背景提升后，双非的我迎来港大+BAT+中科院offer！

我在指南者留学一共参加了两个项目，机器学习项目实战：京东优惠券智能发放系统和电商用户评论挖掘，目前拿到了HKU的CS master offer。这两个项目的大方向是一样的，都是使用机器学习的方法来对数据进行挖掘。前者是对结构化数据进行挖掘，使用机器学习的各种模型来对优惠券的使用情况进行预测；后者是对文本类数据进行挖掘，通过统计，词云图，聚类，共现矩阵，词向量等等方法来挖掘顾客在电商评论中的深层信息。这两个项目都是当下非常实用的数据分析类项目，不仅与我本科计算机科学专业的知识有关联，还让我学到了很多机器学习的方法。

因为今年香港CS申请特别内卷，我原本的背景并没有很大优势，对于港三完全是属于冲一冲的情况，所以选择这两项背景提升项目来丰富我的个人经历。从现在的结果来看，这两项背景提升项目让我收获颇丰，除了HKU的offer，也让我对自己未来的学习方向、工作方向有了明确的目标。在这两项机器学习相关的项目结束后，我又去自己学了更多的相关课程，读了很多书，并且在21年末拿到了NLP方向的很多公司的实习offer，包括中科院、小冰、碧桂园博智林等，最终幸运地在BAT大厂研究院实习。所以，这两项背景提升项目不仅丰富了我的申请材料，也让我找到了感兴趣的学习方向并在这个领域有了收获。

我收获的实习offer

02 项目介绍与收获

机器学习项目实战：京东优惠券智能发放系统

这个项目的目的是使用机器学习的方法来预测优惠券的使用情况，从而根据预测的结果来决定当前的优惠券发放策略是否有效。在这个项目中，梅老师的课程从机器学习的入门的数学理论，到python代码实现，每一步都非常的细致。很多机器学习的方法，比如：线性回归，逻辑回归，决策树，随机森林，模型集成等等，梅老师都会细心的讲解理论，理论讲通后，又会用代码来实现。

梅老师的课程都充满了他的思考和理解，让我记得很清楚的一点是梅老师在讲解评测指标召回率和精确率时，用了优惠券来举例，让我更加深刻地理解了这些评测指标并不单单是为了评测模型能力，而是真的有实际意义的。

在这个项目中，我学到了结构化数据的分析和探索，模型的比较和选择，参数的网格搜索和随机网格搜索，还有模型融合等集成方法。这些方法在之后的学习和工作中，也是非常重要的知识。并且这个项目的一整套流程适用于很多结构化的算法比赛，我目前参加结构化的算法比赛，也是同样会使用这套流程。

我的项目研究成果（节选）

电商用户评论挖掘

这个项目的目的是使用机器学习的方法来对电商用户评论进行数据挖掘和分析，寻找客户的关注点。这个项目跟上面项目的主要区别就是这个项目的数据是文本类数据，不是简单的结构化数据，其次这个项目没有一个明确的结果，具体能挖掘出什么样的信息，挖掘到什么样的客户关注点，就看自己使用了什么方法，挖掘的方向是什么。

这个项目的基础知识与上一个大致相同，多了一些文本数据的表示方法，ngram、词向量等等，还学习了表达文本数据处理的方法，nltk、词云图、共现统计、聚类、文本相似度等等。这个项目主要的难点是如何使用这些方法来挖掘出真正有意义的深层信息。简单的信息就比如：使用统计的方法，统计出好评中什么词出现的次数最多，差评中什么词出现的最多；深层信息就比如：将评论聚类成N类，再统计分析这N类中出现次数最多的词，从而找出这N类每类都是什么，这样就可以知道客户最在乎的方面。

部分代码展示

在完成背景提升项目的学习后，我觉得这两个项目带来的收获远远比我想象中的要多。在参加背景提升项目前，我也尝试过找实习，但当时我没有目标方向，java开发、数据库、游戏客户端方向的实习都投过，但也都没有通过面试，都是因为我当时没有方向，没有去认真学习这个方向的知识。后面通过指南者的背景提升项目，我学到了感兴趣的知识，确定了自己的方向，并且这些项目也在找实习中发挥了很大的作用，让我的简历更加丰富，面试官在提问的时候也更多地提问我相关的信息。此外，梅老师也给了我一些面试的建议，让我有了更多的面经的积累。

03 背景提升与申请

除了实习上的帮助，申请上这两个项目也让我的cv和ps更加丰富，从只有学校的作业项目到增加了比赛项目和实习项目，并且这两个项目也是CS方向的热门方向，对申请、就业都有很大的帮助。在我的cv和ps中，我主要展示了我在这两个项目中学到的机器学习的能力，详细说明了我在项目中学习到的技能、知识、理论、学习能力和对实验结果的分析和反思。

我的项目经历
在CV里的应用