个人介绍
我是一名具有丰富编程经验的工程师,掌握Python、java和C语言等多种编程语言。我拥有一年的项目开发经验,并曾在机械设计、U设计和前端设计方面进行过相关的工作。同时,我也精通小程序和APP开发,能够熟练地使用各种开发工具进行开发。 在编程方面,我檀长使用Pvthon进行数据分析和机器学习算法的开发,具有丰室的教据处理和数据扮掘经验。我也能够使用Java和C语言进行后端开发和系统开发,熟悉网络编程和并发结程的相关技术。 在设计方面,我拥有机械设计、U设计和前端设计的相关经验,能够使用各种工具进行设计和开发。我也具备较强的美学能力和用户体验设计能力,能够为用户提供优质的产品体验。在移动应用开发方面,我熟练掌握小程序和APP开发技术,能够使用Fluter和React Native等开发框架进行开发,同时也具备基于Android和i0S平台的原生应用开发能力。 综上所术,我拥有广泛的技能和经验,能多为您提供全面的技术支持和服务。如果您需要进一步了解我的能力和经验,请随时联系我,谢谢!
工作经历
2024-02-03 -至今厦门量子玫瑰影视传媒有限公司软件工程师
利用NVIDIA Omniverse平台和AI Agent技术开发了一套灯光自动部署系统,实现了生产环境中灯光的智能管理和优化。 设计并实现了基于AI的控制系统,通过机器学习算法对生产环境的光线条件进行实时分析和自动调整,提升了生产效率和产品质量。 与跨学科团队合作,确保技术解决方案与现有生产流程的兼容性和集成性。 作为技术负责人,主导开发了基于深度学习的影视图像识别系统,用于自动化质量检测,减少了人工成本并提高了检测准确性。 参与制定技术路线图和研发策略,推动团队采用最新的机器学习和人工智能技术。 通过敏捷开发方法,实现了多个快速迭代的项目,提升了团队的响应速度和市场适应能力。
2023-03-10 -2023-04-28深圳原宇科技机器学习工程师
项目概述: 本项目旨在利用随即森林机器学习模型以及LSTM深度学习模型分析采集到的手部动作数据,预测用户在安卓设备上的数据输入行为。项目的核心是利用传感器技术捕捉手部动作的细微变化,并通过算法对这些数据进行深入分析,从而实现对用户意图的准确预测。 技术实现: 数据采集: 使用高精度传感器对用户的手部动作进行实时监测,收集包括但不限于手指的位置、速度、加速度等多维度数据。 数据预处理: 对采集到的数据进行清洗、标准化和特征提取,以确保数据的质量,为模型训练提供准确的输入。 模型构建: 采用深度学习中的卷积神经网络(CNN)或循环神经网络(RNN)等算法,根据手部动作数据训练模型,使其能够识别不同的动作模式。 模型优化: 通过交叉验证、超参数调优等方法,不断优化模型的性能,提高预测的准确性和鲁棒性。 模型部署: 将训练好的模型转换为适合在安卓设备上运行的格式,利用设备的计算能力进行实时推理演算。
2022-12-22 -2023-02-09自由职业深度学习工程师
丰富的外包经验,个人提供医学模型改进,计算机辅助医学诊断系统开发,模型融合以及消融实验,复现论文等代码需求
教育经历
2020-09-02 - 2024-06-05厦门大学嘉庚学院智能科学与技术本科已认证
资质认证
技能
本项目旨在开发一款布光助手,其核心功能模块包括: 参数生成模块:利用大语言模型生成符合特定场景需求的灯光参数。 AI代理交互模块:通过AI Agent与用户进行交互,接收用户输入并反馈生成的灯光参数。 Omniverse集成模块:将生成的灯光参数应用于Omniverse平台,模拟灯光位置和效果。 产品效果图模块:根据模拟结果生成高质量的产品效果图,供用户评估和决策。 对使用者来说,本项目能够实现以下功能: 自动化生成适应不同场景的灯光参数,简化布光过程。 实时预览灯光效果,提高布光效率和准确性。 生成高质量的产品效果图,辅助设计决策。 在本项目中,我负责以下任务: 设计并实现了参数生成模块,确保模型能够准确理解用户需求并生成合适的灯光参数。 构建了AI Agent,使用自然语言处理技术与用户进行有效沟通,提高了用户交互体验。 集成了Omniverse平台,确保灯光参数能够无缝应用于模拟环境中。 开发了产品效果图模块,使用高级渲染技术生成逼真的效果图。 技术栈包括: 大语言模型:用于理解和生成灯光参数。 自然语言处理:用于AI Agent与用户的交互。 Omniverse:用于模拟灯光位置和效果。 高级渲染技术:用于生成产品效果图。 最终成果: 成功实现了自动化布光参数生成,显著提高了布光效率。 用户能够实时预览灯光效果,提升了设计工作的准确性。 生成的效果图质量高,有效辅助了产品设计和决策过程。 难点:确保生成的灯光参数与实际场景的适配性,以及与Omniverse平台的无缝集成。 解决方案:通过不断迭代和优化大语言模型,提高了参数生成的准确性。同时,与Omniverse团队紧密合作,确保技术对接的顺畅。
我们的项目旨在利用Slam_ORB2算法结合AGV的惯性传导与视觉进行实时地图建模,以此实现对环境的快速感知和理解,并利用PNP检测机身与需要搬运的物体的距离,实现物理在三维世界里的孪生重现,从而实现智能化的物流搬运。 具体来说,我们使用了Slam_ORB2算法,该算法基于视觉特征的匹配来进行实时地图建模。通过在机器人上安装惯性传感器和摄像头,我们可以获取环境的3D信息,并生成实时的环境地图。在此基础上,我们还使用了AGV的惯性传导和视觉信息,进一步提高了地图的精度和准确性,从而为后续的物流搬运操作提供了有力的支撑。 在地图建模的基础上,我们还开发了pnp检测算法,该算法能够实时检测机身与需要搬运的物体的距离,并基于此生成物体在三维世界中的坐标。利用这些坐标信息,我们可以计算出逆解来控制机械臂,实现对物体的自动化搬运。