Eureka丶
算法工程师
字节跳动 · 3年经验
日薪：
￥500/8h
地点：
成都 高新
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
数学专业基础：插值、拟合、迭代、最优化等理论
统计基础：回归分析、方差分析、聚类分析、PCA等
算法基础：决策树、SVM、K-Means、CNN、Transformer等
技术栈：Python、SQL、C
方向：NLP、图像
项目：人脸识别、文本分类、时间序列分析、LangChain、OCR、ARIMA
工具：ComfyUI、Matlab、SPSS
统计基础：回归分析、方差分析、聚类分析、PCA等
算法基础：决策树、SVM、K-Means、CNN、Transformer等
技术栈：Python、SQL、C
方向：NLP、图像
项目：人脸识别、文本分类、时间序列分析、LangChain、OCR、ARIMA
工具：ComfyUI、Matlab、SPSS
项目经验
1、搭建私有 AIGC：
（1）大语言模型 LangChain 思想的研究和实现。
（2）基于本地知识库，使用 FastChat 接入相关的开源大模型，实现离线私有部署知识库问答应用 FastGPT。
（3）将 vllm 模型 sqlcoder 接入 LangChain 框架，并通过 FastGPT 交互使用。
2、设计并实现大模型的调优方案和评估体系：
（1）针对信息抽取任务和分类任务，使用 Freeze 方法、Lora 方法、P-Tuning 和全量参数方法对 ChatGLM 2模型进行微调，并通过 opencompass 框架测试优化后的模型效果。
（1）大语言模型 LangChain 思想的研究和实现。
（2）基于本地知识库，使用 FastChat 接入相关的开源大模型，实现离线私有部署知识库问答应用 FastGPT。
（3）将 vllm 模型 sqlcoder 接入 LangChain 框架，并通过 FastGPT 交互使用。
2、设计并实现大模型的调优方案和评估体系：
（1）针对信息抽取任务和分类任务，使用 Freeze 方法、Lora 方法、P-Tuning 和全量参数方法对 ChatGLM 2模型进行微调，并通过 opencompass 框架测试优化后的模型效果。
Eureka丶
算法工程师 · 3年经验 · 字节跳动
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
数学专业基础：插值、拟合、迭代、最优化等理论
统计基础：回归分析、方差分析、聚类分析、PCA等
算法基础：决策树、SVM、K-Means、CNN、Transformer等
技术栈：Python、SQL、C
方向：NLP、图像
项目：人脸识别、文本分类、时间序列分析、LangChain、OCR、ARIMA
工具：ComfyUI、Matlab、SPSS
统计基础：回归分析、方差分析、聚类分析、PCA等
算法基础：决策树、SVM、K-Means、CNN、Transformer等
技术栈：Python、SQL、C
方向：NLP、图像
项目：人脸识别、文本分类、时间序列分析、LangChain、OCR、ARIMA
工具：ComfyUI、Matlab、SPSS
项目经验
1、搭建私有 AIGC：
（1）大语言模型 LangChain 思想的研究和实现。
（2）基于本地知识库，使用 FastChat 接入相关的开源大模型，实现离线私有部署知识库问答应用 FastGPT。
（3）将 vllm 模型 sqlcoder 接入 LangChain 框架，并通过 FastGPT 交互使用。
2、设计并实现大模型的调优方案和评估体系：
（1）针对信息抽取任务和分类任务，使用 Freeze 方法、Lora 方法、P-Tuning 和全量参数方法对 ChatGLM 2模型进行微调，并通过 opencompass 框架测试优化后的模型效果。
（1）大语言模型 LangChain 思想的研究和实现。
（2）基于本地知识库，使用 FastChat 接入相关的开源大模型，实现离线私有部署知识库问答应用 FastGPT。
（3）将 vllm 模型 sqlcoder 接入 LangChain 框架，并通过 FastGPT 交互使用。
2、设计并实现大模型的调优方案和评估体系：
（1）针对信息抽取任务和分类任务，使用 Freeze 方法、Lora 方法、P-Tuning 和全量参数方法对 ChatGLM 2模型进行微调，并通过 opencompass 框架测试优化后的模型效果。
立即沟通
