王斌
AI算法工程师
头部医疗 · 8年经验
日薪：
￥800/8h
地点：
上海 徐汇
时间：
周六周日
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
扎实的数学基础
编程能力，熟练掌握C/C++和Python语言
数据结构与算法知识
机器学习理论和实践
深度学习算法和框架，如CNN、RNN、LSTM、Caffe、Tensorflow等
Linux开发环境和Shell语言
图像处理、模式识别、视觉分析等领域知识
LLM大模型提示词，RAG，微调等技术
编程能力，熟练掌握C/C++和Python语言
数据结构与算法知识
机器学习理论和实践
深度学习算法和框架，如CNN、RNN、LSTM、Caffe、Tensorflow等
Linux开发环境和Shell语言
图像处理、模式识别、视觉分析等领域知识
LLM大模型提示词，RAG，微调等技术
项目经验
### 项目名称：多模态对话生成系统（MMDS）
#### 时间：2023年3月至2024年6月
#### 角色：高级自然语言处理工程师
#### 项目描述：
- 开发了一款基于大规模预训练语言模型的多模态对话系统，旨在为用户提供更自然、流畅和情境相关的交互体验。
- 该系统能够理解文本、图像和视频等多种形式的信息，并能根据上下文生成有意义的回复。
#### 责任与成就：
- **需求分析与设计**：与产品团队紧密合作，定义产品的功能需求和技术规格；设计了系统的架构，确保其可扩展性和高效性。
- **模型研发**：负责构建和优化核心的大规模语言模型，包括但不限于BERT、GPT-3等，以提高对话的质量和连贯性。
- **数据处理**：开发了数据清洗和预处理流程，以支持大规模训练数据集的准备，包括文本、图像和视频数据的标注和整理。
- **算法改进**：实现了多种算法来改善模型的表现，如注意力机制的改进、上下文记忆增强技术等，显著提高了模型的响应质量和多样性。
- **性能优化**：通过分布式计算框架（如TensorFlow、PyTorch）进行模型训练和调优，优化了模型的运行效率和资源利用。
- **集成测试**：参与系统集成和测试阶段，确保各模块之间的兼容性和稳定性，解决了多个关键问题，提升了用户体验。
- **文档编写**：撰写了详细的开发文档和技术报告，便于团队成员理解和维护系统。
- **成果展示**：项目成功部署后，用户满意度评分提高了30%，并获得行业内的高度评价，在国际会议上发表相关论文。
#### 使用的技术栈：
- **编程语言**：Python, JavaScript
- **框架/平台**：TensorFlow, PyTorch, Docker
- **数据库**：MongoDB, Redis
- **其他工具**：Git, Jupyter Notebook, Docker
#### 时间：2023年3月至2024年6月
#### 角色：高级自然语言处理工程师
#### 项目描述：
- 开发了一款基于大规模预训练语言模型的多模态对话系统，旨在为用户提供更自然、流畅和情境相关的交互体验。
- 该系统能够理解文本、图像和视频等多种形式的信息，并能根据上下文生成有意义的回复。
#### 责任与成就：
- **需求分析与设计**：与产品团队紧密合作，定义产品的功能需求和技术规格；设计了系统的架构，确保其可扩展性和高效性。
- **模型研发**：负责构建和优化核心的大规模语言模型，包括但不限于BERT、GPT-3等，以提高对话的质量和连贯性。
- **数据处理**：开发了数据清洗和预处理流程，以支持大规模训练数据集的准备，包括文本、图像和视频数据的标注和整理。
- **算法改进**：实现了多种算法来改善模型的表现，如注意力机制的改进、上下文记忆增强技术等，显著提高了模型的响应质量和多样性。
- **性能优化**：通过分布式计算框架（如TensorFlow、PyTorch）进行模型训练和调优，优化了模型的运行效率和资源利用。
- **集成测试**：参与系统集成和测试阶段，确保各模块之间的兼容性和稳定性，解决了多个关键问题，提升了用户体验。
- **文档编写**：撰写了详细的开发文档和技术报告，便于团队成员理解和维护系统。
- **成果展示**：项目成功部署后，用户满意度评分提高了30%，并获得行业内的高度评价，在国际会议上发表相关论文。
#### 使用的技术栈：
- **编程语言**：Python, JavaScript
- **框架/平台**：TensorFlow, PyTorch, Docker
- **数据库**：MongoDB, Redis
- **其他工具**：Git, Jupyter Notebook, Docker
