机器深度学习

图像分割,使用上下采样构建模型,用三重损失指引模型梯度下降,用到的技术有cnn,残差网络,se模块,逐点卷积切换通道的技术,关键在于特征提取，牙齿属于精细化的输出,不是仅仅iou,dice高,能够看到分割的细节,彩色 图的分割，属于分割前景和背景,能够相当好的区分前景和背景

负责核心技术平台架构和技术预研，带领团队改造并完成内容数据平台和信息流分发平台，Feed流的智能化推荐、会员增值服务，车型库等基础技术平台建设和部署，支撑亿级用户高并发访问。

知名的社交内容推荐类项目，搭建数据，内容平台等对外提供社交内容服务： 2.1 图像处理包括图像内容识别，分类，算法包括FM ,GBDT ,XGboost , CNN ,DNN，DSMM等等。 2.2.内容推荐包括数据采集，特征处理，数据建模，内容推荐等。算法包括LR，GBDT，CDF，Bert ,GRU，CNN，DNN等等。

1、账号买卖的时候总是需要截图啥的，于是写了一个自动截图程序。可以一键自动截取账号内所有的需要的图片。 2、支持自动更换账号，截图保存上传服务端等等。 3、完美配合账号商家的账号状态同步。

大模型有较强的语义理解能力、常识推理能力，任务规划能力，但在面向特定领域时，存在以下挑战： 领域知识匮乏 • 领域应用的本质是复杂决策。通用大模型具备宽 广的知识底座，具有宽度有余但深度不足，无法 直接胜任复杂任务。 大模型的“幻觉”问题 • 没有依据的答案，通过简单类比得出错 误答案，在企业内，需要确保领域问题 的准确性。 数据和知识过时，难更新 • LLM的知识很容易过时，很难更新；难以保证数 据的完整性，容易形成错误回答，或者无法回答。 对于给定信息的“忠实度” • 在领域任务中，我们需要大模型遵循特定领域的规范、制 度、流程和知识进行回答。然而，如果没有进行适当的调 优，大模型往往会抛开给定的文档或信息，而倾向于利用 已习得的通用知识进行自由发挥。飘逸的创造发挥与忠实 的事实陈述是一对难以调和的矛盾。 不可解释 • 生成的答案是否有依据？为什么是A而不是B？

大华视频会议终端设备，视频会议系统 个人负责终端ROM定制开发，底层驱动到中间层，系统有Android版本，也有Linux版本，会议白板，音频定制开发等

项⽬描述:病⼈通过本公司单导联进⾏⼼电图的测试并传到本公司指定app中进⾏⼼率变异性分析与房颤检测，使得病⼈可 以在家中提前进⾏有效筛查，提⾼病情筛查的时速性 项⽬职责： 1、通过keras搭建以RNN、CNN为基础的多个⾃定义神经⽹络进⾏R锋定位与房颤检测，⽹络中结合了ResNet、SEnet、 vgg等通⽤⽹络结构优点 2、将不同格式的数据通过，重采样、标准化等预处理进⾏统⼀，并通滤波去噪、滤波去基线进⾏数据预处理，然后通过裁 剪、移动起动等操作扩充数据集 3、将训练好的模型打包成sdk并部署到服务器中进⾏落地应⽤ 4、R点识别在mitdb公开数据集中的敏感性达到了99%以上。

本项目基于单一摄像头进行手势识别与应用，因此使用与部署简便，对环境无过多要求，因此，非常适用于移动平台使用，通过手机摄像头，即可实现简易的手势识别。 通过识别手势，本项目可以基于识别手势，可以进行一定数量的操作，因此，可以模拟部分简易的操作，实现无需接触的操作。 关键技术： Darknet卷积模块： darknet卷积模块是这个模型里最基本的网络单元，包括卷积层、batch norm(BN)层、激活函数。 upsample 层：上采样是为了将特征图采样到指定分辨率大小，比如一张(416,416,3)的图片经过一系列卷积池化操作后，得到一个特征图,维度(13,13,16)，为了把这个特征图和原图进行比较,需要将这个特征图变成(416,416,3)大小.这个就称为上采样。 个人当时主要做了YOLOv3手部检测相关部分的工作

项目描述：采用机器+人工的识别方法挖掘海量网络舆情中特定关注领域负面舆情，实现舆情自动化工单智能去重、分级、分类，解决了舆情爆发时海量舆情工单应急处置问题和舆情实时监控、实时告警问题。 职责/关键技术：负责项目管控和智能算法研发，包括产品设计、智能算法研发、实时、技术文档、项目验收。智能识别算法识别准确率达到92%，减少85%无效人工。熟悉舆情监控市场产品技术，熟悉舆情业务。 成效：实现总部和三十余家二级单位舆情实时监控，已运行3年，每天下派百余条有效工单

