机器深度学习

建立一套适用于冰雹识别、短临预报和潜势预报AI建模的冰雹天气过程数据集。该数据集包含对冰雹发生发展有指示意义的雷达产品、天气背景数据，以及标识冰雹发生区域和冰雹强度的标记数据。 利用该数据集，基于机器学习技术，可进行冰雹的识别、短临预报和潜势预报。

独立完成 因为想要使用Varian系统Export导出的系统参数做科研，但是没有详细的说明文档，所以爬取Varian系统的相关资料，创建自己的GPTs，作为Dicom图像的答疑助手，提高工作效率。

该项目的目标是实时检测舌苔，并截图保存。需要做到实时检测分析，保存图片清晰，且舌苔部分50%外露才生效。 项目主要由前端app+后端实现组成。前端负责调用摄像头进行视频采集和推送，后端主要负责视频流接收、分析、识别舌苔并保存图片、api管理、流程控制等功能。 主要负责： 1. 基础服务： 整个系统架构设计(技术选型、前后端交互方案、后端设计)、rtmp服务器构建、api服务器构建(数据库管理、缓存管理、用户管理) 2. 模型训练：图片搜集、标注、模型训练及测试微调 3. 项目上线及后续运维

1.主要负责感知算法其中一个子模块，点云+相机融合。 涉及链路包括： 1）数据预处理 2）传感器标定 3）模型训练 4）模型优化 5）模型格式转换 6）工程开发，部署上车，上下游消息联通 2. 涉及的知识包括 1）图像处理 2）点云处理 3）深度学习 4）python算法开发 5）ros c++ 工程开发 图片为示例图片，

项目经验 科技智能情报分析系统 项目周期：2023.06- 2023.07 开发环境：Idea + Maven + Mysql + Git 技术框架：MyBatis +SpringBoot +SpringCloud +redis+SSE+Elasticsearch 我负责的模块 1.英汉互译 2.内容审核 3.企业评价查询 4.联网搜索 5.文档问答 6.本地知识库问答

1. 分4个模块 （1）数据提取 （2）特征工程 （3）模型训练和优化 （4）部署上线 实现为用户定制化推荐基金，千人千面，实现每日触达用户，为银行提升购买率。 2. 我负责数据处理和算法开发和模型部署： （1）数据提取：SQL取数，包括基金信息、用户信息、点击购买信息 （2）特征工程：数据清洗，构建特征 （3）模型训练和优化 （4）引入专家规则模型 （5）部署模型到大数据平台自动化跑批，A/Btest

项目模块: 主要是针对Text2SQL三期的任务进行了相关的优化。 项目分工: 完成LLM Text2SQL任务的全链路优化。主要包括: 知识扩充优化，COT链路优化，Table Prompt Ensemble, RAG数据增强，渐进式学习优化等。 成果: 对比开源State of theArt的方案，提升超过10个百分点，对比上期V1.0的优化成果，提升5.6% 欢迎合作: 作者在对话领域有多年的研究经验，LLM应用落地上有丰富的实战经验，欢迎有相关业务需求的公司进行合作。价格优惠，质量有保障。

开发教程帮助更多AI小白创建自己/企业的专属机器人： 1. 根据企业/个人自身的数据，将数据存入向量数据库； 2. 使用链接框架LangChain将向量数据库与大模型做链接； 3. 使用Streamlit进行对话演示； 4. 使用API接口对于问答进行理解与回答。

熟练使用CNN，transform,OpenCV等计算机视觉架构，接人脸识别，图像识别，图像提取等任务，价格可以面议，模型公开透明

可以做语言处理，使用RNN，LSTM，BERT，transform等模型架构进行自然语言处理。价格可以面议，模型公开透明，可以接各种自然语言处理任务

生活垃圾投放智慧监管平台通过智能硬件终端和移动端采集分类投放各维度数据，利用数据标注和数字图像处理技术进行垃圾模型训练、构建和算法优化，实现对居民投放的易腐垃圾进行智能识别、打分，真正做到高效、便捷地对居民生活垃圾投放进行监管。

众所周知，深度神经网络在自然语言处理中常常面临各种类型的对抗攻击，尤其是针对单词级别的攻击。 近年来，研究者们针对词级攻击提出了多种防御策略，但大部分策略主要关注同义词替换这一类型的攻击。然而，词级攻击并不局限于同义词替换。 为了更全面地应对词级对抗攻击，本文提出了一种基于语义联想场的文本嵌入方法。 具体而言，我们首先分析了人类能够识别并理解经过扰动的文本对抗样本的关键原因，发现两个关键点： 1）原始单词与被扰动的单词之间存在一定的语义联系； 2）这种联系使得人类能够通过联想推断出原始单词。 基于以上观察，我们引入了语义联想场的概念，并提出了一种新的防御方法。该方法通过构建一个鲁棒的词嵌入空间来计算词向量。 具体来说，我们将相关的词向量与势函数和加权嵌入采样相结合，以模拟同一语义场中词之间的语义影响。 本文进行了全面的实验，验证了所提出的方法在各种对抗性攻击和原始测试集下，相较于基线防御方法具有更高的精度。 此外，该方法具有通用性，与模型结构无关，且几乎不影响训练效率。

目标识别和跟踪：通过计算机视觉技术，可以识别和跟踪敌方目标，包括战车、飞机、舰船等，提高目标识别的准确性和速度。情报收集和分析：通 过机器学习和自然语言处理等技术，可以自动化地从大量的情报数据中提取有用的信息和情报，帮助决策者更好地理解和应对威胁。辅助决策和规划： 通过智能目标识别技术，可大大提升对复杂环境中或伪装条件下目标的识别准确率，为筹划决策提供依据，节约打击成本，提高打击效率。 技术难点：大模型训练，足够多的数据集获取及大模型训练影响识别精度破局

