ID:22419
丁旭 数据库开发 10年经验
2025-05-19
个人介绍: 熟练常用的oracle、星环大数据、华为 LibrA、greenplum 数据库。  熟练使用smartbi等报表开发工具  熟练使用ETL调度配置,银行数据抽取、加工、分析,日常跑批调度。  熟练shell语言,有大量的shell脚本开发经验  精通SQL语言,有丰富的数据库开发、数据仓库分层、数据建模经验  了解JAVA面向对象编程语言,有良好的编码习惯和逻辑思维能力。  了解JQuery、JavaScript、Ace_admin等技术。  了解Spring、Mybatis等开源框架。  了解Tomcat/Oracle/MyEclipse搭配的开发环境下,进行项目开发。  了解在Window、Linux环境下编程,开发和环境的搭建,以及服务器的搭建和部署。
项目经验:项目名称:某银行CRM系统 系统环境:Windows 开发工具:华为libra、plsql 采用技术:shell 、sql、taskctl调度项目描述: Crm系统是通过对零散的、不同系统的客户信息进行收集、整理、加工成为相对集中于完整的客户信息,而后根据客户的行为特点与规律提供客户服务,满足客户个性化需求。 责任描述: 需求分析,沟通需求,后台表结构设计。 1. 需求分析,沟通需求:需求讨论,文档编写,供后续开发使用。调查、收集整理相关资料,制定初步计划, 2. 模型设计:根据需求,分层设计模型。 3. 模型开发:根据设计的模型进行开发。 4. 数据测试:根据业务要求验证模型数据是否正确。 项目收获: 锻炼自己的沟通应变能力,同时巩固了数据库、shell知识,提升自己的模型设计开发能力。提升自身对银行数据的敏感度,加深对银行业务的了解。 项目名称:某银行数据仓库 系统环境:Windows 开发工具:星环大数据、greenplum 采用技术:shell 、sql 项目描述: 数据仓库是为企业业务分析、市场营销、成本控制、战略决策提供所需要的数据支持。数据仓库汇聚了银行主要系统的客户、业务、财务等数据,为银行的日常运营分析、市场营销、风险控制、财务分析、内部审计、监管报送提供数据支持和服务。 责任描述: 需求分析,沟通需求,后台表结构设计。 1. 需求分析,沟通需求:根据银行内部要求编写需求文档,调查、收集整理相关资料,制定初步计划。 2. 模型设计:根据数据架构设计对应的模型。 3. 模型开发:根据设计的模型进行开发、加工对应的标签。 4. 数据测试:根据要求验证模型数据是否正确。 银行数仓主题层:公共,客户,机构,财务,渠道,协议,事件,产品,资产
技      能: 其他  
¥1300 / 8小时
立即预约
ID:22435
程晨 软件工程师 3年经验
2025-05-17
个人介绍:作为一名软件工程师,我具备以下技术能力: 1. 编程语言: 我精通多种编程语言,包括但不限于Java、Python、C++和JavaScript。我熟悉这些语言的核心概念、语法结构和高级特性,能够利用它们高效地解决复杂问题。 2. 软件开发框架和库: 我熟悉多个流行的软件开发框架和库。例如,在Web开发领域,我能熟练使用React、Angular或Vue.js进行前端开发;在后端开发方面,我擅长使用Spring、Django或Node.js。 3. 数据库技术: 我了解并能够使用各种数据库技术,包括关系型数据库如MySQL、PostgreSQL和非关系型数据库如MongoDB。我熟悉SQL查询、数据库设计和优化。 4. 软件工程原则和实践: 我遵循软件工程的最佳实践,如代码重用、模块化设计、单元测试和持续集成。我理解设计模式并能在适当的场景中应用它们。 5. 版本控制和协作工具: 我熟练使用版本控制工具,如Git,以及协作工具如GitHub或GitLab。这些工具帮助我有效地与团队成员协作和管理代码。 6. 问题解决和分析能力: 我具有强大的问题解决能力,能够快速定位并解决软件开发中遇到的问题。我也擅长使用各种调试工具和技术进行代码分析和优化。 7. 持续学习和适应新技术: 软件行业不断进步,我保持对新技术和趋势的关注,并不断学习以保持我的技能更新。 通过这些能力,我能够有效地参与和贡献于复杂的软件开发项目,创造出高质量、高性能的软件产品。
项目经验:1. 企业级电子商务平台开发: 项目描述:负责开发和维护一款大型企业级电子商务平台。该平台支持多渠道销售,集成了高级数据分析和用户行为跟踪功能。 技术栈:使用Java和Spring Boot进行后端开发,React和Redux构建响应式前端界面。数据库采用PostgreSQL,使用Docker和Kubernetes进行容器化部署和微服务架构管理。 成就:成功实现了一个可扩展和高性能的电商解决方案,处理了每日超过一百万的用户请求,显著提升了用户体验和交易量。 2. 智能健康监测系统: 项目描述:设计并实现了一个智能健康监测系统,该系统使用机器学习算法分析用户的健康数据,预测健康风险,并提供定制化健康建议。 技术栈:采用Python和TensorFlow进行数据处理和机器学习模型构建。前端界面使用Angular,后端使用Flask和MongoDB。 成就:该系统被证明能有效预测多种健康问题,帮助用户及时调整生活习惯,得到了医疗专家和用户的高度评价。 3. 