阿山
高级AI研发工程师
尘峰信息科技有限公司 · 6年经验
日薪：
￥700/8h
地点：
成都 高新
时间：
可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
- 英国精算师；
- 4年NLP、机器学习、深度学习项目经验；
- 6年数据挖掘、数据分析、数据建模经验；
- 4年用户画像、精准营销项目经验；
从事行业：保险精算建模、金融安防/风控/量化、智慧AI医疗；
- Python、SQL
- NLP、BERT、Tensorflow、Pytorch、Keras、Transformers、Numpy、Pandas；
- SKlearn、CNN、RNN、DNN、LSTM、MLP；
- Excel、PPT
- 基于人工智能的多分类、多标签、QA、文本补全、Query理解等任务。
- 4年NLP、机器学习、深度学习项目经验；
- 6年数据挖掘、数据分析、数据建模经验；
- 4年用户画像、精准营销项目经验；
从事行业：保险精算建模、金融安防/风控/量化、智慧AI医疗；
- Python、SQL
- NLP、BERT、Tensorflow、Pytorch、Keras、Transformers、Numpy、Pandas；
- SKlearn、CNN、RNN、DNN、LSTM、MLP；
- Excel、PPT
- 基于人工智能的多分类、多标签、QA、文本补全、Query理解等任务。
项目经验
【多模态模型智能问诊项目】
针对医疗设施及其附属服务不完善地区，搭建智能化医生辅助问诊系统，智能排查体征、用药、疾病诊断、辅助信息支持等功能。
● 调研多模态模型可行性，学习并完成搭建基于增强学习、深度学习、自然语言处理（BERT/Transformer）相关技术的子模型，建立基于多模态模型的服务框架；
● 通过调研行业论文，克服稀疏特征、多标签分类、有效问诊等问题，搭建高效增强学习框架，并通过改写底层框架后的MLP、深度学习模型提高问诊效率、准确度；
【基于BERT模型的项目】
● 对疾病进行智能化编码。对海量文本进行预处理、过滤、分词，独立完成子需求，包含实体识别（用于知识图谱三元组）、相似度匹配、文本分类；
● 将BERT/+BiLSTM+CRF模型嵌入进多模态模型组中，并优化下游深度神经网络等其它需求；
● 调研行业最新论文成果，并编写、测试，用于优化现有模型；
【基于BERT的项目2】
● 对海量文本、对话数据进行数据预处理、并用BERT进行用户画像标签提取；
【舆情预测模型（NLP、深度学习）】
● 建立实时文本数据的预处理与分析流程，为舆情预测模型提供原始训练数据；
● 调研行业论文，编写代码复现思路，利用分词算法、特征提取、实体识别、情感分析、文本分类等NLP技术手段搭建市场舆情分析模型；
● 测试、优化基于BERT模型的现有框架；
【反欺诈模型】
● 根据用户行为数据进行分析，对原始数据进行清洗、特征缩放、特征整合等操作，利用机器学习各模型（例如逻辑回归、SVM、随机森林等），对用户反欺诈行为进行可能性分析；
● 利用预处理后的数据搭建深度学习模型，包含回归、分类、多标签等任务需求，建立多模态模型，构建起整体反欺诈框架；
● 调研行业最新近战，复现思路，优化现有多模态模型体系；
【用户画像，精准营销】
● 结合平安集团世界500强优势，与各类子集团（人寿、财产、金融、信贷等）建立需求理论，沟通多部门并行开发，获取用户画像模型潜在需求的原始数据；
● 利用机器学习、Numpy、Pandas、Oracle等常见工具，对原始数据进行预处理、清洗，进行数据挖掘，并建立相关数学算法模型，进行特征缩放、特征提纯等操作；
● 调研行业最新论文，复现思路，搭建、测试基于不同业务思路下的深度学习模型，完成相关回归评估、多分类、多标签等任务需求；
针对医疗设施及其附属服务不完善地区，搭建智能化医生辅助问诊系统，智能排查体征、用药、疾病诊断、辅助信息支持等功能。
● 调研多模态模型可行性，学习并完成搭建基于增强学习、深度学习、自然语言处理（BERT/Transformer）相关技术的子模型，建立基于多模态模型的服务框架；
