筱灬俊楠
AI Scientist
Microsoft · 5年经验
日薪：
￥1000/8h
地点：
北京 海淀
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
毕业学校：北京大学
专业：计算机科学与技术
研究方向：机器学习
曾就职公司：微软亚洲研究院/滴滴AI Lab
竞赛经历：Kaggle top 5 / ACM亚洲区金牌
学术经历：NIPS/ICML等机器学习国际顶级会议发表paper
过往工作经历：
（1）自然语言处理相关，包括：语言模型，机器翻译，文本生成，对话系统，智能客服，对话机器人
（2）语音相关，包括：语音识别，声纹识别，说话人确认/识别
（3）简单CV，包括：图像增强，去噪，超分辨率重构等
（4）AI Biology/life science，包括：基于AI进行生物数据分析，建模，基于AI的分子活性预测，分子设计，PK预测等
掌握的技术：
（1）经典数据结构和算法，python coding
（2）机器学习相关算法，分类/回归/聚类/降维/可视化等
（3）深度学习相关算法，CV/NLP/无监督/生成/预训练等
（4）强化学习相关算法，policy gradient/Q-learning/A2C/PPO/TD3/DQN等
（5）主流的python工具包，包括：pandas，scipy，numpy，sklearn等
（6）DL框架：pytorch/pytorch lightning（弃用TF）
（7）graph框架：DGL
专业：计算机科学与技术
研究方向：机器学习
曾就职公司：微软亚洲研究院/滴滴AI Lab
竞赛经历：Kaggle top 5 / ACM亚洲区金牌
学术经历：NIPS/ICML等机器学习国际顶级会议发表paper
过往工作经历：
（1）自然语言处理相关，包括：语言模型，机器翻译，文本生成，对话系统，智能客服，对话机器人
（2）语音相关，包括：语音识别，声纹识别，说话人确认/识别
（3）简单CV，包括：图像增强，去噪，超分辨率重构等
（4）AI Biology/life science，包括：基于AI进行生物数据分析，建模，基于AI的分子活性预测，分子设计，PK预测等
掌握的技术：
（1）经典数据结构和算法，python coding
（2）机器学习相关算法，分类/回归/聚类/降维/可视化等
（3）深度学习相关算法，CV/NLP/无监督/生成/预训练等
（4）强化学习相关算法，policy gradient/Q-learning/A2C/PPO/TD3/DQN等
（5）主流的python工具包，包括：pandas，scipy，numpy，sklearn等
（6）DL框架：pytorch/pytorch lightning（弃用TF）
（7）graph框架：DGL
项目经验
项目1： 新一代基于声纹识别的说话人身份认证系统开发
项目概述：基于深度学习的方法对用户语音进行建模，开发基于深度学习的说话人确认系统
详细介绍：
(1).基于GMM-UBM和ivector-PLDA的说话人确认系统实现，基于Alize3.0框架进行开发
(2).提出噪声鲁棒的mfcc-SDAE-SV说话人确认算法，在稳态噪声环境取得较好效果；
(3).提出基于DBN-vector的信道鲁棒说话人确认方法，在信道失配条件下效果好于ivector；
(4)开源了第一个用于段语音说话人识别研究的中文普通话语音数据库MTDSR2015；
项目2：SQuAD竞赛
项目概述：基于深度学习搭建阅读理解系统，在SQuAD数据集上F1为87.5，leadboard最好成绩第3
详细介绍：
(1).调研技术方案，设计系统架构，并基于TensorFlow搭建基线系统，F1达到79.1%；
(2).在Glove基础上，引入基于fasttext的char embedding优化文本的向量表示，F1提高1%；
(3).在embedding层融合预训练的ELMo模型，F1提高5%；
(4).引入Pointer Network对基线系统的预测模块进行优化，F1提高0.8%；
(5).设计基于知识蒸馏的ensemble方案，并配合完成代码实现，F1单模型提升1%；
项目概述：基于深度学习的方法对用户语音进行建模，开发基于深度学习的说话人确认系统
详细介绍：
(1).基于GMM-UBM和ivector-PLDA的说话人确认系统实现，基于Alize3.0框架进行开发
(2).提出噪声鲁棒的mfcc-SDAE-SV说话人确认算法，在稳态噪声环境取得较好效果；
(3).提出基于DBN-vector的信道鲁棒说话人确认方法，在信道失配条件下效果好于ivector；
(4)开源了第一个用于段语音说话人识别研究的中文普通话语音数据库MTDSR2015；
项目2：SQuAD竞赛
项目概述：基于深度学习搭建阅读理解系统，在SQuAD数据集上F1为87.5，leadboard最好成绩第3
详细介绍：
(1).调研技术方案，设计系统架构，并基于TensorFlow搭建基线系统，F1达到79.1%；
(2).在Glove基础上，引入基于fasttext的char embedding优化文本的向量表示，F1提高1%；
(3).在embedding层融合预训练的ELMo模型，F1提高5%；
(4).引入Pointer Network对基线系统的预测模块进行优化，F1提高0.8%；
(5).设计基于知识蒸馏的ensemble方案，并配合完成代码实现，F1单模型提升1%；
