不不不不
无
昆明冶金 · 3年经验
日薪：
￥800/8h
地点：
其他 全区
时间：
可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
一、编程语言与框架
Python 核心编程：精通 Python 3.x 语法，熟悉面向对象编程、函数式编程范式，能够编写高效、可维护的代码。掌握装饰器、生成器、异步编程（asyncio）等高级特性。
Web 开发：熟悉 Django、Flask、FastAPI 等框架，能够开发 RESTful API、前后端分离项目及企业级应用。了解数据库设计与优化（MySQL、PostgreSQL）、缓存策略（Redis）及 Web 安全实践。
数据处理与分析：熟练使用 Pandas、NumPy 进行数据清洗、转换和分析，用 Matplotlib、Seaborn、Plotly 实现数据可视化，支持业务决策。
二、机器学习与人工智能
模型开发：掌握 Scikit-learn、TensorFlow、PyTorch 等框架，能够实现分类、回归、聚类等传统机器学习算法，以及神经网络（CNN、RNN、Transformer）等深度学习模型。
自然语言处理（NLP）：熟悉文本分类、情感分析、命名实体识别（NER）、文本生成等任务，了解 BERT、GPT 等预训练模型的应用与微调。
计算机视觉（CV）：能够实现图像分类、目标检测、分割等任务，熟悉 OpenCV 库的使用。
Python 核心编程：精通 Python 3.x 语法，熟悉面向对象编程、函数式编程范式，能够编写高效、可维护的代码。掌握装饰器、生成器、异步编程（asyncio）等高级特性。
Web 开发：熟悉 Django、Flask、FastAPI 等框架，能够开发 RESTful API、前后端分离项目及企业级应用。了解数据库设计与优化（MySQL、PostgreSQL）、缓存策略（Redis）及 Web 安全实践。
数据处理与分析：熟练使用 Pandas、NumPy 进行数据清洗、转换和分析，用 Matplotlib、Seaborn、Plotly 实现数据可视化，支持业务决策。
二、机器学习与人工智能
模型开发：掌握 Scikit-learn、TensorFlow、PyTorch 等框架，能够实现分类、回归、聚类等传统机器学习算法，以及神经网络（CNN、RNN、Transformer）等深度学习模型。
自然语言处理（NLP）：熟悉文本分类、情感分析、命名实体识别（NER）、文本生成等任务，了解 BERT、GPT 等预训练模型的应用与微调。
计算机视觉（CV）：能够实现图像分类、目标检测、分割等任务，熟悉 OpenCV 库的使用。
项目经验
以下是我在 Ubuntu 问答系统、智能 Agent 构建和图片识别领域的代表性项目，展示了我的技术深度和解决复杂问题的能力：
1. Ubuntu 智能问答系统（企业级知识库助手）
项目描述：为某 Linux 云服务提供商开发的 AI 助手，基于 Ubuntu 官方文档和社区问答数据构建，支持自然语言查询、故障诊断和命令推荐。
技术实现：
使用Elasticsearch构建文档索引，实现秒级检索；
基于BERT预训练模型微调问答生成器，提升语义理解准确率；
开发FastAPI后端，通过 Docker 容器化部署至 Kubernetes 集群，确保高可用。
成果：将技术支持响应时间缩短 70%，知识库利用率提升 40%，用户满意度达 92%。
2. 多模态智能 Agent 开发平台
项目描述：设计并实现支持文本、图像、语音交互的通用 Agent 框架，可自定义工具链（如文件操作、API 调用）。
技术栈：
采用LangChain框架实现工具调用链编排；
集成LLaMA-3大模型与CLIP多模态模型，支持跨模态推理；
开发插件系统，支持热加载自定义工具（如数据库查询、代码生成）。
创新点：实现 Agent 自主规划任务链，在复杂运维场景中成功率达 85%，显著降低人工干预。
3. 工业缺陷检测图像识别系统
项目描述：为制造业客户开发的实时产品缺陷检测系统，基于机器视觉技术识别零件表面划痕、变形等问题。
核心技术：
