自然语言处理

需求方每天都要到某网站获取当日数据，写入EXCEL模型，进球数据分析，手动复制粘贴工作量巨大，耗时长，至少需要占用一个员工每天枯燥的工作几个小时。没有技术含量却占用大量人力资源。 通过我编写RPA程序自动完全数据获取和数据分析，完全解放了人力资源节省了时间提高了效率。

***旅行助手机器人（内测中） 旅行助手机器人-签证/海关助手： 知识库包括100多个国家的签证和海关政策，可以用使用者的母语回答提问， 解放用户不得不翻阅晦涩外文资料之苦。 知识库能在1天~1周时间内得到最新更新。 旅行助手机器人-酒店助手： 包括20多个国家（持续增加中）的酒店信息，知识库来源包括英文和其它外文网站和YouTube, Ins等，信息量不是那几个中文网站能相比的。 对于未收录酒店，支持商家自行提交图文信息供收录。 后端引擎使用GPT4v等多模态模型，可以识别图片中的信息，例如商家的图片中有日出的图片，即便酒店的描述、评价中均没有出现”日出“的字样，用户查询”可以看日出的酒店“，也可以查到该酒店，给用户的体验不是酒店预定平台能比的。 本机器人可以用使用者的母语回答用户的提问。 旅行助手机器人-美食美酒助手： 包括20多个国家（持续增加中）的酒店信息，知识库来源包括英文和其它外文网站和YouTube, Ins等。 因为许多美食的点评/评价一般只有图片，用户很少或者几乎不写文字，所以一般的搜索平台不太容易搜索到呢。 本机器人后端引擎使用GPT4v等多模态模型，可

项目背景：为传统 OA 建设中台数据库。 项目难点：对传统 OA 架构进行重构，迭代底层核心架构。 项目职责：运用微服务架构、高分布式架构等进行打散原始架构。建设数据采集服务架构、微服务平台架构； 开发智能推荐体系，针对 OA 行业采集和设计知识图谱 项目业绩：完成数据中台建设并搭建开放平台等功能性模块。

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.

双塔多模态预训练模型，支持图文检索，图文问答，图文推理等任务，在多个数据集上表现优异，发表于自然语言处理顶会ACL2023.

项目主要为绘画培训进行AI辅助教学，目前还在开发中。已实现“创意绘画”，“初稿细化”两个功能。系统通过AIGC，利用AI绘画，为广大绘画艺术相关专业进行辅助教学、生成初稿、初稿细化等多种功能。 我负责与产品经理整理 主要技术： 1. stable diffusion为出图基础模型工具 2. comfyUI实现出图流程； 3. gradio作为展示界面； 4. 集成通义千问作为语言模型生成英文prompts 5.comfyUI api作为python调用后端 6. 利用controlnet技术对出图进行线稿、人物姿态、图像深度等进行控制。

代做机器学习，数据分析，数据挖掘。提供 Python 中的机器学习模型、回归预测模型、数据清洗、数据处理、数据可视化、数据挖掘和数据分析服务。模型类型包括但不限于线性回归、逻辑回归、决策树、SVM、随机森林、贝叶斯、XGBoost、LightGBM、复杂网络以及聚类模型（如 K-Means 和 DBSCAN）。此外，也能够处理时间序列分析（例如 LSTM 和 ARIMA）以及深度学习模型，自动化办公(文档类型转换，视频转文字，视频帧数截取，词云图可视化等等。）(计算机硕士毕业，算法工程师。)(计算机类考研咨询，根据你的情况推荐你几所适合你的学校。) 具体价格将根据具体情况而定！！！

量化信息提取本体开发和深度学习工具构建项目是数据科学和软件开发交叉领域的一项开创性举措。通过无缝集成先进的本体设计和尖端的深度学习技术，该项目旨在创建一个强大的工具，自动提取、注释和处理来自不同文本来源的量化信息。由此产生的工具将使用户能够解锁有价值的见解，促进各个领域的知情决策。 该项目的核心是创建一个复杂的深度学习工具，该工具能够从基于网络的内容中提取、注释和处理量化信息。该工具将以精心制作的本体为基础，确保精确和上下文感知的数据注释。项目范围包括本体开发、数据集创建、机器学习集成和直观用户界面的创建。 这个项目团队一共两人，所有代码都由我完成，还有一位产品经理负责整个项目的时间线规划和沟通。 此项目还在进行中，但是本体开发，和深度学习构建工作已经完成，最终版本的模型精度已经达到99.85%。

