团队主要从事广点通广告的ctr预估工作。采用在线深度学习方案，对进入精排的广告进行ctr预估。
项目核心成员，主要从事ctr模型的探索、调优、升级；特征方面的构建、调优；同时负责qq空间和手Q浏览器的ctr预估业务。
从事模型方面的探索、调优、升级。
1) GBDT+多层MLP。auc提升千分位一点五。
2) FWFFM,FAT-FWFFM。auc分别提升万分之八和千分之一。线上均有 ctr+ecpm 1.5%+的提升。
3) DCN，FIPNN，FFM+wide。DCN无明显提升，FIPNN有万分位提升，FFM+wide实验中。
进行特征构建。构建了基于曝光的用户类目兴趣特征和用户不感兴趣特征，ctr+ecpm提升2%左右；上下文特征的挖掘和构建，ctr+ecpm提升5%；参与时序特征的讨论、调优。
负责qq空间和手Q浏览器的ctr预估工作，ctr+ecpm全年提升10%。
调研并实验SVRG算法。

团队主要从事百度知道平台下的推荐业务和机器学习策略业务。推荐业务包括: 百度知道无线端问答问答页面下方feed流，百度知道pc端问答页面下方feed流，百度知道app首页feed流、百度派feed流、百度知道问题推荐系统等。
推荐业务核心成员（除leader外贡献最大） : 主要从事百度知道推荐平台的ctr模型的调优、升级；召回策略的开发、完善；用户画像的构建、升级；独立负责百度知道问题推荐系统的搭建、升级和优化。文本机器学习方向负责人，负责一些文本机器学习项目。
从0开始，搭建百度知道推荐平台。在一年多一点的时间内，百度知道app首页feed的ctr从0.8%提升至4.8%，提升6倍，百度知道无线端问答问答页面下方feed流的ctr从0.3%提升至0.8%，提升约3倍。整体平台点击量从40多万提升至130万多。
模型方面迭代优化。迭代了LR，GBDT,FM，wide & deep等模型，最终采用GBDT。
从事召回方面工作。负责用户协同、物品协同、ALS召回，实体词召回，物品相似检索召回。
负责用户画像的构建和升级: 迭代实现了长期兴趣，实时兴趣，用户搜索兴趣。
独立负责百度知道问题推荐系统: 进行了bigram召回，item->user全匹配召回，es检索召回，基于点击率的用户画像等优化。
参与整个架构设计、搭建、开发。包括主推荐服务、离线分析平台、模型训练平台、模型推送服务。
其他技术经历

项目主要内容为准确定位男科人群，给他们展现相应的广告，采用logistic regression模型进行人群定向。
实现了分布式item协同过滤算法，用于寻找男科人群常去的网站。

利用彩色图像和深度图像特征融合做人脸识别
实现了基于稀疏表示的人脸识别算法，在小样本集上识别准确率达到94%。
素质和技能
有不错的数据结构和算法基础。有一定的c++，java开发经验，了解python、php。
熟悉linux下编程，以及shell、awk等工具使用。
掌握大数据处理、数据分析方法。熟悉hadoop、hive、mysql使用，了解storm，spark。