人工智能

项目描述: 基于知识图谱的案线情报分析技术是由基于大数据架构的公安信息化应用公安部重点实验室承担的基金项目，项目主要任务为采取自然语言处理技术将非结构化案件以及情报线索结构化，通过命名实体识别、关系抽取等技术构建统一的知识图谱表示，并在此基础上进行案件串并与案情梳理，为警务人员提供高效的智能研判工具。 项目中职责: 1、整理文本数据，确定需要提取的命名实体与实体间的关系 2、针对所提供的文本数据都是无标签数据，导致无法训练模型的情况，提出了一种基于小批量的案件文本命名实体识别方法， 3、使得在有少量标签数据的情况下，可对大量未知文本进行命名实体识别在关系抽取中，针对多个关系三元组有重叠的情况，采用CasRel模型进行处理，将基于小批量的案件文本命名实体识别方法与其相结合，减少关系抽取的计算复杂度

项目描述: 海洋目标智能感知国际挑战赛由中国造船工程学会等单位主办 ， 哈尔滨工程大学承办 ， 大赛主要任务为多类海洋船舶目标检测与识别，通过定位在图片中出现目标的位置，识别出每个目标示例的类别与所属类的置信度。 项目中职责: 1、根据比赛要求与所提供的数据选择合适的目标检测模型； 2、对待定的目标检测的模型进行调试并测试其效果； 3、选定测试效果最优的YoLov5模型，并在原模型基础上合理引入一些随机噪声对模型进行优化，增强模型对图像中小目标的 区分能力。

业务问题诊断：  项目一期遗留问题：算法、标注数据的质量等问题，导致一期的知识应用效果不明显。  难以满足业务发展：随着业务规模的发展，标注系统不再局限于小规模使用，还需要实现大规模众包模式的标注。  标注系统智能化待提升：标注系统大规模的运用对标注的智能化需求尤为明显，需要提高标注的智能化水平。  图谱构建门槛高：非结构化文本在构建知识图谱的过程中对业务人员要求的门槛较高，需要花费大量的人力。 解决方案：  一期功能优化：对一期平台功能、流程和算法进行完善和优化，提供从数据采集到应用的一站式管理能力。  标注系统改造：构建众包标注的标注工作体系；构建智能化的标注能力，提升标注任务效率。  知识库构建工具搭建：从0-1搭建一套自底向上的大规模知识库构建工具——知识获取、知识建模、知识融合、知识管理四大核心功能模块，降低构建知识图谱的门槛，提升构建效率。 工作内容：  主要负责业务问题诊断、核心业务流程梳理、原型设计、文档编写、UI设计沟通、组织项目会议、制定开发计划、团队协作、产品测试、产品培训等工作。 项目成果：  标注效率提升：通过对标注系统的众包适配和智能标注的

本作品使用了深度学习中的Transformer模型，旨在解决自然语言处理中的机器翻译问题。我们使用了一种基于Transformer的神经网络模型，该模型在训练过程中使用了大量的双语数据集，并且能够自动学习源语言和目标语言之间的映射关系，从而实现自动翻译。该模型在实验中取得了优异的表现，能够准确翻译不同语言的句子，并且在一些语言对中甚至能够超越人类专业翻译水平。除了机器翻译，该模型还可以应用于其他自然语言处理领域，例如文本摘要、对话系统和语音识别等。我们希望这个项目能够为自然语言处理领域的研究和应用提供有益的借鉴。

使用深度学习算法，进行人脸检测、化纤丝缺陷检测算法的研究及相关算法的工程落地 深入NPU编译器，加速AI模型在NPU芯片上的训练和推理速度

负责软硬件架构设计与研发 代码框架搭建与开发 主导产品化系统设计 该产品主要应用于智能仓储，工业自动化领域， 实现无人化自动搬运与运作

项目描述: 基于多源遥感数据的光伏辐射预测技术研究是由北京航天创智科技有限公司承担的公司双创基金项目，项目主要任务为通过遥感数据与气象信息，对光伏发电量进行短期预测与超短期预测，以合理调整发电计划、维护电力系统的稳定运行。 项目中职责: 对数据进行预处理，通过局部离群因子算法筛选、剔除异常数据 采用多层感知机回归算法在未缺失的数据中训练模型，然后利用该模型预测缺失的数据并进行填补 分析数据特点，选用合适的模型，并在原模型基础上设计一种基于强化学习的多模型融合光伏发电功率预测方法

