广告排期策略优化系统

面向多渠道广告投放场景（4 个渠道、19 个广告组、118 个广告系列、4,225 条历史投放记录），将经验型预算分配问题建模为"效果预测 + 不确定性探索"的序列决策问题。

作为项目技术负责人，独立主导该原型系统的全链路设计与全栈开发。在策略层，构建了涵盖 CTR、CPC、CPA 等 8 项核心指标的决策体系，基于 Python 实现海量历史数据的特征工程，并融合 RandomForest 与多臂老虎机（MAB）机制平衡预算分配的探索与利用；在工程层，独自负责后端 API 设计、SQLite 数据库架构及前端可视化界面的开发，成功将复杂的"预测—探索"流程转化为可支持多活动并行的系统化闭环。

该项目为校园项目，属于原型系统，未真正落地。