筱灬俊楠
AI Scientist · 5年经验 · Microsoft
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
毕业学校：北京大学
专业：计算机科学与技术
研究方向：机器学习
曾就职公司：微软亚洲研究院/滴滴AI Lab
竞赛经历：Kaggle top 5 / ACM亚洲区金牌
学术经历：NIPS/ICML等机器学习国际顶级会议发表paper
过往工作经历：
（1）自然语言处理相关，包括：语言模型，机器翻译，文本生成，对话系统，智能客服，对话机器人
（2）语音相关，包括：语音识别，声纹识别，说话人确认/识别
（3）简单CV，包括：图像增强，去噪，超分辨率重构等
（4）AI Biology/life science，包括：基于AI进行生物数据分析，建模，基于AI的分子活性预测，分子设计，PK预测等
掌握的技术：
（1）经典数据结构和算法，python coding
（2）机器学习相关算法，分类/回归/聚类/降维/可视化等
（3）深度学习相关算法，CV/NLP/无监督/生成/预训练等
（4）强化学习相关算法，policy gradient/Q-learning/A2C/PPO/TD3/DQN等
（5）主流的python工具包，包括：pandas，scipy，numpy，sklearn等
（6）DL框架：pytorch/pytorch lightning（弃用TF）
（7）graph框架：DGL
专业：计算机科学与技术
研究方向：机器学习
曾就职公司：微软亚洲研究院/滴滴AI Lab
竞赛经历：Kaggle top 5 / ACM亚洲区金牌
学术经历：NIPS/ICML等机器学习国际顶级会议发表paper
过往工作经历：
（1）自然语言处理相关，包括：语言模型，机器翻译，文本生成，对话系统，智能客服，对话机器人
（2）语音相关，包括：语音识别，声纹识别，说话人确认/识别
（3）简单CV，包括：图像增强，去噪，超分辨率重构等
（4）AI Biology/life science，包括：基于AI进行生物数据分析，建模，基于AI的分子活性预测，分子设计，PK预测等
掌握的技术：
（1）经典数据结构和算法，python coding
（2）机器学习相关算法，分类/回归/聚类/降维/可视化等
（3）深度学习相关算法，CV/NLP/无监督/生成/预训练等
（4）强化学习相关算法，policy gradient/Q-learning/A2C/PPO/TD3/DQN等
（5）主流的python工具包，包括：pandas，scipy，numpy，sklearn等
（6）DL框架：pytorch/pytorch lightning（弃用TF）
（7）graph框架：DGL
项目经验
项目1： 新一代基于声纹识别的说话人身份认证系统开发
项目概述：基于深度学习的方法对用户语音进行建模，开发基于深度学习的说话人确认系统
详细介绍：
(1).基于GMM-UBM和ivector-PLDA的说话人确认系统实现，基于Alize3.0框架进行开发
(2).提出噪声鲁棒的mfcc-SDAE-SV说话人确认算法，在稳态噪声环境取得较好效果；
(3).提出基于DBN-vector的信道鲁棒说话人确认方法，在信道失配条件下效果好于ivector；
(4)开源了第一个用于段语音说话人识别研究的中文普通话语音数据库MTDSR2015；
项目2：SQuAD竞赛
项目概述：基于深度学习搭建阅读理解系统，在SQuAD数据集上F1为87.5，leadboard最好成绩第3
详细介绍：
(1).调研技术方案，设计系统架构，并基于TensorFlow搭建基线系统，F1达到79.1%；
(2).在Glove基础上，引入基于fasttext的char embedding优化文本的向量表示，F1提高1%；
(3).在embedding层融合预训练的ELMo模型，F1提高5%；
(4).引入Pointer Network对基线系统的预测模块进行优化，F1提高0.8%；
(5).设计基于知识蒸馏的ensemble方案，并配合完成代码实现，F1单模型提升1%；
项目概述：基于深度学习的方法对用户语音进行建模，开发基于深度学习的说话人确认系统
详细介绍：
(1).基于GMM-UBM和ivector-PLDA的说话人确认系统实现，基于Alize3.0框架进行开发
(2).提出噪声鲁棒的mfcc-SDAE-SV说话人确认算法，在稳态噪声环境取得较好效果；
(3).提出基于DBN-vector的信道鲁棒说话人确认方法，在信道失配条件下效果好于ivector；
(4)开源了第一个用于段语音说话人识别研究的中文普通话语音数据库MTDSR2015；
项目2：SQuAD竞赛
项目概述：基于深度学习搭建阅读理解系统，在SQuAD数据集上F1为87.5，leadboard最好成绩第3
详细介绍：
(1).调研技术方案，设计系统架构，并基于TensorFlow搭建基线系统，F1达到79.1%；
(2).在Glove基础上，引入基于fasttext的char embedding优化文本的向量表示，F1提高1%；
(3).在embedding层融合预训练的ELMo模型，F1提高5%；
(4).引入Pointer Network对基线系统的预测模块进行优化，F1提高0.8%；
(5).设计基于知识蒸馏的ensemble方案，并配合完成代码实现，F1单模型提升1%；
立即沟通