● 通过调研行业论文，克服稀疏特征、多标签分类、有效问诊等问题，搭建高效增强学习框架，并通过改写底层框架后的MLP、深度学习模型提高问诊效率、准确度；
【基于BERT模型的项目】
● 对疾病进行智能化编码。对海量文本进行预处理、过滤、分词，独立完成子需求，包含实体识别（用于知识图谱三元组）、相似度匹配、文本分类；
● 将BERT/+BiLSTM+CRF模型嵌入进多模态模型组中，并优化下游深度神经网络等其它需求；
● 调研行业最新论文成果，并编写、测试，用于优化现有模型；
【基于BERT的项目2】
● 对海量文本、对话数据进行数据预处理、并用BERT进行用户画像标签提取；
【舆情预测模型（NLP、深度学习）】
● 建立实时文本数据的预处理与分析流程，为舆情预测模型提供原始训练数据；
● 调研行业论文，编写代码复现思路，利用分词算法、特征提取、实体识别、情感分析、文本分类等NLP技术手段搭建市场舆情分析模型；
● 测试、优化基于BERT模型的现有框架；
【反欺诈模型】
● 根据用户行为数据进行分析，对原始数据进行清洗、特征缩放、特征整合等操作，利用机器学习各模型（例如逻辑回归、SVM、随机森林等），对用户反欺诈行为进行可能性分析；
● 利用预处理后的数据搭建深度学习模型，包含回归、分类、多标签等任务需求，建立多模态模型，构建起整体反欺诈框架；
● 调研行业最新近战，复现思路，优化现有多模态模型体系；
【用户画像，精准营销】
● 结合平安集团世界500强优势，与各类子集团（人寿、财产、金融、信贷等）建立需求理论，沟通多部门并行开发，获取用户画像模型潜在需求的原始数据；
● 利用机器学习、Numpy、Pandas、Oracle等常见工具，对原始数据进行预处理、清洗，进行数据挖掘，并建立相关数学算法模型，进行特征缩放、特征提纯等操作；
● 调研行业最新论文，复现思路，搭建、测试基于不同业务思路下的深度学习模型，完成相关回归评估、多分类、多标签等任务需求；
阿山
高级AI研发工程师 · 6年经验 · 尘峰信息科技有限公司
0
累计接单
0
用户评价
1
被收藏
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
- 英国精算师；
- 4年NLP、机器学习、深度学习项目经验；
- 6年数据挖掘、数据分析、数据建模经验；
- 4年用户画像、精准营销项目经验；
从事行业：保险精算建模、金融安防/风控/量化、智慧AI医疗；
- Python、SQL
- NLP、BERT、Tensorflow、Pytorch、Keras、Transformers、Numpy、Pandas；
- SKlearn、CNN、RNN、DNN、LSTM、MLP；
- Excel、PPT
- 基于人工智能的多分类、多标签、QA、文本补全、Query理解等任务。
- 4年NLP、机器学习、深度学习项目经验；
- 6年数据挖掘、数据分析、数据建模经验；
- 4年用户画像、精准营销项目经验；
从事行业：保险精算建模、金融安防/风控/量化、智慧AI医疗；
- Python、SQL
- NLP、BERT、Tensorflow、Pytorch、Keras、Transformers、Numpy、Pandas；
- SKlearn、CNN、RNN、DNN、LSTM、MLP；
- Excel、PPT
- 基于人工智能的多分类、多标签、QA、文本补全、Query理解等任务。
项目经验
【多模态模型智能问诊项目】
针对医疗设施及其附属服务不完善地区，搭建智能化医生辅助问诊系统，智能排查体征、用药、疾病诊断、辅助信息支持等功能。
● 调研多模态模型可行性，学习并完成搭建基于增强学习、深度学习、自然语言处理（BERT/Transformer）相关技术的子模型，建立基于多模态模型的服务框架；
● 通过调研行业论文，克服稀疏特征、多标签分类、有效问诊等问题，搭建高效增强学习框架，并通过改写底层框架后的MLP、深度学习模型提高问诊效率、准确度；
【基于BERT模型的项目】
