深度学习
语音识别
算法设计
自然语言处理
特征处理
0
1
2
3
4
5
0
1
2
3
4
5
1月前来过
NLP算法工程师
南宁全职 · 300/日 · 6525/月信用正常
工作时间: 周末9:00-19:00工作地点:
远程
服务企业:
0家累计提交:
0工时
联系方式:
********
********
********
****************
查看联系方式
个人介绍
熟练使用tensorflow框架开发各类算法模型，熟悉常用算法模型如transformer、GPT123、BERT、conformer等，熟练使用各类模型处理各种任务，如图片分类、文本分类、机器翻译、机器阅读理解、语音合成、语音识别、数值回归类问题。目前主要接触气象类、NLP以及简单的CV图像分类领域，气象类主要有温度、降水、台风等预报，NLP主要有机器翻译、文本翻译、文本摘要、文本分类及扩展类任务。图像分类主要针对简单的多分类任务，不涉及多模态分类任务
工作经历
2021-03-01 -2023-05-01厦门快商通科技股份有限公司NLP算法工程师
主要从事男科、妇科疾病分类以及知识问答类任务。利用现今的算法模型对各种评估效果进行提升。在工作期间讲男科、妇科疾病精度提升6-8%，知识问答类任务MAP提升3-6%
教育经历
2020-09-01 - 2023-06-01广西民族大学电子信息硕士
研究生期间主要学习智能优化、非线性数值优化、图像分析与识别等，在校期间实习一年多的实习经验
技能
作品
数据:从网络上得到数据集，如新闻类数据集，有正向、负向评论;情感分析类数据集:有愤怒、喜悦、低落、厌恶等.并将 数据集分成训练集、测试集. 数据预处理:对文本进行分词，对中文类使用jieba、英文使用nltk进行分词，并利用word2vec训练出词向量，为模型提供 数据集. 建模:构建分类模型，分别构建出full-connection-layer、LSTM、BiLSTM、LSTM-Attention等. 调优、验证:通过各种手段调优:如修改优化器、加正则化、调节学习率、损失函数等，再利用验证集测试模型性能. 收获:分类精度可达97.1
02023-07-08 16:08
数据为wmt2018数据集，取其中40w条数据作为总的数据集，再对数据随机打散分为训练集、测试集、验证集，比例分别为70%、10%、20%。利用tensoflow框架搭建transformer、transformerxl等模型，并训练得到较为良好的模型，并验证集进行微调，得到较佳模型，再利用测试集测试最终效果
02023-07-08 16:03
面向实体对象的文本描述情感极性及色彩强度分析。情感极性和强度分为五种情况：极正向、正向、中立、负向、极负向。选手需要针对给定的每一个实体对象，从文本描述的角度，分析出对该实体的情感极性和强度。 NLP任务的评价指标为macro-F1，在计算准确和召回的时候，是按照分析的实体数进行计数的，而非样本数。得到分数0.7左右
02023-06-13 19:12