移动应用性能优化项目: 项目描述:负责对一款流行的移动应用进行性能优化,解决了应用中的内存泄漏问题,改进了数据加载速度和用户界面响应性。 技术栈:使用Kotlin和Swift针对Android和iOS平台进行开发。应用了各种性能分析工具,如Android Studio Profiler和Xcode Instruments。 成就:优化后的应用在市场上获得了更高的用户评分,显著提高了用户留存率和整体收入。 4. 跨平台桌面应用开发: 项目描述:主导开发了一款跨平台的桌面应用,用于数据可视化和报告生成,支持大量的数据处理和复杂的图形渲染。 技术栈:使用Electron框架进行跨平台开发,结合Node.js和Vue.js进行前后端开发。数据处理部分使用Python和Pandas。 成就:该应用被多家企业采用,用于数据分析和报告制作,极大提升了工作效率和决策质量。
技      能: 其他  
¥700 / 8小时
立即预约
ID:22822
李玉华 高级devops工程师 3年经验
2025-05-05
个人介绍:1.熟练掌握主流 linux 操作系统,能够快速进行系统故障排查 2.熟练掌握 shell/python 语言,根据需要编写对应的脚本,熟练使用 sed、awk、grep 命令 3.熟练掌握 mysql/mongo/tidb 等数据库的基本 SQL 语句,数据的备份,还原 4.熟练掌握项目常见中间件的安装和维护,redis/kafka/zk/es/mq/nacos 等 5.熟练掌握开源监控软件 prometheus/alertmanager/grafana/skywalking 监控线上业务状态 6.熟练掌握 Ansible 等自动化运维工具,playbook 剧本化执行任务 7.熟悉公有云产品使用 8.熟悉 java/nodejs 程序问题排查思路 9.熟练掌握 jenkins/docker/k8s/harbor/rancher/helm/efk 在实际生产部署中 10.熟悉 istio/traefik/Cilium/Rook 等云原生产品
项目经验:项目成果: (1) 财务以及合同部门中发票、报账、在线签单、关联交易等业务流程得到优化,日活 10W+下稳定运 行,业务故障降低 30%,在现有 k8s 集群中接入云原生成熟产品资源利用得到提高; 项目描述: (1) Rancher(rke)部署方式下 k8s 集群安装,ceph-rook/nfs 提供持久化存储,helm 方式安装 mq/redis 等中间件,外接 jenkins/harbor 完善流水线构建环境; (2) 一期数据迁移,项目启动异常排查; (3) Java/nodejs 代码构建,服务容器化运行,配置 liveness/readiness 检测探针,配置 ingress 规 则,安装 k8s dashboard 面板,搭建 EFK 日志采集平台; (4) 迁移数据验证,prometheus 对服务器/jvm 服务/重要域名监控,设置告警规则及邮箱通知媒介;
技      能: 其他  
¥1500 / 8小时
立即预约
ID:22588
路平 数据分析师 4年经验
2025-04-08
个人介绍: 熟练应用 Python 及其相关库(如 Pandas、Numpy、Matplotlib 等)。  熟悉数据分析全流程,熟练掌握各种数据分析常见工具。  熟练 Excel 函数应用(如:vlookup、sumif、countif 等)、Mysql 数据库语句、PowerBI 等工具进行数据分析及 可视化操作。  具备一定的数据挖掘能力,能够使用 SKlearn 等常见科学计算库进行分类、回归、聚类、降维、词向量分析等创 建数据模型,完成对数据的分析及预测。
项目经验:信用卡交易欺诈风险预测 项目背景:为了预测持卡人是否会发生信用卡被盗刷,通过利用信用卡的历史交易数据,进行机器学习,构建信用卡 反欺诈预测模型,提前发现客户信用卡被盗刷的事件。 工具:Python(Pandas、Numpy、Matplotlib、逻辑回归、随机森林、XGboost 模型、Bagging 算法)。 主要职责:  数据提取与清洗:获取用户信息数据,对数据基本情况、统计值等进行查看。  特征工程:(1)对这两列特征进行标准化处理;(2)查看特征值与因变量标签之间的关系以及对数据进行共线 性筛查;(3)对数据分类标签查看被盗刷与未被盗刷比例失衡情况,被盗刷占所有交易的 0.172%,因此采用 随机过采样方法平衡数据集。  模型和调优:选取逻辑回归、随机森林、XGboost 和 Bagging 算法进行交叉验证训练,对比模型效果,并使 用网络搜索找到相应的最优超参数。  模型迭代和评估:(1)将各模型对应的最优超参数带入对应模型中,并计算出准确率、精确率、召回率、 F1_score 和 AUC 曲线面积;(2)选出 AUC 面积值最大的两个模型(逻辑回归和 XGboost)再进行 VotingClassifier 集成学习。 项目成果:  该集成学习模型最终预测准确率、精确率、召回率都达到 90%以上,基于此模型对信用卡交易数据进行预 测能找出更多的信用卡被盗刷的持卡人,有助于平台对危险用户进行识别和处理,降低风险。
技      能: 其他  
¥1500 / 8小时
立即预约
立即预约
意见反馈