선녀가 바람을 쐬 다
高级AI算法工程师
广州某科技公司 · 2年经验
日薪：
￥500/8h
地点：
深圳 福田
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
理解不同的机器学习算法，包括监督学习、无监督学习和强化学习
熟悉决策树、随机森林、支持向量机、神经网络等算法
熟悉深度学习框架，如TensorFlow、PyTorch、Keras
能够使用数据处理工具，如Pandas、NumPy等进行数据清洗、预处理和分析
理解数据可视化工具，如Matplotlib、Seaborn等
理解不同的评估指标，如准确率、召回率、F1分数等
能够使用交叉验证、网格搜索等方法进行模型调优
熟悉版本控制系统
理解软件开发生命周期和敏捷开发方法
理解并行计算和分布式计算的基本概念
能够使用GPU、TPU等硬件加速计算
了解图像处理、卷积神经网络、目标检测和识别
熟悉决策树、随机森林、支持向量机、神经网络等算法
熟悉深度学习框架，如TensorFlow、PyTorch、Keras
能够使用数据处理工具，如Pandas、NumPy等进行数据清洗、预处理和分析
理解数据可视化工具，如Matplotlib、Seaborn等
理解不同的评估指标，如准确率、召回率、F1分数等
能够使用交叉验证、网格搜索等方法进行模型调优
熟悉版本控制系统
理解软件开发生命周期和敏捷开发方法
理解并行计算和分布式计算的基本概念
能够使用GPU、TPU等硬件加速计算
了解图像处理、卷积神经网络、目标检测和识别
项目经验
项目一：基于深度学习的视频监控中的目标检测
基于深度学习的目标检测系统，用于实时视频监控，以识别和跟踪特定区域内的人员、车辆或其他重要目标。
关键技术：
使用卷积神经网络（CNN）如YOLO（You Only Look Once）或Faster R-CNN进行目标检测。
实现多尺度特征融合，提高小目标的检测精度。
集成光流技术以增强目标跟踪能力。
成果：
实现了99%以上的检测准确率。
系统能够在复杂环境下（如夜间、恶劣天气）稳定运行。
部署在多个安全监控系统中，有效提高了监控效率。
项目二：医学图像中肿瘤目标检测
设计并实现一个深度学习模型，用于自动检测医学影像（如CT、MRI）中的肿瘤位置和大小。
关键技术：
使用3D卷积神经网络处理三维医学图像数据。
利用图像增强技术提高模型对不同病变类型的泛化能力。
实现了一个用户友好的界面，供医生标记和验证检测结果。
项目成果：
模型在多个公开数据集上达到了95%以上的准确率。
显著减少了医生的诊断时间，提高了诊断的准确性。
为临床试验和研究提供了一个强大的辅助工具。
项目三：零售环境中的商品检测与分析
一个目标检测系统，用于零售环境中自动识别货架上的商品，分析库存状态，以及顾客的购买行为。
关键技术：
使用YOLO算法进行实时目标检测。
实现了对商品标签、包装和形状的多特征识别。
集成了顾客行为分析模块，通过目标跟踪技术分析顾客在店内的移动路径和购买偏好。
项目成果：
实现了货架商品的高准确率检测和实时库存更新。
通过分析顾客行为，帮助零售商优化商品布局和促销策略。
系统在多个零售商店成功部署，提高了运营效率和顾客满意度。
基于深度学习的目标检测系统，用于实时视频监控，以识别和跟踪特定区域内的人员、车辆或其他重要目标。
关键技术：
使用卷积神经网络（CNN）如YOLO（You Only Look Once）或Faster R-CNN进行目标检测。
实现多尺度特征融合，提高小目标的检测精度。
集成光流技术以增强目标跟踪能力。
成果：
实现了99%以上的检测准确率。
系统能够在复杂环境下（如夜间、恶劣天气）稳定运行。
部署在多个安全监控系统中，有效提高了监控效率。
项目二：医学图像中肿瘤目标检测
设计并实现一个深度学习模型，用于自动检测医学影像（如CT、MRI）中的肿瘤位置和大小。
关键技术：
使用3D卷积神经网络处理三维医学图像数据。
利用图像增强技术提高模型对不同病变类型的泛化能力。
实现了一个用户友好的界面，供医生标记和验证检测结果。
项目成果：
模型在多个公开数据集上达到了95%以上的准确率。
显著减少了医生的诊断时间，提高了诊断的准确性。
为临床试验和研究提供了一个强大的辅助工具。
项目三：零售环境中的商品检测与分析
一个目标检测系统，用于零售环境中自动识别货架上的商品，分析库存状态，以及顾客的购买行为。
关键技术：
使用YOLO算法进行实时目标检测。
实现了对商品标签、包装和形状的多特征识别。
集成了顾客行为分析模块，通过目标跟踪技术分析顾客在店内的移动路径和购买偏好。
项目成果：
实现了货架商品的高准确率检测和实时库存更新。
通过分析顾客行为，帮助零售商优化商品布局和促销策略。
系统在多个零售商店成功部署，提高了运营效率和顾客满意度。
