人工智能

在Windows平台上用Python语言实现界面设计以及相关功能。使用目标检测算法实现对线上考试中考生状态的检测，包括考生在场情况，手机等违禁品监测等等，如果检测到异常行为，系统会立即发出警报并通知考试管理员进行相应处理。分为图片检测与视频检测两大模块，通过YOLO算法训练模型并据此实现目标检测功能

智能图像处理算法，校色，去黑边，历史日志保存。运行效果不失真，内容无损。纯自行开发MATLAB算法，设计mlapp,实际处理10万张作品，目前还没有bug。当然运行效率有待提高

针对光伏电站的发电出力时序数据、天气历史数据、天气预报数据等，采用特征提取、关联分析、时间序列分析以及人工智能技术，对光伏电站未来发电出力进行精准预测。 1.使用torch的lstm网络进行时序化的特征融合，采用预训练模型的形式，消除单个场站的数据噪声，提高模型精度。在全国省级调度比赛中，获得第八名成绩 2.比赛项目单人完成，由数据预处理，模型训练和推理，再到flask web部署，全程一个人完成 3.能够有效提升发电量的准确度。

支持对身份证全部字段进行结构化识别，头像检测，返回结果可自定义； 裁切准确，对分辨率低、文字模糊的图像也能准确识别； 准确率高，识别速度快，服务稳定； 支持：私有化部署/移动端SDK/云端API等；

结合软硬件实现对残次品的筛选剔除，采用图像处理技术和语义分割模型研发了一套基于机器视觉和图像处理算法及深度学习模型检测，以及相应的梳理、采集图像及剔除残次品的软硬件系统。。

1、大型电商的广告系统，国内头部的上亿商品级别的广告投放系统。 2、云计算场景的调度系统，国内相对前沿的边缘计算厂家，通过强化学习、多目标等深度模型解决实际业务问题。 3、aigc、云游戏、边缘计算等前沿技术，附件展示的为以文生图的界面

此产品包括访客管理、门禁管理、门禁授权等模块，其中包括平台的业务操作和设备端应用的产品体验设计，与商汤、百度、海康等厂商进行技术沟通后，完成需求梳理和下发。

在这套系统的硬件系统中，对应通道的高压喷头被安排在每个通道的下降方向。利用高压气流将残次品蒜米通过继电器控制电磁阀口即可消除。

项目内容： •项目介绍：客服云平台主要提供线上客服和客户实时通话界面，便与客服处理客户提出的工单，对客服处理的工单形成报表，便于可视化体现客服的工作量。 •电话管理：接入华为电话平台，实现电话从振铃-接通-通话保持-电话转接-电话挂断流程。实现客户电话归属地显示，未接客户电话显示，通话完成发送客服满意度调查。实现多客服电话转接功能 •文本消息：拥有文本权限的客服，可为客户提供在线文本交流。实时记录客户与客服聊天记录。 •多数据源管理：根据不同的接入厂商，客服平台分配不同的数据源来管理数据，实现数据保密性，更能提高客服平台性能，提高客服与客户体验。 •机器人问题：管理员统一分配机器人问题答案。客户进线首先会有机器人接待，如若机器人无法回复的问题，再派工给客服处理 •报表管理：可视化展现客服每日工作情况。后台会每天凌晨统计客服处理工单的情况，统计客服有效工作时长、总工作时长等等展现客服绩效的情况

全网首款指纹密码杯：KEYLOCK指纹密码杯是在高质量保温杯的基础上，增加了指纹识别功能，通过独有的专利技术旋转锁止装置，在不改变保温杯杯体的前提下，实现了保温杯盖旋开控制，同时，还具有水温监测功能。

1.产品简介：室外云屏作为智慧社区公共区域使用的智能硬件产品，核心软件功能包括人脸识别、可视对讲、电梯控制、刷卡等门禁功能。 2.工作内容：本人作为软件产品经理（兼产品线负责人），负责产品的立项、需求分析、竞品分析、功能及逻辑定义、原型输出、跟进产品开发进度、产品定价及使用手册输出、产品上市、迭代优化等全生命周期工作开展，对产品负责。 3.工作范围：室外云屏携带的终端软件、手机 app 、管理平台端等软件功能均由本人负责。 4.在工作中常与外部合作厂商、客户、公司内部各部门（销售、成本、开发、工程等部门）沟通协调，推进产品开发进展。

