模板中心
数据/算法 · 实习 · 简约
江予安
男 | 22岁 | 15000000041 | jiangyuan@example.com
求职意向:算法/数据实习生 | 期望薪资:200-350元/天 | 期望城市:北京
个人优势
- 数学与统计基础扎实,高等数学/线性代数/概率论与数理统计成绩均在90分以上
- 熟练掌握Python编程,有Pandas/NumPy/Scikit-learn数据处理与建模经验
- Kaggle入门竞赛参与3次,最好成绩进入前15%
- 学习能力强,保持每周阅读机器学习论文与动手复现的习惯
- 可保证每周5天到岗,实习期6个月以上
专业技能
- Python|70
- SQL|60
- Pandas / NumPy|68
- 机器学习基础|55
- 数据可视化|60
- 掌握Python基础语法与常用数据结构,熟练使用Pandas/NumPy进行数据处理
- 掌握SQL基础查询语句(SELECT/JOIN/GROUP BY),能进行简单数据提取
- 了解机器学习基础算法(线性回归、逻辑回归、决策树、K-Means)的原理与调参
- 能使用Matplotlib/Seaborn进行数据可视化,使用Tableau制作基础看板
- 了解深度学习基础概念(神经网络、反向传播),有PyTorch入门使用经验
项目经历
校园图书馆借阅行为数据分析数据分析2025.09-2025.12
项目内容:
- 从图书馆系统导出10万条借阅记录,使用Pandas进行数据清洗与特征提取
- 通过用户分群分析(RFM模型)识别高频读者、沉睡读者、流失读者三类群体
- 使用Matplotlib/Seaborn制作可视化报告,包含借阅趋势、热门分类、用户分层
- 基于分析结论向图书馆提出3条运营建议(推荐位优化、沉睡用户唤醒、热门图书补货)
项目业绩:
- 完成完整的数据分析报告(20+页),被图书馆采纳为2026年采购参考
- 通过分析发现“考试周借阅量是平时3倍”的规律,建议提前增加备考类图书采购
- 理解数据分析全流程:数据清洗→特征提取→建模分析→可视化→业务建议
Kaggle房价预测入门竞赛个人练习项目2026.03-2026.05
项目内容:
- 完成数据探索性分析(EDA),识别缺失值、异常值与特征分布
- 进行特征工程:缺失值填充、类别特征编码、数值特征标准化、特征交叉
- 使用线性回归、随机森林、XGBoost三种模型进行训练与对比
- 通过交叉验证与网格搜索进行超参数调优,使用模型融合提升效果
项目业绩:
- 最终排名进入前15%,RMSE较基线模型降低约25%
- 理解机器学习建模全流程:EDA→特征工程→模型训练→调优→评估
- 沉淀特征工程方法论笔记,形成可复用的建模流程模板
教育经历
XX大学统计学 本科2023.09-至今
3.7/4.0
资格证书
- 大学英语四级(CET-4)
- 全国计算机等级考试二级(Python)