杨炳勋

嵌入式开发工程师 |全栈开发工程师 | AI算法爱好者

5年编程经验，专注于Python/Java后端开发与机器学习算法落地，擅长高并发系统设计和数据挖掘项目。曾主导电商平台订单系统重构，性能提升80%；自研推荐算法模型，用户转化率提升15%。求职目标：AI工程师/后端高级开发岗位。

Python Java TensorFlow MySQL Redis 微服务

项目成果展示

智能推荐算法系统

技术栈：Python、TensorFlow、Redis、FastAPI

基于协同过滤与深度学习的混合推荐模型，对接电商用户行为数据，实现个性化商品推荐，上线后用户点击率提升22%，复购率提升18%。

# 核心推荐算法片段
def hybrid_recommend(user_id: str, top_k: int = 10) -> List[dict]:
    # 1. 协同过滤推荐
    cf_recs = collaborative_filtering(user_id, top_k=20)
    # 2. 深度学习模型推荐
    dl_recs = deep_learning_model.predict(user_id, top_k=20)
    # 3. 融合策略
    final_recs = fuse_recommendations(cf_recs, dl_recs, top_k)
    return final_recs

# 模型训练关键代码
model = Sequential([
    Embedding(input_dim=vocab_size, output_dim=64),
    LSTM(128),
    Dense(64, activation='relu'),
    Dense(vocab_size, activation='softmax')
])
model.compile(optimizer='adam', loss='categorical_crossentropy')

查看源码 → 在线演示 →

高并发订单系统重构

技术栈：Java、SpringCloud、MySQL、Redis、RocketMQ

针对电商订单系统峰值性能瓶颈，采用微服务拆分、读写分离、缓存集群、消息队列削峰等方案，支撑每秒5000+订单处理，系统响应时间从500ms降至80ms。

// 订单提交核心代码（分布式锁+消息异步）
@Override
public OrderSubmitResponse submitOrder(OrderSubmitRequest request) {
    // 1. 分布式锁防止重复下单
    try (RLock lock = redissonClient.getLock("order:submit:" + request.getUserId())) {
        if (lock.tryLock(3, 10, TimeUnit.SECONDS)) {
            // 2. 核心业务逻辑
            OrderDO order = buildOrder(request);
            orderMapper.insert(order);
            // 3. 异步处理库存、支付、通知
            rocketMQTemplate.send("order_topic", MessageBuilder.withPayload(order).build());
            return OrderSubmitResponse.success(order.getOrderId());
        }
        return OrderSubmitResponse.fail("请勿重复提交");
    } catch (Exception e) {
        log.error("submit order error", e);
        return OrderSubmitResponse.fail("系统异常");
    }
}

查看源码 → 性能报告 →