昵称登录后显示

1、新冠疫情下互联网医疗的资源配置及对分级诊疗的影响
l 项目内容：使用k-prototypes聚类方法对好大夫在线网站获取的医生数据进行分析，构建用户画像分析互联网医疗行业的分级诊疗情况。
l 项目技术：Scrapy爬虫、SWOT分析、哈工大LTP分词、K-prototypes聚类、PCA/t-sne降维可视化、构建用户画像、文献调研
l 项目成果：根据2952447条数据29个特征建立模型，识别8类核心用户群体，为互联网+医疗促进分级诊疗制度的实施提供数据支持

2、抖音：宠物行业广告投放分析系统
l 项目内容：使用t-sne降维方法对抖音的客户数据进行分析，构建用户画像分析客户对不同物品的偏好程度。
l 项目技术：t-sne降维、jieba分词、构建用户画像、PyQt5
l 项目成果：Python连接Mysql数据库获取10w+数据量，经过特征生成、数据预处理、构建模型后，并通过PyQt5搭建前端并程序化，一键生成总计9类不同投放方26个特征的roi及不同客户的商品偏好词云。

3、美国数学建模大赛：“Trading Strategy”
l 项目技术：随机森林、LSTM、SVR
l 项目成果：总计1825条数据20个特征，构建了4个新特征总计24个特征，绘制饼状图、箱形图等对特征选择并比较不同特征效果，随机森林、SVR采用R2、MAE、MSE评估指标，LSTM采用MAE、MSE评估指标，比较两个模型的结果后，最终采用LSTM模型，MAE与MSE分别为0.01416，0.0026

4、联合利华黑客马拉松比赛亚军：痤疮分级
l 项目技术：数据增强（镜像反转、左右各旋转30度、增加噪点、MSRCR处理光线）、迁移学习、ReduceLROnPlateau缩小学习率、Xception/InceptionResNet-V2特征融合
l 项目成果：从Kaggle中获取999条数据，采用迁移学习及微调模型比较多个深度学习模型的准确率后，得到Xception模型最高仅为95.6%，对模型进行特征融合，模型准确率提升至98.4%，获黑客马拉松亚军

5、对美国科学研究系统建模及合作模式挖掘
l 项目内容：构建美国科学研究系统的知识图谱，由NIH和NSF数据构建网络，并用复杂网络理论对合作模式进行挖掘。
l 项目技术：Schema设计、ER图、Scrapy爬虫、知识图谱、Neo4j、复杂网络分析（节点中心性、聚类系数）、Mediawiki
l 项目成果：爬取数据后，构建极大连通子图包含52883条12年NIH数据、47949条14年NSF数据，数据融合后总计100832条数据43个特征，并绘制4类实体UML类图、Protege本体图，构建含71489个节点86177个关系的Neo4j知识图谱，并通过复杂网络统计指标分析，揭示跨机构合作模式，通过MediaWiki展示在SMW平台