Python:主要编程语言,熟练搭建基于 python 的各种环境并处理各类问题
C#:辅修编程语言,在学习 unity 游戏制作时学会了C#语法,可以处理相关部分问题
unity : 参与过unity游戏工程
Pytorch :熟悉 pytorch 调试 AI 模型
自然语言处理:长期从事自然语言处理相关工作
AI 图像生成:熟悉 AI 绘图模型训练,生成语法,参与过游戏插图绘制
Numpy :熟练运用 numpy在 python 环境中处理各类数学问题
Matplotlib :熟练运用此工具在 python 内进行制图
1.医院病历文本结构化:通过双向LSTM模型对医院病历文本进行智能语义分析,自动提取出病历内的疾病名称,症状,药材,耗材,治疗方案并自动组成关系图谱,对病历进行人工智能结构化工程
2.图像修复:使用Animme-InPainting模型对输入遮罩图像进行修复。
本作品对某医院患者阵痛数据进行了数据预处理和数据关联。数据预处理程序为本人根据实际情况编写,数据关联算法采用Xgboost。
使用了Anime-Inpainting的AI图像修复模型。自行搭建了图像处理与随机遮罩模块。可以较快的修复遭受大面积遮掩的二次元图片(本模型主要针对二次元图片)。在本案例中,使用OpenCV熟练搭建了大量图像处理函数,较为精准迅速的分析出了Anime-Inpainting模型的整
本作品使用基于sklearn生成的高维字向量高维求和组成句向量。通过求取该句向量在高维空间中与其它句向量的欧氏距离获得该句子在语料库中的密度权重。密度权重与该句向量的重复度呈反向相关。权重越大,重复度越低。