 外包人才简历详情 | 广州IT人力外包人才简历库

IT人力外包人才简历库

返回列表

机器学习算法工程师

驻场外包人员
工作年限:2年 意向城市:杭州 浏览:7次 发布时间:近期

技能标签

Python 机器学习 深度学习 NLP 聚类分析 文本分类 特征工程 模型部署 TensorFlow PyTorch 数据预处理 算法优化 异常检测 SVM XGBoost 特征提取 模型评估

专业技能

精通Python编程语言,具备丰富的数据处理、算法开发及模型部署经验。熟练掌握机器学习全流程,包括数据预处理、特征工程、模型训练与评估。精通深度学习框架(TensorFlow/PyTorch),熟悉NLP技术栈(jieba、HanLP、BERT)。掌握主流机器学习算法(逻辑回归、SVM、随机森林、XGBoost)及深度学习模型(CNN、RNN、Transformer)。熟悉文本特征提取技术(TF-IDF、Word2Vec)、聚类算法(K-means、DBSCAN)及异常检测方法。具备良好的工程化能力,熟悉模型部署及性能优化。

工作履历(脱敏处理)

专注机器学习算法研发与工程化落地,主导完成多个行业级算法项目。在用户行为分析领域,设计基于聚类算法的异常检测系统,通过无监督学习方法解决数据标记质量问题,提升模型鲁棒性。在客服咨询分类场景中,构建基于传统机器学习的二分类模型,采用熵值法优化特征权重,实现95%+的准确率。持续优化模型训练效率,推动算法在生产环境的稳定部署。

项目经验(脱敏处理)

项目1:用户异常行为识别系统开发

基于咪咕音乐用户行为数据构建异常用户检测模型,采用K-means聚类算法进行无监督学习。针对数据标记质量差的问题,设计多维度特征融合方案,通过密度峰值聚类算法提升异常用户识别准确率。项目成果:减少虚假用户占比25%,提升佣金结算准确性。

项目2:客服咨询分类系统建设

开发基于传统机器学习的二分类模型,采用TF-IDF特征提取及逻辑回归算法实现用户咨询类型识别。创新性使用熵值法计算关键字权重,构建动态特征权重矩阵。项目成果:分类准确率提升至95.2%,降低人工标注成本60%。

驻场外包优势

服从性高

严格遵守甲方管理制度

技术扎实

2年项目实战经验

可长期驻场

接受异地项目外派

快速响应

24小时内可到岗

企业人才对接

专业IT人力外包服务

如果贵公司有IT项目人手缺口、需要工程师驻场开发、短期人力支援需求,欢迎联系洽谈合作。

合作热线

18969108718

商务邮箱

ntit@163.com

微信扫码咨询

微信咨询二维码

扫描二维码添加商务对接

立即申请人才对接