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
√
2020.x -2020x 錘子簡歷大學 遙感科學與技術(shù)
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，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(gòu)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(jié)果優(yōu)化訓練數(shù)據(jù)集/改進深度網(wǎng)絡模型結(jié)構(gòu)，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，存在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(jié)合已標注數(shù)據(jù)對網(wǎng)絡進行微調(diào)，
針對已標注數(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：運用所構(gòu)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(jié)合機器標注與外包標注結(jié)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(zhì)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(jié)構(gòu)，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
3）項目后期較大規(guī)模測試的算法模型改進：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)集進行隨機切分后，分別對子數(shù)據(jù)集訓練出各自的上述網(wǎng)絡模型，再對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(jié)果優(yōu)化訓練數(shù)據(jù)集/改進深度網(wǎng)絡模型結(jié)構(gòu)，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)難以標注準確：a）解決方案：構(gòu)建Encoder-SVM模型，比對機器標注與外包標注結(jié)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(jié)果之間的差異迭代調(diào)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(jié)果；c）補充說明：性別識別中的標注完全采用外包標注的結(jié)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)模測試的算法模型改進：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(quán)益，請聯(lián)系QQ:2772182309進行刪除。
http://90xin.cn/article/296163.html
