AI
高级开发工程师
上海牵翼网 · 5年经验
日薪：
￥1000/8h
地点：
上海 浦东
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
全栈开发能力与人工智能领域深度实践经验，熟练掌握跨平台技术栈并精通高性能计算优化。在软件开发层面，可独立完成从需求分析到系统部署的全生命周期开发，技术栈涵盖：前端（React/Vue.js/TypeScript）、后端（Node.js/Spring Boot/Python Django）、移动端（Flutter/React Native）以及数据库（MySQL/PostgreSQL/MongoDB）的架构设计与优化，熟悉微服务架构与DevOps工具链（Docker/Kubernetes/Jenkins）。
在人工智能领域，专注于GPU加速计算与大型语言模型开发：1. CUDA编程方面，具备5年以上优化并行计算经验，成功实现过计算机视觉算法从CPU到GPU的移植优化，使推理速度提升40倍以上；2. 大模型开发方面，完整参与过基于Transformer架构的十亿参数级模型开发，熟练使用PyTorch Lightning框架进行分布式训练，掌握DeepSpeed、Megatron-LM等并行训练工具；3. 模型部署方面，主导过BERT-large模型的ONNX格式转换与TensorRT加速部署，实现服务响应时间从500ms优化至80ms；4. 微调实践中，结合LoRA/P-Tuning等参数高效微调技术，在限定算力条件下完成领域适配任务，同时精通Hugging Face生态链工具（Transformers/Accelerate/Peft）的应用。
持续关注AI工程化落地，掌握LangChain等AI应用框架开发，具备构建RAG（检索增强生成）系统的实战经验，熟悉大模型量化（GGML/GPTQ）与轻量化部署技术，成功在边缘设备（NVIDIA Jetson系列）部署过7B参数量级的行业大模型。技术视野覆盖从底层硬件加速到上层应用开发的全技术栈，擅长在复杂系统中实现性能与成本的平衡优化。
在人工智能领域，专注于GPU加速计算与大型语言模型开发：1. CUDA编程方面，具备5年以上优化并行计算经验，成功实现过计算机视觉算法从CPU到GPU的移植优化，使推理速度提升40倍以上；2. 大模型开发方面，完整参与过基于Transformer架构的十亿参数级模型开发，熟练使用PyTorch Lightning框架进行分布式训练，掌握DeepSpeed、Megatron-LM等并行训练工具；3. 模型部署方面，主导过BERT-large模型的ONNX格式转换与TensorRT加速部署，实现服务响应时间从500ms优化至80ms；4. 微调实践中，结合LoRA/P-Tuning等参数高效微调技术，在限定算力条件下完成领域适配任务，同时精通Hugging Face生态链工具（Transformers/Accelerate/Peft）的应用。
持续关注AI工程化落地，掌握LangChain等AI应用框架开发，具备构建RAG（检索增强生成）系统的实战经验，熟悉大模型量化（GGML/GPTQ）与轻量化部署技术，成功在边缘设备（NVIDIA Jetson系列）部署过7B参数量级的行业大模型。技术视野覆盖从底层硬件加速到上层应用开发的全技术栈，擅长在复杂系统中实现性能与成本的平衡优化。
项目经验
项目一：智慧城市视频分析系统（CUDA加速版）**
**周期**：2022.03-2023.01
**技术栈**：PyTorch/CUDA C++/TensorRT/Flask/NVIDIA Jetson AGX
**核心贡献**：
- 设计基于YOLOv7改进的实时目标检测模型，通过CUDA重写数据预处理模块，将1080P视频流处理延迟从230ms降至58ms
- 开发多线程GPU任务调度系统，实现单卡并发处理16路视频流，显存利用率提升70%
- 使用TensorRT进行模型量化与层融合优化，在Jetson边缘设备部署时模型推理速度达45FPS
- 搭建Docker+Kubernetes微服务架构，实现算法模块与业务系统的低耦合对接
**成果**：落地3个城市交通枢纽，日均处理视频数据量超300TB，获客户A级验收评价
---
**项目二：金融领域大模型智能客服系统**
**周期**：2023.05-至今
**技术栈**：LLaMA-13B/LoRA微调/LangChain/React+FastAPI
**核心贡献**：
- 基于ChatGLM2-6B架构构建垂直领域对话模型，采用LoRA技术进行千亿token金融语料微调
- 设计混合精度训练方案（FP16+梯度检查点），在8*A100集群上训练效率提升3.2倍
- 开发RAG增强系统，结合ElasticSearch实现实时金融政策检索与回答验证
- 构建BFF层中间件对接大模型API，前端响应延迟优化至1.2s内
**成果**：模型在金融QA测试集准确率达89.7%，已服务5家基金公司客户
---
**项目三：工业缺陷检测云边协同系统**
**周期**：2021.09-2022.12
**技术栈**：ResNet50/OpenCV/Django/Edge TPU
**核心贡献**：
- 开发自适应数据增强管道，在小样本（<500张/类别）场景下模型mAP提升22%