1、基于Paddle和PyToch 框架实现目标检测、文本检测、文本识别功能，标注1780卷号数据集，训练深度学习OCR模型 2、实现热轧卷板的弯曲文字检测识别 3、有效地解决了1780成品称重错卷乱卷问题

芯片各个模块软件开发，配合使用fpga进行软件开发，测试，lwip协议栈使用， 软件开发，linux应用层软件开发，python脚本开发

项目背景：通过搭建知识图谱系统进行规整管理，提升工作效率的同时，完成数据信息统一化，进而实现资产关系快速检索及全链路关系查询，做到系统发生故障时的根因分析定位。 项目职责：主导命名实体任务开发及优化+关系抽取、实体链接模型设计与研发+KBQA问答服务。 效果提升：提出通过构造不同的标签序列标注方案进行训练，解决中英文混合输入等问题，提升使用 提升工作效率的同时，完成数据信息统一化，进而实现资产关系快速检索及全链路关系查询，做到系统发生故障时的根因分析定位。 项目职责：主导命名实体任务开发及优化+关系抽取、实体链接模型设计与研发+KBQA问答服务。 效果提升：提出通过构造不同的标签序列标注方案进行训练，解决中英文混合输入等问题，提升使用效果，f1 score最高达96%，较之前提升17%。 模型搭建：主导关系抽取模型及实体链接模型搭建，通过elasticsearch做倒排索引召回，解决实体命名不一致问题，通过Bert_Biaffine模型有效进行嵌套实体识别，提升工作效率。 项目成果：顺利完成项目落地，实现KBQA问答服务，满足业务需求。

项目内容： 在安静、明亮的环境中，对疲劳驾驶、危险驾驶模块进行了初步测试，得到的6组危险驾驶行为识别的阈值(threshold)和概率分数(score)如图 2 4所示。行为的结果判定是根据分数大小来决定的。当分数大于阈值时，代表该种行为发生；当分数小于阈值时，代表该种行为不发生。程序运行截图如下。 负责部分： 全部

1、零SQL方式进行数据分析，数据分析结果可以通过拖拽方式可视化。 2、本人主要负责系统架构，技术选型，零sql算法实现。

1、基于飞奖实现情感分析模型；实现自定义数据集，结合skep_ernie_1.0_large_ch实现，文本训练、验证等情感分析功能。 2、本人负责算法逻辑整合，修改，对外服务封装

%贝尔曼-福特算法是针对边的算法，而迪杰斯特拉算法是针对点的算法 %举个明显的列子： % 迪杰斯塔拉：假设从a到b的距离10，那么从b出发到a的距离也是10 % 贝尔曼-福特：假设从a到b的距离10，即a->b的边是10。但从b到a不一定是10

SPFA算法就解决了重复计算的问题，在大数据面前大大减少运行时间 该算法改善的思想是避免顶点进行无效的重复更新，对有待更新的顶点移入队列，已更新的顶点移出队列，避免待更新的顶点中存在重复顶点

项目背景：自研实体识别系统，保障实体识别质量及系统良好扩展性。 项目职责：独立完成项目从0-1设计，主要架构：模型识别+AC自动机词库匹配+正则后处理 实体类别问题处理：深入分析实体类别、标签分布不均匀原因，提出通过数据增强+EDA加噪+标签截断等方式，缩小实体类别差距，提升训练数据质量。 应用效果及速度提升：通过ONNX实现推理加速，同时实现模型蒸馏，有效提升模型运行时间，提升应用场景效果。 对内沟通协调：高效沟通，指导完成数据整改，增加正则的后处理，实现实体规范化管理。 项目成果：各模型在hdfs、apache等6个训练集的准确率基本保持93%+，完成1700+日志模板结构化，满足业务场景需求，在知识图谱中发挥重要作用。