基于YOLOv8架构定制检测模型，在小目标缺陷上的 mAP 达 0.92；
开发数据增强 Pipeline，解决工业场景样本不足问题；
部署边缘计算节点，实现 50ms 内的实时响应，满足生产线速度要求
1. Ubuntu 智能问答系统（企业级知识库助手）
项目描述：为某 Linux 云服务提供商开发的 AI 助手，基于 Ubuntu 官方文档和社区问答数据构建，支持自然语言查询、故障诊断和命令推荐。
技术实现：
使用Elasticsearch构建文档索引，实现秒级检索；
基于BERT预训练模型微调问答生成器，提升语义理解准确率；
开发FastAPI后端，通过 Docker 容器化部署至 Kubernetes 集群，确保高可用。
成果：将技术支持响应时间缩短 70%，知识库利用率提升 40%，用户满意度达 92%。
2. 多模态智能 Agent 开发平台
项目描述：设计并实现支持文本、图像、语音交互的通用 Agent 框架，可自定义工具链（如文件操作、API 调用）。
技术栈：
采用LangChain框架实现工具调用链编排；
集成LLaMA-3大模型与CLIP多模态模型，支持跨模态推理；
开发插件系统，支持热加载自定义工具（如数据库查询、代码生成）。
创新点：实现 Agent 自主规划任务链，在复杂运维场景中成功率达 85%，显著降低人工干预。
3. 工业缺陷检测图像识别系统
项目描述：为制造业客户开发的实时产品缺陷检测系统，基于机器视觉技术识别零件表面划痕、变形等问题。
核心技术：
基于YOLOv8架构定制检测模型，在小目标缺陷上的 mAP 达 0.92；
开发数据增强 Pipeline，解决工业场景样本不足问题；
部署边缘计算节点，实现 50ms 内的实时响应，满足生产线速度要求
不不不不
无 · 3年经验 · 昆明冶金
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
一、编程语言与框架
Python 核心编程：精通 Python 3.x 语法，熟悉面向对象编程、函数式编程范式，能够编写高效、可维护的代码。掌握装饰器、生成器、异步编程（asyncio）等高级特性。
Web 开发：熟悉 Django、Flask、FastAPI 等框架，能够开发 RESTful API、前后端分离项目及企业级应用。了解数据库设计与优化（MySQL、PostgreSQL）、缓存策略（Redis）及 Web 安全实践。
数据处理与分析：熟练使用 Pandas、NumPy 进行数据清洗、转换和分析，用 Matplotlib、Seaborn、Plotly 实现数据可视化，支持业务决策。
二、机器学习与人工智能
模型开发：掌握 Scikit-learn、TensorFlow、PyTorch 等框架，能够实现分类、回归、聚类等传统机器学习算法，以及神经网络（CNN、RNN、Transformer）等深度学习模型。
自然语言处理（NLP）：熟悉文本分类、情感分析、命名实体识别（NER）、文本生成等任务，了解 BERT、GPT 等预训练模型的应用与微调。
计算机视觉（CV）：能够实现图像分类、目标检测、分割等任务，熟悉 OpenCV 库的使用。
Python 核心编程：精通 Python 3.x 语法，熟悉面向对象编程、函数式编程范式，能够编写高效、可维护的代码。掌握装饰器、生成器、异步编程（asyncio）等高级特性。
Web 开发：熟悉 Django、Flask、FastAPI 等框架，能够开发 RESTful API、前后端分离项目及企业级应用。了解数据库设计与优化（MySQL、PostgreSQL）、缓存策略（Redis）及 Web 安全实践。
数据处理与分析：熟练使用 Pandas、NumPy 进行数据清洗、转换和分析，用 Matplotlib、Seaborn、Plotly 实现数据可视化，支持业务决策。
二、机器学习与人工智能
模型开发：掌握 Scikit-learn、TensorFlow、PyTorch 等框架，能够实现分类、回归、聚类等传统机器学习算法，以及神经网络（CNN、RNN、Transformer）等深度学习模型。
