姓名：简历本
年龄：27
电话：133****4743
邮箱：151933297@qq.com
经验：8年
意向：XX岗位
时间：2012-03到2016-07
学校：简历本科技学院 | 专业：管理科学与工程类 | 学历：硕士
时间：2008-09到2010-07
学校：简历本科技大学 | 专业：人力资源管理 | 学历：本科
时间：2006-10到2010-07
学校：简历本工程大学 | 专业：电子信息科学与技术 | 学历：本科
工作时间：2016-01到至今
公司名称：简历本招聘咨询有限公司 | 所在部门：数字出版分社｀数字营销中心 | 所在岗位：副主任兼客服主管
工作描述：
1、部门管理类
（1）部门制度建设：制定或修订销售、售前、售后等系列管理办法。
（2）销售管理：片区划分和任务核定、销售计划制定及实施、客户及代理商管理。
（3）部门业务管理：人员招聘离职、业务费管理、日常及年终考核、提奖及发放。
2、海外市场开拓
（1）选定代理商，开展合作谈判，并承接后续对接工作，开拓海外市场。
（2）新增了哈佛、牛津、斯坦福等15家世界一流高校及6家政府机构采购用户。
3、总体负责数字产品售后和客户服务工作。
工作时间：2014-01到2015-12
公司名称：简历本信息技术有限公司 | 所在部门：数字产品营销中心 | 所在岗位：主任助理兼客服主管
工作描述：
1、规范流程
（1）规范合同审批与管理流程：改变销售经理负责合同管理导致的混乱局面。
（2）制定新的数字产品管理流程：适应数字产品无库存及物流环节的管理特点。
2、产品定价
制定了《社科文献出版社数据库定价体系及折扣机制》，并负责后续价格调控工作，通过了国家发改委对数据库价格的审计。
3、销售分析
负责数据库产品销售数据分析工作，为销售的任务制定、片区划分、价格调整、以及销售经理的业绩考核提供有力支撑。
4、总体负责数字产品售后和客户服务工作。
项目时间：2016-10到2015-12
项目名称：国际电力工程承包与电工装备市场需求预测关键技术研究
项目描述：
项目介绍
该项目基于市场需求预测理论和技术，结合国际电力工程承包市场特点与行业发展趋势，研究构建国际电力工程承包市场需求预测模型，为公司电力工程承包业务规划编制的市场需求提供量化分析工具，进而对2020年国际电力工程承包的市场需求进行预测。
该项目通过详细的分析与筛选来确定了预测对象的影响因素，并在获取大量数据的基础上选取了各个因素的替代变量指标，基于数据特征定制了适用的预测模型。预测模型采用了主流的计量经济学方法（ARIMA）和机器学习算法（ANN、SVM）来进行时间序列建模，以及一元/多元回归等典型算法对预测对象和因素之间的关系进行建模。建模过程中采用了集成预测、交叉验证（CV）、多步长预测、区间预测等技术来全面地提升预测效果。为用户提供可靠的决策支持。
我的职责
在本项目中本人是高效的执行者角色。本人独立负责完成了整个预测模型的设计和构建，并全程参与了模型的调试与验证环节。
项目时间：2014-03到2015-12
项目名称：国际油价短期预测模型开发
项目描述：
项目介绍
该项目主要是开发一个月度国际油价预测模型，为用户定制一个有效的量化分析工具并提供月度分析报告，为用户提供有效的决策支持。该项目主要实现了包括分析和预测两个功能模块。
油价属性分析模块的功能包括量化和确定油价属性特征，以及与多种因素之间的联系，采用了多种技术包括信号处理方法（EMD）、数据检验方法（ADF、复杂性检验、周期性检验、突变性检验），相关性分析方法。用户能够根据该模块精确度量油价在不同时间尺度上的波动特征，以及与多种因素之间的复杂关系。
油价预测模块采用数据驱动的预测方法，构建了基于油价属性特征的短期预测模型，能够准确预测油价走势。模块采用了包括信号处理算法（EMD），计量模型（ARIMA），机器学习能模型（SVR、ANN、ELM），分解集成算法等一系列技术方法。该模块具有良好的预测性能，为用户提供了有效的决策支撑。
我的职责
在本项目中本人是高效的执行者角色。本人主要负责完成了整个预测模型的设计与构建，并全程参与了模型的调试与验证环节。
本人本科和硕士分别毕业于自动化、管理科学与工程专业，现为博士管理科学与工程专业应届毕业生。
研究领域聚焦于机器学习算法在金融、经济领域的应用，如金融、经济时间序列预测，信用评分等。紧跟学术前沿，并能够有效地将技术方法应用到具体领域，定制合适的决策支持模型。熟练应用MATLAB、Python、R等编程工具构建各种计量经济模型和机器学习回归/分类模型，并且熟悉各种主流深度学习框架如Tensorflow、Keras等。
参与过多个经济、能源市场分析预测项目，在项目中主要负责数据分析及核心算法的搭建。能够根据不同的数据类型定制一套切实有效的预测模型框架。比如：在国际电力工程承包市场的预测项目中，设计了一套基于多种宏微观经济因素的计量与机器学习混合模型，其对电力市场规模预测结果与美国能源署的预测结果相当。
在经济、预测类的优秀国际期刊发表多篇SSCI论文。
