猿急送>

上海产品经理兼职程序员

ID：329189

徐飞🌴Phil

算法部架构师

公司信息：
华为、中兴

工作经验：
15年

兼职日薪：
700元/8小时

兼职时间：
下班后
周六
周日
可工作日远程
可工作日驻场（自由职业原因）

所在区域：
上海
浦东

技术能力

1、1997年7月至2001年1月，研究所电子工程师，负责地面测试控制系统电路设计及测试控制系统软件开发（C/C++）；
2、2001年2月至2003年11月，华为技术上海研究所，任WCDMA核心网分组域，系统工程师，从事3gpp NAS层协议栈开发及系统设计；
3、2003年12月至2323年6月，中兴通讯上海研究所，主要从事WCDMA、TD-SCDMA L2、L3相关3gpp协议栈软件开发，及TD-SCDMA/TD-LTE/5G系统性能提升，5G PHY层算法工作。主要项目经历：
1)担任WCDMA/TD-SCDMA RRC 系统设计工程师，负责WCDMA/TD-SCDMA RRC 软件系统设计工作。
2)担任WCDMA/TD-SCDMA 大话务测试平台、自动化测试平台的项目经理，负责组织测试平台的开发。
3)担任 TD-LTE 产品规划经理，负责3gpp L2/L3 相关的需求规划工作，支持国内外市场重大项目（中移、美国、欧洲项目支持）
4)担任 TD-LTE 多款微站的规划、交付工作（系统架构师），负责多款微站的需求规划、版本交付工作。
5)担任5G高铁性能总工，负责高铁算法优化，性能竞争力提升。
6)担任5G高频算法故障经理，组织算法故障排查；担任6G预研RIS（智能超表面），算法项目组织工作。
4、熟悉深度学习pytorch架构

项目经验

1、WCDMA/TD-SCDMA RNC 大话务测试平台项目
2005年开始担任中兴RNC大话务测试平台的项目经理，负责团队建设，项目关键技术主持讨论、决策。例如大话务测试平台协议消息库自动构建，决策用扫描3gpp ASN.1文件及内部接口头文件（.h文件）的方法快速生成消息库，为后续每协议升级快速构造测试用例奠定了基础。把关产品详细设计、编码、系统测试等环节。经过性能测试平台的极限考验，RNC产品软件质量得到了整体提升，是商用前的关键一环。

2、5G高频算法工作
2020年进入算法部，熟悉python平台实现对PUSCH信道的频偏预补偿、导频信道估计和均衡、解OCC、TA估计、Rnn矩阵计算等。组织5G高频内外场故障定位，例如对算法参数默认值的优化评估，上行2/4通道PUSCH性能评估等。组织RIS（智能超表面）的码本设计（用粒子群搜索算法、梯度下降法优化码本设计），RIS自动化部署方案链路预算仿真，及外场RIS性能优化。

3、AI在5G网络优化中的应用
根据真实网络中终端所处环境的RSRP（接收电平）、SINR（信噪比），BLER（误块率）和系统给终端确定的调制方式MCS等级等信息构建知识图谱，用AI的方式代替人工无线参数调优。

4、深度学习在网络安全中的应用
构建神经网络模型，基于反向传播算法，提升对网络中终端类型的识别精度。

5、深度学习在微表情识别中的应用
基于深度学习pytorch构建微表情识别算法。

案例展示

深度学习技术在提高网络安全中终端识别精度

在网络安全的准入系统中，首先要识别接入的终端是否是合法终端，第一步需要先识别终端类型，随着智能设备（打印机、核磁共振设备、B超）种类越来月丰富，传统的根据业务特征（例如IP包）识别终端类型的方法精度上需要进一步提升。此项目采用神经网络反向传播算法，基于大样本训练，提升终端类型识别
深度学习在微表情识别中的应用

基于卷积神经网络，构建微表情识别算法。本人当人算法设计与实现。面部微表情（ME）是一种短暂的、非自愿的、快速的面部情绪，被激发出来隐藏某种真实的情绪[1]。标准微表情持续1/5到1/25秒，通常只出现在面部的特定部位[2]。微表情的微妙和简洁是肉眼面临的一大挑战，所以，近
深度学习在微表情识别中的应用

面部微表情（ME）是一种短暂的、非自愿的、快速的面部情绪，被激发出来隐藏某种真实的情绪。标准微表情持续1/5到1/25秒，通常只出现在面部的特定部位。微表情的微妙和简洁是肉眼面临的一大挑战，所以，近年来人们提出了大量的工作，利用计算机视觉和机器学习算法来实现微表情的自动识别。该项