机器学习/深度学习

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

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。

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

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。

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。

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

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

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

1、主要实现长时间序列的预测任务 2、使用技术有时间序列分解，深度学习卷积神经网络，Transformer。 3、难点是如何捕捉长时间序列的前后相关性，然后达到很好的预测效果。

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

使用神经网络(LSTM)对样本存取频率进行预测，预测出未来哪些样本的存取频率高，并将其存放在离机械臂近的地方。 算法：长短期记忆网络（LSTM） 使用Pyside2来开发界面，使用Python语言编写 采用mysql数据库

█ 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。

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

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

物联网 土壤墒情监测 温湿度光照二氧化碳监测 水肥一体化智慧灌溉 APP远程电磁阀 无塔供水 APP远程打药 虫情监测、害虫图像识别、深度学习 全部自研

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

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？

这个项目与奶粉罐那个相似，属于不同的应用场景。 不同在于，图片的获取方式不同，处理方式不同，以及结果处理方式不同。 项目难点：餐盒需要segment，来确保异物在餐盒之上，而不是周围环境

基于深度学习中的卷积神经网络实现医学影像分割，并发表到Q1的SCI。在此部分中全权负责影像的分析及文章的撰写

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。