王斌
AI算法工程师 · 8年经验 · 头部医疗
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
扎实的数学基础
编程能力，熟练掌握C/C++和Python语言
数据结构与算法知识
机器学习理论和实践
深度学习算法和框架，如CNN、RNN、LSTM、Caffe、Tensorflow等
Linux开发环境和Shell语言
图像处理、模式识别、视觉分析等领域知识
LLM大模型提示词，RAG，微调等技术
编程能力，熟练掌握C/C++和Python语言
数据结构与算法知识
机器学习理论和实践
深度学习算法和框架，如CNN、RNN、LSTM、Caffe、Tensorflow等
Linux开发环境和Shell语言
图像处理、模式识别、视觉分析等领域知识
LLM大模型提示词，RAG，微调等技术
项目经验
### 项目名称：多模态对话生成系统（MMDS）
#### 时间：2023年3月至2024年6月
#### 角色：高级自然语言处理工程师
#### 项目描述：
- 开发了一款基于大规模预训练语言模型的多模态对话系统，旨在为用户提供更自然、流畅和情境相关的交互体验。
- 该系统能够理解文本、图像和视频等多种形式的信息，并能根据上下文生成有意义的回复。
#### 责任与成就：
- **需求分析与设计**：与产品团队紧密合作，定义产品的功能需求和技术规格；设计了系统的架构，确保其可扩展性和高效性。
- **模型研发**：负责构建和优化核心的大规模语言模型，包括但不限于BERT、GPT-3等，以提高对话的质量和连贯性。
- **数据处理**：开发了数据清洗和预处理流程，以支持大规模训练数据集的准备，包括文本、图像和视频数据的标注和整理。
- **算法改进**：实现了多种算法来改善模型的表现，如注意力机制的改进、上下文记忆增强技术等，显著提高了模型的响应质量和多样性。
- **性能优化**：通过分布式计算框架（如TensorFlow、PyTorch）进行模型训练和调优，优化了模型的运行效率和资源利用。
- **集成测试**：参与系统集成和测试阶段，确保各模块之间的兼容性和稳定性，解决了多个关键问题，提升了用户体验。
- **文档编写**：撰写了详细的开发文档和技术报告，便于团队成员理解和维护系统。
- **成果展示**：项目成功部署后，用户满意度评分提高了30%，并获得行业内的高度评价，在国际会议上发表相关论文。
#### 使用的技术栈：
- **编程语言**：Python, JavaScript
- **框架/平台**：TensorFlow, PyTorch, Docker
- **数据库**：MongoDB, Redis
- **其他工具**：Git, Jupyter Notebook, Docker
#### 时间：2023年3月至2024年6月
#### 角色：高级自然语言处理工程师
#### 项目描述：
- 开发了一款基于大规模预训练语言模型的多模态对话系统，旨在为用户提供更自然、流畅和情境相关的交互体验。
- 该系统能够理解文本、图像和视频等多种形式的信息，并能根据上下文生成有意义的回复。
#### 责任与成就：
- **需求分析与设计**：与产品团队紧密合作，定义产品的功能需求和技术规格；设计了系统的架构，确保其可扩展性和高效性。
- **模型研发**：负责构建和优化核心的大规模语言模型，包括但不限于BERT、GPT-3等，以提高对话的质量和连贯性。
- **数据处理**：开发了数据清洗和预处理流程，以支持大规模训练数据集的准备，包括文本、图像和视频数据的标注和整理。
- **算法改进**：实现了多种算法来改善模型的表现，如注意力机制的改进、上下文记忆增强技术等，显著提高了模型的响应质量和多样性。
- **性能优化**：通过分布式计算框架（如TensorFlow、PyTorch）进行模型训练和调优，优化了模型的运行效率和资源利用。
- **集成测试**：参与系统集成和测试阶段，确保各模块之间的兼容性和稳定性，解决了多个关键问题，提升了用户体验。
- **文档编写**：撰写了详细的开发文档和技术报告，便于团队成员理解和维护系统。
- **成果展示**：项目成功部署后，用户满意度评分提高了30%，并获得行业内的高度评价，在国际会议上发表相关论文。
#### 使用的技术栈：
- **编程语言**：Python, JavaScript
- **框架/平台**：TensorFlow, PyTorch, Docker
- **数据库**：MongoDB, Redis
- **其他工具**：Git, Jupyter Notebook, Docker
立即沟通
