机器深度学习

基于LangChain + 开源 LLM构建个人知识库，用 LangChain 对文档进行向量化，然后检索内容，在调用 LLM 对得到的内容进行总结输出

1.基于 Kubeflow 研发 AI 作业全生命周期产品，包括 MLOps Pipeline 、数据特征工程、制品元数据管理、模型训练及推理功能。 2.基础设施层面 GPU 算力共享、RDMA 拓扑感知、Fluid 对象存储加速、Volcano 多场景调度、AI 作业训练推理性能优化。 3.基于Ray、DeepSpeed分布式训练及推理工程实践实现大模型业务场景私有知识库、智能对话的产品功能。 4.打通 IoT 边缘计算集群 云端 基于 Python Web框架 KubeEdge 开发管理边缘计算节点、应用及设备，边缘路由、AI 模型及数据等功能。 边缘端 基于 Python TensorFlow 开发 AI 应用代码编译发布升级、数据上报、模型训练升级等功能。

1. 学生端APP图书阅读打分、学习任务、课程功能、直播功能、发现功能、学习报告、积分商城、卡牌、评级测试、加入学校、消息推送等功能规划； 2、带领团队从0开始搭建各端功能，APP版本在三年多的时间里由1.0版本迭代到3.7.0，用户数量累计达到80万；

作品的CSDN地址：https://blog.csdn.net/zhulong1984/article/details/89929718 视频实景地图 立体防控系统通过在空中俯看地面，结合视频标签独有的增强现实技术能对建筑物、道路、重点目标等进行语义化标注以及属性添加，整体效果就是一个实景地图，能给监控人员带来非常直观的临场感。 高低点联动的立体监控 立体防控系统通过高点摄像机掌握监控区域的整体情况，通过增强现实视频联动技术能调用监控区域周边的低点摄像机，从不同角度查看监控区域的视频。

当前越多越多的业务开始使用多模态大模型，尤其是视觉-语言预训练模型。在实际使用中，我们通常需要对预训练模型进行调优来适配实际的业务场景，而这需要大量的资源介入且费时费力，尤其是对视觉基座的调优在资源有限的情形下几乎是不可行的。本项目探索了在不调优视觉基座的前提下，仅通过对语言端进行调优并优化推理过程，实现语言增强的零样本多标签分类任务 (Zero-shot Multi-label Classification)。本项目为国际比赛获奖项目。

⚫ 开发了一个用于地震后建筑物的损坏等级的预测系统。通过搭建自编码器（Autoencoder，ANN），对数据中地理坐标数据进 行特征工程，提取并加强了地理特征。 ⚫ 基于集成方法构建并训练了由随机森林，XGBoost 和 LightGBM 构成的模型来做预测， 取得了最高F1-score 75.32%，位 列前30名。

自动完成发票查验，无需输入验证码，提供发票查验界面和webapi接口，方便于现有系统集成，查验速度2秒以内，可以免费体验，有任何需求和建议可以发给我。

本作品由本人完成，完成摔倒数据的设计，基于SVM机器学习方法进行摔倒检测，利用yolov5算法进行目标检测。并使用pyqt5设计了ui界面，可以实现视频和图片的摔倒检测。有需要基于python的qt5设计界面检测算法的，可以联系

引入mqtt消息队列、分库分表、ES等技术，解决高并发下海量数据存储与检索的技术难题 集成liveGBS流媒体服务，提供可视化 WEB 页面管理摄像头 集成电信aep平台数据

项目需求评审、工作量评估以及开发人员任务分配及进度管理 架构设计，模块重构，不同院校不同版本慕课的模块迁移和整合开发 部分模块解耦，独立设计部分模块，以适应不同学校的需求 核心业务模块逻辑优化，第三方接口对接优化 数据库查询性能优化，接口响应时间优化 线上问题排查解决，项目优化迭代跟进

