在校期间，系统学习了计算机科学与技术相关课程，包括《数据结构与算法》《数据库原理》《Python编程》等，为数据挖掘工作奠定了坚实的理论基础。通过课程项目和实验，锻炼了编程能力和问题解决能力。参与了学校组织的编程竞赛，获得二等奖，提升了团队协作和实践能力。

• 参与公司用户行为数据挖掘项目，负责数据清洗与预处理工作。使用Python的pandas库处理海量用户行为数据，清洗缺失值、异常值，将数据质量提升了30%，为后续分析提供了高质量的数据基础。
• 协助团队进行用户画像构建，运用Python的scikit - learn库进行特征工程，提取用户行为特征。通过逻辑回归模型对用户进行分类预测，准确率达到85%，为精准营销提供了有力支持。
• 参与公司内部数据挖掘工具的优化，提出Python代码优化建议，使工具运行效率提高了20%。

• 负责公司业务数据的日常分析，使用Python的matplotlib和seaborn库进行数据可视化。通过对销售数据的分析，发现某类产品在特定区域的销售增长趋势，为市场拓展提供了数据依据。
• 协助数据分析师进行市场调研数据处理，运用Python的正则表达式清洗文本数据。处理了10万+条调研数据，提取有效信息，为市场策略制定提供了支持。
• 参与公司数据仓库的维护，使用Python编写脚本定期检查数据一致性。发现并修复了5处数据不一致问题，保障了数据仓库的正常运行。

• 项目背景：某电商平台为提高商品推荐的准确性，开展用户购买行为预测项目。
• 数据处理：使用Python的pandas库清洗和预处理用户购买历史数据，处理了50万+条数据记录，缺失值填充率达到95%。
• 模型构建：运用Python的TensorFlow库搭建深度学习模型（LSTM），对用户购买行为进行预测。通过调参优化，使模型准确率从70%提升至82%。
• 结果应用：预测结果应用于商品推荐系统，使推荐商品的点击率提高了15%。

• 项目背景：某社交平台为分析用户兴趣偏好，开展用户评论情感分析项目。
• 数据收集：使用Python的爬虫技术（BeautifulSoup库）爬取平台上的用户评论数据，共获取10万+条评论。
• 情感分析：运用Python的自然语言处理库（NLTK）进行文本预处理，构建情感分析模型（基于朴素贝叶斯算法）。模型对积极、消极评论的分类准确率达到80%。
• 结果应用：分析结果用于优化平台内容推荐，提高用户粘性。