个人介绍
熟练掌握C#、Python等编程语言,对sherlock、VScode、Visual Studio、git等的使用
多次独立开发经验
C#开发:OOP,多线程,socket,winform编程,C/S框架,MVC,IO,WPF (理解/基础/基础/熟练应用/理解/掌握/基础/理解/)
ASP.Net开发:IIS,HTML5,css,B/S,JavaScript,Ajax(熟练/基础/基础/基础/基础/使用c#2012开发.netweb项目)
python熟练使用、pytorch框架的使用
数据库相关:SQLServer/ Access/ MySQL (应用/熟练应用/操作)
Unity3D游戏开发:NGUI,UGUI (基础/基础/使用unity游戏开发工具)
分析工具:SPSS,IBM SPSS MODELER,PowerDesign,Visio
操作系统:基于Windows 开发
工作经历
2022-02-01 -至今广州印芯软件开发工程师
激光器上位机 工程师 2021/03-2021/11 内容: 1、项目概述:在.net framework框架开发的上位机通信程序 ,使用C#编程语言的串口通信程序 2、项目职业:作为项目客户的负责人,负责分析客户需求,框架的搭建、UI的设计和程序功能的实现 3、 使用串口通信来与激光器完成各方面的交互工作 4、 使用Sunny UI等开源库完成开发 仿QQ聊天 项目组长 2018/06-2018/07 内容: 开发技术:MVC+C/S+网络通讯+多线程 1.:本程序主要是小型通讯项目。建立一个服务器,能够实现两个用户或多个 用户之间的即时聊天,通过p2p的方式建立关系。2.模块描述:账号管理,好友管理,群管理,头像管理 3.技术描述:该项目运用 net framework4.0框架MVC所搭建的项目框架。 责任描述: 负责窗体的搭建,模块代码的实现,数据库的编写,采用C/S模式实现,使用MVC设计模式,主要用 BLL+DLL+Modeler分层开发技术,使程序的表示层、业务逻辑层以及数据访问层达到分离目的 视觉二次开发系统 开发工程师 2019/11-2020/
2020-02-01 -2022-02-01凌云光软件开发工程师
:从事机器视觉行业,对机器视觉进行二次开发和调试。熟练使用Sherlock视觉采集软件、熟悉dalsa相机、海康相机、 Basler、大华等相机 1、熟悉常用的计算机视觉应用和算法,熟悉相机校准等 2、 精通C#,Python,有OpenCV等视觉库开发经验 3、 工作积极主动,有较好的沟通能力和团队合作精神,认真踏实 4、 主要负责机器视觉算法相关的算法设计、功能开发、调试与维护
教育经历
2015-09-01 - 2019-06-01郑州大学软件开发本科
在校期间学习了、C#、Html、Unity、ASP.Net、java等语言。进入了学生会第二年成为专科负责人,组织过很多次学校活 动,有较强的抗压能力。 C#开发:OOP,多线程,so
技能
仿*聊天 项目组长 2018/06-2018/07 内容: 开发技术:MVC+C/S+网络通讯+多线程 1.:本程序主要是小型通讯项目。建立一个服务器,能够实现两个用户或多个 用户之间的即时聊天,通过p2p的方式建立关系。2.模块描述:账号管理,好友管理,群管理,头像管理 3.技术描述:该项目运用 net framework4.0框架MVC所搭建的项目框架。 责任描述: 负责窗体的搭建,模块代码的实现,数据库的编写,采用C/S模式实现,使用MVC设计模式,主要用 BLL+DLL+Modeler分层开发技术,使程序的表示层、业务逻辑层以及数据访问层达到分离目的
激光器上位机 工程师 2021/03-2021/11 内容: 1、项目概述:在.net framework框架开发的上位机通信程序 ,使用C#编程语言的串口通信程序 2、项目职业:作为项目客户的负责人,负责分析客户需求,框架的搭建、UI的设计和程序功能的实现 3、 使用串口通信来与激光器完成各方面的交互工作 4、 使用Sunny UI等开源库完成开发
算法工程师 2020/06-2020/09 内容:本项目通过检测字符来提升产品追溯能力,节约人工成本,免去人工核对的时间。 这个项目可以通过图片自动识别三期和票据,字符等信息。 项目职责: 该项目使用pytorch深度学习框架开发,使用CRNN模型、CNN、RNN、双向LSTM、Opencv等模块。我主要负责数据生成、 模型搭建。 数据生成: 1:在网上收集数据,使用采集到的数据图片进行截取。 2:使用opencv进行各种图片生成,加入噪声。 3:收集包含各种字体的图片数据。 模型搭建: 1:定义一个CRNN,包含卷积CNN、CTCLOSS损失函数、BN模块、BLSTM。 2:将预处理好的数据加载进去,基于7层CNN提取特征层,然后在通过BLSTM进行特征概率分布,,训练过程中通过CTC 预测得到文本序列。 3:使用Adam优化器和调整lr scheduler.MultiStepLR的学习率来进一步优化模型。