ID:384029
复制
선녀가 바람을 쐬 다
高级AI算法工程师 · 2年经验 · 广州某科技公司
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
理解不同的机器学习算法，包括监督学习、无监督学习和强化学习
熟悉决策树、随机森林、支持向量机、神经网络等算法
熟悉深度学习框架，如TensorFlow、PyTorch、Keras
能够使用数据处理工具，如Pandas、NumPy等进行数据清洗、预处理和分析
理解数据可视化工具，如Matplotlib、Seaborn等
理解不同的评估指标，如准确率、召回率、F1分数等
能够使用交叉验证、网格搜索等方法进行模型调优
熟悉版本控制系统
理解软件开发生命周期和敏捷开发方法
理解并行计算和分布式计算的基本概念
能够使用GPU、TPU等硬件加速计算
了解图像处理、卷积神经网络、目标检测和识别
熟悉决策树、随机森林、支持向量机、神经网络等算法
熟悉深度学习框架，如TensorFlow、PyTorch、Keras
能够使用数据处理工具，如Pandas、NumPy等进行数据清洗、预处理和分析
理解数据可视化工具，如Matplotlib、Seaborn等
理解不同的评估指标，如准确率、召回率、F1分数等
能够使用交叉验证、网格搜索等方法进行模型调优
熟悉版本控制系统
理解软件开发生命周期和敏捷开发方法
理解并行计算和分布式计算的基本概念
能够使用GPU、TPU等硬件加速计算
了解图像处理、卷积神经网络、目标检测和识别
项目经验
项目一：基于深度学习的视频监控中的目标检测
基于深度学习的目标检测系统，用于实时视频监控，以识别和跟踪特定区域内的人员、车辆或其他重要目标。
关键技术：
使用卷积神经网络（CNN）如YOLO（You Only Look Once）或Faster R-CNN进行目标检测。
实现多尺度特征融合，提高小目标的检测精度。
集成光流技术以增强目标跟踪能力。
成果：
实现了99%以上的检测准确率。
系统能够在复杂环境下（如夜间、恶劣天气）稳定运行。
部署在多个安全监控系统中，有效提高了监控效率。
项目二：医学图像中肿瘤目标检测
设计并实现一个深度学习模型，用于自动检测医学影像（如CT、MRI）中的肿瘤位置和大小。
关键技术：
使用3D卷积神经网络处理三维医学图像数据。
利用图像增强技术提高模型对不同病变类型的泛化能力。
实现了一个用户友好的界面，供医生标记和验证检测结果。
项目成果：
模型在多个公开数据集上达到了95%以上的准确率。
显著减少了医生的诊断时间，提高了诊断的准确性。
为临床试验和研究提供了一个强大的辅助工具。
项目三：零售环境中的商品检测与分析
一个目标检测系统，用于零售环境中自动识别货架上的商品，分析库存状态，以及顾客的购买行为。
关键技术：
使用YOLO算法进行实时目标检测。
实现了对商品标签、包装和形状的多特征识别。
集成了顾客行为分析模块，通过目标跟踪技术分析顾客在店内的移动路径和购买偏好。
项目成果：
实现了货架商品的高准确率检测和实时库存更新。
通过分析顾客行为，帮助零售商优化商品布局和促销策略。
系统在多个零售商店成功部署，提高了运营效率和顾客满意度。
基于深度学习的目标检测系统，用于实时视频监控，以识别和跟踪特定区域内的人员、车辆或其他重要目标。
关键技术：
使用卷积神经网络（CNN）如YOLO（You Only Look Once）或Faster R-CNN进行目标检测。
实现多尺度特征融合，提高小目标的检测精度。
集成光流技术以增强目标跟踪能力。
成果：
实现了99%以上的检测准确率。
系统能够在复杂环境下（如夜间、恶劣天气）稳定运行。
部署在多个安全监控系统中，有效提高了监控效率。
项目二：医学图像中肿瘤目标检测
设计并实现一个深度学习模型，用于自动检测医学影像（如CT、MRI）中的肿瘤位置和大小。
关键技术：
使用3D卷积神经网络处理三维医学图像数据。
利用图像增强技术提高模型对不同病变类型的泛化能力。
实现了一个用户友好的界面，供医生标记和验证检测结果。
项目成果：
模型在多个公开数据集上达到了95%以上的准确率。
显著减少了医生的诊断时间，提高了诊断的准确性。
为临床试验和研究提供了一个强大的辅助工具。
项目三：零售环境中的商品检测与分析
一个目标检测系统，用于零售环境中自动识别货架上的商品，分析库存状态，以及顾客的购买行为。
关键技术：
使用YOLO算法进行实时目标检测。
实现了对商品标签、包装和形状的多特征识别。
集成了顾客行为分析模块，通过目标跟踪技术分析顾客在店内的移动路径和购买偏好。
项目成果：
实现了货架商品的高准确率检测和实时库存更新。
通过分析顾客行为，帮助零售商优化商品布局和促销策略。
系统在多个零售商店成功部署，提高了运营效率和顾客满意度。
立即沟通