- 设计基于知识蒸馏的模型压缩方案，将缺陷分类模型从486MB压缩至27MB
- 实现云端模型训练与边缘设备（Google Coral）的OTA无缝更新系统
- 构建MongoDB时序数据库存储检测结果，支持百万级/日数据的多维分析
**成果**：部署于12条产线，缺陷检出率从83%提升至97%，误报率降低至1.2%
**周期**：2022.03-2023.01
**技术栈**：PyTorch/CUDA C++/TensorRT/Flask/NVIDIA Jetson AGX
**核心贡献**：
- 设计基于YOLOv7改进的实时目标检测模型，通过CUDA重写数据预处理模块，将1080P视频流处理延迟从230ms降至58ms
- 开发多线程GPU任务调度系统，实现单卡并发处理16路视频流，显存利用率提升70%
- 使用TensorRT进行模型量化与层融合优化，在Jetson边缘设备部署时模型推理速度达45FPS
- 搭建Docker+Kubernetes微服务架构，实现算法模块与业务系统的低耦合对接
**成果**：落地3个城市交通枢纽，日均处理视频数据量超300TB，获客户A级验收评价
---
**项目二：金融领域大模型智能客服系统**
**周期**：2023.05-至今
**技术栈**：LLaMA-13B/LoRA微调/LangChain/React+FastAPI
**核心贡献**：
- 基于ChatGLM2-6B架构构建垂直领域对话模型，采用LoRA技术进行千亿token金融语料微调
- 设计混合精度训练方案（FP16+梯度检查点），在8*A100集群上训练效率提升3.2倍
- 开发RAG增强系统，结合ElasticSearch实现实时金融政策检索与回答验证
- 构建BFF层中间件对接大模型API，前端响应延迟优化至1.2s内
**成果**：模型在金融QA测试集准确率达89.7%，已服务5家基金公司客户
---
**项目三：工业缺陷检测云边协同系统**
**周期**：2021.09-2022.12
**技术栈**：ResNet50/OpenCV/Django/Edge TPU
**核心贡献**：
- 开发自适应数据增强管道，在小样本（<500张/类别）场景下模型mAP提升22%
- 设计基于知识蒸馏的模型压缩方案，将缺陷分类模型从486MB压缩至27MB
- 实现云端模型训练与边缘设备（Google Coral）的OTA无缝更新系统
- 构建MongoDB时序数据库存储检测结果，支持百万级/日数据的多维分析
**成果**：部署于12条产线，缺陷检出率从83%提升至97%，误报率降低至1.2%
ID:393586
复制
AI
高级开发工程师 · 5年经验 · 上海牵翼网
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
全栈开发能力与人工智能领域深度实践经验，熟练掌握跨平台技术栈并精通高性能计算优化。在软件开发层面，可独立完成从需求分析到系统部署的全生命周期开发，技术栈涵盖：前端（React/Vue.js/TypeScript）、后端（Node.js/Spring Boot/Python Django）、移动端（Flutter/React Native）以及数据库（MySQL/PostgreSQL/MongoDB）的架构设计与优化，熟悉微服务架构与DevOps工具链（Docker/Kubernetes/Jenkins）。
在人工智能领域，专注于GPU加速计算与大型语言模型开发：1. CUDA编程方面，具备5年以上优化并行计算经验，成功实现过计算机视觉算法从CPU到GPU的移植优化，使推理速度提升40倍以上；2. 大模型开发方面，完整参与过基于Transformer架构的十亿参数级模型开发，熟练使用PyTorch Lightning框架进行分布式训练，掌握DeepSpeed、Megatron-LM等并行训练工具；3. 模型部署方面，主导过BERT-large模型的ONNX格式转换与TensorRT加速部署，实现服务响应时间从500ms优化至80ms；4. 微调实践中，结合LoRA/P-Tuning等参数高效微调技术，在限定算力条件下完成领域适配任务，同时精通Hugging Face生态链工具（Transformers/Accelerate/Peft）的应用。
持续关注AI工程化落地，掌握LangChain等AI应用框架开发，具备构建RAG（检索增强生成）系统的实战经验，熟悉大模型量化（GGML/GPTQ）与轻量化部署技术，成功在边缘设备（NVIDIA Jetson系列）部署过7B参数量级的行业大模型。技术视野覆盖从底层硬件加速到上层应用开发的全技术栈，擅长在复杂系统中实现性能与成本的平衡优化。
在人工智能领域，专注于GPU加速计算与大型语言模型开发：1. CUDA编程方面，具备5年以上优化并行计算经验，成功实现过计算机视觉算法从CPU到GPU的移植优化，使推理速度提升40倍以上；2. 大模型开发方面，完整参与过基于Transformer架构的十亿参数级模型开发，熟练使用PyTorch Lightning框架进行分布式训练，掌握DeepSpeed、Megatron-LM等并行训练工具；3. 模型部署方面，主导过BERT-large模型的ONNX格式转换与TensorRT加速部署，实现服务响应时间从500ms优化至80ms；4. 微调实践中，结合LoRA/P-Tuning等参数高效微调技术，在限定算力条件下完成领域适配任务，同时精通Hugging Face生态链工具（Transformers/Accelerate/Peft）的应用。
