精通Python数据分析与机器学习建模/高性能计算 ( Pandas, Numpy, scikit-learn, Cython);
深度学习框架实践经验(TensorFlow, PyTorch)
精通Wolfram Mathematica, 熟悉R, Matlab; 两年C++实践经验,GPU编程经验(CUDA/PyCUDA)
Bash脚本 ,HTML/JavaScript(jQuery).
数据库技能:
熟悉MongoDB, InfluxDB, Cassandra 了解Redis/MySQL.
大数据技术:
了解PySpark/Apache Zeppelin,Flink实时计算引擎, Airflow任务调度.
软件: 熟悉Latex, vim, Git版本控制, MS Office, 了解WIND/Bloomberg/IB TWS. API: OANDA RESTful API, CTP交易接口
机器学习技术: 熟悉传统的模型和深度学习模型. Deeplearning.ai课程网站上的深度 序列模型(RNN, LSTM, Seq2Seq)认证。
• 惯性测量单元(IMU)传感器数据的融合处理,用于识别用户的危险驾驶行为和 进行打分研究。
• 基于阿里云IoT平台, RabbitMQ消息队列和InfluxDB数据库,建模分析手机端 采集的加速度,陀螺仪以及磁力计数据。
• 带领前端工程师和硬件工程师团队进行算法部署,包括车辆危险驾驶行为的识 别,车辆启动的识别。
• 基于线性Kalman滤波器和互补滤波算法来模拟车辆的碰撞轨迹,并且构 建API返回碰撞轨迹和姿态数据。
• 根据车辆的动力学物理,研究仅基于加速度计和陀螺仪时序数据的算法,精确 估计硬件设备朝向与车辆行驶方向的夹角。
• 带领研究生团队开发基于机器学习的手机端运动状态(步行,骑车,开车等状态)识别算法, 利用支持向量机和随机森林算法。
• 开发Python车联网数据分析应用包 sentech, 作为公司研发各类传感器与车联 网算法的基础。
• 基于Python+JavaScript开发车辆碰撞模拟前端系统。
• 基于Python+Flask+InfluxDB+Grafana开发车辆姿态识别的实时计算系统。
• 手机传感器数据在云端InfluxDB数据库的定时抽取处理与加载ETL.
全栈搭建一股票分析云平台的网站,从前端JavaScript代码,后端Python API构建(Flask技术),到机器学习预测收益率AI算法部署到数据仓库构建。 现在网站具备几大功能。 1. 股票趋势分析-Livermore趋势。 2. AI预测--A股股票开盘价预测 3
利用android手机端采集的运动传感器数据(gyroscope data & accelerometer data) 构建特征向量,训练 基于支持向量机和随机森林算法的手机端运动状态(步行,骑车,开车等状态)识别AI算法。
基于Python+JavaScript开发车辆碰撞模拟前端系统,建立传感器数据仓库构建后端API返回碰撞轨迹和姿态数据;基于 Flask+InfluxDB+Grafana开发车辆姿态识别的实时计算系统。算法用到了互补滤波和Kalman filter.
实现车主危险驾驶行为识别。 基于传感器数据,通过互补滤波算法计算,判断车辆是否处于急加速,急减速,急变道,急转弯等危险驾驶。 基本思路是通过加速度计数据计算车辆方向加速度,陀螺仪计算车辆在特定时间长度内转弯的角度。