● 对疾病进行智能化编码。对海量文本进行预处理、过滤、分词，独立完成子需求，包含实体识别（用于知识图谱三元组）、相似度匹配、文本分类；
● 将BERT/+BiLSTM+CRF模型嵌入进多模态模型组中，并优化下游深度神经网络等其它需求；
● 调研行业最新论文成果，并编写、测试，用于优化现有模型；
【基于BERT的项目2】
● 对海量文本、对话数据进行数据预处理、并用BERT进行用户画像标签提取；
【舆情预测模型（NLP、深度学习）】
● 建立实时文本数据的预处理与分析流程，为舆情预测模型提供原始训练数据；
● 调研行业论文，编写代码复现思路，利用分词算法、特征提取、实体识别、情感分析、文本分类等NLP技术手段搭建市场舆情分析模型；
● 测试、优化基于BERT模型的现有框架；
【反欺诈模型】
● 根据用户行为数据进行分析，对原始数据进行清洗、特征缩放、特征整合等操作，利用机器学习各模型（例如逻辑回归、SVM、随机森林等），对用户反欺诈行为进行可能性分析；
● 利用预处理后的数据搭建深度学习模型，包含回归、分类、多标签等任务需求，建立多模态模型，构建起整体反欺诈框架；
● 调研行业最新近战，复现思路，优化现有多模态模型体系；
【用户画像，精准营销】
● 结合平安集团世界500强优势，与各类子集团（人寿、财产、金融、信贷等）建立需求理论，沟通多部门并行开发，获取用户画像模型潜在需求的原始数据；
● 利用机器学习、Numpy、Pandas、Oracle等常见工具，对原始数据进行预处理、清洗，进行数据挖掘，并建立相关数学算法模型，进行特征缩放、特征提纯等操作；
● 调研行业最新论文，复现思路，搭建、测试基于不同业务思路下的深度学习模型，完成相关回归评估、多分类、多标签等任务需求；
针对医疗设施及其附属服务不完善地区，搭建智能化医生辅助问诊系统，智能排查体征、用药、疾病诊断、辅助信息支持等功能。
● 调研多模态模型可行性，学习并完成搭建基于增强学习、深度学习、自然语言处理（BERT/Transformer）相关技术的子模型，建立基于多模态模型的服务框架；
● 通过调研行业论文，克服稀疏特征、多标签分类、有效问诊等问题，搭建高效增强学习框架，并通过改写底层框架后的MLP、深度学习模型提高问诊效率、准确度；
【基于BERT模型的项目】
● 对疾病进行智能化编码。对海量文本进行预处理、过滤、分词，独立完成子需求，包含实体识别（用于知识图谱三元组）、相似度匹配、文本分类；
● 将BERT/+BiLSTM+CRF模型嵌入进多模态模型组中，并优化下游深度神经网络等其它需求；
● 调研行业最新论文成果，并编写、测试，用于优化现有模型；
【基于BERT的项目2】
● 对海量文本、对话数据进行数据预处理、并用BERT进行用户画像标签提取；
【舆情预测模型（NLP、深度学习）】
● 建立实时文本数据的预处理与分析流程，为舆情预测模型提供原始训练数据；
● 调研行业论文，编写代码复现思路，利用分词算法、特征提取、实体识别、情感分析、文本分类等NLP技术手段搭建市场舆情分析模型；
● 测试、优化基于BERT模型的现有框架；
【反欺诈模型】
● 根据用户行为数据进行分析，对原始数据进行清洗、特征缩放、特征整合等操作，利用机器学习各模型（例如逻辑回归、SVM、随机森林等），对用户反欺诈行为进行可能性分析；
● 利用预处理后的数据搭建深度学习模型，包含回归、分类、多标签等任务需求，建立多模态模型，构建起整体反欺诈框架；
● 调研行业最新近战，复现思路，优化现有多模态模型体系；
【用户画像，精准营销】
● 结合平安集团世界500强优势，与各类子集团（人寿、财产、金融、信贷等）建立需求理论，沟通多部门并行开发，获取用户画像模型潜在需求的原始数据；
● 利用机器学习、Numpy、Pandas、Oracle等常见工具，对原始数据进行预处理、清洗，进行数据挖掘，并建立相关数学算法模型，进行特征缩放、特征提纯等操作；
● 调研行业最新论文，复现思路，搭建、测试基于不同业务思路下的深度学习模型，完成相关回归评估、多分类、多标签等任务需求；
立即沟通
