机器深度学习

1.面向相关农业科技化，解决了根据耕地数据进行种植推荐和产量预测问题 2.方案中有如下特点：ML实现作物推荐、DL产量预测、千帆语言模型多轮对话、爬虫新闻信息 3.基于python 的django框架实现

1.数据收集与清理： 收集历史空气质量数据，识别并处理缺失值和异常值，确保数据质量。 2.特征工程： 提取和构建与空气质量相关的特征，包括气象条件、污染物浓度等，并进行特征选择和降维，以优化模型性能。 3.相关性分析： 探讨空气质量指标之间的相关性，识别主要影响因素，为模型提供科学依据。 4.模型开发与训练： 选择并训练适合的机器学习模型，使用交叉验证等方法调整参数，以提高预测准确性。 5.模型评估与优化： 对模型进行评估，使用指标如均方误差（MSE）和平均绝对误差（MAE）衡量模型性能，并根据结果进行优化。 6.预测与应用： 利用训练好的模型，对未来6小时的空气质量进行预测，并提供应用场景的建议，如污染预警系统等。

面向律师和普通用户，对不同类型合同进行智能审核，提示合同中不足或存在的问题，大大提高工作效率 首先根据不同合同的类型，专业的律师根据国家相关法律法规，定义了需要校验的schema，及校验规则，通过深度学习bert+pointer抽取合同中相关的内容，做好原文的定位，校验后在原文中标注不足或存在的问题

本系统面向HR和求职者，解决了用人单位通过职位快速匹配候选人的问题，根据求职者简历和求职职位，快速匹配岗位 本方案相对于常规方式，对简历解析，形成结构化信息，对候选人画像，综合匹配岗位要求和职责，实现快速和准确的匹配 技术：常见简历文档读取和解析（深度学习+行业知识图谱），人才画像，职位描述读取和解析，匹配

该项目使用公开人体器官数据集，使用NAF作为模型基线，加上旋转分辨率Former，不仅实现三维重建和新视图合成SOTA，参数量和计算量都远远小于最新的SOTA方法。光是一种重要的电磁波，在各个领域内都发挥着广泛的作用。X光通过物体，不同物质会吸收不同程度的X光，在展现物体内部空间结构中，有着不可替代的作用。最近，基于神经辐射场的三维重建方法取得不错的效果，但现有的方法在捕获不同分辨率之间物体内部空间结构的相关性存在局限。对此，我们研究这个项目，用于捕获不同分辨率之间物体内部空间结构的相关性，更好的实现X光的三维重建。在人体器官数据集上的实验表明，在新视图合成任务和CT重建任务上比最新基于Nerf的SOTA方法的PSNR分别高出5.18dB和0.626dB，并且计算量和参数量减少至23.68%和26.60%。

基于convLSTM实现流场图片信息的三维重构和预测，输入观测图像可以将图片进行分类，和识别图片中的微幅波。 实现三维动态流体的实时测量，结合深度学习和传统数字图像处理中的数字图像相关法，可以实现对于力学中变形和拉伸过程中物理参数的快速实时观测，并基于此实现微米级别的工业视觉测量场景，不仅能适应自然生活中的深度测量需求，还能实现对于微米级别的工业仪器测量的要求。

本项目提出了一种深度强化学习算法（多约束的PPO算法）以提高车辆的控制稳定性，本项目基于UE4实现了一个自动驾驶仿真环境，在该环境中跑通了车辆自动驾驶模型的训练、评估，证明了本项目提出算法的有效性。 深度强化学习（DRL）已经在各种具有挑战性的决策任务中进行了研究，例如自动驾驶。然而，DRL通常存在动作抖动问题，这意味着即使状态只有轻微差异，代理也可以选择具有很大差异的动作。这个问题的一个关键原因是DRL奖励的不当设计。在本文中，为了解决这个问题，我们提出了一种新的方法来将动作的平滑性纳入奖励中。具体来说，我们引入了子奖励，并添加了与这些子奖励相关的多个约束。此外，我们提出了一种多约束近端策略优化（MCPPO）方法来解决多约束DRL问题。大量的仿真结果表明，所提出的MCPPO方法在动作平滑性方面优于传统的比例-积分-微分（PID）和主流的DRL算法。

面向国内亿级短视频用户构建推荐系统，提升主站精排和海外APP的用户消费时长。 在特征工程的基础上，采用时长互动目标mmoe+长短期期兴趣序列sim架构，相比传统的DNN结构，提升效果明显。 搜推联动项目，结合搜索和推荐两大展位用户数据，优化不同场景下的时长。

