工作描述:
人才推荐:从0到1搭建人才推荐服务。召回方面包括技能、行业、职位特征的归一化。个性化方面包括了面试
评价、招聘部门特征画像。排序方面引入了Transformer的语义编码,AutoInt排序算法优化。
情感分析:完成了一级(30)、二级(80)、三级(200)的内部帖子分类服务,支持评价对象、评价词、评价极
性的情感分析任务。应用了TakG和小样本学习方法。
搜索服务重构:重构了部分搜索服务、包括ES Mapping设计、向量召回、图谱查询改写等内容。

工作描述:
负责AI项目的预研、工程落地和商业化包括:
知识图谱:数据爬取、清洗、开发,主题模型、知识抽取、知识融合、实体识别、归一化、属性和关系的构建。
人岗匹配:职位和候选人画像,召回、排序模型,流程RPA等。
搜索系统:职位、候选人、申请等索引构建、触发、召回、排序、融合等。
简历解析:文本提取:Word Excel PDF 图片 EML PPT等格式;OCR:CTPN + CRNN; SequenceTagging: 基本信息、
工作经历、教育经历、自我介绍、证书、著述等80多个字段

工作描述:
负责一个二级部门的算法技术团队,下辖模型、数据和业务系统开发三个组,团队规模30人。
衡价格_基线模型
创新性:较为深刻的认识到汽车非标品的价格规律和价值规律。
均衡价格_高精度模型
创新性:基于关键特征的T-SNE的特征降维(升阶)的精细化分析和孤立森林的异常值识别;对车龄、里程等粒度
下进行Huber回归线性插补训练集缺失数据,得到鲁棒性好,精度高的模型。
运营算法
库存调价、库存周期预估
创新性:库存周期预估,采用分类的技术方案,依此计算出车系、年款、地域粒度的正价期折价率、然后依据这
个折价率采用ARIMA模型计算后续折价比例。
模型基础能力
迁移学习、样本构建
创新性:时间上:最初方案,MultiView, 后续使用了统计分析、数值拟合、时间序列分析的方案;场景上:使用
Pair-wise的场景迁移进行样本增广。

工作描述:
负责带领公司研究院的FintechAI领域的团队搭建、工作开展和算法落地工作,团队规模15人。

工作描述:
目前在阿里巴巴集团——商家事业部的算法团队主要从事访客运营算法方面的工作。参与过的项目包括《店铺首
页千人千面》,《智能橱窗》和《智能海报》;负责的项目包括:《访客运营平台B端辅助决策》和《访客运营
算法智能选品》项目。
技术栈:了解熟悉访客流量运营和match框架,能够在不同的场景下匹配不同的match逻辑做效果优化; 特征工
程:用户特征、商品特征、组合特征和实时特征场景反馈特征; 了解E&E策略(Exploit&Explore); 模型:GBDT,FM,
OWL-QN, FTRL(在线学习), MDPs(Markov Decision Processes), L2R(LambdaMART), 图论(Adar,RandomWalk,GraphEmbedding); ML框架: Parameter Server, Spark, Tensorflow, Pytorch。

工作描述:
百度外卖:
设计策略文档、论证算法和策略,确立技术方案,训练统计学习模型,开发自动调度系统逻辑,以及相
关的迭代和改进。
负责百度外卖的物流智能调度策略研发和模型训练调优工作。
凤巢——商业平台部
负责凤巢账户优化方向策略迭代和架构升级工作。

工作描述:
数据产品Web后端API实现;统计机器学习语料处理、信息抽取,模型训练、标注,调优;微博情感分析、论文
查阅、技术路线确定、算法实现及配合部署上线,性能评价及测试模块实现。