避风塘糖
算法工程师
平安科技 · 1年经验
日薪：
￥500/8h
地点：
深圳 宝安
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）
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
熟悉机器学习常用算法，如线性回归，SVM,随机森林，聚类,GMM 等等。
熟悉计算机视觉核心技术，如图像处理中的滤波，对象处理，分割，纹理分析等；视频分析
中的摄像机模型和校准，立体视觉，深度估计等。
熟悉深度学习常用神经网络，如前馈神经网络，反向传播，卷积神经网络，循环神经网络（包
括LSTM 神经网络）等。
有扎实的编程基础，熟悉Java 和 Python 语言，以及相关常用库，如scikit-learn，numpy，
matplotlib 等。
熟练使用TensorFlow，Keras 平台，以及OpenCV。
有良好的数学基础，以及扎实的数据结构与算法功底。
熟悉MySQL 数据库基本原理以及增查改删等指令和常用函数。
了解Linux 开发环境以及基本操作指令。
具备优秀的英语听说读写能力，能熟练阅读英文文献以及流利地日常口语交流。
勤奋踏实，有较强的责任心，有探索精神，具备良好的团队合作意识和沟通表达能力。
熟悉计算机视觉核心技术，如图像处理中的滤波，对象处理，分割，纹理分析等；视频分析
中的摄像机模型和校准，立体视觉，深度估计等。
熟悉深度学习常用神经网络，如前馈神经网络，反向传播，卷积神经网络，循环神经网络（包
括LSTM 神经网络）等。
有扎实的编程基础，熟悉Java 和 Python 语言，以及相关常用库，如scikit-learn，numpy，
matplotlib 等。
熟练使用TensorFlow，Keras 平台，以及OpenCV。
有良好的数学基础，以及扎实的数据结构与算法功底。
熟悉MySQL 数据库基本原理以及增查改删等指令和常用函数。
了解Linux 开发环境以及基本操作指令。
具备优秀的英语听说读写能力，能熟练阅读英文文献以及流利地日常口语交流。
勤奋踏实，有较强的责任心，有探索精神，具备良好的团队合作意识和沟通表达能力。
项目经验
1. 物体识别
项目描述：
该项目应用机器学习算法实现一个物体识别。
首先，从整个CIFAR-10 数据集中选择一个包含10 个物体类别的子集，每一个种类包含1000
个训练图像和100 个测试图像。然后运用HOG 算法提取数据对应的特征值，之后运用机器
学习中的监督学习算法如SVM，通过拟合训练数据的特征值，获取一个测试模型。最后，
运用获取的模型对测试数据进行分类，并提供预测值正确率以及混淆矩阵。另外，针对不同
的机器学习算法，需要调试其中相关的超参数，从而找到拟合最好的模型，即标签正确率最
高。
2. 脸部识别
项目描述：
该项目应用Haar 级联分类器实现对一个视频进行脸部和眼睛识别。
使用OpenCV 中的CascadeClassifier 函数，为脸部和眼睛分别创建一个Haar 级联分类器。然
后获得视频中的每一帧并转为灰度图，并对脸部进行识别，用一个边界框标识出来。在有识
别到脸部的每一帧中，再进行脸部的眼睛识别，并用一个不同颜色的边界框标识出来。
3. Pac-Man
项目描述：
该项目运用计算机视觉技术去进行一个3D 的Pac-Man（吃豆人）游戏。
首先，使用Kinect 系统收集一组具有外观特征（即RGB 值）的3D 点云。几个虚拟球体也位
于这些点云之间。运用HOG 技术从这些图片中提取出特征值，然后运用随机森林或者卷积
神经网络训练一个模型进行二分类，去判断某场景是否包含虚拟球体。
在游戏开始时，初始位置以及摄像机初始角度都在原点。之后进行一个循环：获得当前场景
