昵称登录后显示

工作项目：
1. 货柜商品识别：该项目用于赋能快消品行业进行线下货柜商品的数据洞察，销售情况的数据分析。通过AI算法对货柜的商品摆放数量，规格，销售价格，竞品的摆放销售等进行检测识别和分析情况。实现对零售端的货柜货品展示监督和销售数据洞察
项目实现：首先训练商品识别的特征表达模型，通过特征匹配实现商品的识别，解决单样本建模、新包装更新频繁和其他品类商品误分的问题再训练分类模型，解决差异较小的商品的区分，并通过价格和商品高度差异进一步矫正规格问题商品在多个项目上实现模型测试和上线部署，F1-score = 97.5%
2. 集装箱箱号识别
针对集装箱港口的智能化改造需求，研发基于树莓派的边缘图像识别设备。用于对进入港口码头的集装箱进行抓拍和集装箱号识别，类似车牌检测。项目应用于集装箱码头的智慧物流体系中。
项目实现：数据方面，使用自研数据生成脚本制作文字检测和文字识别图片加上部份开源数据以及部份自己标注的。真实数据参杂做训练。算法方面分两阶段，使用 PSENet 算法做文字检测，使用 DeepText 算法做文字识别。使用 Flask做后台与前端的数据交互。集装箱号码整体识别的校验准确率达到 98%。
业余项目：
1. 二手车价格预测
该项目为阿里云天池竞赛的一个比赛，对具备30个特征字段的二手车进行价格预测，使用MAE做为模型评价指标。使用Pandas做数据探索-数据清洗-特征构造，使用Matplotlib做数据可视化。最终预测结果采用神经网络和LightGBM两个模型预测的结果做融合得到。神经网络使用五层的全连接网络，对1700+个特征做学习，使用交叉验证评估模型最终得分；LightGBM对200+个特征做学习，使用交叉验证评估模型最终得分。最终模型MAE得分406，比赛排名89/8086。
2. 风控信用评分
对银行客户的行为特征和违约情况做统计建模，构建针对客户行为的信用评分卡。
主要工作：使用 Pandas 做数据探索-数据清洗-特征构造，使用 Matplotlib 做数据可视化。通过变量的 iv 值筛选特征，对变量取值做 woe 编码转换。训练逻辑回归模型得到各变量的权重系数，将逻辑回归的权重系数转换为评分卡语言。构建关于各个特征变量取值对应的信用评分卡。
链接 https //github.com/xumoremore/ScoreCard