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

錘子簡(jiǎn)歷品牌推廣師
數(shù)據(jù)分析經(jīng)驗(yàn)簡(jiǎn)歷范文
作者:錘子簡(jiǎn)歷 2023/09/15 23:20:12
閱讀 125

求職意向

數(shù)據(jù)分析 廣東深圳 薪資面議 隨時(shí)到崗

教育背景

2020.x -2020x 錘子簡(jiǎn)歷大學(xué) 計(jì)算機(jī)科學(xué)

研究生偏向人工智能和數(shù)據(jù)科學(xué)方向,在校期間積極參加各種活動(dòng),成績(jī)突出,GPA3.4/4.0

涉及學(xué)科:Machine Learning, Database Management Systems I, Intro Program/Data Struct, Knowledge Dis & Data Mining, Intro to Python for Financial App, Text Mining, Web Mining, Human-Computer Interaction

2020.x -2020x 錘子簡(jiǎn)歷大學(xué) 軟件工程

本科以計(jì)算機(jī)基礎(chǔ)知識(shí)為主,有編程經(jīng)驗(yàn),熟悉軟件設(shè)計(jì)流程。在校期間學(xué)習(xí)成績(jī)優(yōu)異,班級(jí)排名全班前三,GPA3.0/4.0,獲得學(xué)校獎(jiǎng)學(xué)金,校優(yōu)秀畢業(yè)生。

涉及學(xué)科:據(jù)庫(kù)原理與應(yīng)用,Java與面向?qū)ο蟪绦蛟O(shè)計(jì),計(jì)算機(jī)組成原理,數(shù)據(jù)結(jié)構(gòu),軟件體系結(jié)構(gòu)

工作經(jīng)驗(yàn)

2020.x -2020x 錘子簡(jiǎn)歷信息技術(shù)有限公司 軟件工程助理

對(duì)稅務(wù)局?jǐn)?shù)據(jù)庫(kù)開發(fā)與設(shè)計(jì):對(duì)項(xiàng)目進(jìn)行需需求分析,確定系統(tǒng)的數(shù)據(jù)屬性,數(shù)據(jù)量大小以及業(yè)務(wù)復(fù)雜關(guān)系程度,對(duì)該分析進(jìn)行關(guān)系和表的搭建。


 



2020.x -2020x 錘子簡(jiǎn)歷信息技術(shù)有限公司 前端開發(fā)工程師

1.項(xiàng)目確立:與團(tuán)隊(duì)溝通該項(xiàng)目的總體方向及所有功能。討論市場(chǎng)可行性以及開發(fā)難度,確定開發(fā)所需要的所有框架和開發(fā)語(yǔ)言。 

2.需求分析:和架構(gòu)師進(jìn)行溝通進(jìn)行需求分析,對(duì)前端功能進(jìn)行探討,并于UI溝通,確定前端界面樣式的設(shè)計(jì)。 3.代碼編寫:針對(duì)UI的設(shè)計(jì)對(duì)前端進(jìn)行代碼編寫。 
4.書寫項(xiàng)目企劃書,尋找投資伙伴。

2020.x -2020x 錘子簡(jiǎn)歷信息技術(shù)有限公司 軟件開發(fā)工程師

參與所在項(xiàng)目產(chǎn)品新增功能開發(fā)的需求調(diào)研以及代碼開發(fā)工作 參與系統(tǒng)日常維護(hù)工作。

協(xié)助現(xiàn)場(chǎng)排查系統(tǒng)BUG,解決問題、發(fā)包測(cè)試等工作 
 協(xié)調(diào)測(cè)試人員、系統(tǒng)設(shè)計(jì)師、資料、UI協(xié)同工作,按照公司開發(fā)流程,順利完成項(xiàng)目的交付斷迭代開發(fā)新的版本;

項(xiàng)目經(jīng)驗(yàn)

2020.x -2020x Movie recommendation system 

項(xiàng)目背景:

用戶對(duì)電影的觀賞習(xí)慣取決于他們喜歡的電影的類型,很多用戶會(huì)希望看完電影之后系統(tǒng)可以根據(jù)自己的喜好推薦適合自己的電影。
完成模型搭建的過程:
1.爬取豆瓣電影的影評(píng)作為該項(xiàng)目的數(shù)據(jù)集,使用 Pandas 和分詞對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理, 之后將影評(píng)進(jìn)行分段拆解,之后使用 Word2Vec 訓(xùn)練語(yǔ)料庫(kù)得到詞向量, 最后使用tf-idf等得到詞頻和相似度作為一套詞頻文檔。
2.根據(jù)用戶之前看過的電影名稱,通過相同的手段進(jìn)行詞頻分析,之后和之前的詞頻文檔進(jìn)行對(duì)比,相似度越高的電影優(yōu)先推薦。