语义图像分割unet、enet、deeplab等。目标检测yolo、ssd、faster rcnn等。图像分类resnet、densenet、efficientnet等。目标跟踪deepsort等。服务器端算法优化、嵌入式端算法移植皆可。

项目介绍：自动驾驶公司路测数据看板。 项目描述：使用quasar，echarts及vue编写。 主要功能：展示车辆行驶数据（压力测试数据，量产数据）的各项指标在版本的迭代中的变化趋势。路测工程师上传当日行驶日志，服务器解析后存入数据库，前端按使用者需求自定义筛选指标生成报表，统计图等。使用动态路由实现同页面不同请求，提升页面加载速度。

无 工作经验三年 springboot项目技术栈 政务系统、智慧城市相关项目10个以上，做过前端开发（时间短、现在忘记了不熟悉了） 可独立完成后台项目搭建与开发

业务问题诊断：  模型资产孤岛：行方模型资产散落在多个相互独立的系统，缺乏统一运行与管理的手段。  模型上线响应慢：建模完成交给模型工程人员上线的二次开发多，过程复杂，时效性低，难以快速响应业务诉求。  模型运行环境兼容差：不同模型开发环境不同，需要适应不同模型来部署运行环境。  缺乏模型监控手段：模型上线后模型的运行情况和效果无法获知。 解决方案：  成熟产品改造：根据行方实际业务流程与需求，改造我司已有的成熟产品进行交付，其中包括监控大盘、模型注册、模型监控、工作流管理等核心功能。  部分需求定制化开发：定制化开发调度任务和租户管理功能模块，满足业务的个性化需求。  关联系统打通：打通个性化推荐引擎系统、风控系统、数据湖等多个关联系统，实现模型的线上化和统一管理，解决行方模型资产孤岛，模型部署的敏捷性、可扩展性、可维护性和可控性等方面存在不足的现状。 工作内容：  业务问题诊断：研读行方提供的相关材料，参与到材料的内容解读；实地进行访谈和调研。  核心业务流程梳理：主导模型状态流转等核心业务流程的梳理，并总结输出相关材料。  原型设计：将业务需求转化为产品需求，

采用了python语言，pytorch深度学习框架，实现了yolov5网络模型，并进行了优化，能够实时对铁路场景进行障碍物检测，辅助司机进行驾驶，从而使行驶过程中更加安全。

语义图像分割unet、enet、deeplab等。目标检测yolo、ssd、faster rcnn等。图像分类resnet、densenet、efficientnet等。目标跟踪deepsort等。服务器端算法优化、嵌入式端算法移植皆可。

主要完成国网分布式光伏功率预测，风电预测算法模型开发，百度飞桨风力预测比赛团队赛，单人参赛第72名。精确率在81.2，第一的精确率在82.6%

公司大数据框架搭建和clickhouse部署使用。公司现在有好几个数据库类型和云数据库。准备自研数据湖来存放多个系统数据，包括云上和云下。现在是数据库选型和调研阶段。包括性能使用和sql标准写法重构和下游系统测试性能 包括数据库本身性能和应用系统性能。提高并行度的同时来少改sql代码

对消费金融贷款客群进行风控模型搭建，对客群的好坏标签进行定义，对表现期和逾期进行分析，使用滚动率方法进行逾期分析，使用vintage分析方法进行表现期分析

开发自动化工具（计算统计生成报表，打包成图形界面软件）， 提升测试效率。如：环境一键配置工具、 测试结果自动生成图表工具

公司datax部署和使用。包括mysql oracle doris sqlserver等使用。datax部署和使用json的编写。和shell的全量和增量的编写。然后就是调度框架azkaban的部署和调度使用

1. 负责了全部的数据标注工作，包含了6000张平面图的图例标注； 2. 使用pytorch训练AI模型； 3. 使用django做后端服务器，构建docker镜像，将模型部署至云服务器； 4. 使用阿里云的DNS解析服务，注册域名，使用nginx做反向代理； 5. 前端页面将用户上传的平面设计图提交给此接口，会生成改图片的图例的图标和图例的名称，返回给前端页面。

1. 负责标注11000张室内设计图片，包含23个常见家具种类； 2. 使用pytorch训练模型，目前模型还在调优阶段，所有类别平均精度85.3%； 3. 该模型因还在调优，还未加入后端服务器中。