Bigo Likee，Imo Feed 信息流推荐：面向海外短视频消费用户，基于千万级月活构建短视频，图片，帖子资源推荐系统，提升用户观看vv，时长和互动行为。 技术方案：在用户，视频，上下文特征的基础上，构建多目标MMOE网络，并通过多目标自动调参优化多目标权重。 Likee Push 推荐：面向海外短视频消费用户，构建亿级用户批量推送Push推荐系统，提升用户点击率。采用汤普森采样+UCB筛选优质Push内容。 Hello 交友匹配：面向国内聊天交友用户，构建在线实时交友匹配系统，综合异性，兴趣，新老用户，等待时长等因素，提升新老用户留存，增加好友率和消费时长。采用二分图匹配算法，最大化匹配权重。

（1）提出了一种基于循环网络框架下的多目标追踪方法（RN-MOT），为解决基于城市交通场景下多目标跟踪算法的精确度较差问题提供了一种新的思路；（2）提出了一种集成学习结合压缩算法的框架，在损失极少精确性的前提下极大地提升了RN-MOT算法的检测及追踪速度；（3）测试了包含目标遮挡、镜头移动、目标较多等挑战场景下的视频序列以验证和优化RN-MOT算法；

面向黄河流域的城市对于近二十年的碳排放的大数据进行统计分析处理，利用神经网络模型，以及基于神经网络的时间序列模型进行对于未来的碳排放预测。并且通过对多方面碳排放的数据增长情况进行分析处理，以达到对城市管理和政策建议的功效。此模型在中国统计建模大赛中，荣获国家二等奖，山东省一等奖。

是小组合作实操了一个对于甲骨文的识别系统，先是对通过对图片的反转对称折叠，通过训练组让机器对字形进行学习，通过CNN的方法和YOLO的检测方法对于图片上类似甲骨文的字形进行对比模拟，识别字形大概的位置和大小。然后通过人工进行标识的甲骨文的图片，作为大量的训练集让机器进行学习，最终可以识别出字。使用方法较为实用，最高精准度可达到97.8。

本项目开发一个书籍自动翻译器，该翻译器能够对pdf或word格式的文档进行自动翻译成中文，并输出为pdf或markdown格式的文件。 该工具使用了大语言模型LLMs（GPT-4o等），可以根据配置文件选用不同的大模型 主要开发语言为Python，该项目是模块化的，并且面向对象的设计，易于定制或拓展

1.半自动打标签技术！！！ 2.带姿态识别的视觉识别，外加针对各类垃圾设计的顶级数据集！！！ 3.精致的，可相应化的UI和可进行自己调节的数据处理！！！ 4.下位机操控舵机电机等运行的代码！！ （上传项目中仅有权重文件）！！！

本人主要负责算法设计，创新点代入，代码测试以及图像生成，还可以指导latex写作，主要专注于优化领域算法，多目标优化和单目标优化均有涉及，对于多种群，多约束，带约束和无约束多目标算法均有研究，欢迎前来咨询

负责设计并实现一个基于无人机的茶园监测系统，利用计算机视觉技术自动检测茶芽的生长情况。 利用无人机搭载的高分辨率相机收集茶园图像数据。 开发了图像处理算法，包括图像预处理、特征提取和分类算法，以识别和计数茶芽。 通过机器学习模型优化检测精度，实现了茶园生长状态的实时监控和评估

由于之前一直在公司工作，很多项目无法截图，这边写上自己个人技能： 独立开发过CV/NLP/机器学习项目，具备独立解决问题的能力。 精通医疗/通用场景图像分类、检测、信息抽取、OCR及一维信号分类。 自学能力强，能够快速学习、掌握新技术和工具，持续跟踪业内最新技术进展（AIGC、LLM）。 熟悉BERT相关预训练模型的使用及其NLU任务定制等通用NLP技术及LLM大模型的微调。 在天池CBLUE医疗信息大数据比赛中排名第27名，KAGGLE毒性评论打分比赛获得银牌。 熟练使用PYTHON开发，熟悉C、MATLAB。

采用普通的白光摄像头作为传感器、海思Hi3559A作为开发板。构建一套以计算机视觉为主的，汽车车载视觉系统。 主要功能有，目标识别（例如、行人识别）；基于双目视觉算法可以计算出与目标的距离达到预警、紧急避障等效果； 保持车道巡航功能； 基于图像拼算法的360°全景系统。

1.项目通过数据分析算法对工业数据进行分析，利用适宜的可视化图形进行展示，用户可以进行交互式的数据分析 2.我参与数据分析算法实现，前端页面以及后端API实现

通过图片预处理分析等方法对图片进行信息提取，设计、建立相关的数据模型，使用传统机器学习、卷积神经网络等方法对数据进行训练与凝血点的识别，使用数据可视化的方法对凝血的发展变化进行分析。