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。

1.抓取微博评论信息，包括博主名、转发数、评论数、点赞数、粉丝数、评论昵称、评论内容、跟评内容、评论点赞数等。 2.对评论内容进行数据清理，数据归一化、数据可视化，

代做机器学习，数据分析，数据挖掘。提供 Python 中的机器学习模型、回归预测模型、数据清洗、数据处理、数据可视化、数据挖掘和数据分析服务。模型类型包括但不限于线性回归、逻辑回归、决策树、SVM、随机森林、贝叶斯、XGBoost、LightGBM、复杂网络以及聚类模型（如 K-Means 和 DBSCAN）。此外，也能够处理时间序列分析（例如 LSTM 和 ARIMA）以及深度学习模型，自动化办公(文档类型转换，视频转文字，视频帧数截取，词云图可视化等等。）(计算机硕士毕业，算法工程师。)(计算机类考研咨询，根据你的情况推荐你几所适合你的学校。) 具体价格将根据具体情况而定！！！

大模型的微调和部署以及使用 以及不同领域的改变和同一领域的优化 或者一些深度学习模型的使用和部署都可完成

1.导单机器人项目功能可参考【八爪云】，项目按业务功能分为【收单】、【结算】、【推单发货】、【核销】等功能。通过在企业微信添加机器人，负责接收群内的各类消息，并对其中的关键文本或文件进行处理，减轻电商用户日常经营压力。 【收单】：可以将各类格式订单文件或者文本订单录入ERP系统，并生成结果文件反馈给使用者。 【结算】：针对每日处理的订单，以自定义周期进行结算，生成结算文件，减轻日常统计压力。 【推单发货】：用于日常分销商需要供应商发货，导出自身订单数据形成文件给供应商。 【核销】：用于日常供应商与分销商之间，需要针对已发货订单进行财务核销问题的处理。 2.项目整体后端设计及开发都由本人执行，该项目为本人上家公司后期的核心新产品，距本人离职前已有上百家企业使用。 3.难点主要是如何合理运用企业微信提供的“企业归档”功能，让客户感受到的回复延迟时间尽可能的小。主要是通过powerjob实现任务定时轮询，并通过合理的线程管理尽可能多的进行轮询。

英文对话数据集，使用决策树分类器训练，得到了完全可用的日常英文对话模型。无论是哪种语言，何种场景，只要提供足够大量的客服对话数据，对模型稍加修改，便可得到一个轻量，完全可用的聊天机器人。

使用torch，基于transformer构建一个客服多轮对话系统，对话内容支持图片、文本，相关工作发表在信号处理顶会 ICASSP 2022上。

基于ARM架构，开发即使通信软件，实现语音通话功能， 我主要使用C语言，负责开发整个流程，包括声音数据的转解码，去回声，降噪，平衡等处理，

1. 协助金融信贷机构对行业进行分析，指导业务人员进行行业认知和行业判断，进行营销获客。 2. 如列举的部分（摘出三个模块做展示）：【图一：行业前景】从整个行业财务角度进行分析、【图二：行业风险】监控行业多维度风险、【图三：行业获客】方便用户按需筛选获取信贷名单。

我司主要负责通话相关模块，包含坐席管理、坐席设置、通话历史记录、通话录音回放、智能客服流程等 项目使用了vue2+iview开发，开发周期历时一年半，项目结束时遇上疫情爆发，本项目在各地政府得到大规模应用。

通过PPT插件获取幻灯片和母版的文本及图片等内容后，运用人工智能手段进行纠错。 支持检测文本和图片的色情、暴恐违禁、政治敏感、恶意推广、低俗辱骂等信息。

1. 通过AI和nlp技术进行算法-数据层面的挖掘，从而客户一个企业所处的业务领域和拥有的技术。 2. 数据挖掘完成后，在前端产品进行展示，并形成可以导出的线下报告。