猿急送>

海外Python兼职程序员

ID：349707

酷酷的胡图图🐯 身份已认证

人工智能博士、高级机器学习工程师

公司信息：
SAP

工作经验：
6年

兼职日薪：
500元/8小时

兼职时间：
下班后
周六
周日
可工作日远程

所在区域：
海外
全区

技术能力

博士学位从NUS获得。我具备广泛的技术能力，特别是在推荐系统、图像分类和大数据存储方面拥有丰富的经验。在推荐系统领域，我熟练掌握交互式推荐系统、时序知识图谱、模态融合等技术，能够设计和实现复杂的推荐算法，并在多个国际会议上发表了相关论文。我在图像分类方面的专长包括使用深度学习模型如ResNet进行精细分类，并与生物学和应用开发团队合作，应用图像分割技术提升分类效果。在大数据存储方面，我曾在中国科学院计算技术研究所应用TensorFlow和Spark Streaming处理分布式数据，具备数据重采样和部署到HDFS的能力。

我熟悉多种语言模型，包扩但不限于Seq2Seq、Transformer（T5）、BERT、GPT、LlaMA。精通多种信息检索模型，包扩单不限于GRU4Rec、SASRec、NCF。本人也精通前端、后端的全栈开发。

我熟练掌握多种编程语言，包括Python、C、C++、Java、JavaScript、SQL、HTML和CSS。在机器学习领域，我熟悉朴素贝叶斯、逻辑回归、支持向量机、决策树、XGBoost等算法。在深度学习方面，我擅长使用Pytorch实现卷积神经网络（CNN）、循环神经网络（RNN）、图卷积网络（GCN）及其变种。此外，我还具备Django、Hadoop和OpenGL（图形渲染）等技术和框架的使用经验。

项目经验

精细图像分类项目
在新加坡国立大学媒体管理研究实验室担任研究助理期间，我负责与生物学和应用开发团队合作，实施了基于深度学习的精细图像分类项目。我主要应用了两流ResNet架构进行动植物图像的精细分类，并使用图像分割技术（SAM）提升分类精度。通过这项工作，我成功地提高了图像分类模型的准确性，并推动了应用程序的开发。

华为诺亚方舟实验室推荐系统研究
作为华为诺亚方舟实验室的研究实习生，我参与了交互式推荐系统和时序知识图谱的研究，并在模态融合和序列推荐方面取得了显著成果。期间，我作为第一作者提交了多篇研究论文，展示了在推荐系统领域的创新能力和学术贡献。

大数据存储与处理项目
在中国科学院计算技术研究所担任研究实习生时，我主要负责大数据存储与处理项目。该项目中，我应用TensorFlow和Spark Streaming技术对分布式数据系统进行处理，完成了数据的重采样和部署到HDFS的工作。这项经历使我深入了解了大数据处理的核心技术，并积累了丰富的实践经验。

案例展示

课程人工智能推荐算法平台

新加坡政府课程推荐系统项目在攻读博士期间，我帮助新加坡政府完成了一项课程推荐系统项目，并开发了相关的演示系统。作为项目的主要负责人，我独立完成了整个课程人工智能推荐算法平台的设计和实现。具体来说，项目后端使用Flask框架，算法部分采用神经协同过滤算法（NeuMF），前端则使
多模态融合推荐算法

我在博士期间提出推荐算法MMSR，并在github获得20+ start，算法论文发表在CIKM'23， Birmingham. 这个算法中，在序列推荐中，多模态信息（如文本或图像）可以提供更全面的项目资料。然而，如何在早期或晚期阶段将模态特征融合到项目表示中仍然存在争议。