Li
算法工程师
科大讯飞 · 7年经验
日薪：
￥500/8h
地点：
郑州 全区
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
熟练使用Python语言、Tensorflow深度学习框架；掌握机器学习算法、神经网络模型，如GBDT、AdaBoost、Transformer、Bert等；可根据具体任务生产语料、训练模型；熟练使用多种模型完成文本分类、序列标注、事件抽取等任务；掌握数据清洗、数据增强等语料处理方法。
七年算法经验，涉及自然语言处理，计算机视觉和网络安全多个领域。
七年算法经验，涉及自然语言处理，计算机视觉和网络安全多个领域。
项目经验
项目名称：基于多维特征提取的视频内容识别系统设计
主要内容：采集视频，提取图像、音频特征，利用SIFT特征及CNN-LSTM网络，训练分类器。
项目成果：识别广播视频中的广告内容，准确率和召回率分别为90%和98.02%。技术创新有采用二次差分技术检测镜头边界，解决渐变镜头识别困难的情况；使用CNN模型提取图像特征、综合音频特征进行分类，识别视频中的广告内容。
项目名称：基于新浪微博的春晚舆论分析
主要内容：爬取数据，清洗数据，数据标注。
项目成果：项目主要内容是基于微博分析观众对春晚的评价，包括爬数据、清洗数据，标注语料和训练模型
。项目名称：金融新闻实时追踪系统
主要内容：新闻分类、新闻概念抽取、新闻摘要生成。
项目成果：将金融类新闻细分股票、基金等7个类别，准确率99.25%；使用bert+Lstm_crf模型从新闻标题中识别概念名称，准确率94.73%；开发无监督抽取式摘要算法。
项目名称：数据生产平台建设
主要内容：对定期公告中的表格做分类。
项目成果：使用辅助模型，在长篇幅的公告中定位关键表格，帮助标注人员快速发现关键信息。
主要内容：采集视频，提取图像、音频特征，利用SIFT特征及CNN-LSTM网络，训练分类器。
项目成果：识别广播视频中的广告内容，准确率和召回率分别为90%和98.02%。技术创新有采用二次差分技术检测镜头边界，解决渐变镜头识别困难的情况；使用CNN模型提取图像特征、综合音频特征进行分类，识别视频中的广告内容。
项目名称：基于新浪微博的春晚舆论分析
主要内容：爬取数据，清洗数据，数据标注。
项目成果：项目主要内容是基于微博分析观众对春晚的评价，包括爬数据、清洗数据，标注语料和训练模型
。项目名称：金融新闻实时追踪系统
主要内容：新闻分类、新闻概念抽取、新闻摘要生成。
项目成果：将金融类新闻细分股票、基金等7个类别，准确率99.25%；使用bert+Lstm_crf模型从新闻标题中识别概念名称，准确率94.73%；开发无监督抽取式摘要算法。
项目名称：数据生产平台建设
主要内容：对定期公告中的表格做分类。
项目成果：使用辅助模型，在长篇幅的公告中定位关键表格，帮助标注人员快速发现关键信息。
案例展示 全部案例 >
ID:342961
复制
Li
算法工程师 · 7年经验 · 科大讯飞
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
熟练使用Python语言、Tensorflow深度学习框架；掌握机器学习算法、神经网络模型，如GBDT、AdaBoost、Transformer、Bert等；可根据具体任务生产语料、训练模型；熟练使用多种模型完成文本分类、序列标注、事件抽取等任务；掌握数据清洗、数据增强等语料处理方法。
七年算法经验，涉及自然语言处理，计算机视觉和网络安全多个领域。
七年算法经验，涉及自然语言处理，计算机视觉和网络安全多个领域。
项目经验
项目名称：基于多维特征提取的视频内容识别系统设计
主要内容：采集视频，提取图像、音频特征，利用SIFT特征及CNN-LSTM网络，训练分类器。
项目成果：识别广播视频中的广告内容，准确率和召回率分别为90%和98.02%。技术创新有采用二次差分技术检测镜头边界，解决渐变镜头识别困难的情况；使用CNN模型提取图像特征、综合音频特征进行分类，识别视频中的广告内容。
项目名称：基于新浪微博的春晚舆论分析
主要内容：爬取数据，清洗数据，数据标注。
项目成果：项目主要内容是基于微博分析观众对春晚的评价，包括爬数据、清洗数据，标注语料和训练模型
。项目名称：金融新闻实时追踪系统
主要内容：新闻分类、新闻概念抽取、新闻摘要生成。
项目成果：将金融类新闻细分股票、基金等7个类别，准确率99.25%；使用bert+Lstm_crf模型从新闻标题中识别概念名称，准确率94.73%；开发无监督抽取式摘要算法。
项目名称：数据生产平台建设
主要内容：对定期公告中的表格做分类。
项目成果：使用辅助模型，在长篇幅的公告中定位关键表格，帮助标注人员快速发现关键信息。
主要内容：采集视频，提取图像、音频特征，利用SIFT特征及CNN-LSTM网络，训练分类器。
项目成果：识别广播视频中的广告内容，准确率和召回率分别为90%和98.02%。技术创新有采用二次差分技术检测镜头边界，解决渐变镜头识别困难的情况；使用CNN模型提取图像特征、综合音频特征进行分类，识别视频中的广告内容。
项目名称：基于新浪微博的春晚舆论分析
主要内容：爬取数据，清洗数据，数据标注。
项目成果：项目主要内容是基于微博分析观众对春晚的评价，包括爬数据、清洗数据，标注语料和训练模型
。项目名称：金融新闻实时追踪系统
主要内容：新闻分类、新闻概念抽取、新闻摘要生成。
项目成果：将金融类新闻细分股票、基金等7个类别，准确率99.25%；使用bert+Lstm_crf模型从新闻标题中识别概念名称，准确率94.73%；开发无监督抽取式摘要算法。
项目名称：数据生产平台建设
主要内容：对定期公告中的表格做分类。
项目成果：使用辅助模型，在长篇幅的公告中定位关键表格，帮助标注人员快速发现关键信息。
立即沟通
