Python, PyTorch, Java, Stable Diffusion, Hugging Face, Git, AWS, Lisp, TensorFlow, Scikit-learn, GitHub, LaTeX
技术研发与优化
稳定扩散模型开发与优化:通过超参数调优及基于模型排序指标(CLIP分数、FID)的架构调整,将输出质量提升30%。
前沿算法研究落地:从10+篇学术论文(如扩散Transformer等)中筛选并实现新型ML算法,推理速度提升25%的同时保持生成保真度。
数据工程与协作
定制数据集构建:牵头完成50,000+样本的数据集构建与标注,跨部门协作确保数据管道符合项目需求。
系统性能优化:使用Python/C++重构项目逻辑架构,部署延迟降低40%,完整编写技术文档保证方案可复现性。
模型部署与测试
云平台模型部署:联合DevOps团队进行A/B测试与协同调试,成功在AWS SageMaker上实现生产级部署。
基于生成式AI与量化评估模型的智能招生系统,通过稳定扩散模型生成考生素质画像、多模态数据分析和自动化决策支持,帮助高校实现招生流程的科学化、公平化与效率提升。 改进输出质量30%(CLIP/FID指标) 我的成果:实现25%的推理加速(扩散Transformer等算法)
学术研究 生成式模型独立研究:主导GAN/VAE/扩散模型的算法优化研究,发表论文《面向低资源环境的扩散模型优化方法》 算法工程 函数式编程实践:基于Lisp/Haskell构建实验性ML管道,验证算法效率提升15%收敛速度(对比基线模型)。 数据工程 智能标注系统
基于计算机视觉(CV)和物联网(IoT)技术的智能家居监控系统,通过AI实时分析家庭环境,提供安全防护、异常检测、自动化控制等功能,打造更安全、便捷的智慧生活体验。 我的贡献: 优化目标检测模型(YOLO/SSD),提升识别准确率20%。 部署轻量化模型,降低移动端