未来一年学习计划: |
理解机器学习基本算法的设计思想和求解手段,如LR, GBDT, DNN等。 |
熟悉数据统计分析、数据挖掘方法; |
掌握常用的推荐算法和机器学习算法,如协同过滤、逻辑回归、GBDT等; |
在线机器学习系统研发经验、机器学习算法优化理论的研究 |
熟悉深度学习的基本图像识别、目标检测方法。 |
熟悉使用Caffe、MxNet、Pytroch、TensorFlow等任意一种深度学习框架; |
用户行为数据的处理,在分布式计算平台基础上建立高效、实时的数据 pipeline |
负责推荐系统、广告系统的数据分析,发现模式与规律,为实验解释、系统改进提供数据支持; |
了解如何解决大规模生产环境集群可用性和性能优化问题; |
熟悉linux操作系统常用命令和开发环境; |
特征工程、CTR预估、排序学习等模型和算法的持续优化和研究,持续提升产品体验和商业价值; |
文本处理; |
了解计算机视觉; |
熟悉TensorFlow/Caffe/Hadoop/HIVE/MPI/Spark等计算框架; |
熟悉hadoop; |
具备较强的学习能力和团队合作能力,良好的英文文献阅读能力; |
具备分析问题和解决问题的能力,对解决具有挑战性问题充满激情,有强烈的上进心和求知欲,善于学习新事物,渴望用技术改变未来 |