专业课: 数据结构, 计算机网络, 数据库系统,线性代数, 并发编程,线性代数,数值分析, 算法, 图论, 机器学习,强化学习, 自然语言处理,深度学习,非线性优化, 概率和推理,虚拟现实软件开发
技能:C/C++, Python, Java, SQL, JavaScript, Assembly, PyTorch, Tensorflow, Scikit-Learn, Robotic-OS, CUDA C, Unity
深度学习-自然语言处理
在Standard Sentiment Treebank训练集上写数据导入接口和循环神经网络以实现情绪识别
实现具有注意力机制的encoder和decoder程序来进行深度学习机器翻译
深度学习-模式识别
用最基础的Numpy实现卷积神经网络(包括线性、非线性层,卷积层,最大/平均池化,反向传播)
用PyTorch设计了自制的VGG神经网络
体态控制自动驾驶车
使用Robotic-OS开发自动驾驶车控制程序,结合预训练的CMU-openpose体态模型,根据传感器捕捉到的人的体态让车加速,停车,以及转向
GPU上的神经网络
在GPU上实现并发计算程序来降低神经网络的运算时间
使用NVDIA VIsual Profiler来研究不同并发计算方法的时间-空间权衡关系
网络流量分类
收集分段标记的网络流量数据,并训练用K-means模型来实的现网络用户的行为识别
购物网站
使用Python Django组队搭建了一个购物网站的前端和后端
代码解释: 文本数据预处理: 使用 CountVectorizer 将文本转换为特征向量(Bag of Words表示)。 使用 LabelEncoder 将标签转换为数值。 Dataset 和 DataLoader: 定义了 TextDataset 类来处理数
代码解释 服务器端: 创建一个TCP套接字并绑定到指定端口。 服务器端等待客户端连接并接受连接后,读取客户端发送的消息。 客户端: 创建一个TCP套接字并连接到服务器的IP地址和端口。 客户端发送一条消息给服务器,并接收来自服务器的响应。