求職意向
算法工程師 薪資面議 隨時到崗
教育背景
2020.x -2020x 錘子簡歷大學 攝影測量與遙感-智能算法研究
博士期間研究方向：機器學習/深度學習算法在遙感及自然圖像中的應用
研究內(nèi)容涵蓋：深度學習、非線性機器學習、魯棒性建模等方面
研究應用領域：1. 異常模式檢測（Anomaly Detection），通過運用機器學習方法有效地估計非異常模式分布或分析非異常模式特征，以達到異常模式檢測的目的，所涉及方式主要有非線性特征分析、魯棒性分布估計等；2. 嘗試將深度學習/機器學習算法以異常模式檢測為目的，應用于分類、目標探測、數(shù)據(jù)降維等方面
共發(fā)表SCI文章7篇，第一作者5篇，通訊作者1篇。3篇國際會議EI文章。獲專利1篇。曾獲國際遙感圖像處理頂級會議青年成果獎TOP10，日本國際智能系統(tǒng)及圖像處理青年成果獎TOP1(Best Paper Award)
參與多個國家級及國防科研項目，于科研項目中主要負責算法研究與應用，在國防科研項目中針對安防領域有異常模式檢測模塊的開發(fā)經(jīng)歷
**注：論文列表及鏈接在附錄中可見
2020.x -2020x 錘子簡歷大學 遙感科學與技術
本科期間對線性代數(shù)/概率論/數(shù)字圖像處理/誤差理論等課程進行學習，積累了扎實的數(shù)學及圖像處理理論，曾組建團隊并參與大學生科研項目
工作經(jīng)驗
2020.x -2020x 華為 研究工程師
主要負責深度學習/機器學習算法模型的研究與改進，并在工程項目中進行實踐及應用
共參與2個項目，在項目中運用TensorFlow平臺根據(jù)項目中不同的需求建立算法模型，所建立的算法模型均可達到較好的精度
項目經(jīng)驗
2020.x -2020x 水果精細分類 算法研究人員
1. 主要負責：運用TensorFlow框架，構建滿足項目需求的深度學習算法模型
2. 所承擔的任務包括：整理訓練數(shù)據(jù)集、建立適用于項目需求的深度網(wǎng)絡模型，并根據(jù)測試結果優(yōu)化訓練數(shù)據(jù)集/改進深度網(wǎng)絡模型結構，產(chǎn)出算法原型demo
3. 項目難點細節(jié)及解決方案：
1）項目初期標注數(shù)據(jù)較少，人工標注耗費大量時間成本：a）解決方案：Encoder-SVM自動標注算法模型，對未標注數(shù)采用自編碼器（AutoEncoder）和深度置信網(wǎng)絡（DBN-DNN）據(jù)進行編碼特征提取，結合已標注數(shù)據(jù)對網(wǎng)絡進行微調，針對已標注數(shù)據(jù)的編碼特征采用SVM模型構建出整體的Encoder-SVM分類模型；b）效果：運用所構建的Encoder-SVM分類模型可對未標注數(shù)據(jù)生成標簽，在項目中期外包標注數(shù)據(jù)跟入后，可結合機器標注與外包標注結果，提升標注精度。同時Encoder編碼器解碼后的圖像可達到去噪的效果，有助于提高數(shù)據(jù)質量
2）項目中期數(shù)據(jù)量增大后，初期模型不滿足項目需求：a）解決方案：改用CNN網(wǎng)絡進行數(shù)據(jù)分類，采用VGGNet網(wǎng)絡結構，并針對數(shù)據(jù)顏色特征減弱的問題，在所建立的模型中加入了highway方式，將輸入層數(shù)據(jù)與每一池化層之前的輸出進行identity累加操作，同時采用tower方式增加卷積層的寬度；b）效果：可提升分類精度 水果精細分類
3）項目后期較大規(guī)模測試算法模型改進：a）解決方案：為了使模型更具有普適性，采用bagging boost方式，對數(shù)據(jù)集進行隨機切分，分別對子數(shù)據(jù)集訓練出上述網(wǎng)絡模型，再對softmax后的分類結果取均值，得到分類置信度；b）效果：可避免應對大規(guī)模測試時，單一網(wǎng)絡在訓練數(shù)據(jù)上產(chǎn)生過擬合現(xiàn)象，可提高測試精度
4. 所建立的深度網(wǎng)絡模型最終可達到90%以上的水果精細分類精度
2020.x -2020x 人臉健康特征檢測 算法研究人員
1. 主要負責：性別識別、人臉膚色識別
2. 所承擔的任務包括：整理并擴展訓練數(shù)據(jù)集、建立適用于項目需求的深度網(wǎng)絡模型，并根據(jù)測試結果優(yōu)化訓練數(shù)據(jù)集/改進深度網(wǎng)絡模型結構，產(chǎn)出算法原型demo
3. 項目難點細節(jié)及解決方案：
1）人臉膚色識別中，數(shù)據(jù)難以準確標注：a）解決方案：構建Encoder-SVM模型，比對機器標注與外包標注結果，取兩者標注相同的數(shù)據(jù)為可信數(shù)據(jù)，同時根據(jù)兩者標注結果之間的差異迭代調整數(shù)據(jù)標注規(guī)則；b）效果：可得到更合理的標注規(guī)則及結果；c）補充說明：性別識別中的標注完全采用外包標注的結果
2）性別識別算法模型：采用CNN網(wǎng)絡，以Encoder去噪平滑后的圖像作為網(wǎng)絡輸入
3）人臉膚色識別算法模型：采用CNN網(wǎng)絡（highway+tower），先用opencv中的自動膚色區(qū)域識別算法提取膚色區(qū)域后，與Encoder去噪平滑后的圖像進行疊加作為網(wǎng)絡的輸入
4）針對較大規(guī)模測試算法模型改進：采用bagging boost方式，增強模型的泛化能力
4. 所建立的深度網(wǎng)絡算法模型，最終在性別識別中可達到90%以上的精度，在膚色識別中可達到80%以上的精度
自我評價
熱衷于人工智能研究與應用，工作態(tài)度嚴謹認真。
? 熟悉深度學習/機器學習方法與發(fā)展前景，有較深入的研究經(jīng)歷；
? 熟悉TensorFlow等DL框架，熟悉Scikit-Learn等機器學習庫；
? 熟悉Python/C++/MATLAB等編程平臺；
? 熟練掌握PPT制作及展示；
? 能承受工作中的壓力；有良好的團隊合作能力；注重技能的提升和鍛煉；
內(nèi)容來源說明：本文章來自網(wǎng)絡收集，如侵犯了你的權益，請聯(lián)系QQ:2772182309進行刪除。
http://www.90xin.cn/article/296193.html
