Personal Profile

专注于数据科学领域20多年，在机器学习、自然语言处理和大模型方面拥有深厚的理论知识和丰富的实战经验。擅长将复杂的业务问题转化为可解决的机器学习任务，并主导从数据探索、模型构建、部署上线到持续优化的全流程。致力于通过数据驱动的方法，为产品带来可量化的显著价值提升。

技术技能

• 编程语言: Python (精通), SQL, Stata, R

• 机器学习框架: TensorFlow, PyTorch, Keras, Scikit-learn,XGBoost/LightGBM

• 深度学习: CNN, RNN/LSTM, Transformer/BERT, GAN, 目标检测 (YOLO, Faster R-CNN), 图像分割

• 自然语言处理: 文本分类/生成，情感分析，命名实体识别 (NER), 问答系统，大语言模型 (LLM) 微调与应用

• 大数据技术: Spark (PySpark), Hadoop, Hive, Kafka

• 模型部署与运维: Docker, Kubernetes, AWS SageMaker / GCP Vertex AI, MLflow, TensorFlow Serving, RESTful API

• 数据可视化: Tableau, Matplotlib, Seaborn, Power BI

专业经验

项目一：医药商品个性化推荐系统

• 职责: 主导新一代推荐算法的设计与开发，融合用户实时行为序列（使用Transformer模型）和静态特征。

• 成果: 成功将推荐医药商品的点击率（CTR）提升了 18%，人均订单价值提升了12%，每年为A公司带来数百万的额外收入。

项目二：基于计算机视觉的海产品自动化质量检测

• 职责: 搭建并训练了基于YOLOv5的缺陷检测模型，并设计了一套数据流水线来处理海产品生产线图像数据。

• 成果: 将海产品生产线检测效率提升了 50%，人工复检成本下降 70%，缺陷漏检率降至 0.1% 以下。

项目三：基于NLP驱动的保险数字机器人

• 职责: 利用BERT模型进行意图识别和槽位填充，并构建了高效的对话管理逻辑。

• 成果: 实现了 85% 的常见问题自动解答率，将人力成本降低了 30%，并提升了用户满意度。

项目四：金融风控信用评分模型

• 职责: 开发并优化了基于LightGBM和逻辑回归的集成信用评分模型，负责特征工程和模型解释性工作。

• 成果: 新模型相较于旧版，将坏账识别率提高了 25%，同时保持了低于 5% 的误杀率，有效控制了信贷风险。