*掌握机器学习常用的算法如逻辑回归,神经网络，决策树，随机森林，knn，svm，kmeans等以及原理*掌握对数据进行feature selection,combination等feature engineering的一般方法 *掌握常见数据结构和算法，用java,python 独立完成核心算法架构和实现*掌握Oracle,MySql,Mongodb等数据库使用*掌握使用hadoop，Spark相关技术，如map-reduce,hive、hbase等以及redis,kafka等*掌握python常用的框架，并开发部署服务，框架比如Flask,Django等，web服务如tomcat,nginx等*掌握多进程多线程编程，并利用的实际优化效率项目:项目名称：用户信用模型评估系统，从编码抽取对模型可能有用的特征，合成样本，对样本进行Exploratory Data Analysis，对缺失数据，异常点数据进行处理，合成新的特征，用卡方检验，信息增益，相关系数等方法进行特征选择，采用GBDT+LR，svm，随机森林三种算法，用roc,auc,选出最优模型部署到生产环境中去