自然语言处理（NLP）：熟悉文本分类、情感分析、命名实体识别（NER）、文本生成等任务，了解 BERT、GPT 等预训练模型的应用与微调。
计算机视觉（CV）：能够实现图像分类、目标检测、分割等任务，熟悉 OpenCV 库的使用。
项目经验
以下是我在 Ubuntu 问答系统、智能 Agent 构建和图片识别领域的代表性项目，展示了我的技术深度和解决复杂问题的能力：
1. Ubuntu 智能问答系统（企业级知识库助手）
项目描述：为某 Linux 云服务提供商开发的 AI 助手，基于 Ubuntu 官方文档和社区问答数据构建，支持自然语言查询、故障诊断和命令推荐。
技术实现：
使用Elasticsearch构建文档索引，实现秒级检索；
基于BERT预训练模型微调问答生成器，提升语义理解准确率；
开发FastAPI后端，通过 Docker 容器化部署至 Kubernetes 集群，确保高可用。
成果：将技术支持响应时间缩短 70%，知识库利用率提升 40%，用户满意度达 92%。
2. 多模态智能 Agent 开发平台
项目描述：设计并实现支持文本、图像、语音交互的通用 Agent 框架，可自定义工具链（如文件操作、API 调用）。
技术栈：
采用LangChain框架实现工具调用链编排；
集成LLaMA-3大模型与CLIP多模态模型，支持跨模态推理；
开发插件系统，支持热加载自定义工具（如数据库查询、代码生成）。
创新点：实现 Agent 自主规划任务链，在复杂运维场景中成功率达 85%，显著降低人工干预。
3. 工业缺陷检测图像识别系统
项目描述：为制造业客户开发的实时产品缺陷检测系统，基于机器视觉技术识别零件表面划痕、变形等问题。
核心技术：
基于YOLOv8架构定制检测模型，在小目标缺陷上的 mAP 达 0.92；
开发数据增强 Pipeline，解决工业场景样本不足问题；
部署边缘计算节点，实现 50ms 内的实时响应，满足生产线速度要求
1. Ubuntu 智能问答系统（企业级知识库助手）
项目描述：为某 Linux 云服务提供商开发的 AI 助手，基于 Ubuntu 官方文档和社区问答数据构建，支持自然语言查询、故障诊断和命令推荐。
技术实现：
使用Elasticsearch构建文档索引，实现秒级检索；
基于BERT预训练模型微调问答生成器，提升语义理解准确率；
开发FastAPI后端，通过 Docker 容器化部署至 Kubernetes 集群，确保高可用。
成果：将技术支持响应时间缩短 70%，知识库利用率提升 40%，用户满意度达 92%。
2. 多模态智能 Agent 开发平台
项目描述：设计并实现支持文本、图像、语音交互的通用 Agent 框架，可自定义工具链（如文件操作、API 调用）。
技术栈：
采用LangChain框架实现工具调用链编排；
集成LLaMA-3大模型与CLIP多模态模型，支持跨模态推理；
开发插件系统，支持热加载自定义工具（如数据库查询、代码生成）。
创新点：实现 Agent 自主规划任务链，在复杂运维场景中成功率达 85%，显著降低人工干预。
3. 工业缺陷检测图像识别系统
项目描述：为制造业客户开发的实时产品缺陷检测系统，基于机器视觉技术识别零件表面划痕、变形等问题。
核心技术：
基于YOLOv8架构定制检测模型，在小目标缺陷上的 mAP 达 0.92；
开发数据增强 Pipeline，解决工业场景样本不足问题；
部署边缘计算节点，实现 50ms 内的实时响应，满足生产线速度要求
案例展示
Ubuntu 智能问答系统
Ubuntu 智能问答系统（企业级知识库助手） 项目描述：为某 Linux 云服务提供商开发的 AI 助手，基于 Ubuntu 官方文档和社区问答数据构建，支持自然语言查询、故障诊断和命令推荐。 技术实现： 使用Elasticsearch构建文档索引，实现秒级检索； 基于
多模态智能 Agent 开发平台
多模态智能 Agent 开发平台 项目描述：设计并实现支持文本、图像、语音交互的通用 Agent 框架，可自定义工具链（如文件操作、API 调用）。 技术栈： 采用LangChain框架实现工具调用链编排； 集成LLaMA-3大模型与CLIP多模态模型，支持跨模态推理；
立即沟通
