个人介绍
作为一名经验丰富的人工智能专家,我专注于图像处理和自然语言处理 (NLP),掌握并应用多种先进模型,包括 ResNet、YOLO、CycleGAN、Transformer、BERT 和 GPT。这些技术使我能够在图像分类、对象检测与跟踪、图像生成、音频识别、人脸识别、翻译以及聊天机器人等领域构建高效且准确的解决方案。我的工作以卓越的性能和高准确率为核心,致力于推动创新技术在不同应用场景中的有效落地。
此外,我具备出色的全栈 Web 开发能力,能够将复杂的人工智能模型无缝集成到 Web 应用中。使用 React 作为前端框架,Django 作为后端服务,MongoDB 作为数据库管理系统,我开发了多款由 AI 驱动的 Web 应用,提升用户操作效率并优化用户体验。同时,通过 RESTful API 部署机器学习模型,确保服务器和 Web 平台间的流畅交互,提供稳定且高效的服务。
在团队协作方面,我具备强大的领导能力,能够协调跨职能团队的工作,确保项目顺利完成。凭借我在人工智能与 Web 开发领域的综合优势,我能够提供全面且可扩展的解决方案,将尖端技术与友好、高效的用户体验相结合,助力企业实现数字化转型。
工作经历
2022-03-15 -2023-11-30Maxis远程AI专家
• AI 模型开发/微调: 领导了基于先进 AI 模型的图像识别系统的设计与实现,使用了 ResNet、EfficientNet、SSD 和 YOLO 等技术。成功部署了 AI 驱动的面部识别和物体检测解决方案,显著提升了识别精度和系统性能,为多种应用场景提供了高效、可扩展的智能视觉解决方案。 • 手势识别项目:使用 卷积神经网络 (CNN) 和 OpenCV 开发了手势识别系统,并成功将该 AI 解决方案集成至 Maxis 的移动应用程序中。通过这一创新,用户能够通过手势控制设备,极大提升了应用的可访问性和用户交互性,提供了更加便捷的用户体验。 • 后端集成: 使用 Django 和 PHP 构建并维护后端服务,确保与 AI 模型和 API 的无缝集成。同时,利用 MySQL 优化后端流程,实现高效的数据存储与检索,成功将响应时间缩短了 5%。这一改进显著提升了系统的性能与用户体验,为快速、可靠的服务打下了坚实基础。 • 团队协助:与跨职能团队紧密合作,包括前端开发人员、数据科学家和产品经理,确保成功将 AI 功能集成到 Maxis 的应用程序中。在制定 AI 部署和后端开发标准方面
2021-06-01 -2021-12-15Shopee远程
• 自动化工具开发:运用 Python 和 Selenium 设计并实施自动化网页抓取脚本,以系统化收集产品价格、客户评论和竞争对手信息,增强市场情报的深度与广度。 • 情绪分析:采用机器学习技术,利用 NLTK 和 scikit-learn 等库对客户评论进行深入的情绪分析,识别积极与消极情绪。这一分析为产品开发和营销策略提供了重要依据,客户满意度提升了 20%。 • 数据分析:借助 Pandas 和 NumPy 进行全面的数据处理与分析,揭示消费者行为趋势,从而推动营销活动的战略调整,成功提高转化率 10%。 • 跨职能协作:与营销和产品团队紧密合作,从抓取的数据中提取可行的见解,促进决策流程的优化和平台产品展示的改进。
教育经历
2015-09-15 - 2020-07-28天津大学计算机科学与技术本科
在天津大学(2015-2020)攻读硕士学位,专注于计算机科学,主要研究方向为图像处理和自然语言处理。参与多个项目,开发基于深度学习的图像识别和文本分析模型,发表多篇论文。实习于知名科技公司,参与相关AI应用开发。担任计算机协会副会长,组织技术活动,促进交流。掌握Python、O
资质认证
技能
本项目旨在开发一个集成先进技术的医疗服务机器人,旨在提升医疗服务的效率和质量。项目的核心技术包括: 1. LangChain:用于构建和管理复杂的对话流程,确保机器人能够理解和响应用户的需求。 2. 大型语言模型(LLM):实现自然语言处理,使机器人能够进行智能对话,提供准确的信息和建议。 3. React:用于构建用户友好的前端界面,提升用户体验,确保与用户的交互流畅且直观。 4. Django:作为后端框架,负责处理数据管理和业务逻辑,确保系统的稳定性和安全性。 5. MongoDB:用于存储和管理用户数据及医疗信息,支持灵活的数据查询和分析。 该医疗服务机器人将提供多种功能,包括预约管理、健康咨询、药品信息查询等,帮助患者更好地获取医疗服务。同时,通过智能化的服务,减轻医疗人员的负担,提高整体医疗效率。
本项目旨在识别20种手势,以控制电脑和*。所识别的手势包括:中文数字手势1至10、OK手势、C型手势、手掌手势、手掌打开/关闭、以及摇滚手势(向上/向下/向右/向左)。每个手势在识别之前都会被指定对应的电脑或*动作。通过这一系统,我们将实现仅凭摄像头即可自动控制电脑和*的功能。 1. 用电脑/*的摄像头实时监控手势 2. 用YoloV5模型自动识别手势 3. 按照识别结果控制电脑/* 4. 图像处理速度为0.03s/frame