proginn2243101515
1月前来过
全职 · 650/日  ·  14137/月
工作时间: 工作日19:00-23:00、周末10:30-23:00工作地点: 远程
服务企业: 0家累计提交: 0工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

我是一名AI算法工程师,性格随和,善于沟通;

个人优势:”时序数据分析:有深度学习算法 CNN、LSTM、Transformer 进行异常检测的项目经验

计算机视觉:在图像识别、目标检测等计算机视觉任务方面具有项目经验,熟悉并能使用 yolo 系列等视觉框架

多 GPU 训练与模型优化:擅长使用多 GPU 进行神经网络模型的训练、优化、压缩加速,具备优化模型性能和提高运算效率的实战能力

工作经历 和TA聊聊

APP扫码和程序员直接沟通

  • 该用户选择隐藏工作经历信息,如需查看详细信息,可点击右上角“和TA聊一聊”查看

教育经历

  • 2019-10-10 - 2023-06-30韩山师范学院数据科学与大数据技术本科

技能

深度学习
机器学习
Torch
0
1
2
3
4
5
0
1
2
3
4
5
作品
基于机器学习分析产品需求规律及预测

项目内容:研究国内某大型制造企业产品需求量规律和预测问题 项目主要负责: 1、 规律分析:建立双对数线性回归模型,计算需求价格弹性,探究不同价格对需求量的影响;运用多因素方差分析、spearman 相关性系数等统计分析方法以及数据可视化,以探究其它因素对需求量影响。 2、 特征工程:构造滞后、差分、拓展窗口、滑动窗口特征,通过随机森林模型量化各列特征与订单需求量相关性对特征筛选。 3、 模型构建:建立 RF、LightGBM、XGBoost、GBRT 模型以及模型融合对产品需求量进行预测。通过朴素贝叶斯算法进行模型超参数优化,使用交叉检验评估验证了模型有效性。

0
2024-04-17 17:54
信号异常检测

实施了针对不同电梯信号类型的数据预处理,降噪,特征工程。 构建并优化了基于 CNN与 LSTM的 Autoencoder 无监督模型以及 LSTM与CNN结合的有监督模型,专门用于学习和检测异常信号。 参与了模型的网络架构优化、超参数调整、训练、测试,以及模型的压缩与加速过程。 难度在于正负样本极度不平衡,且容易过拟合产生误报

0
2024-04-17 17:48
宫颈癌细胞的图像智能识别算法

算法研发成员项目描述: ·数据处理:专注于宫颈癌细胞的小目标特征,通过图片切片、旋转、缩放、平移、裁剪、模糊等多种手段对数据集进行增 强,提升模型对复杂样本的适应性。 ·模型训练与优化:基于yolov8架构并引入effcientvit注意力机制,有效提升了模型对关键信息的捕捉能力,同时降低 了计算复杂度。 ·切片质量检测:通过提取细胞图像中的形状、纹理、频域等特征,执行细胞计数和模糊检测,筛选出质量不合格的切片, 确保数据质量。 项目结果: ·实现了细胞层面的识别准确率超过78.8%。 ·在病例层面分级的准确性超过65%,敏感性超过88%,特异性超过70%

0
2024-04-17 17:39
更新于: 04-17 浏览: 103