本人有3年的社会工作经验，大学英语4级有良好的读写能力
在单位有较强的自学能力，对工作充满热情和责任心，敢于迎接挑战
具备良好的沟通能力，为人诚信有团队精神，能快速融入集体，适应工作环境
英语： 读写能力良好 听说能力良好

1.  参与实体识别，文本分类，情感分析，文本数据处理等核心算法研发工作
2.  根据项目要求对数据进行处理和分析，挖掘相关，分析关键信息构建模型
3.  将机器学习和自然语言处理等技术用于实践及后期上线模型的优化调参
4.  熟练掌握深度学习模型，CNN， RNN，LSTM，GRU，Seq2Seq，attention机制，transformer
5.  熟悉机器学习中线性回归、逻辑回归、SVM、决策树、随机森林、GBDT、XGBoost
6.  熟练使用Pythony语言和sklearn、Tensorflow、Numpy、Pandas等常用框架

项目名称2019.01 - 2019.08 上海某医院病例实体识别辅组系统
责任描述基于专业医务人员撰写的电子病历进行数据处理和建立实体识别模型
数据处理部分: 
1.对医院提供的的实体数据提出进行人工标签化
2.实体分词去重做成词典加入jieba分词工具
3.对患者自述的原始文本进行分词同时使用jieba的词性标注功能
4.确定边界，实体的每个字段进行BIESO化 
模型构建部分：
使用了BILSTM + CRF组合模型， BiLSTM层的输出为每一个输入token字符的标签预测分值，这些分值将作为CRF的输入；CRF中有转移矩阵，它会考虑输出标签之间的顺序性和约束规则使预测值更加的有合理性和准确性，验证集准确率达92.3%
项目描述由于电子病历记录了患者的疾病和症状、治疗过程和治疗效果, 这些信息是重要的临床证据, 本项目根据患者自述自动抽取出专有实体，包括疾病名、诊断类别、症状表现、治疗方式、药物名称、程度修饰词等。
项目名称2018.06 - 2018.11 南京某公安局智能咨询系统
责任描述负责模型构建，参数优化：
基于seq2seq模型，其中encoder与decoder均由多个LSTM单元构成的3层网络结合模型特点中的Attention机制，能提取更复杂抽象的高阶特征，更好的输入到解码器中在隐层中加入dropout机制使模型更具鲁棒性。输入层采用了词向量压缩嵌入word embedding层，使字向量更具备语义信息。采用bucket分组机制，根据问答对长度进行分组便于模型训练
项目描述公安智能咨询聊天系统有强大的数据支撑，针对当地县区依托前沿的深度学习技术为民众提供包括办理身份证、户口、居住证等业务需要的手续、法规咨询、诉讼引导以及实际问题解答在内的专业咨询服务，同时也为民警工作提供了强大的辅助功能，发挥了超常的作用，提升了警务服务效能。
项目名称2017.06 - 2017.11 超市客户潜在价值数据分析
责任描述数据清洗、模型构建：
使用python语言数据预处理，清洗和特征工程使用机器学习中sklearn框架根据过往数据特征进行算法建模、训练、调参评估根据训练好的算法模型对新客户特点进行价值分类。
项目描述此项目的目标是客户价值识别，使用机器学习kmeans聚类算法数据识别不同价值的客户。
重点特征指标：使用客户最近6个月的数据；费频率，消费金额，消费时间间隔，来对客户进行细分，识别出高价值客户，重点发展客户，一般客户，潜在客户四类。
责任描述：数据清洗、模型构建
使用python语言数据预处理，清洗和特征工程使用机器学习中sklearn框架根据过往数据特征进行算法建模、训练、调参、评估根据训练好的算法模型对新客户特点进行价值分类。
项目名称2017.06 - 2018.03 文本推荐
责任描述责任描述：数据清洗、模型构建
对原始数据进行清洗，分词，去除生僻词和无实义词(如:的，了...)使用TF-IDF构建文本特征，特征维度选择500维，对样本细划分10个类别，使用svm和xgboost分别建模并进行评测，经调参优化模型准确达87%。再根据用阅读过的文章进行预测，推荐相似类别的文章。
项目描述项目描述：
推荐用户感兴趣的文章，根据用户阅读过的某类文章推荐相似类别或相关的文章。

2012.09 - 2016.07 郑州航空工业管理学院 自动化 本科