评论爬虫模块：爬取亚马逊目标品类的10万+用户评论，包括评分、正文、helpful投票等字段。文本预处理模块：分词、去停用词、词性标注，构建语料库。情感分析模块：基于SnowNLP/TextBlob计算评论情感倾向得分，区分正面/负面/中性评论。因子分析模块：通过LDA主题建模/因子分析，提炼出功能

数据清洗模块：处理500万+用户的消费、活跃、交互全量数据，定义R（最近一次消费）、F（消费频率）、M（消费金额）三个维度的计算口径。RFM分层模块：基于R、F、M三个维度的分位数或聚类算法，将用户划分为8个价值层级（如高价值、潜力、流失边缘、沉睡等）。LTV量化模块：计算各层级用户的未来生命周期价

数据预处理模块：清洗100万+用户行为日志，提取领券/未领券用户的特征（活跃度、历史消费、浏览深度等）。PSM匹配模块：基于倾向得分匹配法，从100万用户中筛选10万特征一致的实验组与对照组，消除选择偏差。转化漏斗分析：对比匹配后两组的曝光-点击-下单转化率，计算净增效果。分层策略输出：按用户活跃度

数据整合模块：自动抓取电力市场、气象、用户历史用能等多源数据，统一格式、清洗异常值。特征工程模块：构建30+特征，包括节假日、温度、湿度、历史负荷、市场电价等。预测建模模块：ARIMA提取线性趋势，XGBoost捕捉非线性残差，组合输出最终预测值。自动化Pipeline：支持数据更新后自动重训练、重

支持批量处理Excel/CSV格式的原始数据，提供去重、缺失值填充、格式转换、字段筛选等功能；可根据需求自定义处理规则，快速将杂乱数据转换为规范可用的结构化数据文件。

采用Python+Selenium技术栈，可模拟浏览器行为，实现翻页、等待加载、元素定位等操作；支持解析JS动态渲染内容，将数据整理为结构化格式，解决传统爬虫无法抓取动态页面的问题。

通用数据采集工具，基于Python开发，支持多目标网站并行抓取。内置代理池轮换机制、User-Agent随机化和Cookie自动管理，有效规避反爬策略。支持定时任务调度，可按时间间隔自动执行采集任务。集成日志记录与异常告警机制，保证采集任务稳定运行。支持Docker一键部署，开箱即用。

项目基于Python开发，支持多平台电商数据自动采集，可抓取商品名称、价格、销量、评价等信息；内置数据清洗功能，能自动去重、筛选并导出为Excel/CSV格式，大幅提升数据获取效率。

这个模块分两大核心功能，一是AI智能搭配功能，用户上传空间户型图或输入风格、面积需求后，系统会自动从乐租购的租赁库存中匹配适配的家具组合并生成效果图；二是设计辅助工具，支持用户手动调整家具尺寸、风格、摆放位置，同步更新租赁报价和库存状态。我还加了一键转租赁订单的功能，让用户看完设计就能直接下单租赁方

这个后台主要分三大模块，一是订单管理模块，支持租赁订单的创建、状态追踪与合同归档；二是库存与商品模块，可实时同步家具库存、更新产品信息并联动前端展厅；三是数据运营模块，能自动统计租赁周期、客户复租率等核心数据，帮运营团队快速掌握业务情况。我负责从需求梳理到前后端联调的全流程开发，用选好的技术栈实现了