猿急送>

佛山Python兼职程序员

ID：391723

🏹 身份已认证

无

公司信息：
无

工作经验：
1年

兼职日薪：
500元/8小时

兼职时间：
下班后
可工作日驻场（自由职业原因）

所在区域：
佛山
全区
大沥镇

技术能力

1. 编程语言与工具：熟练使用Python完成全流程开发，掌握Jupyter Notebook、PyCharm等开发环境，熟悉Git版本控制。

2. 图像识别技术：

◦ 传统方法：精通OpenCV库，掌握SIFT、ORB等特征提取算法，以及FLANN、BF匹配器。

◦ 深度学习：熟练运用PyTorch、TensorFlow框架，掌握ResNet、YOLO、U-Net等经典模型，擅长迁移学习、数据增强及模型压缩优化。

3. 数据挖掘与分析：

◦ 数据处理：熟练使用Pandas、Numpy进行数据清洗、特征工程，掌握PySpark处理大规模数据。

◦ 机器学习：精通Scikit-learn，熟悉LightGBM、XGBoost等模型，擅长分类、聚类、回归任务。

◦ 多模态融合：具备图像、文本、时序数据融合经验，掌握跨模态特征提取与模型构建。

4. 系统开发与部署：

◦ 服务搭建：使用FastAPI、Flask开发API接口，熟悉Docker容器化部署。

◦ 工程优化：掌握FAISS向量检索、Redis缓存，能利用MLflow进行实验管理与模型迭代。

5. 行业应用经验：

◦ 涵盖电商图像检索、工业缺陷检测、医学影像诊断、社交媒体分析等领域，熟悉对应业务场景与技术落地流程。

项目经验

项目一：基于深度学习的图像分类与检索系统开发

项目背景：
为某电商平台构建商品图像分类与以图搜图系统，解决海量商品图片（超100万张）的精准分类和相似商品检索需求，提升用户搜索效率和推荐准确性。

技术栈：

• 框架/库：PyTorch、TensorFlow、OpenCV、Scikit-learn

• 模型：ResNet50/101（迁移学习）、Faster R-CNN（目标检测）、Triplet Loss度量学习

• 数据处理：数据增强（MixUp/CutOut）、Mosaic数据合成、特征金字塔构建

• 工程优化：FAISS向量检索引擎、Docker容器化部署、GPU集群训练（NVIDIA A100）

负责内容：

1. 数据 pipeline 搭建：

◦ 设计图像标注流程，构建包含50万张标注数据的训练集，覆盖200+商品类别；

◦ 开发数据清洗脚本，通过OCR文本校验、跨模态哈希去重，将无效数据比例从15%降至3%。

2. 算法开发与优化：

◦ 基于ResNet101实现图像分类基线模型，通过知识蒸馏将模型参数量压缩40%，推理速度提升2.5倍；

◦ 引入度量学习（Triplet Loss + 难样本挖掘）构建图像特征向量，结合FAISS实现亿级特征向量的毫秒级检索，Top-5准确率达92%。

3. 系统集成与部署：

◦ 设计“特征提取-向量存储-检索匹配”三层架构，使用FastAPI搭建API服务，支持日均10万次检索请求；

◦ 实现模型动态更新机制，通过MLflow跟踪实验参数，迭代30+版本后整体检索召回率提升18%。

项目成果：

• 商品分类准确率从基线模型的78%提升至91.2%，以图搜图平均响应时间<200ms；

• 助力平台搜索转化率提升12%，人工标注成本降低50%，相关技术方案被纳入公司AI中台标准组件。

项目二：工业缺陷检测智能系统（图像+时序数据融合挖掘）

项目背景：
为某制造业企业开发生产线缺陷检测系统，针对机械零部件表面缺陷（划痕、裂纹等）及设备运行异常，实现实时检测与故障预警，替代传统人工目检和阈值报警方案。

技术栈：

• 多模态数据：机器视觉（工业相机采集RGB图像）、振动传感器（时序数据）

• 模型：YOLOv5（缺陷定位）、LSTM-AutoEncoder（时序异常检测）、特征融合网络

• 工具：Pandas（时序数据清洗）、PySpark（分布式特征工程）、TensorBoard（可视化）

负责内容：

1. 跨模态数据融合：

◦ 设计图像特征（HOG/SIFT）与时序特征（FFT频谱、均方根值）的融合策略，通过concat和注意力机制提升互补性；

◦ 构建包含8000+缺陷样本的图像数据集和20万条时序样本的混合数据集，设计分层抽样策略平衡正负样本。

2. 实时检测算法开发：

◦ 基于YOLOv5s实现缺陷定位，通过模型剪枝和量化压缩，在边缘计算设备（Jetson Nano）上实现30FPS实时检测；

◦ 针对振动数据设计LSTM-AutoEncoder异常检测模型，通过重构误差阈值判断设备运行状态，误报率从25%降至8%。

3. 工业级系统落地：

◦ 开发边缘端数据采集模块（Python + ROS），实现图像流和传感器数据的同步采集与预处理；

◦ 部署Flask服务与企业ERP系统对接，实时推送缺陷报告和设备预警信息，支持历史数据回溯与趋势分析。

项目成果：

• 表面缺陷检测准确率达95.6%，设备异常预警提前量平均提升4小时；

• 生产线人工检测成本降低70%，设备非计划停机时间减少35%，年节省生产成本超200万元。

项目三：医学影像智能诊断辅助系统（肺部CT结节检测）

项目背景：
与某三甲医院合作开发肺部CT结节辅助诊断系统，基于公开医学影像数据集（如LIDC-IDRI），实现结节自动检测与良恶性分类，缓解放射科医生读片压力。

技术栈：

• 医学影像处理：Monai、SimpleITK（三维图像分割）、Numpy（体数据处理）

• 模型：3D U-Net（结节分割）、ResNet3D（分类）、注意力机制（CBAM/Self-Attention）

• 评估指标

案例展示

飞机大战

飞机大战小游戏敌机ai学习玩家操作 boss会生成难度非常苦难敌机自学习非常的强度玩家需要高超的手法
翻译ai

进行爬取翻译网站来提取用户的翻译需求用了几个常用的反反爬技术手段来进行爬取翻译网站无伤爬取用户想爬的内容
爬取交易猫

简单用python爬取交易猫网站用了三个简单的反反爬处理可以爬取交易猫数据等等数据利于我们工作
简单微信单机版模拟器

模拟微信的一个python小程序可以进行微信聊天加好友和好友聊天等小功能页面简单简洁易懂新手上手简单
烟柜烟盒识别系统

烟柜台烟盒识别系统，识别一个烟柜里的所有烟，列出货架顺序，烟的品牌价格等信息。技术原理：yolov8识别标签纸框的位置，obb检测标签纸，ocr识别文字
多源迁移学习模型项目

多源迁移学习模型项目项目概述这是一个基于PyTorch实现的多源迁移学习模型，用于ESG(环境、社会和治理)评级预测。项目整合了来自多个源域的知识，通过注意力机制和知识蒸馏等技术提升目标域的预测性能。主要功能 - 多源数据整合与预处理 - 多种迁移学习模