肖小粤

项目经历

达观杯-文本智能处理挑战赛

达观数据于 DataCastle 平台举办。希望对于给定匿名化的长文本的字和词的序列数据，预测其类别。评价指标使用的是 Macro-F1。

在团队中负责子模型提分（提取特征、模型结构创新）、模型融合（Stacking 和 Blending 的集成策略）与最终的答辩展示
最终成绩：分数 0.8047，冠军（1st/3216）
赛后于 GitHub 开源解决方案，目前已获得 122 stars 与 25 forks【解决方案】

2018.07 - 2018.09

腾讯广告算法大赛-相似人群拓展（初赛）

腾讯举办。希望基于广告主提供的种子人群，自动计算出与之相似的扩展人群。对于给定的用户数据和广告数据，预测该用户是否属于该广告的种子人群。评价指标使用的是 AUC。

只参与初赛，未参与复赛：负责数据分析，数据预处理，挖掘统计特征和表征特征，构建 LightGBM 模型（纯单模型方案）
初赛成绩：排名 10th/1563 (Top 0.64%)
赛后于 GitHub 开源解决方案【GitHub 代码】

2018.04 - 2018.05

Kaggle - TalkingData AdTracking Fraud Detection Challenge

TalkingData 于 Kaggle 平台举办。希望利用用户和 App 广告的基础数据和用户的点击数据，预测本次点击是否是虚假流量，即：用户在本次点击后是否会下载该 App。评价指标使用的是 AUC。

仅耗时 6 天且非全脱产，全程 solo
提供的数据大约 10 G，有超过 1 亿个样本，亿级数据的处理和特征构建
最终成绩：公榜分数 0.9813，私榜分数 0.9822，银牌
赛后于 GitHub 和 Kaggle 开源解决方案，目前已获得 40 stars 与 10 forks【GitHub 代码】【Kaggle 方案】

2018.04 - 2018.05

Kaggle - Toxic Comment Classification Challenge

Conversation AI 于 Kaggle 平台举办。希望对于给定的维基百科的评论文本，预测文本的恶意类别。评价指标使用的是 AUC。

全程 solo：挖掘 TFIDF 特征、统计特征，构造 LightGBM、LR 等传统模型；使用字和词的序列数据训练 TextCNN、GRU、LSTM 等深度学习模型
最终成绩：公榜分数 0.9870，私榜分数 0.9866，铜牌

2018.02 - 2018.03

智慧中国杯-精品旅行服务成单预测

工业和信息化部联合皇包车举办。希望利用用户的信息数据和在 APP 中的行为数据，预测用户是否会在短期内购买精品旅游服务。评价指标使用的是 AUC。

在团队中负责单模型的提分：挖掘基础特征、统计特征、交叉特征和基于序列数据的特征等，构建 LightGBM 模型
最终成绩：分数 0.9727，优胜奖
赛后于 GitHub 开源解决方案【GitHub 代码】

2018.01 - 2018.02

大数据与计算智能大赛-企业经营退出风险预测

中国计算机学会（CCF）联合量子数聚举办。希望利用中小型企业的基础数据与行为数据，预测该企业未来两年是否因经营不善而退出市场。评价指标使用的是 AUC。

在团队中负责单模型的提分：挖掘基础特征、统计特征和交叉特征等，构建 XGBoost 模型
复赛 B 榜单模型分数在团队中最优，单模型分数 0.6930
最终成绩：A 榜分数 0.6945，排名 3rd/569，B 榜分数 0.6947，排名 9th/569 (Top 1.58%)
赛后于 GitHub 开源解决方案，目前已获得 51 stars 与 36 forks【GitHub 代码】

2017.10 - 2017.12

大数据与计算智能大赛-让 AI 当法官（初赛）

中国计算机学会（CCF）联合明略数据举办。希望利用法律案件的案情文本，预测该案件所处的罚金额度范围（初赛）。评价指标使用的是 Micro-F1。

初赛 solo，未参加复赛：对文本数据进行分词和去除停用词等预处理操作，挖掘词性特征和统计特征等，基于 stacking 构建融合模型
比赛中只提交了 2 次，便达到分数 0.4503
初赛成绩：A 榜分数 0.4503，排名 5th/415，B 榜分数 0.4573，排名 7th/415 (Top 1.68%)
赛后于 GitHub 开源解决方案，目前已获得 122 stars 与 62 forks【GitHub 代码】

2017.10 - 2017.11

SprintBoot-MyBatis

一个集成了 SpringBoot、MyBatis 和 Spring Security OAuth 的 REST 的后端框架，旨在解决真实情况中配置繁杂的问题。

唯一负责人：需求、研发、文档和开源
组件高内聚低耦合，提供性能监控与资源保护，注重代码风格
开源后收到良好的反响，目前已获得 291 stars 与 144 forks【GitHub 代码】

2016.11 - 2017.03

武汉智慧地铁系统

武汉政府与武汉理工大学的合作项目，旨在为武汉地铁施工提供预警管理。

核心程序员：负责与产品经理的需求对接，判断需求的合理性与可行性，量化研发工作，独立完成各个模块的实现
基于 Spring + SpringMVC + MyBatis 构建低耦合高内聚的后端架构，独立完成风险、隐患、整改、公告、日报和周报等多个消息模块的后端研发

2016.05 - 2016.10

安赛斯基因分析系统

安赛斯公司的生物信息分析平台，旨在让医学专家能更灵活精确地分析基因突变信息。

核心测试人员（白盒+黑盒）：负责理解需求后编写测试用例，对研发人员的程序进行白盒和黑盒测试
黑盒测试：使用自动化测试技术，编写测试用例脚本，实现自动化测试
白盒测试：检查研发人员的代码，识别代码中的漏洞

2015.07 - 2015.09

肖小粤

联系方式

兴趣爱好

教育经历

工作经历

项目经历

荣誉奖项

个人技能

研究方向