Richard Liu的案例列表
RQuant量化研究与机器学习平台
基于 Python 开发的量化研究平台，用于金融数据处理、因子分析、机器学习预测和策略回测。 项目实现了完整的数据研究流程，包括行情数据管理、Alpha因子计算、因子有效性分析、模型训练和回测评估。 主要功能： 1. 自动化处理股票行情数据； 2. 实现多种量化因子计算和IC分析； 3. 使用LightGBM等机器学习模型进行预测； 4. 构建策略回测和收益分析模块。 技术栈： Python、Pandas、NumPy、LightGBM、机器学习、数据分析。
深度学习人脸处理与视频分析系统
基于深度学习的计算机视觉应用项目，负责模型推理优化、算法调试以及跨平台部署。 项目采用 Python、PyTorch、OpenCV、CUDA 等技术，实现人脸检测、图像处理和视频分析相关功能。 主要工作包括： 1. 深度学习模型部署与推理环境搭建； 2. GPU CUDA 加速优化，提高模型运行效率； 3. 视觉算法流程优化，提升系统稳定性； 4. 解决不同平台环境下的部署和运行问题。 技术栈： Python、PyTorch、OpenCV、CUDA、ONNX、深度学习模型部署。
案例判断参考
Richard Liu的案例列表
RQuant量化研究与机器学习平台
基于 Python 开发的量化研究平台，用于金融数据处理、因子分析、机器学习预测和策略回测。 项目实现了完整的数据研究流程，包括行情数据管理、Alpha因子计算、因子有效性分析、模型训练和回测评估。 主要功能： 1. 自动化处理股票行情数据； 2. 实现多种量化因子计算和IC分析； 3. 使用LightGBM等机器学习模型进行预测； 4. 构建策略回测和收益分析模块。 技术栈： Python、Pandas、NumPy、LightGBM、机器学习、数据分析。...
深度学习人脸处理与视频分析系统
基于深度学习的计算机视觉应用项目，负责模型推理优化、算法调试以及跨平台部署。 项目采用 Python、PyTorch、OpenCV、CUDA 等技术，实现人脸检测、图像处理和视频分析相关功能。 主要工作包括： 1. 深度学习模型部署与推理环境搭建； 2. GPU CUDA 加速优化，提高模型运行效率； 3. 视觉算法流程优化，提升系统稳定性； 4. 解决不同平台环境下的部署和运行问题。 技术栈： Python、PyTorch、OpenCV、CUDA、ONNX、深度学习模型部署。...