的视角，提取特征，运用已训练好的模型获得分类预测结果的概率，如果有球体被发现，移
动到确定的坐标位置并更新场景；如果没有发现球体，则旋转摄像机以找到球体
项目描述：
该项目应用机器学习算法实现一个物体识别。
首先，从整个CIFAR-10 数据集中选择一个包含10 个物体类别的子集，每一个种类包含1000
个训练图像和100 个测试图像。然后运用HOG 算法提取数据对应的特征值，之后运用机器
学习中的监督学习算法如SVM，通过拟合训练数据的特征值，获取一个测试模型。最后，
运用获取的模型对测试数据进行分类，并提供预测值正确率以及混淆矩阵。另外，针对不同
的机器学习算法，需要调试其中相关的超参数，从而找到拟合最好的模型，即标签正确率最
高。
2. 脸部识别
项目描述：
该项目应用Haar 级联分类器实现对一个视频进行脸部和眼睛识别。
使用OpenCV 中的CascadeClassifier 函数，为脸部和眼睛分别创建一个Haar 级联分类器。然
后获得视频中的每一帧并转为灰度图，并对脸部进行识别，用一个边界框标识出来。在有识
别到脸部的每一帧中，再进行脸部的眼睛识别，并用一个不同颜色的边界框标识出来。
3. Pac-Man
项目描述：
该项目运用计算机视觉技术去进行一个3D 的Pac-Man（吃豆人）游戏。
首先，使用Kinect 系统收集一组具有外观特征（即RGB 值）的3D 点云。几个虚拟球体也位
于这些点云之间。运用HOG 技术从这些图片中提取出特征值，然后运用随机森林或者卷积
神经网络训练一个模型进行二分类，去判断某场景是否包含虚拟球体。
在游戏开始时，初始位置以及摄像机初始角度都在原点。之后进行一个循环：获得当前场景
的视角，提取特征，运用已训练好的模型获得分类预测结果的概率，如果有球体被发现，移
动到确定的坐标位置并更新场景；如果没有发现球体，则旋转摄像机以找到球体
避风塘糖
算法工程师 · 1年经验 · 平安科技
0
累计接单
0
用户评价
2
被收藏
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
熟悉机器学习常用算法，如线性回归，SVM,随机森林，聚类,GMM 等等。
熟悉计算机视觉核心技术，如图像处理中的滤波，对象处理，分割，纹理分析等；视频分析
中的摄像机模型和校准，立体视觉，深度估计等。
熟悉深度学习常用神经网络，如前馈神经网络，反向传播，卷积神经网络，循环神经网络（包
括LSTM 神经网络）等。
有扎实的编程基础，熟悉Java 和 Python 语言，以及相关常用库，如scikit-learn，numpy，
matplotlib 等。
熟练使用TensorFlow，Keras 平台，以及OpenCV。
有良好的数学基础，以及扎实的数据结构与算法功底。
熟悉MySQL 数据库基本原理以及增查改删等指令和常用函数。
了解Linux 开发环境以及基本操作指令。
具备优秀的英语听说读写能力，能熟练阅读英文文献以及流利地日常口语交流。
勤奋踏实，有较强的责任心，有探索精神，具备良好的团队合作意识和沟通表达能力。
熟悉计算机视觉核心技术，如图像处理中的滤波，对象处理，分割，纹理分析等；视频分析
中的摄像机模型和校准，立体视觉，深度估计等。
熟悉深度学习常用神经网络，如前馈神经网络，反向传播，卷积神经网络，循环神经网络（包
括LSTM 神经网络）等。
有扎实的编程基础，熟悉Java 和 Python 语言，以及相关常用库，如scikit-learn，numpy，
matplotlib 等。
熟练使用TensorFlow，Keras 平台，以及OpenCV。
有良好的数学基础，以及扎实的数据结构与算法功底。
