2016工作总结

一、员工个人对2016年重点工作、核心绩效指标进行罗列。

1、 机器学习平台一期

参与机器学习平台从无到有的建设过程、伴随机器学习平台的成长、对于机器学习技术领域问题的定位及解决思路、常用算法基本原理及对应问题、spark（ml）熟悉及scala 语言应用等方面都有了长足的进步。对深度学习、人工智能等技术的发展兴起浓厚的兴趣及期待。

参与了以下任务、阶段。

a、  熟悉竞品、了解机器学习平台的定位。

平台建设初期、对标阿里数加平台，微软机器学习平台，通过了解、使用，了解机器学习平台的功能定位、边界及某些需求细节。为前期产品的需求讨论及技术选型做充分的准备。

需求确定了平台的：实验、组件、数据源、模型等基本功能模块。

b、理解并分解需求、技术选型调研。

通过需求评审及反馈后、分解需求到各个模块。项目成员分工针对模块做相应的调研及技术储备。分解主要包含以下模块：

1. 前端组件设计及流程图实现 => angularjs 、d3.js
2. 机器学习平台任务的调度及执行 => spark ml、scala
3. Web平台框架及技术点 => spring、snf、jms、websocket
4. 模型评估节点 => sklearn

c、参与概要设计

概要设计主要包含了逻辑架构、数据架构、部署架构、安全及性能等部分、主要设计了逻辑架构、并充分参与及和了解了其他几个模块部分，评估技术的可执行及风险。

d、详细设计及编码阶段

在项目leader的带领下，详细设计及编码阶段是一个紧张、高效且有序的过程。中间伴随着人员的不足、新人入职及离职交接、与中心内外其他团队合作等阶段、但最终按时保质的完成了各个模块的开发。

e、测试及上线阶段

由于前期的充分准备、精心设计和编码，测试及上线是个有惊无险的过程。测试人员也完成由对平台的不了解到慢慢熟悉的阶段。随着后期组件的逐步添加、大家也伴随着平台的成长、在机器学习领域有了长足的进步。

2、 机器学习平台二期

机器学习平台二期是在一期基础上的版本升级，参与了整个二期的各个阶段。通过二期的发展，增加了平台的发展信心，关注重心也慢慢转移到 平台支持算法及案例、用户业务问题关注及数据、方案等应用方面。

二期主要包含了以下几个阶段。

需求：后台运维管理、时间序列系列组件，cbt的集成，jobServer的应用，直方图、全表统计及混淆矩阵改造几个方面。

概要设计：主要参与CBT集成及JobServer应用两个模块的概要设计。

详细设计及编码：完成了直方图组件、全表统计组件、CBT集成及JobServer等模块的详细设计及编码实现。

测试及上线：测试及上线阶段有惊无险、成功实施。

3、 数据开发套件项目

机器学习平台一期、V1.1版本均已顺利上线，目前已对接了多个用户，取得了良好的应用效果。但用户在使用过程中暴漏了部分平台功能的缺失，随着平台的完善、对团队的每个人也都有了更高的要求。为了能更好的为用户提供服务，新阶段具体包括：

特征工程、文本专题、数据处理、时间序列等四个功能。

目前正在这一期的开发上线中。

 

二、全年核心绩效指标、重点工作任务完成情况总结与存在问题分析。

机器学习平台：

1.充分理解平台的规划发展及定位、与领导及团队成员高效沟通及协作。

2.参与完整的项目流程、负责某几个模块的开发并按期上线、熟悉了解系统的各个功能模块及实现思路。

3.预了解平台未来的发展、调研业内其他平台技术应用并做相应技术储备。

4.可能存在的问题：新项目初始阶段，缺乏平台对业务部门成功支撑上线的案例；平台的未来发展对团队成员的数量及专业技能如（深度学习、文本分析）有更高的要求。

  

三、2017年工作的思路、计划与核心任务。（可另附表格或其他形式）

工作核心任务：完善发展机器学习平台、构筑深度学习平台、推广平台及实施各种成功的应用案例。

工作思路：

1、结合项目目标，应用行业领先经验，培养产品定位设计方面的意识。

2、熟悉行业中成熟的用法，对新的技术趋势保持敏感性、保持前沿沟通交流。

3、学习匠人精神、提高个人的技术、架构及团队沟通交流能力。

项目名称	项目计划分解及目标	具体实施举措	计划开始时间	计划结束时间	责任人
机器学习平台	结合产品规划、完善平台离线及实时部署， 理解文本、图运算等模块并应用。		201701	201712
深度学习平台	调研深度学习平台的框架及应用， 构建深度学习平台， 结合业务构筑系列的成功应用案例。		201701	201712
推荐引擎	应用机器学习和深度学习技术、 在平台基础上构筑用户画像分析、推荐引擎		201701	201712