本科、硕士毕业于中国人民大学，现任当当网个性化推荐&NLP算法开发经理。 负责当当推荐系统的开发、维护和升级等各项工作，以及海量文本挖掘、NLP相关工作。 具有多年推荐系统、机器学习、数据挖掘、NLP，大数据通用计算方面的实战经验，理论完备扎实，并与实战深入结合。 主导过多个机器学习应用系统，并取得显著效果和收益，包括： 实时广告系统：点击率提升30%，RPM提升20%。 推荐排序系统：点击率提升15%。 反欺诈用户识别系统：准确率90%，召回率80%。 在推荐系统方面有丰富经验和深厚积累，包括推荐系统架构设计和演进、推荐数据反馈回路设计、推荐数据平台搭建、用户画像等方面。 擅长大数据通用计算和处理，包括Hadoop、Spark上算法的设计和优化，实战经验丰富。 热衷于将机器学习技术扩展延伸到其他领域，例如反欺诈，供应链预测，金融风控等。