• 数智人才培养丨学生学徒阶段成果分享


    学生学徒 阶段成果分享

    为进一步提升学生学徒制学员的技术水平,增强学员的企业项目应用能力,助力学员全面发展。自学徒制开展以来,泰迪智能科技指导学员完成多项企业应用项目,开展多次项目经验分享交流,让学员在实践中不断学习和成长,以下为部分优秀成果项目展示:

    01. 金融 + 大数据

    图片

    关键技术

    数据标准化

    XGBoost

    指标构建

    异常值处理

    相关性分析

    TipDM

    项目背景

    广州作为中国最发达的城市之一,每年都吸引大量务工人员前来就业,而租房是他们需要解决的最大问题之一,各地区租房需求日益增长。在租房过程,价格、交通是重要的考虑因素,合适的租金价格及便利的交通能为日常工作、生活带来很大的便利。如今,地铁作为一种最常见、更快捷的通勤方式,住在地铁站附近能够为出行节省大量的时间,但同时也会花费更高的租金费用。通过租金价格分析,发现不同地段、不同地铁站周边的租金趋势,帮助租房者了解最合适的租金水平,做出更加明智的租房决策

    项目目标

    1. 分析不同因素对房屋价格的影响;

    2. 基于房屋信息预测房屋租金价格,给出租房建议。

    02. 零售 + 大数据

    图片

    关键技术

    样本均衡

    逻辑回归

    特征构建

    随机森林

    支持向量机

    TipDM

    项目背景

    随着信息时代的发展,海量的数据给人们带来海量的信息。尤其是互联网的大量应用,人们在互联网的浏览行为愈发频繁,加上人们在网上的购买行为日益增多,电子商务这一行业也顺势高速发展。网络营销的商机越来越大,大量的电子商务网站也在悄然发展,电商行业的竞争也在加大。

    客户作为电商企业的主要经营对象,分析客户的行为记录,探索客户的行为规律并将这些规律和网站经营策略相结合,对网站的营销方案作出有利的修改,以及为电商企业增加利润和实施高效管理有着重要意义

    完成项目目标

    1. 了解数据的基本情况,找出客户的购买习惯;

    2. 构建客户购买品牌预测模型,掌握客户购买品牌情况;

    3. 判断模型的可使用性,并根据模型结果提出相应的营销建议。

    03. 交通 + 大数据

    图片

    关键技术

    样本均衡

    逻辑回归

    特征构建

    随机森林

    支持向量机

    TipDM

    项目背景

    自行车租赁作为一种绿色出行方式不仅低碳环保,还能缓解交通压力。随着共享经济的发展,自行车租赁服务受到越来越多人的喜爱,并在城市中得到推广和普及但也面临着盲目投放大量的自行车造成的运维成本高昂、难以管理等问题。因此需要通过自行车租赁需求分析预测,更好地理解用户的出行需求和行为模式。针对不同时间段和地区的需求变化,租赁企业可以合理调配自行车资源,确保在高峰时段和热门区域有足够的供应,降低运维成本,提供更好的用户体验。

    项目目标

    1. 分析各指标与自行车租赁数的关联关系,尝试给出自行车投放方案;

    2. 根据自行车租赁指标数据,预测未来的自行车租聘需求。

    04. 旅游 + 大数据

    图片

    关键技术

    文本处理

    TF-IDF

    词语向量化

    FastText模型

    jieba分词

    TipDM

    项目背景

    随着移动互联网的普及和生活快节奏的需求,外卖市场迅速崛起,越来越多的人选择通过餐饮外卖平台订购餐食,餐厅和消费者之间的关系变得更加紧密。消费者可以通过查看其他顾客的评价和建议,了解菜品的质量、餐厅的服务和送餐速度等方面的情况,以此做出更明智的购买决策。通过分析评论,餐厅可以了解自己的优势和不足之处,为改进提供方向。

    外卖平台重视消费者的话语权,充分利用消费者的评价数据,便能更好地服务消费者。因此,为了帮助平台了解顾客对菜品和服务的满意度,需要通过挖掘外卖平台的消费者评论,得到消费者评论情感倾向的影响因素;针对影响因素对外卖商家经营提出了建议,并实现评论情感倾向的自动识别。

    项目目标

    1. 分析平台外卖优缺点,给出后续平台服务的改善建议:

      (1)提取文本特征;

      (2)从“菜品”、“服务”两个角度分析文本特征,总结出平台外卖优缺点;(3)根据文本特征的分析结果,为平台服务提出改善建议。

    2. .实现评论情感自动识别:

      (1)提取的文本特征转化成向量表示;

      (2)利用传统机器学习和深度学习分别建立文本分类模型;

      (3)对比传统机器学习和深度学习建模结果,取最优模型进行评论情感自动识别。

    学生学徒项目成果分享活动

    图片

    图片

    图片

    图片

    图片

    图片

    图片

    图片

    图片

    图片

     

  • 相关阅读:
    Linux使用grep查找文件内容
    python信用卡欺诈检(数据清洗,数据分析,数学建模, 模型预测和比较)
    【ThreadLocal】Threadlocal的详细解释
    C# - this 的用法
    Linux实操篇-组管理和权限管理
    [Spring Cloud] (4)搭建Vue2与网关、微服务通信并配置跨域
    conda与pip镜像源环境配置
    MFQE 2.0: A New Approach for Multi-FrameQuality Enhancement on Compressed Video
    ROS service简单使用示例
    行走在路上
  • 原文地址:https://blog.csdn.net/tipdm0526/article/details/134008540