熟练使用常见的机器学习框架pytorch, tensorflow等
有过文献发表EMNLP
熟悉NLP的workflow
有超分辨率的项目实战经验
熟练使用python各种常见数据分析以及科学运算库如Numpy Pandas Matplotlib
1. 基于图学习的知识融合的零次/少次学习的文本分类
使用多个不同的图学习来进行知识融合,提高模型对于无数据或者少数据情况下,对于标签分类的准确度的提升
2. 超分辨率
复现与调研多个常见的超分模型(基于CNN为backbone的框架)
3. 医疗文本的分类
使用scikit-learn和transformers(各类与训练语言模型)进行医疗文本分类
4. 数据可视化
使用d3.js和shiny-R 进行数据可视化,生成动态交互式图
基于Pytorch框架,实现多图知识融合 图卷积神经网络以及与CNN/RNN提取的Text-Embedding的Attention Module 实现了文本分类中 少次零次学习标签的准确度提升
UI设计,功能模块实现,十六进制-二进制-十进制数据转换,大值数据通过公式转换成有意义的物理量,配置表可编辑,灵活使用 基于Python的Qt GUI开发