持续关注AI工程化落地，掌握LangChain等AI应用框架开发，具备构建RAG（检索增强生成）系统的实战经验，熟悉大模型量化（GGML/GPTQ）与轻量化部署技术，成功在边缘设备（NVIDIA Jetson系列）部署过7B参数量级的行业大模型。技术视野覆盖从底层硬件加速到上层应用开发的全技术栈，擅长在复杂系统中实现性能与成本的平衡优化。
项目经验
项目一：智慧城市视频分析系统（CUDA加速版）**
**周期**：2022.03-2023.01
**技术栈**：PyTorch/CUDA C++/TensorRT/Flask/NVIDIA Jetson AGX
**核心贡献**：
- 设计基于YOLOv7改进的实时目标检测模型，通过CUDA重写数据预处理模块，将1080P视频流处理延迟从230ms降至58ms
- 开发多线程GPU任务调度系统，实现单卡并发处理16路视频流，显存利用率提升70%
- 使用TensorRT进行模型量化与层融合优化，在Jetson边缘设备部署时模型推理速度达45FPS
- 搭建Docker+Kubernetes微服务架构，实现算法模块与业务系统的低耦合对接
**成果**：落地3个城市交通枢纽，日均处理视频数据量超300TB，获客户A级验收评价
---
**项目二：金融领域大模型智能客服系统**
**周期**：2023.05-至今
**技术栈**：LLaMA-13B/LoRA微调/LangChain/React+FastAPI
**核心贡献**：
- 基于ChatGLM2-6B架构构建垂直领域对话模型，采用LoRA技术进行千亿token金融语料微调
- 设计混合精度训练方案（FP16+梯度检查点），在8*A100集群上训练效率提升3.2倍
- 开发RAG增强系统，结合ElasticSearch实现实时金融政策检索与回答验证
- 构建BFF层中间件对接大模型API，前端响应延迟优化至1.2s内
**成果**：模型在金融QA测试集准确率达89.7%，已服务5家基金公司客户
---
**项目三：工业缺陷检测云边协同系统**
**周期**：2021.09-2022.12
**技术栈**：ResNet50/OpenCV/Django/Edge TPU
**核心贡献**：
- 开发自适应数据增强管道，在小样本（<500张/类别）场景下模型mAP提升22%
- 设计基于知识蒸馏的模型压缩方案，将缺陷分类模型从486MB压缩至27MB
- 实现云端模型训练与边缘设备（Google Coral）的OTA无缝更新系统
- 构建MongoDB时序数据库存储检测结果，支持百万级/日数据的多维分析
**成果**：部署于12条产线，缺陷检出率从83%提升至97%，误报率降低至1.2%
**周期**：2022.03-2023.01
**技术栈**：PyTorch/CUDA C++/TensorRT/Flask/NVIDIA Jetson AGX
**核心贡献**：
- 设计基于YOLOv7改进的实时目标检测模型，通过CUDA重写数据预处理模块，将1080P视频流处理延迟从230ms降至58ms
- 开发多线程GPU任务调度系统，实现单卡并发处理16路视频流，显存利用率提升70%
- 使用TensorRT进行模型量化与层融合优化，在Jetson边缘设备部署时模型推理速度达45FPS
- 搭建Docker+Kubernetes微服务架构，实现算法模块与业务系统的低耦合对接
**成果**：落地3个城市交通枢纽，日均处理视频数据量超300TB，获客户A级验收评价
---
**项目二：金融领域大模型智能客服系统**
**周期**：2023.05-至今
**技术栈**：LLaMA-13B/LoRA微调/LangChain/React+FastAPI
**核心贡献**：
- 基于ChatGLM2-6B架构构建垂直领域对话模型，采用LoRA技术进行千亿token金融语料微调
- 设计混合精度训练方案（FP16+梯度检查点），在8*A100集群上训练效率提升3.2倍
- 开发RAG增强系统，结合ElasticSearch实现实时金融政策检索与回答验证
- 构建BFF层中间件对接大模型API，前端响应延迟优化至1.2s内
**成果**：模型在金融QA测试集准确率达89.7%，已服务5家基金公司客户
---
**项目三：工业缺陷检测云边协同系统**
**周期**：2021.09-2022.12
**技术栈**：ResNet50/OpenCV/Django/Edge TPU
**核心贡献**：
- 开发自适应数据增强管道，在小样本（<500张/类别）场景下模型mAP提升22%
- 设计基于知识蒸馏的模型压缩方案，将缺陷分类模型从486MB压缩至27MB
- 实现云端模型训练与边缘设备（Google Coral）的OTA无缝更新系统
- 构建MongoDB时序数据库存储检测结果，支持百万级/日数据的多维分析
**成果**：部署于12条产线，缺陷检出率从83%提升至97%，误报率降低至1.2%
立即沟通