熟悉MySQL 数据库基本原理以及增查改删等指令和常用函数。
了解Linux 开发环境以及基本操作指令。
具备优秀的英语听说读写能力，能熟练阅读英文文献以及流利地日常口语交流。
勤奋踏实，有较强的责任心，有探索精神，具备良好的团队合作意识和沟通表达能力。
项目经验
1. 物体识别
项目描述：
该项目应用机器学习算法实现一个物体识别。
首先，从整个CIFAR-10 数据集中选择一个包含10 个物体类别的子集，每一个种类包含1000
个训练图像和100 个测试图像。然后运用HOG 算法提取数据对应的特征值，之后运用机器
学习中的监督学习算法如SVM，通过拟合训练数据的特征值，获取一个测试模型。最后，
运用获取的模型对测试数据进行分类，并提供预测值正确率以及混淆矩阵。另外，针对不同
的机器学习算法，需要调试其中相关的超参数，从而找到拟合最好的模型，即标签正确率最
高。
2. 脸部识别
项目描述：
该项目应用Haar 级联分类器实现对一个视频进行脸部和眼睛识别。
使用OpenCV 中的CascadeClassifier 函数，为脸部和眼睛分别创建一个Haar 级联分类器。然
后获得视频中的每一帧并转为灰度图，并对脸部进行识别，用一个边界框标识出来。在有识
别到脸部的每一帧中，再进行脸部的眼睛识别，并用一个不同颜色的边界框标识出来。
3. Pac-Man
项目描述：
该项目运用计算机视觉技术去进行一个3D 的Pac-Man（吃豆人）游戏。
首先，使用Kinect 系统收集一组具有外观特征（即RGB 值）的3D 点云。几个虚拟球体也位
于这些点云之间。运用HOG 技术从这些图片中提取出特征值，然后运用随机森林或者卷积
神经网络训练一个模型进行二分类，去判断某场景是否包含虚拟球体。
在游戏开始时，初始位置以及摄像机初始角度都在原点。之后进行一个循环：获得当前场景
的视角，提取特征，运用已训练好的模型获得分类预测结果的概率，如果有球体被发现，移
动到确定的坐标位置并更新场景；如果没有发现球体，则旋转摄像机以找到球体
项目描述：
该项目应用机器学习算法实现一个物体识别。
首先，从整个CIFAR-10 数据集中选择一个包含10 个物体类别的子集，每一个种类包含1000
个训练图像和100 个测试图像。然后运用HOG 算法提取数据对应的特征值，之后运用机器
学习中的监督学习算法如SVM，通过拟合训练数据的特征值，获取一个测试模型。最后，
运用获取的模型对测试数据进行分类，并提供预测值正确率以及混淆矩阵。另外，针对不同
的机器学习算法，需要调试其中相关的超参数，从而找到拟合最好的模型，即标签正确率最
高。
2. 脸部识别
项目描述：
该项目应用Haar 级联分类器实现对一个视频进行脸部和眼睛识别。
使用OpenCV 中的CascadeClassifier 函数，为脸部和眼睛分别创建一个Haar 级联分类器。然
后获得视频中的每一帧并转为灰度图，并对脸部进行识别，用一个边界框标识出来。在有识
别到脸部的每一帧中，再进行脸部的眼睛识别，并用一个不同颜色的边界框标识出来。
3. Pac-Man
项目描述：
该项目运用计算机视觉技术去进行一个3D 的Pac-Man（吃豆人）游戏。
首先，使用Kinect 系统收集一组具有外观特征（即RGB 值）的3D 点云。几个虚拟球体也位
于这些点云之间。运用HOG 技术从这些图片中提取出特征值，然后运用随机森林或者卷积
神经网络训练一个模型进行二分类，去判断某场景是否包含虚拟球体。
在游戏开始时，初始位置以及摄像机初始角度都在原点。之后进行一个循环：获得当前场景
的视角，提取特征，运用已训练好的模型获得分类预测结果的概率，如果有球体被发现，移
动到确定的坐标位置并更新场景；如果没有发现球体，则旋转摄像机以找到球体
立即沟通
