一個「牛人」的簡歷摘要

1.flume
2.storm
3.hadoop
4.crawler
5.nutch
6.opentsd
7.tigase
8.flume +shell 收集日誌,方便在線以及離線分析
9.redis 作用戶行爲分析的利器
10.maven
11.git
12.ruby
13.python
14.php
15.node.js
16.R語言
17.BeansDB
18.Bloom Filter
19.Map Reduce
20.Spring MVC
21.SeaJs
22.Freemarker
23.OSGI
24.EXTJS
25.FusionCharts
26.OLAP,維度鑽取
27.Mahout
28.Html5+Css3
29.Bootstrap
30.Solr
31.SSIS,SSAS SSRS ETL
32.pageRank
33.Sqoop
34.Hive
35.MyBatis
36.OpenStack Swift
37.HBase
38.Zookeeper
39.一致性散列技術
40.Android
41.Junit
42.Jquery
43.linux
44.websocket
45.Nagios

最近了解的技術
1.Spark
2.Scala
3.Java8
4.Spring4,Spring Boot
5.JRuby
6.Lisp
7.Erlang
8.Yarn
9.epoll
10.Cassandra
11.Lambda
12.Saas
13.OceanBase
14.Mashup
15.vCenter
16.Cloudera Hadoop 4
17.CAP理論
18.lua

最近體會到的相關經驗：
1.模塊化
2.安全
3.可擴展性
4.用戶體驗
5.實時性
6.性能是肯定用戶體驗的前提,速度永遠讓人渴望
7.必須調動起來思惟,形象思惟
8.進行最好最壞狀況預估
9.降級和限流
10.效率，輕量，規模，通用
11.已終爲始
12.返璞歸真,爲了作好，您須要懂什麼：技術、產品、機構、業務和人。
13.人眼容易識別，明暗對比強，色相反差大，飽和度高，細節豐富的圖片

最近學到的DataMining相關技術
1.分類器
決策樹
不純度的衡量（Gini指標,熵Entropy）
基於規則的分類器
基於距離的分類器
歐式距離
位置敏感哈希函數LSH，例如MinHash
皮爾遜相關度評價
2.關聯分析
Apriori算法
FP增加算法

3.聚類算法
K均值算法
層次聚類

 

最近學到的相關推薦算法
1.K-Shingling
2.Jaccard Similarity
3.TF-IDF
4.向量餘弦類似度
5.協同過濾
User-based CF
item-based CF
基於內容推薦
6.評分預測
1.準確率
2.召回率
7.基於圖的推薦算法
將用戶行爲表示爲二分圖模型，而後在二分圖上給用戶進行個性化推薦（如用戶標籤（UGC））
基於隨機遊走的 PersonalRank算法
8.基於用戶標籤（UGC）推薦

 

數據挖掘工具的使用
WeKa 、 KNIMA、Tanagra
Excel 透視表 、SQL Server Analysis Service (SSAS)對於多維數據的可視化處理
R

 

工做中最近使用的主要工具
1.Mysql
2.Sybase PowerDesiner
6.STS
7.VISO
8.Readmine
9.Mvn
10.Git
11.Axure rp
12.Ubuntu
13.CentOs
14.CRT
15.Excel
16.FusionCharts
17.Virgo
18.Tomcat
19.Oracle VM VirualBox
29.Webbench/AB Test

最近對項目管理的學習：
1.範圍管理
2.時間管理
3.成本管理
4.人力資源管理
5.溝通管理
6.風險管理（博弈）
7.採購管理

 

最近培訓以及學習的書籍
1.韋博英語培訓,對口語，以及據說讀寫能力幫助都很大
2.《數據挖掘概念與技術》
3.《機器學習》 studying
4.《推薦系統實戰》
5.《Mahot in action》 studying
6.《Hadoop in action》
7.《Hadoop:The.Definitive.Guide(3rd）》
8.《storm in action》
9.《集體智慧編程》 studying
10.《統計學與機率論》 studying
11.《矩陣輪》 studying
12.《R in action》 studying
13.《大數據時代》
14.《搜索引擎核心技術》