制度建设:制定流程和技术规范,包括需求管理规范、开发规范与指引、模型设计规范等。

项目管理:制定技术方案,分析评估项目工作量和技术开发工作量,并进行任务分解及合理分配,确保按照既

定的开发周期完成开发任务。

技术实现:

销售额预测:根据品牌会员地理位置特征, 利用聚类算法识别潜客集中区域;通过ETL清洗开发200+维

度的特征,且基于机器学习算法训练销售额的预测模型。

客户流失预测与流失归因:面向toB客户,从业务场景出发,以商户标签为核心特征,核心算法采用GBDT

预测,归因算法采用SHAP;预测准确率80%,流失归因Top5的准确率可达90%。

微信小程序智能推荐系统:打通商品数据,对全量小程序的商品数据进行标准化,使用I2I召回+点击率

预估(CTR)的核心算法在云端重构。

智能精准营销:建立自动化算法驱动的营销广告投放系统,为客户提供高ROI的广告服务。

用户画像系统:构建客户标签体系(100+用户标签),设置客户洞察策略,实现全方位的特征和偏好刻

画。

团队管理:根据团队成员技术能力及性格偏好,合理安排日程,并按时跟踪进度,给予技术培训。

需求分析:就系统功能及技术要求与客户进行深入沟通,精准采集业务需求并进行开发。

技术规划:规划项目阶段及相关技术发展路线,选择合适的AI模型。

算法建模:主导海量非结构化数据(文本、图像)的智能风控引擎的模型搭建及验证,以及实现基于云平台和

微服务两种部署。

风险文本识: 利用NLP技术识别高危文本记录。

风险图片识别:利用计算机视觉技术识别高危图片和视频记录。

需求采集:完成基于物流行业的决策规划智能产品的需求调研并进行可行性分析。

算法实现:基于Spark大数据平台,利用强化学习等智能优化算法,为客户打造智能产品。与同类产品相比,

效果突出,为公司节省了大量资金。

团队管理:带领团队,制定团队工作目标与计划,主导招聘、技术培训,以确保工作质量;定期组织团队建设

活动,有效增强团队凝聚力及工作配合效率。

工作概述:申请和参与国家级科研项目,参与政府相关项目。

算法研究:业务场景涉及异常检测、信号模式识别、风险报文挖掘、推荐系统等。

基于深度学习的智能问答系统:政府项目,需要一套自动问答系统以减轻人工压力。

信息推荐系统:就业相关新闻、资讯、政府公益消息、招聘信息的信息推荐系统。

网络风险节点评估:针对大型非民用网络,基于贝叶斯网络图推理算法,重新设计算法模型,实现对网

络节点的风险等级评估。