猿急送>

深圳其它兼职程序员

ID：194723

坐忘

机器学习工程师

公司信息：
勇艺达机器人有限公司

工作经验：
3年

兼职日薪：
500元/8小时

兼职时间：
周六
周日

所在区域：
深圳
宝安

技术能力

 熟练掌握多种经典机器学习算法的原理及数学推导过程，如：KNN、线性回归、逻辑回归、K-means、聚类、SVM、决策树
 熟悉神经网络算法，如：CNN、RNN、LSTM、Q-learning
 熟悉多种经典的网络结构，如LeNet、AlexNet、VGG、GoogLeNet，YOLO能够使用多种模型进行调参，实现自己的图片分类，目标检测
 熟悉tensorflow框架下和pytorch框架下的图片分类，目标检测，人脸识别等相关任务
 熟悉图像目标检测、人脸检测的识别的原理和代码，可以进行调用
 熟悉自然语言处理中的分词，命名实体识别，意图分类等任务
 熟悉自然语言处理中的rasa框架，可以使用此框架开发小型对话机器人
 了解姿势识别的原理
 熟悉Python编程语言，熟悉opencv，可以进行一些基本的操作；熟悉numpy、matplotlib、panda、sanic库的基本操作，可以进行数据分析操作；
 链接Java语言和c++语言，可以进行简单的开发
 熟悉掌握docker 的应用
 熟悉Linux操作系统的基本命令,熟悉MySQL数据库，能进行增、删、查、选的基本操作需求

项目经验

基于rasa框架的多轮对话系统
开发环境：Anaconda3，PyCharm，rasa
项目背景：机器人作为人工智能发展的主要方向之一，而智能对话是机器人的重要功能之一。公司现有的2.0版本对话系统是通过模板来解析语意的，但模板有着编写困难，也难以维护等诸多缺点，所以公司决定以rasa框架开发3.0版本的多轮对话系统，通过机器学习的方法来实现自然语言处理任务。
项目责任：该项目我主要负责模型的搭建和训练工作。本项目采用深圳机场的数据作为训练语料。Rasa分为nlu和core 两个模块nlu负责语意解析，core负责生成对话。Nlu先有jieba分词，再用词袋模型生成词向量，再有crf抽取出实体，由EmbeddingIntentClassifier进行意图识别。Core通过识别出来的实体和意图还有上下文来生成对话。可以记录历史对话信息实现多轮对话。

基于YOLO目标检测原理的队伍检测
开发环境：Anaconda3，PyCharm，pytorch
项目背景：机器人作为人工智能发展的主要方向之一，服务型机器人是其中的重头戏。而机场、车站等场景下的服务型机器人需要对排队的或聚集的人群进行识别并且主动上前提供相应的服务，以加快旅客的通行，提升机场和车站的服务质量。所以本项目就是为了识别出机场中的队伍。
项目责任：该项目我主要负责模型的搭建和训练工作。本项目数据由我公司机器人现场拍摄，后由我部人员进行标注得到共得到6500多张图片其中包含多种形态的队伍，无队伍，一个队伍，多个队伍等多种图片。模型参考YOLO模型的设计采用end-to-end原理，将544*544的图片划成68*68个网格，然后预测每个单元格内是否有目标（该目标的中心代表该目标）每个单元格会预测2个边界框（bounding box)，以及边界框的置信度（confidence score）。所谓置信度其实包含两个方面，一是这个边界框含有目标的可能性大小，二是这个边界框的准确度。从而得到人脸的位置。再用密度聚类的方法得到人群和队伍。本项目正在申请专利。

案例展示

基于rasa框架的多轮对话系统

开发环境：Anaconda3，PyCharm，rasa 项目背景：机器人作为人工智能发展的主要方向之一，而智能对话是机器人的重要功能之一。公司现有的2.0版本对话系统是通过模板来解析语意的，但模板有着编写困难，也难以维护等诸多缺点，所以公司决定以rasa框架开发3.0版本的多轮
基于YOLO目标检测原理的队伍检测

开发环境：Anaconda3，PyCharm，pytorch 项目背景：机器人作为人工智能发展的主要方向之一，服务型机器人是其中的重头戏。而机场、车站等场景下的服务型机器人需要对排队的或聚集的人群进行识别并且主动上前提供相应的服务，以加快旅客的通行，提升机场和车站的服务质量。所