自然语言处理

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

1. 本方案面向需要英语练习的学生/职场人士，提供了随时随地的AI口语教练 2. 使用了AI对话的方式，多种形象和AI等级评分系统 3. 技术栈【AI】【prounce of goodness 口语评级】

本案列推向小型企业，利用向量化数据库，ollama本地部署，chatollama提供了友好的交互界面。比较其他储存数据的知识库，本项目可以完全私有化，知识库也不上传到云端。可以将公司内部的数据放在本地主机，保证了数据的安全性，私有性。

带着5人团队开发，负责任务规划，技术选型，技术方案落地 供应链系统，从采购单，销售单，入库单，分选单，加工单，出库单，包括其中的物流，履约，费用，商品管理，仓库管理，库存流水，库存盘点，供应商管理。渠道管理。

遐迩思公司与智能家居厂商联合开发垂直于智能家居领域的生成式人工智能应用-AI销售助理。智能家居行业的销售渠道商存在两个痛点：一是智能家居方案的个性化；二是实施周期长，这导致成本高利润薄。AI销售助理通过多轮会话识别客户需求，自动高效生成全屋智能方案。生成内容包括：自动识别，极速生成设计方案配置清单及报价、户型设备点位图、3D户型灯光效果图、预安装及布线标准、现场安装指导表。并与智能家居厂商物联网系统整合，实现了AI对全屋智能家居设备的参数配置调整，实现了AI自动设置与人声互动设置全屋场景模式。团队自行搜集5000张户型图进行数据打标，基于开源的Qwen-VL大模型微调，实现户型图准确识别。 我们建设了智能家居垂直领域的知识库。针对智能家居门店销售过程（华为80+项SOP）进行拆解，针对各个环节进行提示词工程，并且针对各个场景实现了30+个Function供Agent智能体调用。核心服务基于Langchain AIGC框架+ Faiss向量库+Python实现，前端基于Vue3实现。

1.通过论坛发言预测政治立场。对语料库进行预处理，设计和实现提取器以从每篇文章中收集特征信息，并使用各种基于机器学习的算法创建分类器以预测用户的隶政治立场 2. 通过Canadian Hansards数据的翻译任务进行Transformer Architecture研究，训练并评估MLP模型，同时研究encoder-decoder，greedy算法和beem search 3.基于声学分类，分辨一段语音的说话者，使用Gaussian mixture models（GMM）和 Dynamic Programming。

公众号智能回复。 AI+教育领域的AI智能体应用。 可接微信公众号，微信小程序，微信客服，抖音评论区，抖音企业号等平台。 AI+教育领域的AI智能体应用，通过个性化教学、智能辅导和高效管理，提升学习效果，实现教育资源的优化配置，推动教育公平和高质量发展。 可订制任何领域的智能体应用。 可搜索公众号：智聊小伴 测试。

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。

新闻文本分类任务在信息检索、舆情检测与分析、信息智能推送等领域发挥着重要的作用。为了解决传统卷积神经网络在新闻文本分类中效果不佳的问题，本文提出了一种改进的BERT-UNet文本分类模型，来增强捕捉长距离文本特征和可视化效果。首先该模型使用BERT预训练文本词向量，然后将其嵌入映射到UNet模型中，提取上下文的关键特征，同时通过Softmax函数实现文本分类，最后利用前端技术对新闻舆情信息文本分类结果进行可视化监控展示。为验证模型在文本分类任务上的优越性，本文进在THUCNews数据集上进行了对比实验，实验结果显示，相较于传统模的TextCNN模型和独立使用BERT的方法，BERT-UNet模型在宏平均F1值上分别提高了3.11%和0.29%。这表明改进的BERT-UNet模型在捕捉文本特征关系方面更有效，在提升分类性能，改善传统新闻文本分类方法及可视化监控提供了新思路。

1.面向生物信息学以及临床科研人员的分析爬虫软件。 2.比以往的产品更加简洁直观。 3.方便科研工作者工作。 4.界面直观，可以调整的参数多。 5.有gui模式和命令行模式，方便各个行业人员的使用。 6.进行了很好的封装，是对能力的一次检验。

本产品面向小学、初中的学生，利用llm大模型的对话能力为用户提供心理辅导，避免学生出现心理问题。 主要功能，与用户进行语音或文字对话，发现用户的心理问题。 检测用户的情绪，并及时做出纠正。 多模态输出，不仅可以输出语音文字还可以输出情绪词，增强真实感。

带着5人团队开发，负责任务规划，技术选型，技术方案落地 供应链系统，从采购单，销售单，入库单，分选单，加工单，出库单，包括其中的物流，履约，费用，商品管理，仓库管理，库存流水，库存盘点，供应商管理。渠道管理。

煤矿调度室音频的自动分析 通过本系统，调度员和相关人员可以方便地查询和利用电话内容，及时发现问题隐患，并自动报告给有关领导，避免了人工操作环节中记录和汇报所带来的延误问题处理时间的风险。因此，这个系统能够实现煤矿生产安全问题的早期识别、发现、干预和处置，为生产安全保驾护航。 本项目旨在研究煤矿生产调度语音的智能识别、智能分析和预警等关键技术。我们采集调度员和井下工作人员的交流语音，并进行智能识别和分析，将其转换为文本信息，提取关键词和动作路径，自动生成生产管理日志。此系统能够识别特定工况下的危险操作和隐患问题，并自动通知相关领导及时处理。

本人全面负责客户所需软件工具的需求分析、框架设计，主要包括内容爬取、分析及存储等三个部分。基于开源框架selenium实现指定网站内容的爬取，使用BeautifulSoup对爬取的内容进行解析，并将所需内容存储在csv文件中。

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

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. 本方案面向需要留学信息和留学资料的家长；同时给深圳国际高中提供了额外的引流服务，用于夏令营和宣传 2. 相较于以往的简单留学资料整理，加入了AI对话，图像生成等，并提供网页版，适配没有手机的孩子 3. 本产品使用技术 @前端：React/小程序/uniapp @路由：nignx @后端：pring cloud微服务/python向量数据库 @AI：openai对话；画图；搜索总结 @数据库：mysql/redis @支付：微信支付 4. 同时提供了网站页面设计等

1.运行文档图像化识别AI模型，抽取文档所需信息（含手写，仅字母与数字），结合RPA，自动录入本地业务系统数据库，用户仅需要将待处理文档放置文件服务器指定目录下即可； 2.识别过程全自动，自动提示用户处理结果，对未识别单据可自动过滤； 3.项目全生命周期管理，包括需求调研分析，文档编写，模型训练，流程开发，部署上线均由一人完成。

大模型通常指的是指基于大规模数据训练的深度学习模型，如GPT-3、BERT等。这些模型通常具有数十亿到数百亿个参数，能够对自然语言进行更深入的理解，并在多个自然语言处理任务上取得出色的表现。 RAG代表Retrieval-Augmented Generation，是一种结合了检索和生成的自然语言处理模型。RAG模型结合了检索式问答和生成式问答的优点，能够在生成答案时从大规模的知识库中检索相关信息。这种模型结构使得它在问答任务中能够更好地处理需要深入推理和大规模知识的问题。 总的来说，大模型通常指的是参数规模庞大的深度学习模型，而RAG是一种结合了检索和生成的自然语言处理模型，能够在问答等任务中发挥作用。

应用场景：某开发者平台上有大量的API开发文档，代码仓库，学习实验室等资源，根据用户的喜好以及在平台上的浏览历史，推荐该用户可能感兴趣的内容 技术特点：基于LLM Embedding的内容相似度计算，基于DLRM的用户点击概率预测