案例介绍
芯片工业瑕疵分类深度学习项目：基于Intel生产线6200+张芯片截图数据集，通过标记、图像预处理和数据增强、Tensorflow，简历CNN模型，model score 达到86%，accuracy提高在88%左右,并且与实际生产线ID关联，方便后续统计；该项目应用于英特尔成都DP Department的日常工作中；
利用NodeJS 和MongoDB作为前后端支持建立实时在线问题收集留言板，将留言信息及时发到指定邮
利用MySQL对团队日常数据库进行管理， 编写query抓取机器故障、芯元处理速度等的数据，进行简单的数据分析在Ops meeting上总结汇报
案例图片
相似案例推荐
其他人才的相似案例推荐
-
SC高速项目
项目描述： 1.系统通过对道路相关数据（车辆、违法、事故、
-
SC高速项目
项目描述： 1.系统通过对道路相关数据（车辆、违法、事故、
-
深度学习机器学习算法构筑
使用TensorFlow 底层API 搭建CNN 模型，并加
-
深度学习机器学习算法构筑
使用TensorFlow 底层API 搭建CNN 模型，并加
-
基于地图信息的5g信号功率预测
通过一系列的地图信息，例如基站的信息，小区的信息，信号传播所
-
基于地图信息的5g信号功率预测
通过一系列的地图信息，例如基站的信息，小区的信息，信号传播所
-
基于Tensorflow的字符识别框架
功能： 主流深度学习字符识别算法如Aster和CRNN算法
-
开发者中心平台
1、使用Div+Css进行页面排版。 2、使用boots
-
自行编写KNN计算代码实现手写输入识别
二进制建议实现knn，进行手写数字输入的识别。 如您所见，在
-
目标检测
采用TensorFlow框架搭建神经网络网络模型，通过制作大
-
目标检测
采用TensorFlow框架搭建神经网络网络模型，通过制作大
-
城市级停车大数据接入监控管理后台
城市级停车大数据接入平台，包括停车场数据、路内停车数据、充电
微信接收人才推送
关注猿急送微信平台，接收实时人才推送
