内容:
利用算法在保险领域进行个性化营销,提高销售效率和客户满意度。在与业务、技术、产品多部分沟通合作方面,确保项目顺利完成并达成预期目标,降低成本、提高效益。使用机器学习和深度学习技术对集团数据进行分析,构建画像特征。在短信营销、电销、私域、风控等业务线中,运用模型和策略,为业务提供数据支持和决策建议,有效提升业务指标和客户满意度。
业绩:
- 基础模型矩阵项目:通过抽象业务构建不同目标的模型,以便快速提升业务指标。
- 长险电销项目:通过挖掘用户通话录音文本,构建用户特征,使用排序模型召回高购买意向用户,保险承保率提升80%。
- 企微好友拉新项目:分析企业微信平台潜在客户的关键特征,构建模型以优化客户获取并提升用户添加成功率2倍, 降低获客成本。

内容:
主要处理数学科目相关工作,包括题目推荐、知识点标签和学生知识追踪、自动批改及解题、拍照批改(口算批改及公式识别)等。在这些项目中使用深度学习、图像处理、自然语言处理等技术,能够快速开发和部署算法模型。
业绩:
- 题目&类目推荐:对指定的数学题打标签。通过对数学题文本进行预处理,对其进行知识点标签分类或对指定题目进行类目推荐,准确率达90%.
- 学生知识追踪:规划学生学习路径。通过深度学习模型对学生做题正误进行预测,准确率达80%。
- 拍照批改:对学生的作业(图片)进行批改,准确率达98%。设计批改类型及算法,对公式(竖式)、应用题、解答题、填空题等题目进行语法分析以及数值计算并进行(含过程)批改或求出答案。通过深度模型进行 OCR 文本识别。
- 手势识别:在移动端实现手势识别的功能。使用 YOLO 为基础模型,通过迁移学习、模型压缩及网络修改训练得到一个2M左右的小模型,模型的召回率在98%以上,准确率高于95%,模型推理时间约5ms。

内容:
参与构建用户画像系统及推荐系统。挖掘用户标签,使用 Spark 等技术构建用户画像,以及运用 Django 等工具进行用户画像的建立和展示。使用特征工程及机器学习模型,进行自然语言处理,并接结合推荐算法进行新闻推荐。
业绩:
- 用户画像系统搭建项目:目的是通过用户的人口属性特征和行为信息特征建立用户画像。主要参与了用户行为长短期特征模型的建立与更新,使用 Django 等搭建了用户画像展示系统。
- 新闻推荐系统改进项目:目的是进行个性化推荐。使用分词、文本分类等,将新闻标签自动化,热门新闻统计,基于地点的新闻推荐,基于协同过滤推荐等,提升点击率。