关于我

Rose Lin 现在就职于 State Farm,职位是数据科学家。她在2019年春季获得德州农工大学的计算机硕士学位。她在数据科学、网页后端开发、以及商业分析等领域均有涉猎。在 HCSS 实习期间,她参与并在 Safety 产品下有主要贡献。在开展硕士求学之路前一年,Rose 就职于 Empyrean Benefits Solution。作为商业分析师,她主要负责支持和维护三个客户的现有公司福利系统。她的特长包括ACA 6055/6066汇报,前端设计,以及质量保证。她于2015年秋获得弗吉尼亚大学的系统工程本科学位。她的职业发展兴趣是大数据分析,从而能提供更好的决策建议以及提高效率。

Python
85
SQL
75
数据分析
70
C#
60
Java
60
This is me - IT worker

简历

Resume

简历(最后更新于 04/26/2019): RLIN-Resume (英文版)

想知道更多?

联系我

我的博客

想看更多帖子?点此查看我的 博客

过往项目

此处展示了我做过的一些项目。

×

 

本科毕业设计

生物力学数据分析 - IOV 2015

Lobo B., Lin R., Brown D., Kim T., Panzer M. (2015) Predicting Pedestrian Injury Metrics Based on Vehicle Front-End Design. In: Hsu CH., Xia F., Liu X., Wang S. (eds) Internet of Vehicles - Safe and Intelligent Mobility. Lecture Notes in Computer Science, vol 9502. Springer, Cham

Google 学术链接: https://books.google.com./books?id=re4LCwAAQBAJ

下载论文

Telegram 猫咪机器人

一个构建于 Telegram 上,每天可以给你随机发送一张猫图的机器人。

目前已实现的交互操作:手动请求猫图,打开“每日提醒”从而每天自动被推送一张猫图。

点此与猫图机器人 交互!

点此交互

BCSH 就餐指南

一个推荐 Byran, College Station, 以及 Houston 的就餐意见网站。

网站的目的很简单:帮助用户解决“今天吃什么”的问题。

除了在首页点击按钮随机抽取一家餐厅以外,未登录用户可以搜索和查看所有登记在册的餐厅以及它们的分类。注册用户可享受更多功能:给餐厅点赞或者写评语,或者查看其他用户的赞和评语。

访问网站

Yaphub

一个服务于 Bryan/College Station 地区的自助在线商业平台。

这是我在2017年秋季上 CSCE 606 软件工程的时候完成的小组项目。在五个人的小组里,我主要负责项目管理。我也实现了和产品有关的功能,以及处理所有棘手的技术相关问题。

Yaphub 是一个功能完善的全自助在线交易平台;它的初衷是为了服务 Bryan/College Station 地区的居民和学生。访客可以浏览目前在售的商品和服务。注册用户可解锁更多功能:发布商品/服务需求,下订单,将物品添入收藏夹,竞投,或发送私信。更多内容请参见我们的技术汇报(英文)。

访问网站

TinySQL 编译器

一个简单的基于 TinySQL 语法的 SQL 编译器。

这是我在2017年秋季上 CSCE 608 数据库的时候完成的小组项目。我与另外一名成员紧密合作:我使用ANTLR搭建了解析器的界面。我也实现并测试了 CREATE, INSERT 及 DELETE 的功能。

TinySQL 是一个轻量级的 SQL 系统。它与我们日常所使用的数据库分析系统极为相似,且是用 Java 搭建的。更多细节可参见我们的技术总结(英文)。

项目源码

TESLA: Twitter 垃圾账户分析

一个能自动检测 Twitter 账号是否为垃圾的小工具。

这是我在2018年春季上 CSCE 670 信息获取及储存的时候完成的小组项目。我的主要贡献包括:通过不同数据源采集垃圾信息发送者的信息,与 Twitter API 交互从而获取最新的资料,为账户模型进行特征工程,以及调试和选取最优的账户模型。我与前端开发和深度学习算法工程师深度合作,从而确保最终展现的效果是最优的。

通过分析用户账户以及推文信息, TESLA (Twitter Spammer Learning) 能实时反馈一个推特帐户到底是不是垃圾信息发送者。我们线下训练模型,从而在线上能及时使用。更多技术细节请访问我们的关于页面,以及我们的源码

访问页面

ASTON: 自动新闻总结器

一群能自动总结新闻的脚本。

这是我在2018年秋季上 CSCE 638 自然语言处理的时候完成的小组项目。作为这个项目的倡导者,我发现了 DeepMind Q&A 数据集 。我撰写了数个脚本,令我的队友能更方便地提取和分析数据。我也实现了一个简化的 NetSum 算法。简化 NetSum 是我们实现的三种算法里表现最优秀的。我也是该项目的统筹。

ASTON (Automatic SummarizaTion fOr News) 包含以下三种算法: LexRank, LSA, 以及 NetSum. LexRank 和 LSA 是非监督模型,而 NetSum 是一个基于神经网络的模型。用户只需提供一篇新闻以及选定一个算法,我们的工具就会自动生成不超过三句化的总结。三种算法都是基于抽取方法的。我们计划稍后开源一个 Python 包,让感兴趣的人也能轻松使用。

查看源码

联系我

用以下这个表格跟我联系吧!