2020.x -2020x Music Popularity Analysis 

1.使用 RStudio 對(duì) Spotify上Music Top 1000數(shù)據(jù)完成單變量、雙變量和多變量分析,包括數(shù)據(jù)清洗、數(shù)據(jù)處理和相關(guān)性分析等。過程中通過matplotlib完成數(shù)據(jù)可視化,運(yùn)用線性回歸對(duì)數(shù)據(jù)進(jìn)行探索性分析。最終將 25個(gè)初始變量篩選為11個(gè)主要影響因素。
2.基于分析結(jié)果如:影響音樂受歡迎程度的主要因素是音調(diào),風(fēng)格和歌詞等(正相關(guān))和時(shí)長(zhǎng)(負(fù)相關(guān)),撰寫 相關(guān)文檔報(bào)告, 可為音樂網(wǎng)站和歌手等提供相關(guān)優(yōu)化建議,可為消費(fèi)者提供音樂推薦服務(wù)。

2020.x -2020x Kaggle美國(guó)房?jī)r(jià)分析 

1.針對(duì)kaggle上的美國(guó)房?jī)r(jià)相關(guān)數(shù)據(jù)集,使用 Python 對(duì)美國(guó)房?jī)r(jià)數(shù)據(jù)完成數(shù)據(jù)整理過程,包括數(shù)據(jù)收集, 數(shù)據(jù)評(píng)估和數(shù)據(jù)清洗。通過 Pandas 和 Numpy 對(duì)數(shù)據(jù)完成評(píng)估和清洗,包括缺失值、異常值、冗余值的處理。使 用 Tableau 對(duì)數(shù)據(jù)進(jìn)行可視化,完成探索性數(shù)據(jù)分析。

2.基于分析結(jié)果如:房?jī)r(jià)高低的影響情況主要因素是地區(qū)和面積及裝修情況,高房?jī)r(jià)主要分布在美國(guó)沿海和五大湖區(qū)域,除此之外面積在2000-2800平方英尺和普通裝修收到大部分購(gòu)買者的青睞,針對(duì)此分析,可為房地產(chǎn)商提供房屋產(chǎn)品設(shè)計(jì)優(yōu)化建議,可為消費(fèi)者提供房屋咨詢服務(wù)。

自我評(píng)價(jià)

·具備數(shù)據(jù)分析相關(guān)經(jīng)驗(yàn),熟練掌握Python、 R、數(shù)據(jù)庫(kù)、數(shù)據(jù)可視化、 統(tǒng)計(jì)學(xué)、 爬蟲等數(shù)據(jù)分析相關(guān)知識(shí)。

·熟悉數(shù)據(jù)分析工具如 numpy、 pandas、 matplotlib、 jupyter notebook,了解 hadoop,Spark一些  知識(shí)。
·熟悉機(jī)器學(xué)習(xí)相關(guān)經(jīng)典算法(如 KNN、DecisionTree、NaiveBayes、SVM、K-means)、模型評(píng)估和特征工 程如PCA、 LDA 。
·熟悉 Language Model、Word2Vec、TF-IDF、Dependency Parsing等 NLP 相關(guān)知識(shí)。熟悉 Word Embedding 的基本方法, 熟悉集成學(xué)習(xí)包括隨機(jī)森林、GBDT、XGBoost,了解 PyTorch、TensorFlow。
·具備一年的工作和創(chuàng)業(yè)經(jīng)驗(yàn),有過產(chǎn)品經(jīng)理,前端工程師,軟件助理等相關(guān)經(jīng)驗(yàn)。
·大學(xué)英語(yǔ)六級(jí) 、雅思 6、聽說(shuō)讀寫能力優(yōu)秀、GRE 312分

內(nèi)容來(lái)源說(shuō)明:本文章來(lái)自網(wǎng)絡(luò)收集,如侵犯了你的權(quán)益,請(qǐng)聯(lián)系QQ:2772182309進(jìn)行刪除。
智能在線簡(jiǎn)歷編輯器
錘子簡(jiǎn)歷在線簡(jiǎn)歷制作,一鍵導(dǎo)出,快速生成 專屬你的優(yōu)秀求職簡(jiǎn)歷,敲定高薪 Offer~
立即創(chuàng)建簡(jiǎn)歷

【使用錘子簡(jiǎn)歷小程序制作簡(jiǎn)歷】

范文模板 更多>