工作经历
2017-01-01 -至今fesco高级算法工程师
在Fesco公司担任高级软件工程师和算法工程师期间,我主要参与了AI和深度神经网络(DNN)相关项目的设计和开发,包括以下项目经历: 1. **智能图像识别系统**: - **项目描述**:负责设计和实现基于深度学习的智能图像识别系统,用于识别物流过程中的异常情况和问题。 - **工作内容**:使用卷积神经网络(CNN)对图像数据进行训练和分类,实现对异常情况的自动识别和报警。 - **技术栈**:Python、TensorFlow、Keras、OpenCV等。 - **成果**:成功开发出智能图像识别系统,提高了物流监控的效率和准确性,减少了人工干预的需求。 2. **智能推荐系统**: - **项目描述**:领导团队开发基于深度学习的智能推荐系统,用于个性化推荐客户关系管理和产品销售。 - **工作内容**:利用循环神经网络(RNN)和长短期记忆网络(LSTM)对客户行为数据进行建模和预测,实现智能推荐算法。 - **技术栈**:Python、PyTorch、TensorFlow、Scikit-learn等。 - **成果**:成
教育经历
2016-05-31 - 2019-01-01理工大学计算机应用技术硕士
技能
基于TVM-cn中文版的项目是一个旨在推广和应用深度学习编译器TVM(Tensor Virtual Machine)的开源项目。TVM是一个领先的深度学习编译器框架,旨在优化深度学习模型的部署和性能。TVM-cn项目的目标是为中文用户提供一个全面的资源平台,帮助他们了解、学习和应用TVM框架,推动深度学习在中国的发展和应用。 TVM-cn项目包括了TVM框架的中文文档、教程、示例代码等丰富内容,帮助用户快速上手并深入了解TVM的原理和用法。用户可以通过浏览TVM-cn网站或者参与社区讨论来获取帮助和支持,解决在TVM应用过程中遇到的问题。 除了提供文档和教程外,TVM-cn项目还鼓励用户贡献代码和优化算法,共同完善TVM框架的功能和性能。通过社区合作和知识分享,TVM-cn项目致力于建立一个活跃的TVM中文社区,促进深度学习编译技术在中国的推广和应用。 总的来说,基于TVM-cn的项目为中文用户提供了一个全面而专业的平台,帮助他们更好地理解和应用TVM框架,提高深度学习模型的部署效率和性能表现,推动人工智能技术在中国的发展和创新。
基于LaTeX-cn的FAQ项目是一个旨在帮助LaTeX中文用户解决常见问题的开源项目。LaTeX是一种专业的排版系统,广泛应用于学术论文、书籍、演示文稿等领域。然而,对于初学者或者没有深入了解LaTeX的用户来说,可能会遇到各种各样的问题和困难。因此,基于LaTeX-cn的FAQ项目应运而生,旨在提供一个集中的资源,帮助用户快速解决各种LaTeX相关问题。 该项目包含了大量常见问题的解答,涵盖了LaTeX的基础知识、常用命令、排版技巧等方面。用户可以通过浏览FAQ页面或者使用搜索功能来找到他们需要的答案。FAQ项目还提供了友好的界面和结构化的内容,使用户能够快速定位到他们感兴趣的问题,并且提供了清晰的解决方案和示例代码。 除了常见问题的解答外,基于LaTeX-cn的FAQ项目还鼓励用户参与贡献,可以提交新的问题和解答,帮助不断完善和扩充FAQ内容。这样一来,整个LaTeX中文社区都可以从这个项目中受益,共同促进LaTeX在中文用户群体中的应用和发展。 总的来说,基于LaTeX-cn的FAQ项目为LaTeX中文用户提供了一个便捷的问题解答平台,帮助他们更好地掌握LaTeX排版技术,提高文档制作效率,促进学术交流和知识分享。
Neovim是一个强大的文本编辑器,广泛应用于软件开发领域。基于Neovim开发的PDE(Partial Differential Equations,偏微分方程)开发环境为科学计算提供了便利的工具和环境。通过结合Neovim的强大编辑功能和PDE相关的插件,开发者可以在一个集成的环境中高效地编写、调试和运行偏微分方程的模拟程序。 PDE开发环境基于Neovim的特性,支持代码折叠、语法高亮、自动补全等功能,使得编写PDE代码更加流畅和便捷。同时,Neovim的插件生态系统为PDE开发环境提供了丰富的扩展功能,如数学公式渲染、实时数据可视化等,进一步提升了开发者的工作效率和体验。 主要特性包括: 1. 高效编程环境开发 2. 基于neovim和lazyvim的涉及 3. 全键盘的高效开发 4. 支持键盘的操作,对初学者友好 4.