猿急送>

上海其它兼职程序员

ID：175807

兴

图像处理工程师、NLP开发

公司信息：
上海育创网络科技

工作经验：
3年

兼职日薪：
700元/8小时

兼职时间：
下班后
可工作日远程

所在区域：
上海
闵行

技术能力

1.熟悉基本机器学习算法，LR、SVM、Decision tree、Random Forest、GBDT、KMeans等
2.熟悉深度学习网络结构，掌握cnn、rnn等基本的神经网络结构及其实现原理
3.熟悉图像识别、人脸识别（fasterrcnn）、目标检测（Faster-RCNN、SSD、YOLO3）等图像识别算法原理，会使用openCV 图像预处理库
4.熟练使用Windows及linux环境下python开发训练
5.熟练使用python科学计算库，numpy、pandas，matplotlib，FP-Tree数据挖掘
6.熟练使用tensorflow、pytorch深度学习框架
7.熟悉网络爬虫，掌握urllib、requests、scrapy等爬虫工具
8.熟悉深度学习网络：VGG,VGG,DarkNet,ResNeXt ,Densnet,CAN,LSTM,Seq2seq,
word2vec等；
9、熟悉linux环境下模型训练，熟悉数据挖掘。

项目经验

项目描述：
人脸识别项目是针对工程施工员工进出施工场地的身份识别系统，可以进行员工身份验证，同时对员工进行考勤审核。
项目责任：
1. 负责人脸图片检测、提取
2. 参与了人脸识别模型的调参测试工作
其中人脸图片的检测提取使用tensorflow搭建face_reconition网络进行人脸对齐，使人脸检测准确率达到97.8%，人脸识别部分则使用facenet开源框架完成人脸比对识别，同时由于员工较多，采用提前将样本进行embedding计算并存储，大幅度提高人脸识别速度。

项目名称：文字识别项目
项目描述：
作为华为商城线下销售，商城仓库各种商品参数信息需要导入系统，便于购买及线上查询，过去采用人工导入，时间长而且易出错，现利用文字识别技术进行自动识别文字信息然后上传，方便快捷。
项目责任：
通过检测相机拍摄，调用cv2模块imread,然后将图片resize成标准大小，统一命名。
模型搭建及训练：基于tensorflow框架建立模型。使用、densnet+CTPN算法进行搭建，其中ctpn添加LSTM进行目标分类，提高检测过程准确率，采用深层次卷积神经网络densnet进行提取更多特征，提高文字识别准确率。

项目名称：目标检测项目
项目描述：
某勘测单位在工程招标时候需要进行车流量统计，并根据车辆类型进行分类，为节约人员及物资成本，基于YOLO3开发车辆自动检测分类系统。
项目责任：
数据收集标注：通过告诉公路摄像头拍摄车辆图片，使用matlab,cv2进行标注，生成VOC2007的数据格式，使用pickel函数dump成xml格式b-box priors采用k-means聚类获取。
模型搭建及训练：使用TensorFlow框架。使用YoLoV3算法，darknet53作为主干网络，输出13*13、26*26、52*52三种特征图，并将其反卷积扩充后concatenate起来，采用LeakRelu作为网络的激活函数，在预测前使用logistic对锚框进行目标评测，去掉不必要的锚框，减少计算量，最后使用sigmoid函数进行多标签分类。

聊天机器人
项目描述：
为节约人力成本，面向公司OA平台开发该聊天机器人系统。系统基于seq2seq模型，编码器与解码器均采用多层由LSTM单元构成的网络，并引入Attention对齐机制，能提取更复杂更抽象的变长序列特征，更好的解码输入序列。
职责描述：
数据预处理：构建字典；采用bucket分桶机制，依长度对问答对进行分组，以避免pad引入过多噪音；
模型搭建及训练：使用TensorFlow模块建模。输入层前插入可训练的word embedding层，使字向量更具备语义信息。核心基于含attention机制的seq2seq模型，并加入dropout机制使模型更具鲁棒性。训练模型时利用sampled softmax loss作为损失函数以降低每次梯度更新步骤的计算复杂度；

电子病历的命名实体识别
项目描述：
项目为某智能医疗项目的一部分，主要采用了词向量，IDCNN，RBF技术进行特征提取与51类命名实体的序列标注，该模型F1值达到91%，并使用Flask模块部署至线上。
职责描述：
扩充标注数据：利用爬虫，Jieba分词等技巧，爬取在线诊疗网站上的症状，诊断方式，疾病名，治疗方式等命名实体数据，扩充原有标注数据，该技巧比人工收集，标注数据高效；
数据预处理：利用iobes方法对数据进行长度和边界特征信息的标注；构建字典；构建batch数据；
模型搭建及训练：使用TensorFlow模块，基于词向量，IDCNN，RBF搭建模型。加载预先训练好的字向量，用IDCNN对序列进行4次特征提取，再拼合4次结果作为一个特征，提取序列不同视野范围内的上下文特征，最终用CRF算法进行序列标注。训练并调参，最终保存模型和最新的字向量。