以下是AI安全监控中心应用的具体功能： 人员着装识别：AI技术可以自动检测和识别工作人员的着装是否符合安全规定，如是否佩戴安全帽、防护眼镜、工作服等。如果发现有不规范着装的情况，可以立即提醒管理人员进行处理。 防护设备识别：AI技术可以实时监控工作人员是否正确使用防护设备，如呼吸器、手套、安全鞋等。通过图像识别和数据分析，系统可以判断工作人员是否正确佩戴或使用防护设备，如果有异常情况，会立即向管理人员发出警报。 安全作业范围识别：利用AI技术，系统可以自动检测和识别工作人员是否在安全作业范围内进行操作。通过对视频数据的分析，系统可以判断工作人员是否在指定的安全区域内工作，如果有越界或靠近危险区域的行为，会立即提醒管理人员进行处理。 危险事件反馈：AI安全监控中心应用能够通过实时数据分析和模式识别，及时发现潜在的危险事件，如火灾、泄漏、人员受伤等。一旦发现危险事件，系统会立即向安全管理人员发出警报，以便管理人员能够迅速采取应对措施，保障人员和财产安全。 提高安全生产管理效率：通过AI安全监控中心应用，管理人员可以实时了解生产现场的安全状况，及时发现并处理潜在的安全问题。这不仅降低了安全事故发生的概率，也减轻了管理人员的工作负担，提高了安全生产管理效率。 总的来说，美的集团佛山市顺德区美的电子科技有限公司的AI安全监控中心应用利用人工智能技术实现了对安全生产因素的实时监控和数据分析，为提高企业的安全生产管理水平和保障员工生命安全提供了强有力的支持。

东芝家用电器制造（南海）有限公司的AI安全监控中心的应用确实非常先进，利用人工智能技术进行实时识别，能够有效地对产品的各种参数和品质进行监控，为智能工厂的制造生产提供质量保障。 以下是AI安全监控中心应用的具体分析： 铭牌参数识别：通过AI技术，可以对产品上的铭牌进行自动读取和识别，确保产品的基本信息如型号、规格、生产日期等与预期相符。 Logo坐标识别：AI可以自动找到产品上的Logo并确定其精确坐标，有助于确认产品的真实来源和品牌信息。 倾斜角度识别：AI技术可以自动检测产品铭牌的倾斜角度，确保其符合生产和质量控制的标准。 污渍和印刷缺陷识别：AI技术可以通过图像识别算法，自动检测产品表面是否有污渍或印刷缺陷，及时发现并处理这些问题，确保产品的清洁度和外观质量。 这种应用对于提高产品质量、生产效率和减少人工错误具有重要意义。同时，它也反映了人工智能技术在现代制造业中的广泛应用，不仅提高了制造的智能化水平，也极大地增强了制造过程的质量控制能力。 未来，可以期待看到更多类似的应用在制造业中得到普及和应用，帮助企业提高生产效率和产品质量，同时降低生产成本和人工错误。 1、我负责产品设计及UI界面前端交互设计 2、技术难点：可见光线对识别准确率的影响

数据处理模块，机器学习模块，软件前端，软件后端。用户输入软件所需信息对艾滋病进行预测。还可以根据自己的数据集进行训练属于自己的模型。 负责项目的界面设计，使用 PyQt5 完成系统布局及样式、项目后端架构设计和开发，利用 python 多线程优化、项目数据处理，使用 Python、pandas 等库对数据进行处理、项目封装打包，使用 pyinstaller 将系统打包。

智能识别人物、关节、肢体动作以及判断人体身材系统，主要为公司或个人提供高阶视频人物识别与个人数据采集系统，既能提供准确的人物识别功能，又能保护个人隐私。

项目简介: 对上期Text2SQL任务进行优化，达到业界顶尖水平。 项目分工: 本人在目前业界效果Text2SQL模型的基础上进行优化，主要针对LLM输出结构的对齐，SFT优化的效率问题，大模型幻觉的问题进行了相关的优化，达到了远超目前State of The Art的效果。 项目心得: 对于复杂的大模型生成问题，将其进行合理的子任务拆解，prompt engineering微调的效果提升会比较好。 解决问题: 基本实现了自然语言到SQL转换的功能，支持大模型自动学习表和schema和SQL生成。 欢迎合作: 作者2017年毕业，主要从事对话系统，语义理解和推荐，大模型应用等方向的研发工作。曾在小爱同学细分赛道上业务做到业界No.1。对话系统领域研发经验6年，推荐领域研发经验3年，团队管理经验3年。 2022年起，调研并落地了大模型在文本生成的技术方案，落地的场景主要包括: 人设问答，本地知识库问答和搜索式问答，NL2SQL。在大模型的应用和优化方向，如PEFT, SFT，Prompt Engineering，推理加速等，都有着相关的实践经验。 熟悉聊天机器人、对话系统等项目，熟悉整体业务架构。为多家上市公司设计了通用的对话系统架构，完成大模型相关的业务算法指导；服务于数十家中小型企业，完成整体的架构设计和算法层的开发；对应届生和相关从业人员提供技术指导。

1.雷达 视觉 雷视融合产品 应用自动驾驶和车路协同 智慧交通 负责 架构设计 产品设计 感知融合算法开发 包括嵌入式 docker AI 语言C++ MATLAB python

基于bert的中文语法纠错项目，可以检测中文文本中的错别字，并给出纠正提升，文章发表于自然语言处理顶会ACL2021.