机器学习/深度学习

主要功能：实时检测海域内浒苔的滋生位置，漂流情况，刷新在网页系统界面。智能预测浒苔漂流方向，智能规划打捞方案，浒苔近岸时自动预警。 实现方式：通过卫星云图获取浒苔位置，显示在页面，深度学习算法做数据分析实现智能预警，智能规划打捞路线，显示附近渔船打捞船信息

Kaggle 竞赛：TalkingData AdTacking Fraud Detection Challenge 216/4967(top 5%) 中国最大的大数据服务平台 TalkingData 要求对广告点击数据中的欺诈数据进行识别 特征设计（统计特征、时间序列特征）、特征筛选（Stepwise selection）、模型建造（lightGBM、 FFM）模型融合（Ensemble Learning），最终获得铜牌 Kaggle 竞赛：Toxic Comment Classification Challenge 267/4551(top 6%) Jigsaw 和谷歌旗下的算法团队出题要求选手识别文本数据中的恶毒评论并进行分类 特征设计（统计特征、TF-IDF）、模型建造（Logistic Regression、LSTM）、模型融合（Ensemble Learning），最终获得铜牌

█ 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。

人工智能平台系统底层基于人工智能和大数据平台构建，在x86服务器之上提供数据的采集、存储、计算、算法模型和前端展现等功能。 人工智能平台和IoT提供人体识别、行为识别、倾倒行为分析等算法的建模和训练能力；人工智能平台 边缘平台则处理街道、小区大门等前端摄像头设备数据的实时接入和监管，并提供模型部署、规则设计等功能。基于平台，提供倾倒行为识别系统，并开放数据传输接口，用于倾倒行为信息等样本信息的导入和导出。

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。

包含多种不同的数据特征提取，聚类算法，数据提取，数据分析，相关性分析，一维二维统计图计算，各类特征值计算，分类算法，数据去噪，数据合并，TDMS数据提取与分析，灵活简洁的UI界面以及图标设计

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

深度学习各个反向，包括图像、文本、语音、推荐系统等方面的模型设计、训练，预训练、微调。模型设计指导、深度学习模型复现

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

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。

1.作品按客户要求，给出各地机票画像，并做对应的预测。功能模块主要有：数据查询模块，数据预测模块，图形展示，多媒体，天气 2.作品几乎是独立完成

1.项目是为了准确检测出游戏内聊天时，辱骂、敏感等的发言，(敏感词屏蔽，辱骂等分情况禁言) 2.我负责数据标注、模型训练 3.由于对时间响应要求很高，使用了简化的BERT+BLSTM+Attention

Modelscope-Agent是一个可定制的、可扩展的Agent代码框架。单Agent具有角色扮演、LLM调用、工具使用、规划、记忆等能力。 主要具有以下特点： 简单的Agent实现流程：仅需指定角色描述、LLM名称、工具名列表，即可实现一个Agent应用，框架内部自动实现工具使用、规划、记忆等工作流的编排。 丰富的模型和工具：框架内置丰富的LLM接口，例如Dashscope和Modelscope模型接口，OpenAI模型接口等。内置丰富的工具，例如代码运行、天气查询、文生图、网页解析等，方便定制专属Agent。 统一的接口和高扩展性：框架具有清晰的工具、LLM注册机制，方便用户扩展能力更加丰富的Agent应用。 低耦合性：开发者可以方便的直接使用内置的工具、LLM、记忆等组件，而不需要绑定更上层的Agent。

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？

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

基于TVM-cn中文版的项目是一个旨在推广和应用深度学习编译器TVM（Tensor Virtual Machine）的开源项目。TVM是一个领先的深度学习编译器框架，旨在优化深度学习模型的部署和性能。TVM-cn项目的目标是为中文用户提供一个全面的资源平台，帮助他们了解、学习和应用TVM框架，推动深度学习在中国的发展和应用。 TVM-cn项目包括了TVM框架的中文文档、教程、示例代码等丰富内容，帮助用户快速上手并深入了解TVM的原理和用法。用户可以通过浏览TVM-cn网站或者参与社区讨论来获取帮助和支持，解决在TVM应用过程中遇到的问题。 除了提供文档和教程外，TVM-cn项目还鼓励用户贡献代码和优化算法，共同完善TVM框架的功能和性能。通过社区合作和知识分享，TVM-cn项目致力于建立一个活跃的TVM中文社区，促进深度学习编译技术在中国的推广和应用。 总的来说，基于TVM-cn的项目为中文用户提供了一个全面而专业的平台，帮助他们更好地理解和应用TVM框架，提高深度学习模型的部署效率和性能表现，推动人工智能技术在中国的发展和创新。

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。

网页是构成网站的基本元素，通常是HTML格式的文件，需要通过浏览器来阅读。一个网页主要由结构、表现和行为三部分组成。结构部分由HTML语言来定义，它描述了网页的内容和语义。HTML文件包含了网页的头部信息和主体内容，头部信息中包含了网页的标题、编码、引入的静态资源等，而主体部分则包含了几乎所有的网页内容，如文本、图片、链接等。 表现部分则使用CSS（层叠样式表）来控制页面中元素的样式，对结构进行美化。CSS可以定义元素的布局、颜色、字体等属性，使得网页在视觉上更加美观和易于阅读。 行为部分则涉及到网页的交互性和动态性，通常通过JavaScript等脚本语言来实现。JavaScript可以响应用户的操作，如点击按钮、填写表单等，并动态地修改网页内容或发起网络请求。 除了这些基本的组成部分，网页还可以包含其他多媒体元素，如音频、视频等，以丰富网页的内容和用户体验。同时，随着技术的发展，现代网页也更加注重响应式设计和可访问性，以适应不同设备和用户的需求。 总之，网页是互联网上信息展示和交流的重要载体，通过HTML、CSS和JavaScript等技术的综合运用，可以实现丰富多彩、交互性

1、项目分为：①竞品实时数据爬取；②对应数据分析； 2、我负责的：①代码撰写；②爬虫策略设计；③分析报告

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