下面是我做过的一些比较有代表性的项目。一些是硕士研究方向，一些是竞赛项目。
角色: 核心开发
旨在利用历史健康数据（门诊记录，住院记录等）对健康主体进行建模，结合领域专家信息实现有监督的度量学习 进而产生有效的相似度度量方式，最终利用其进行检索
Technologies: deep metric learning、multi-label classify、自动编码机、回归预测、信息检索、数据索引与缓存、tensorflow
角色: 独立开发
使用悟空机器人提供的sdk-API完成对机器人的操作，包括机器人的四肢、眼睛、语音等位置。自己设计了机器人说相声、老虎机、主人识别三项功能。感兴趣可以观看全部视频
Technologies: java、设计模式、机器人设计
角色: 独立开发
根据广州市2014年8月1日至2014年12月31日五个月的公交刷卡数据（6时-21时）对公交行为进行建模，数据涉及 200万用户、2条线路（共计约800万条数据），同时提供天气状况，预测次年1.1-1.7的分时段流量数据(含假日)。主要完成了公交模型设计、特征工程、回归算法的研究及使用、时序性数据的研究
所用技术: Python(sklearn)、GBDT、RF、线性模型
角色: 核心开发
普适场景下，很多时候无法利用GPS（与GPS原理有关）进行定位，例如：商场门口打车、家里叫外卖这类场景。指纹定位有效的解决了这一难题，其定位精度比单纯利用mac的聚类定位要高很多。具体做法是将地图划分为一个个小方格，每个格子利用mac信息和定位热度生成其独有的特征，众多格子进行排序，找到最有可能发生定位的那个方格，即为最终的定位目标。
由此可见，指纹定位问题最终转化为了排序问题，项目中使用learn to rank的思路解决这一问题，主要应用了pairwise和listwise方法（目前定位精度约20m）
所用技术: sklearn、lightGBM、xgboost
角色: 核心开发
信息化时代，人们对公共交通的依赖程度变高，而且用户对公交交通的服务水平要求也在变高。人们不再单纯的希望知道公交车怎样乘坐，甚至于想知道公交车的实时位置，以便于进行出行决策。
项目中利用公交车上的wifi信息，实时判定公交车的位置，主要包扩处理公交线路数据，提取公交线路特征，对公交路线进行建模；设计并实现基于MapReduce的用户WiFi定位数据挖掘算法，用于实现用户与公交线路的匹配
所用技术: Hadoop、spark、sklearn
角色: 核心开发
一站式大数据分析应用开发平台，支持多种大数据处理分析框架的接入，并借助其分布式存储和计算能力，加快大数据分析的速度。构建基于 Web 的拖曳式的数据分析应用开发界面，同时将用户从平台搭建，工具集成，接口学习，算法管理，实验脚本编写和多任务调度等繁杂工作中抽离出来。
主要设计并实现系统基础架构；基于Hbase的中间数据管理；设计基于组件以及模型驱动的数据分析业务流程处理框架，设计与实现基于嵌套图识别与分层的模型转换算法
所用技术: Hadoop，MapReduce优化，Hbase，Hibernate，数据流模型转换、Spring MVC