幻幻花
除颤算法工程师
西安瑞新康达医疗器械公司 · 10年经验
日薪：
￥500/8h
地点：
北京 海淀
时间：
可工作日远程可工作日驻场（离职原因）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
• 编程语言：Python（熟练）、C/C++（精通）、Matlab（熟练）、Shell、Linux
• 算法与AI：信号处理（滤波、特征提取、时频分析）、机器学习/深度学习（PyTorch、TensorFlow、Sklearn）、分类/回归/序列建模
• 领域经验：心电信号处理、除颤识别、呼吸检测、医疗器械算法落地
• 工程化：跨平台移植、算法优化、实时系统开发、算法与硬件协同调试
• 算法与AI：信号处理（滤波、特征提取、时频分析）、机器学习/深度学习（PyTorch、TensorFlow、Sklearn）、分类/回归/序列建模
• 领域经验：心电信号处理、除颤识别、呼吸检测、医疗器械算法落地
• 工程化：跨平台移植、算法优化、实时系统开发、算法与硬件协同调试
项目经验
• 心电信号智能分类系统（自研/科研项目）
- 使用Python + PyTorch，对MIT-BIH心律失常数据库进行建模
- 采用CNN+LSTM架构，提取时频特征，实现心律失常自动分类
- 分类准确率达98%，相比传统QRS检测算法提升约5%
• 心电监测、识别算法开发优化
- 基于大规模心电数据构建训练与验证流程，结合机器学习判别模型
- 优化特征工程与噪声鲁棒性，算法性能提升30%+
- 成功部署在医疗器械系统，通过注册标准认证
- 使用Python + PyTorch，对MIT-BIH心律失常数据库进行建模
- 采用CNN+LSTM架构，提取时频特征，实现心律失常自动分类
- 分类准确率达98%，相比传统QRS检测算法提升约5%
• 心电监测、识别算法开发优化
- 基于大规模心电数据构建训练与验证流程，结合机器学习判别模型
- 优化特征工程与噪声鲁棒性，算法性能提升30%+
- 成功部署在医疗器械系统，通过注册标准认证
案例展示 全部案例 >
幻幻花
除颤算法工程师 · 10年经验 · 西安瑞新康达医疗器械公司
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
• 编程语言：Python（熟练）、C/C++（精通）、Matlab（熟练）、Shell、Linux
• 算法与AI：信号处理（滤波、特征提取、时频分析）、机器学习/深度学习（PyTorch、TensorFlow、Sklearn）、分类/回归/序列建模
• 领域经验：心电信号处理、除颤识别、呼吸检测、医疗器械算法落地
• 工程化：跨平台移植、算法优化、实时系统开发、算法与硬件协同调试
• 算法与AI：信号处理（滤波、特征提取、时频分析）、机器学习/深度学习（PyTorch、TensorFlow、Sklearn）、分类/回归/序列建模
• 领域经验：心电信号处理、除颤识别、呼吸检测、医疗器械算法落地
• 工程化：跨平台移植、算法优化、实时系统开发、算法与硬件协同调试
项目经验
• 心电信号智能分类系统（自研/科研项目）
- 使用Python + PyTorch，对MIT-BIH心律失常数据库进行建模
- 采用CNN+LSTM架构，提取时频特征，实现心律失常自动分类
- 分类准确率达98%，相比传统QRS检测算法提升约5%
• 心电监测、识别算法开发优化
- 基于大规模心电数据构建训练与验证流程，结合机器学习判别模型
- 优化特征工程与噪声鲁棒性，算法性能提升30%+
- 成功部署在医疗器械系统，通过注册标准认证
- 使用Python + PyTorch，对MIT-BIH心律失常数据库进行建模
- 采用CNN+LSTM架构，提取时频特征，实现心律失常自动分类
- 分类准确率达98%，相比传统QRS检测算法提升约5%
• 心电监测、识别算法开发优化
- 基于大规模心电数据构建训练与验证流程，结合机器学习判别模型
- 优化特征工程与噪声鲁棒性，算法性能提升30%+
- 成功部署在医疗器械系统，通过注册标准认证
立即沟通