架构设计。基础框架搭建，springboot+dubbo微服务架构 第三方底层框架集成。包括万科项目底层组件，云信直播、视频SDK 第三方业务系统集成。海尔单点登录集成，海尔用户中心注册、修改用户接口集成，对接海尔 COSMOPlat支付接口，对接海尔消息平台（短信），七鱼客服系统集成 核心业务模块。包括在线学习、直播、点播观看和管理，订单模块，支付模块 后台模块。包括用户管理，集团组织机构管理，用户权限（shiro），直播点播统计（ELK） 推流助手二次开发（c++）。对推流助手UI进行调整，添加了类似清晰度、直播暂停、恢复等功能 海尔COSMOPlat项目部署，基于k8s平台的docker镜像部署 基于pytorch开发、训练的AI搜索助手

项目主要是分为前端、后端和算法三个模块，我主要负责算法部分 1、对挥手求助等2D图像进行yolo目标检测，对跌到等3D视频流进行C3D检测，然后将检测出的异常行为类型给于对应标签，再与其他相关信息一起传给后端进行存储 2、其中对算法也进行改进，例如C3D加入视频流缓冲池等，基于项目需求进行改进 3、算法的识别精度高、系统运行的流畅度好

项目主要是在DETR系列目标检测算法的基础上进行改进的，将其与多模态模型进行融合，将单模态目标检测算法改进为多模态目标检测算法，实现检测能力和识别能力上的提升。

大数据处理：每日处理上亿级别的日志，为后续机器学习或数据分析提供数据资料，保证后续分析平台的稳定正常运行。 大数据自动化业务流程 在指定的时间自动启动任务，确保按正确的顺序执行，提供一个图形化界面，实时监控每个任务的进展情况。

是一套供平安寿险坐席人员培训学习的系统。主要有 演练模块、通关模块、学习模块、话术平台、数据报表、系统管理等主要模块。系统 分为 admin 端和 client 端，采用前后端分离的开发模式。并通过 kettle 工具同步人 管系统的坐席人员及相应的权限信息。 参与该系统所有模块的开发及问题优化。解决相应的生产问题、设计数据库表以及解 决表数据迁移问题、配合产品开发新需求，协助技术经理对每月底的版本发布做准备 工作；协助测试进行生产验证，负责产品的性能优化提升用户体验等。 指导新入职的同事对项目的理解，负责代码的审核以及在开发过程中所注意的问题

该软件专门用于对金属材料的数值型数据进行分析。通过主成分分析方法将数据进 行降维，利用支持向量机回归拟合出回归模型，使用遗传算法进行找到最优解。

项目分为文生图、图生图、dreambooth微调模型、图片管理几个模块。 文生图：通过关键词AI绘画出相关图片 图生图：通过本地图片加上关键词AI绘画相同风格的图片 dreambooth：微调模型可根据不同需求训练出自定义风格的AI绘图模型

知识助理，主要供自己平时学习使用，通过上传文档，通过聊天的方式可以快速掌握自己感兴趣的东西。使用的主要技术栈有：torch、langchain、大模型、streamlit等

气体检测模型搭建前后端平台。后端采用python+flask架构完成，前端使用vue3+vuetify完成。借助websocket实现前后端数据日志记录更新展示。借助基础组件对视频流效果进行封装，实现播放器功能。后端完成对yolo模型的导入和调用 本人主要负责前后端搭建编码和模型导入使用

项目主要目的为使用 人工智能技术对新闻进行分类，减少人力成本提高效率。 1. 模型主要分为以下5个步骤进行：数据爬取、数据选择与读取、数据摘要与清洗、模型选择、模型训练与评估、模型组合与预测效验。 2. 使用python及其相关科学库如：numpy、pandas等技术开发，选择的算法模型有：词袋模型BOW（Bag of Words）、词向量（Word Embedding）、神经网络，采用交叉验证的方式训练模型，来降低过拟合情况，最后对上述三个模型的结果组合加权平均。 3. 数据爬取主要使用Python requests库。 4. 使用Jieba中文分词库对中文进行分词处理，来完成数据选择与读取。 5. 独立完成TF-IDF算法对处理好的数据进行摘要与清洗。 6. 使用开源TestCNN和TestRNN模型对数据进行处理。