pdxw
AI工程师
华为技术有限公司 · 3年经验
日薪：
￥700/8h
地点：
上海 浦东
时间：
下班后周六周日
信用行为
1
接单数
0
评价数
1
收藏数
100%
五星率
技术能力
熟练使用Python编程、深度学习框架Pytorch，熟悉Java编程；
熟悉经典机器学习模型（K-Means、决策树、隐马尔可夫模型等）；
熟悉基本的神经网络结构（MLP、CNN、RNN、LSTM等）；
熟悉常见的自然语言处理模型（Word2Vec、Transformer、GPT系列、BERT）；
了解目前使用广泛的大模型微调技术（LoRA、Adapter、P-tuning等）；
熟悉数组、链表、二叉树等常用的数据结构，熟悉回溯、贪心等算法。
熟悉经典机器学习模型（K-Means、决策树、隐马尔可夫模型等）；
熟悉基本的神经网络结构（MLP、CNN、RNN、LSTM等）；
熟悉常见的自然语言处理模型（Word2Vec、Transformer、GPT系列、BERT）；
了解目前使用广泛的大模型微调技术（LoRA、Adapter、P-tuning等）；
熟悉数组、链表、二叉树等常用的数据结构，熟悉回溯、贪心等算法。
项目经验
结合对比学习的神经主题模型
1、研究概述
在以Cycle-GAN为基准的神经主题模型中，引入对比学习， 直接对生成器部分产生作用，使模型训练与模型评估对齐，获得一致性更好的“主题-单词”分布。
2、主要工作
采用Cycle-GAN作为基准模型，使对比学习能够直接作用于“主题-单词”分布的学习；
基于Cycle-GAN的结构特性，提出了一种针对主题分布的数据增强方法；
设计了自监督对比损失和判别对比损失，在获得更好“主题-单词”分布的同时，维持模型各部分平衡。
3、研究成果
论文被CCF-A类会议 ACL 2023录用（第一作者）
1、研究概述
在以Cycle-GAN为基准的神经主题模型中，引入对比学习， 直接对生成器部分产生作用，使模型训练与模型评估对齐，获得一致性更好的“主题-单词”分布。
2、主要工作
采用Cycle-GAN作为基准模型，使对比学习能够直接作用于“主题-单词”分布的学习；
基于Cycle-GAN的结构特性，提出了一种针对主题分布的数据增强方法；
设计了自监督对比损失和判别对比损失，在获得更好“主题-单词”分布的同时，维持模型各部分平衡。
3、研究成果
论文被CCF-A类会议 ACL 2023录用（第一作者）
用户评价 (0)
已被预约 1 次，预约方未评价，系统默认 ★ 5星 好评。
pdxw
AI工程师 · 3年经验 · 华为技术有限公司
1
累计接单
100%
五星好评率
0
用户评价
1
被收藏
信用行为
1
接单数
0
评价数
1
收藏数
100%
五星率
技术能力
熟练使用Python编程、深度学习框架Pytorch，熟悉Java编程；
熟悉经典机器学习模型（K-Means、决策树、隐马尔可夫模型等）；
熟悉基本的神经网络结构（MLP、CNN、RNN、LSTM等）；
熟悉常见的自然语言处理模型（Word2Vec、Transformer、GPT系列、BERT）；
了解目前使用广泛的大模型微调技术（LoRA、Adapter、P-tuning等）；
熟悉数组、链表、二叉树等常用的数据结构，熟悉回溯、贪心等算法。
熟悉经典机器学习模型（K-Means、决策树、隐马尔可夫模型等）；
熟悉基本的神经网络结构（MLP、CNN、RNN、LSTM等）；
熟悉常见的自然语言处理模型（Word2Vec、Transformer、GPT系列、BERT）；
了解目前使用广泛的大模型微调技术（LoRA、Adapter、P-tuning等）；
熟悉数组、链表、二叉树等常用的数据结构，熟悉回溯、贪心等算法。
项目经验
结合对比学习的神经主题模型
1、研究概述
在以Cycle-GAN为基准的神经主题模型中，引入对比学习， 直接对生成器部分产生作用，使模型训练与模型评估对齐，获得一致性更好的“主题-单词”分布。
2、主要工作
采用Cycle-GAN作为基准模型，使对比学习能够直接作用于“主题-单词”分布的学习；
基于Cycle-GAN的结构特性，提出了一种针对主题分布的数据增强方法；
设计了自监督对比损失和判别对比损失，在获得更好“主题-单词”分布的同时，维持模型各部分平衡。
3、研究成果
论文被CCF-A类会议 ACL 2023录用（第一作者）
1、研究概述
在以Cycle-GAN为基准的神经主题模型中，引入对比学习， 直接对生成器部分产生作用，使模型训练与模型评估对齐，获得一致性更好的“主题-单词”分布。
2、主要工作
采用Cycle-GAN作为基准模型，使对比学习能够直接作用于“主题-单词”分布的学习；
基于Cycle-GAN的结构特性，提出了一种针对主题分布的数据增强方法；
设计了自监督对比损失和判别对比损失，在获得更好“主题-单词”分布的同时，维持模型各部分平衡。
3、研究成果
论文被CCF-A类会议 ACL 2023录用（第一作者）
案例展示
用户评价 (0)
该用户已被预约 1 次，预约方未评价，系统默认
★ 5星 好评。
立即沟通
