UP简历小U

+86 138-xxxx-xxxx|up.resume@example.com|上海, 中国

个人总结

资深商业选址算法工程师，精通大数据分析、地理信息系统（GIS）和机器学习技术，专注于利用创新算法为商业决策提供科学、量化的选址依据。在商业地产、零售和餐饮行业拥有丰富的项目经验，擅长从海量数据中挖掘潜在价值，优化选址模型，提升业务增长效率。致力于将前沿算法落地应用于实际商业场景，驱动数据驱动的智能决策。

工作经历

高级算法工程师

某知名商业地产科技公司

2021-07 - 2024-06

负责核心商业选址算法的研发与优化，利用大数据分析、地理信息系统（GIS）、机器学习等技术，为商业地产项目提供科学选址依据。
主导开发基于POI数据、人口普查数据、消费行为数据等多源异构数据融合的商圈评估模型，将模型预测准确率提升15%，为公司新增5000万+潜在商业价值。
设计并实现了多目标优化选址决策系统，整合租金、人流量、竞争态势等20+关键指标，帮助客户在30秒内完成最佳门店选址方案的智能推荐。
通过引入深度学习模型（如CNN-LSTM）和图神经网络（GNN），优化人流预测和商圈活力评估，使预测精度提高10%，支持300+连锁品牌门店的成功扩张。
与产品、业务团队紧密协作，将算法模型产品化，支持公司选址SaaS平台的迭代升级，平台用户体验满意度提升20%。

数据科学家实习生

某互联网零售巨头

2020-07 - 2021-01

参与用户行为分析和个性化推荐系统的开发，利用Python和SQL处理和分析亿级用户数据。
协助构建商品关联规则模型，通过Apriori算法发现商品之间的潜在购买关系，推荐点击率提升5%。
负责数据清洗、特征工程，为A/B测试提供数据支持，确保实验数据质量。
撰写数据分析报告，为产品优化提供决策支持，提出的建议被采纳并成功优化了2个核心功能模块。

项目经历

基于多源异构数据的城市功能区识别与商圈活力评估

内部研发项目

2023-03 - 2023-12

项目背景： 现有商圈活力评估模型对动态变化的商业环境感知不足，需要引入更多维度数据提升评估精度。
个人角色： 项目负责人，主导算法设计、模型开发与数据融合。
项目价值： 旨在构建更精准的城市功能区识别模型，并动态评估商圈活力，为商业选址提供更精细化的数据支撑。
项目执行： 融合了手机信令数据、消费交易数据、POI数据和社交媒体签到数据，利用多模态学习和注意力机制构建了城市功能区识别模型，识别准确率达到92%。
开发了基于时空图卷积网络（ST-GCN）的商圈活力预测模型，能够预测未来7天的商圈人流量和消费趋势，预测误差降低18%。
通过该模型，成功识别了5个新兴潜力商圈，并为公司客户推荐了10+优质门店位置，平均投资回报周期缩短10%。