求職意向
算法工程師 薪資面議 隨時(shí)到崗
教育背景
2020.x -2020x 錘子簡(jiǎn)歷大學(xué) 攝影測(cè)量與遙感-智能算法研究
√
2020.x -2020x 錘子簡(jiǎn)歷大學(xué) 遙感科學(xué)與技術(shù)
本科期間對(duì)線性代數(shù)/概率論/數(shù)字圖像處理/誤差理論等課程進(jìn)行學(xué)習(xí)，積累了扎實(shí)的數(shù)學(xué)及圖像處理理論，曾組建團(tuán)隊(duì)并參與大學(xué)生科研項(xiàng)目
工作經(jīng)驗(yàn)
2020.x -2020x 華為 研究工程師
主要負(fù)責(zé)深度學(xué)習(xí)/機(jī)器學(xué)習(xí)算法模型的研究與改進(jìn)，并在工程項(xiàng)目中進(jìn)行實(shí)踐及應(yīng)用，共參與2個(gè)項(xiàng)目，所建立的算法模型均可達(dá)到較好的精度
項(xiàng)目經(jīng)驗(yàn)
2020.x -2020x 水果精細(xì)分類 算法研究人員
1. 主要負(fù)責(zé)：運(yùn)用TensorFlow框架，構(gòu)建滿足項(xiàng)目需求的深度學(xué)習(xí)算法模型
2. 所承擔(dān)的任務(wù)包括：整理訓(xùn)練數(shù)據(jù)集、建立適用于項(xiàng)目需求的深度網(wǎng)絡(luò)模型，并根據(jù)測(cè)試結(jié)果優(yōu)化訓(xùn)練數(shù)據(jù)集/改進(jìn)深度網(wǎng)絡(luò)模型結(jié)構(gòu)，產(chǎn)出算法原型demo
3. 項(xiàng)目難點(diǎn)細(xì)節(jié)及解決方案：
1）項(xiàng)目初期標(biāo)注數(shù)據(jù)較少，存在人工標(biāo)注耗費(fèi)大量時(shí)間成本：
a）解決方案：Encoder-SVM自動(dòng)標(biāo)注算法模型，
對(duì)未標(biāo)注數(shù)
采用自編碼器（AutoEncoder）和深度置信網(wǎng)絡(luò)（DBN-DNN）據(jù)進(jìn)行編碼特征提取，結(jié)合已標(biāo)注數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行微調(diào)，
針對(duì)已標(biāo)注數(shù)據(jù)的編碼特征
采用SVM模型構(gòu)建出整體的Encoder-SVM分類模型；
b）效果：運(yùn)用所構(gòu)建的Encoder-SVM分類模型可對(duì)未標(biāo)注數(shù)據(jù)生成標(biāo)簽，
在項(xiàng)目中期外包標(biāo)注數(shù)據(jù)跟入后，可結(jié)合機(jī)器標(biāo)注與外包標(biāo)注結(jié)果，提升標(biāo)注精度。
同時(shí)
Encoder編碼器
解碼后的圖像可達(dá)到去噪的效果，有助于提高數(shù)據(jù)質(zhì)量
2）項(xiàng)目中期數(shù)據(jù)量增大后，初期模型不滿足項(xiàng)目需求：
a）解決方案：改用CNN網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)分類，采用VGGNet網(wǎng)絡(luò)結(jié)構(gòu)，并針對(duì)數(shù)據(jù)顏色特征減弱的問(wèn)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(jìn)行identity累加操作，同時(shí)采用tower方式增加卷積層的寬度；
b）效果：可提升分類精度
3）項(xiàng)目后期較大規(guī)模測(cè)試的算法模型改進(jìn)：a）解決方案：為了使模型更具有普適性，采用bagging boost方式，對(duì)數(shù)據(jù)集進(jìn)行隨機(jī)切分后，分別對(duì)子數(shù)據(jù)集訓(xùn)練出各自的上述網(wǎng)絡(luò)模型，再對(duì)softmax后的數(shù)據(jù)結(jié)果取均值，得到分類置信度；b）效果：可避免應(yīng)對(duì)大規(guī)模測(cè)試時(shí)，單一網(wǎng)絡(luò)在訓(xùn)練數(shù)據(jù)上產(chǎn)生過(guò)擬合現(xiàn)象，可提高測(cè)試精度
4. 所建立的深度網(wǎng)絡(luò)模型最終可達(dá)到90%以上的水果精細(xì)分類精度
2020.x -2020x 人臉健康特征檢測(cè) 算法研究人員
1. 主要負(fù)責(zé)：性別識(shí)別、人臉膚色識(shí)別
2. 所承擔(dān)的任務(wù)包括：整理并擴(kuò)展訓(xùn)練數(shù)據(jù)集、建立適用于項(xiàng)目需求的深度網(wǎng)絡(luò)模型，并根據(jù)測(cè)試結(jié)果優(yōu)化訓(xùn)練數(shù)據(jù)集/改進(jìn)深度網(wǎng)絡(luò)模型結(jié)構(gòu)，產(chǎn)出算法原型demo
3. 項(xiàng)目難點(diǎn)細(xì)節(jié)及解決方案：
1）人臉膚色識(shí)別中，數(shù)據(jù)難以標(biāo)注準(zhǔn)確：a）解決方案：構(gòu)建Encoder-SVM模型，比對(duì)機(jī)器標(biāo)注與外包標(biāo)注結(jié)果，取兩者標(biāo)注相同的數(shù)據(jù)為可信數(shù)據(jù)，同時(shí)根據(jù)兩者標(biāo)注結(jié)果之間的差異迭代調(diào)整數(shù)據(jù)標(biāo)注規(guī)則；b）效果：可得到更合理的標(biāo)注規(guī)則及結(jié)果；c）補(bǔ)充說(shuō)明：性別識(shí)別中的標(biāo)注完全采用外包標(biāo)注的結(jié)果
2）性別識(shí)別算法模型：采用CNN網(wǎng)絡(luò)，以Encoder去噪平滑后的圖像作為網(wǎng)絡(luò)輸入
3）人臉膚色識(shí)別算法模型：采用CNN網(wǎng)絡(luò)（highway+tower），先用opencv中的自動(dòng)膚色區(qū)域識(shí)別算法提取膚色區(qū)域后，與Encoder去噪平滑后的圖像進(jìn)行疊加作為網(wǎng)絡(luò)的輸入
4）針對(duì)較大規(guī)模測(cè)試的算法模型改進(jìn)：采用bagging boost方式，增強(qiáng)模型的泛化能力
4. 所建立的深度網(wǎng)絡(luò)算法模型，最終在性別識(shí)別中可達(dá)到90%以上的精度，在膚色識(shí)別中可達(dá)到80%以上的精度
自我評(píng)價(jià)
熱衷于人工智能研究與應(yīng)用，工作態(tài)度嚴(yán)謹(jǐn)認(rèn)真。
? 熟悉深度學(xué)習(xí)/機(jī)器學(xué)習(xí)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(jī)器學(xué)習(xí)庫(kù)；
? 熟悉Python/C++/MATLAB等編程平臺(tái)；
? 熟練掌握PPT制作及展示；
? 能承受工作中的壓力；有良好的團(tuán)隊(duì)合作能力；注重技能的提升和鍛煉；
內(nèi)容來(lái)源說(shuō)明：本文章來(lái)自網(wǎng)絡(luò)收集，如侵犯了你的權(quán)益，請(qǐng)聯(lián)系QQ:2772182309進(jìn)行刪除。
http://www.90xin.cn/article/313901.html