研发过舆情系统、智能客服系统、智能制单、文本处理、语义分析、大模型、llm，熟悉自然语言处理常见算法，比如lstm、bert、cnn、rnn、transformer，熟悉chatgpt、chatglm、baichuan、yi-34b等大预言模型

AI大师工具箱是一个前沿的、多功能的人工智能应用集合，旨在为用户提供一站式的AI服务体验。本项目基于Django和Vue框架开发，集成了多种人工智能技术，包括但不限于自然语言处理、图像处理和视频处理等领域。用户可以通过简洁友好的界面，轻松访问和使用以下核心功能： 1.ChatGPT聊天机器人：通过调用OpenAI接口，AI大师工具箱能够提供高质量的聊天机器人服务，支持多种场景下的文本交流。无论是日常对话，还是专业知识咨询，ChatGPT都能提供智能、精准的回复。 2.证件照拍摄与处理：用户可以轻松拍摄和上传照片，系统将自动优化照片质量，满足各类证件照的标准要求。从照片背景替换到细节优化，一应俱全。 3.简历自动生成：输入个人基本信息和职业经历，AI大师工具箱可以根据最新的行业标准，自动生成专业、精美的简历。用户还可以根据个人喜好，选择不同的简历模板和布局。 4.图片处理：提供强大的图片编辑功能，包括图片美化、格式转换、大小调整等。无论是个人照片的修饰，还是商业图像的处理，都能轻松应对。 5.视频处理：支持视频剪辑、格式转换、质量提升等功能。用户可以自定义视频的剪辑方案，轻松创建出符合个人或商业需求的视频内容。

1. 我主要负责使用情感分析技术量化客户的文本评论，借助统计学知识建立客户评分、客户评论和销售产量的关系模型，预测未来 时间段的销售产量。 2. 竞赛取得美国大学生数学建模二等奖

1. 项目分为两大部分：航班延误原因的定性分析，建立航班延误的机器学习模型（逻辑回归、决策树、随机森林） 2. 更具项目需求使用python语言处理航班数据集，进行特征预处理，建模，结果可视化等。 3. 撰写相应的实验结果和分析（对应论文第三章）

模块：特征工程库，高速数据访问，特征筛选，用户画像，生命周期算法，目标识别(根据不同任务类型，产品类型，客户类型，从而推荐产品)，流程评价

电子邮件（E-mail）是Internet上使用最广泛的服务之一，垃圾邮件可以代指一切未经用户同意而发送的电子信息，我们广义上讲的垃圾邮件是指垃圾邮件发送者为了从垃圾邮件中获利而发送的邮件。[2]为了防范垃圾邮件，建立一个系统用于反垃圾邮件是很有必要性的 基于朴素贝叶斯系统的反垃圾邮件管理系统的设计是在JSP技术的基础上实现的，这项技术能帮助开发者完成一整套连贯的系统。有助于基于朴素贝叶斯的垃圾邮件管理系统的设计与实现，构造一个便于用户操作的界面，能够有效的简化了撰写发送邮件的进程，同时也大大提高了基于朴素贝叶斯系统的反垃圾邮件管理系统的效率，系统主要采用JSP技术开发。系统主要实现了发送和接收邮件功能以及垃圾邮件过滤的功能

作为创业公司CTO, 在基于openAI技术的基础上，从头搭建了一个自然语言理解平台。 该系统能够克服现有大语言模型的幻觉的重大缺陷，也能够克服现有deep learning难以修正错误的重大缺陷。 该系统已投入使用。

1、下载期货历史数据 2、构建关键特征 3、构建买卖方式 4、机器学习算法寻找特征和买卖方式之间的关系，探索可盈利模式

1、下载A股历史数据 2、构建重要特征 3、构建买卖方式及相应买卖结果 4、使用机器学习算法搜索重要特征与买卖结果之间的关系，找到可盈利的买法

1、网络提取足球比赛历史数据，包括赔率、结果、数据 2、数据清洗 3、提取关键特征 4、机器学习算法预测比赛结果

█ 输入图像预处理：imread读取信用卡图像，cvtColor图像转为灰度，threshold二值化处理图像，findContours 检测轮廓，遍历后存储到字典中； █ 初始化3x3卷积核，imutils.resize修改图像尺寸，TOPHAT礼帽操作去除图像上的干扰，Sobel 算子计算水平方向梯度、并进行归一化处理，THRESH_OTSU寻找合适阈值获取数字，findContours计算轮廓，遍历得到数字的轮廓并排序，最后与模板中的10个数字匹配，计算模板得分，argmax取得分最大项作为识别结果。