机器深度学习

1：实现神经网络主要逻辑：参数矩阵构建，前向传播、反向传播、计算梯度、参数更新 2：使用python语言、numpy库、matplotlib.pyplot等库实现神经网络基本功能复现，并用mnist数据集测试验证逻辑，字体识别准确率达85%以上 3：解决难点反向传播更新参数

这是一个时间序列函数，通过将vae和lstm模型结合，实现一个时间序列预测函数，预测了飞机的状态特点及损坏程度

项目分为视觉算法来识别人脸对应信息，并使用pyqt来实现可视化，最终实现一个人脸识别及打卡系统。困难度在于可视化和调用api

1：项目分为训练模块、参数更新、预测模块。自己敲代码实现线性回归中的主要算法，实现了从数据预处理、数据训练、参数更新、数据预测。 2：解决了预测准确率不高问题，发现测试集数据归一化需要和训练集保持一致，否则会导致测试集预测准确率不高

将上万条数据进行清洗和处理成适合模型的训练数据集，对BLOOMZ模型使用数据集进行多次微调训练，主要包括模型的隐藏功能训练和还原功能训练两部分，训练完成后继续对模型无法正常读取换行内容、无法对特定内容进行隐藏等功能不足的地方进行调试。 调试完毕的模型能够对用户需要输出到公共平台的内容进行隐私实体替换和还原，可以有效提升需出域数据的安全性。

项目是一个深度学习算法，用于目标检测。使用自建数据集进行分类任务，获得更好的评价指标。下图是所做的所有项目的项目截图，包含各种视觉算法，python相关

个人专栏，目前已写 10w+ 字。 用通俗而专业的语言讲解机器学习和深度学习。 内容涵盖传统机器学习（统计学习）技术和目前主流的深度学习技术。

下面是我从我参与的竞赛中选出的一个印象比较深刻的竞赛进行一个讲解。赛题是“二手车的价格预测”，首先对数据进行一个数据清洗，包括对日期等非数值数据类型进行转换，处理缺失值和异常。然后采用特征工程的方法对原始估价训练数据进行处理，包括对非正太分布的回归目标进行对数化转换，对数据中的连续值特征归一化，对数据中的分类特征进行特征编码，对原始数据进行特征构造并进行特征提取，以便增强模型的表达能力，获取更好的训练数据特征； 然后，基于提取的特征分别使用随机森林、LightGBM和XGBoost模型，采取五折交叉验证法对训练数据进行拟合，得到各特征与二手车价格的关系，最后采取Stacking模型融合的方法将上述三种模型的预测结果赋予不同权重，结合它们的优点建立最终二手车价格预测的模型； 结合实际情况和上述模型的输出，根据回归树模型的特征选择，选出影响二手车保值率的几个特征，并进行定量分析。 最后在答辩中入围特等奖，全国2687支队伍中综合排名第五。

1.刀具磨损在线检测系统100%自行开发，项目对CNC设备采集的刀具信号进行数据清洗，后对刀具的磨损状态进行分类训练，实现深度学习的刀具磨损状况的在线检测。 2. 项目中遇到过准确率较低，模型精度不能保证的问题，最终通过优化损失函数的方法得到解决。 3. 该项目使得CNC机床的换刀可以自动化，节约了人力成本和提供了效率。

项目分为数据清洗，数据预处理，特征工程建立，传统数学模型及机器学习模型建立。 利用sklearn库搭建PLSR模型、SVR模型和CNN模型，模型预测进度达到0.90。

该项目旨在利用numpy 库实现CART 回归树与GBDT 模型，以预测电影票房。 通过对电影相关特征的分析和处理，使用CART 回归树和GBDT 模型进行训练，得到准确的票 房预测结果。 工作内容：使用numpy 库实现了CART 回归树和GBDT 的算法模型；对电影数据进行清洗 和特征处理，包括特征选择、缺失值处理等；利用CART 回归树进行初步的电影票房预测，并 优化模型的准确性；使用GBDT 模型进行进一步的训练和提升预测性能；对模型进行调参和优 化，提高了电影票房预测的准确度和稳定性；对cart 处理大量数据的实现进行了索引优化，大 幅度减少了空间资源的占用

该产品用于动物食品的病菌DNA/RNA的样本检测；该产品由温度控制模块、荧光发射及采集模块、数据分析模块等构成。其中温度控制采用STM8+TEC半导体+PID控制，光路控制采用STM32 + 步进电机 + 荧光电路。

该项目开发了一个先进的AI程序，能够在实时视频流中准确地识别和跟踪多个对象。此系统支持多种输入源，包括网络摄像机、IP摄像机和存储视频文件，适用于安全监控、交通管理和零售分析等多个领域

从零到一构建推荐系统，从1到10 的推荐效果优化，公司项目，效果不便展示 性格测试，通过大模型技术对测试进行解析和答疑解惑 作品微信小程序 《知吾》

项目目标：去除视频水印。视频上水印是全屏滚动的，且运动非匀速。 实现方法： 1、用opencv自己实现算法追踪满屏移动的水印位置，由于视频经过压缩水印被模糊化了，追踪相当困难。考虑到运行效率，不能使用AI网络暴力检测定位。 2、用AI算法去除水印，阅读大量小众论文结合个人思考选顶技术路线，最后设计出可靠神经网络去除水印，同样需要考虑运行效率，不能使用gan一类的算法暴力去除。 3、该项目考虑运行效率和去除效果已经达到了业界顶级水平 4、效果展示：https://www.bilibili.com/video/BV1ti4y157jK/?spm_id_from=333.999.0.0&vd_source=abc797fab7df13f1f923db091814340d

1.身份证(正反)，驾驶证(正反)，营业执照，车辆登记册分类模型，证件关键信息多分类模型； 2.通过训练模型提取证件中关键信息，并将数据格式化；

数据分类机器学习模型，支持线性模型/神经网络/支持向量机/聚类。 使用pytorch开发，自备高算力显卡。 支持在window和linux环境下运行。 100%完全自主知识产权，可转让代码，也可以转让开发资料包、样本、最终模型。

1.根据患者入院信息,对患者进行标签定义 2.针对患者的标签自动推送相应的健康知识 3.根据患者的不同阶段重新定义患者标签的变化 4.并可根据标签定义批量推送音视频图文内容

1.通过超宽带雷达技术扫描人体胸腔起伏做呼吸,心率检测 2.通过对患者睡眠质量数据分析做统计 3.通过对意外发生危险时间段做数据分析统计 4.针对对监测患者异常情况进行唤醒并做报警机制 5.针对慢性病对产品市场前景居家医疗的落地做分析计算商业价值

摄像机拍摄到的列车闸片区域图片通过图像处理、深度学习模型以及相应后处理代码得到列车闸片的厚度。整体方案：定位-分割-找轮廓边缘-计算厚度。