个人介绍
擅长C/C++编程语言,熟悉C++的面向对象、模板、STL等,了解并掌握Modern C++的语言特性
熟练使用Python、JavaScript等编程语言 了解常用机器学习算法的原理;熟悉并掌握U-NET、YOLO、FRCNN等图像分割、检测深度学习 模型的构建、训练与落地;熟悉Tensorflow、numpy、opencv等库的使用
了解Linux常用命令;熟悉多线程多进程编程、socket编程;了解基于OpenCL的异构编程
有张量库、神经网络框架开发经验
有代码洁癖,推崇代码的简洁优雅、API的简明易读
有一定阅读英文文档的能力
工作经历
2022-07-15 -至今网易游戏研发工程师
培训期工作:割草类游戏研发,客户端方向,负责对接美术、特性,UI相关开发; 当前:动作游戏研发(尚未对外公布),客户端方向
2021-07-21 -2022-05-31百度C++研发工程师
网页结构化理解方向 负责提取网页中的列表信息 负责网页时间因子的优化 负责提取网页中的表格信息 负责网页解析服务相关监控的建设
教育经历
2018-09-01 - 2022-07-01厦门理工学院计算机科学与技术本科
GPA:3.68 (Top 10%) 2018 ~ 2019学年获得校“三好学生”荣誉称号 2018 ~ 2021学年获得国家励志奖学金 2019 ~ 2020学年担任C语言助教、高数助教 2019 ~ 2021学年担任学院编程爱好者协会算法竞赛培训主讲师
技能
解析网页中的列表、表格信息,提升百度搜索结果展示效果。 在已解析为网页dom树的基础上,通过父子节点间关系、样式等信息,编写相关策略识别并提取列表、表格等结构化信息。
深度学习模型的搭建、训练和部署过程需要有一定的编程基础和相关的专业知识,这给非计算机从业人员带来了一定的挑战性。而可视化的深度学习编程模型将大大降低深度学习模型搭建、训练和部署过程的难度,以此扩大可以利用深度学习方法解决问题的人群范围。 该深度学习编程模型将支持图像分割、图像分类、图像生成、目标检测、机器翻译等多种深度学习任务,支持FCN、VGG、U-Net、YOLO、Encoder-Decoder等经典深度学习模型。 (1)可视化编程模型:利用web(html+css+js)技术搭建前端UI,以支持用户在浏览器上用可视化的、拖拽交互的方式搭建深度学习模型,并操控训练和推理过程。 (2)Web端深度学习模型的训练与推理:将前端搭建的可视化深度学习模型图、训练和推理操作转译为对应的js代码,利用tensorflow.js框架作为计算后端,以支持深度学习模型在web端的训练和推理,同时利用WebGL技术加速深度学习模型的训练与推理过程。