内容:
在该公司期间,作为一名推荐算法工程师,参与了公司自营电商产品 小象优品 和社交产品 Hobby社区-新浪同城 的推
荐系统的设计,开发,迭代优化,维护,评估,信息内容分发以及前沿的推荐算法研究等工作,以下是负责的模块:
负责数据处理与特征工程模块,首先确定业务需求和目标,运用机器学习技术和Spark,Hadoop 等大数据技术做相应的数
据处理并实现了高效的任务调度和数据处理流程,确保了数据质量和项目的正常进展。
负责电商产品 首页&我的&U社区 页面的推荐系统研发和迭代优化,包括但不限于多路召回,排序模型构建,A/B测试
和冷启动等,并跟进每段项目周期内根据产品提的需求方案加新的召回一路,模型优化,改进排序策略并优化等。
负责社交娱乐产品 星河 页面视频推荐工作,基于协同过滤,视频内容分析,社交信息,行为信息和深度模型等各种策
略来进行混合召回并迭代优化,排序阶段利用深度模型和集成学习等方式构建排序策略。
负责大数据分析任务,及时跟进运营和产品提出的各种问题和其它问题,利用HiveSql或者其它方式进行对数据查询和分
析,找出问题所在点,并能够快速解决了推荐系统存在的问题。
业绩:
解决了一些技术难点,比如:有些数据集稀疏性的解决,实时性问题和推荐结果多样性等。
顺利完成每季定的KPI预期计划并提高了各项业务指标,比如:CTR,CVR,留存率和其它推荐系统评估指标。
实现一个基于GCN的新的召回策略,建立图的神经网络模型,优化了推荐结果,并提高了平台的推荐质量和商业价值。
实现了分布式计算技术和GPU加速,缩短了模型训练时间,并大幅提升了模型效果。

内容:
在该公司期间,作为一名NLP工程师,参与了公司的有关命名实体识别,知识图谱与问答,意图识别等项目的架构设计并开发
工作,以下是负责的模块:
负责数据处理任务,使用Python编写了基于NLTK、SpaCy,jieba和Gensim等工具做数据清洗,预处理,特征提取,特征的
Embadding化和模型训练等程序,并使用PyTorch框架构建了不同规模和结构的模型,如LSTM,BERT,Transformer等。
协助团队进行语言分析,能够对文本进行词法分析,句法分析,语义分析等各种处理,从而实现文本分类,信息抽取等多
种文本处理任务。
负责基于深度学习的NLP模型的构建,工作内容包括但不限于设计,模型训练,调参,模型评估和调优等任务。
业绩:
跟团队实现了小规模的基于知识图谱与问答项目并成功上线。
实现了实体识别项目和意图识别项目结果优化到预期的效果。

内容:
在该公司期间,作为一名算法工程师,参与了公司自营产品 Aynak视频 和 Bazzar电商 的数据分析,机器学习模型构
建,推荐系统的系统设计,开发,维护等工作,以下是负责的模块:
负责与产品,营销和运营团队合作,确定需要分析的业务问题和指标,使用统计学,SQL和Python高级库等方式对电商数
据进行深入分析,并提取出有用的信息和洞察。
负责机器学习模型构建和优化任务,使用监督学习和非监督学习算法,如逻辑回归,降维算法,集成学习和聚类等方法,
以构建预测模型和分类模型,并使用交叉验证等技术来优化模型性能。
负责关键字提取,分本分类等NLP任务,助于产品的智能化和了解进一步用户需求,进而改善产品和服务。
负责公司两款自营产品的推荐系统个性化推荐工作,任务不限于多路召回(协同过滤,Embedding方法,基于规则,关键字,标签,传统模式等),CTR预估,排序策略的设计并实现,TopN推荐和评估等。
业绩:
跟团队实现了公司的推荐系统,并且成功上线服务。
实现了一个基于推荐的广告投放系统并效果提升到15%。
实现了结合NLP输出的数据开发新的召回策略,将转化率提高到10%左右。
分析和挖掘用户潜在数据特征,并提供针对性的推荐策略,使公司收入增长了20%。